激光陀螺捷联惯导系统多位置系统级标定方法

捷联惯导系统的精度受到自身各种误差因素的影响,需在使用之前进行精确地标定和补偿。为了更加有效地标定误差,设计了一种10位置系统级标定的方法。利用简化的误差模型和速度误差变化率方程,建立了所有误差参数与导航误差之间的线性关系。通过设计的10位置连续旋转方案对由各项误差参数引起的速度误差进行充分激励,利用所得数据进行卡尔曼滤波,计算出包括陀螺仪和加速度计的零偏、标度因数误差、安装误差以及加速度计二次项误差等24个误差参数。仿真得到陀螺零偏误差优于0.000 75（）/h,加速度计零偏误差优于g,陀螺和加速度计的安装角误差优于1.5,标度因数误差优于2 ppm（1 ppm=10-6）系统,加速度计二次项误差优于0.1510-6 s2/m。另通过3组实验验证了重复性,证明了该方法确实有效。     

光纤陀螺捷联惯导系统艇上系泊状态自标定方法

从实际工程使用角度出发,提出了一种在系泊状态下的系统级自标定方案,避免了惯导系统在艇上的反复拆装。提出的系统级标定方法设计了15位置转位方案,可以通过Kalman滤波对陀螺仪和加速度计的零次项误差,标度因数误差,安装误差进行精确估计,除了对以上误差参数的估计外,对影响导航精度的内杆臂参数和加速度计正负通道非对称误差也可以进行估计。并根据系泊状态的特殊晃动环境,设计了零相位延迟的低通滤波器从惯导系统的速度解算中得到速度误差,保证了惯导系统在不依赖外界输入条件下完成自标定任务。仿真及实验结果表明,该方法能在系泊状态下准确估计出全部误差变量,且与静基座标定结果相符,具有实际应用价值。     

捷联惯导系统复杂误差参数系统级标定方法

重点研究捷联惯导系统复杂误差模型的建立,提出了一种新的包含加速度计内杆臂参数和温度误差系数的系统级标定方法。该方法基于45维卡尔曼滤波器对误差参数进行辨识估计,并通过温度控制试验箱控制标定过程中的温度变化。仿真实验表明该方法能够同时标定出激光陀螺和加速度计的零偏、标度因数误差、安装误差以及加速度计的内杆臂参数和温度误差系数。导航实验结果表明,对标定参数进行多误差源补偿之后,10 h导航实验水平最大定位误差为0.6 n mile （1 n mile=1.852 km）,相较于不经过补偿,导航精度提升了37.5%。     

激光捷联惯导系统射前自标定方法

在分析激光捷联惯导系统静态误差模型的基础上,从系统实际应用情况出发,该文研究了激光捷联惯导系统射前自标定法。该方法充分利用了激光捷联惯导系统自身测量数据,在不依赖外界基准信息情况下,通过导弹起竖和转动获取所需标定位置,完成了误差系数自标定。实验结果表明,该文研究的激光捷联惯导系统射前自标定法能够达到标定精度要求,实现简单方便,具有较强的工程实用性。     

激光捷联惯导系统的射前快速标定技术

捷联惯导系统射前自标定是提高系统精度的重要途径。基于激光陀螺标度因数稳定的特点,建立了适合激光陀螺捷联惯导系统射前自标定的加速度计误差参数模型。分析了基座扰动使姿态发生微幅变化对加速度各通道输出影响,设计了适合激光陀螺捷联惯导系统的加速度计自标定算法,该算法具有一定的抗扰动能力。在误差参数可观测性分析的基础上,设计了射前自标定方案,并进行了实验验证,试验结果表明,该方案可快速准确标定出加速度计相关误差参数。     

