列车组合导航系统研究与仿真

提出了一种列车组合导航系统.首先,采用低精度的惯性传感器构成简易惯性测量装置(IMU),设计了该简易IMU的安装结构,并给出了其导航定位解算方法.然后,将简易IMU与GPS构成组合导航系统,分析了IMU和GPS各自的误差源,并建立了组合系统误差模型,从而利用卡尔曼滤波技术设计了IMU/GPS列车组合导航算法.仿真结果表明,该IMU/GPS列车组合导航系统具有精度高、可靠性好、成本低等显著优点,非常适用于列车导航定位.     

IMU/GPS/DCM组合导航系统全组合算法研究

通过分析姿态组合算法中平台误差角与姿态误差角物理意义的不同,推导并得到了二者之间的转换关系;利用联邦滤波技术,设计了弹载IMU/GPS/DCM组合导航系统,其中IMU为战术级捷联式惯导系统,GPS为普通民用级;仿真结果表明在元器件精度很低的情况下,使用文中的算法及系统设计依然可以实现高精度导航;组合导航系统的姿态误差角可控制在10角分左右,位置精度在3 m以内,具有较高的实际应用价值。     

高超声速飞行器惯导系统误差参数两次优化辨识方法

为满足高超声速飞行器高精度和高可靠性的导航要求,提出一种在发射惯性系下利用智能优化算法实现捷联惯性系统误差参数两次优化辨识的方法.建立惯性测量单元(IMU)误差补偿模型和完整的非线性捷联惯性系统导航模型,为数值优化计算提供准确的模型基础.基于SINS/GPS/CNS组合导航系统信息,建立陀螺仪误差优化模型和加速度计误差优化模型,采用两次优化策略分步估计捷联惯性系统误差参数:首先利用粒子群算法对陀螺仪误差参数进行优化辨识和补偿;然后利用粒子群算法对加速度计误差参数进行优化辨识.仿真结果表明,基于组合导航系统信息和非线性优化模型,两次优化辨识方法能够在线辨识出高精度的捷联惯性系统误差参数,陀螺仪和加速度计优化参数值的相对误差均在20%以内,从而有效提高了高超声速飞行器导航精度.     

车载INS/GPS组合导航系统建模与仿真

为了准确地对车辆进行定位,实现导航功能,将两种常用的导航定位技术GPS定位导航技术与惯性导航技术进行组合,介绍了INS/GPS组合导航系统的仿真方案。因车载组合导航系统对精度的要求不是很高,采用低成本的机械陀螺和加速度计作为惯性导航系统的测量器件。INS/GPS组合导航系统采用位置和速度组合模式,分别给出纯INS,纯GPS,组合导航系统的位置误差比较。结果分析表明,组合导航系统精度高于INS和GPS分别独立工作时的精度。     

精确制导炸弹传递对准仿真平台研究

针对某型精确制导炸弹的研制与开发,设计与实现了一个传递对准仿真研究平台.首先,分析了制导炸弹动基座传递对准的原理和流程,建立了基于GPS、INS组合对准的传递对准模型;然后,介绍了该仿真平台的系统组成和工作原理,并对该系统的跑车试验方案作了说明.地面跑车试验表明,在初始位置较大的情况下,经过60秒的动基座对准,惯导的姿态角误差可降至0.16度.同时位置和速度误差也得到了有效的修正,从而证明了该仿真平台的设计是成功的,具有良好的使用性能和价值.     

车载传递对准技术研究

针对陆基动平台武器捷联惯导系统动基座传递对准问题,研究了传递对准的基本原理,建立了地面武器弹载子惯导系统(SINS)动基座速度匹配传递对准的误差模型,并考虑SINS的惯性器件误差.根据速度匹配传递对准原理,推导了速度匹配方式下载车主惯导系统(MINS)与SINS导航解算速度之差的量测方程.在此基础上,设计了一种传递对准...     

军用车载简易捷联惯导/GPS组合导航系统研究

利用惯性测量组件（IMU）和GPS－OEM板，研究军用车载简易SINS／BPS组合导航系统的实现。对简易捷联惯导／GPS组合导航系统的原理、硬件组成和软件构成进行了具体的分析，表明组合导航系统在精度和可靠性两方面，较单一的导航系统都有明显的改善和提高，能够满足陆地军用车载导航的要求。     

基于滑动窗的GPS位置辅助动基座粗对准方法

针对传统的GPS位置信息辅助动基座粗对准方法,对准精度易