激光陀螺捷联惯导系统的模观测标定方法

为了减小转台误差对激光陀螺捷联惯组（SIMU）标定精度的影响,采用模观测法设计了正二十面体-12点的位置和速率试验计划。首先,利用在重力场下的12个静态位置标定加速度计的零偏、标度因子和安装误差矩阵;然后,采用外环角速率、中内环双轴翻滚至12点位置来标定陀螺的零偏、标度因子和安装误差矩阵;最后,利用SIMU框架坐标系为桥梁,实现了加速度计和陀螺参数坐标系的统一。仿真分析表明:该方法能有效抑制转台误差对SIMU标定结果的影响,当转台各轴系垂直度误差为角秒级且角位置误差小于1'时,加速度计和陀螺的标度因子相对误差和安装误差矩阵的标定误差均小于10-5,加速度计零偏的标定误差小于10g ,陀螺零偏的标定误差小于0.01（）/h与测量噪声处于同一数量级。     

光纤捷联惯导系统加速度计内杆臂标定方法

惯性测量单元测量敏感点与载体坐标系原点不重合,标定和使用过程中存在角运动,从而引入杆臂效应误差。针对这一问题,该文提出基于卡尔曼滤波算法的杆臂标定方法。根据杆臂效应误差模型,分析了内、外杆臂效应之间联系。以线速度误差为观测量,建立卡尔曼滤波方程,通过对系统的可观测性分析,设计了两轴联动式的误差激励方式。以五级海况摇摆实验为例,动态时系统的线速度误差较未补偿杆臂效应时降低73%。     

光纤捷联惯导系统加速度计内杆臂标定方法

惯性测量单元测量敏感点与载体坐标系原点不重合,标定和使用过程中存在角运动,从而引入杆臂效应误差。针对这一问题,该文提出基于卡尔曼滤波算法的杆臂标定方法。根据杆臂效应误差模型,分析了内、外杆臂效应之间联系。以线速度误差为观测量,建立卡尔曼滤波方程,通过对系统的可观测性分析,设计了两轴联动式的误差激励方式。以五级海况摇摆实验为例,动态时系统的线速度误差较未补偿杆臂效应时降低73%。     

激光捷联惯导系统高阶误差模型的建立与分析

针对弹道导弹、火箭的工作环境存在剧烈振动的情况,研究了激光陀螺捷联惯导系统在线振动环境下的误差传播特性,指出加速度计二次项误差对导航精度有重大影响,建立了包括加速度计二次项误差的31阶误差模型。为了评价该模型的准确性,设计了静态和线振动仿真实验,将其与不考虑二次项误差的28阶误差模型进行了比较。仿真结果表明:静态时,两种模型准确度相当;当系统工作环境存在线振动时,建立的31阶误差模型比28阶误差模型准确度提高约5倍。     

基于HHT的光纤惯导系统级标定改进算法

传统的系统级标定方法是将温箱压缩机、转台电机等环境引起的随机噪声视为白噪声,而实际过程中输出信号具有非平稳和非线性特征。最小二乘拟合法是一种线性回归方法,利用该方法求解的误差系数成为制约光纤捷联惯导系统实现高精度的关键因素之一。针对上述问题,该文提出了一种基于希尔伯特-黄变换的捷联惯导系统级标定改进算法。通过希尔伯特-黄变换去除惯性仪表原始输出信号中的高频随机噪声,再利用系统级标定法计算惯性测量单元(IMU)误差参数。经多组试验证明,该方法能够有效提高IMU误差参数辨识的准确性,1 h的动态导航位置误差相对减少约10%。     

基于改进卡尔曼滤波的激光补给无人机跟瞄方法研究

激光供能为无人机长时间工作提供了保障,但是激光供能对捕获、跟踪和对准(APT)系统具有较高的要求.本文针对无人机距离地面补给站远、激光跟踪延迟、无人机供给能量不足等问题,提出一种基于自适应卡尔曼滤波算法,采用当前统计模型构建,通过残差检测对无人机模型进行实时的修正,加快位置更新速度,实现激光对无人机的最优跟踪.经过仿真...     

基于神经网络的机动目标跟踪模糊Kalman滤波算法

以实现坦克对机动目标的有效跟踪为背景,针对传统Kalman滤波算法存在的计算量较大、需要先验信息较多的缺点,提出了一种基于神经网络的机动目标跟踪模糊Kalman滤波算法.在"当前"统计模型的基础上,将未知的目标机动加速度作为附加的过程噪声,使用模糊系统估计全部过程噪声的时变方差,利用神经网络对模糊系统中的参数进行优化.仿真结果表明了所提方法的有效性.     

一种基于预测值量测转换的卡尔曼滤波跟踪算法

在雷达目标跟踪中,系统量测信息通常在球坐标系下获得。为了采用经典卡尔曼滤波算法实现有效目标跟踪,通常采用量测转换方法将非线性量测信息转换到直角坐标系中。针对传统量测转换方法基于量测值计算转换误差统计特性而导致的估计结果有偏问题,提出了一种基于预测值的量测转换方法,并将其与卡尔曼滤波算法相结合,获得了一种基于预测值量测转换的卡尔曼滤波跟踪算法。仿真结果表明,与现有的基于量测转换的卡尔曼滤波算法相比,该算法能在不提高运算量的情况下有效改善目标跟踪效果,跟踪精度提升约20%。     

基于导频和修正Kalman滤波的MIMO-OFDM信道估计方法

提出了一种适用于时间频率选择性衰落信道的MIMO-OFDM系统的组合信道估计方法。采用AR过程对信道进行建模,利用基于导频的低维Kalman滤波算法进行信道估计,并采用LS算法估计时变的信道衰减因子。Kalman滤波跟踪了信道的时域相关性,为了同时跟踪信道的频域相关性,采用了一种基于MMSE(minimum mean square error)的合并器对Kalman滤波算法进行修正。仿真表明,提出的这种组合算法降低了传统的Kalman滤波结构的复杂度,能够跟踪信道的时频变化,改进了基于LS准则的信道估计算法,并且与复杂的高维Kalman滤波算法的信道估计性能相当。     

基于Kalman滤波和六位置法的加速度计标定补偿

加速度计的零偏、刻度因子、安装误差都会影响加速度计的精度。以微机械系统(MEMS)加速度计为实验对象,采用卡尔曼(Kalman)滤波对实验数据进行滤波,结合六位置法得到MEMS加速度计的零偏、刻度因子、安装误差与MEMS加速度计测量值的关系,最终获得基于Kalman滤波和六位置法的MEMS加速度计标定补偿数学模型。通过实验测试表明,补偿后MEMS加速度计的输出值更接近标准值,且加速度计解算俯仰角(-90°~+90°)的绝对误差由补偿前的1°经补偿后减小为0.34°。验证了该标定补偿算法的可行性,对提高MEMS加速度计测量精度有较好的理论和工程应用价值。     

基于CS的Kalman滤波OFDM信道估计

在OFDM系统信道估计中,准确的时域卡尔曼滤波（TDKF）估计需要信道多径时延作为先验条件,而且具有较低的频谱效率.考虑到大多数无线信道具有稀疏和时变的特性,提出一种改进的卡尔曼滤波与压缩感知联合信道估计方法,采用稀疏度自适应匹配追踪（SAMP）算法,并对信道响应变化量进行重建.仿真结果表明,相较于已有算法,提出的算法不需要知道信道的稀疏度,而且信道估计结果更加准确.     

一种基于插值和卡尔曼滤波的接收机钟差预测方法

针对多模多频接收机面临同时处理大量数据的压力,提出了一种基于插值和卡尔曼滤波的接收机钟差预测方法。插值方法分别用拉格朗日和三次样条,三次样条端点的一阶导数采用“差分法代替求导法”来确定。首先由插值方法得出每隔1s的卫星坐标、速度、钟差、频漂和伪距测量值,然后基于单星授时方法计算出静止接收机钟差,接着用卡尔曼滤波算法对接收机钟差和频漂进行预测,最后将预测的接收机钟差与加拿大空间参考系统( CSRS )提供的精密接收机钟差数据进行比较。结果表明,拉格朗日插值由于存在龙格效应,其接收机钟差的抖动幅度比三次样条略大,它们与CSRS钟差数据相比,均方根误差在3 ns之内。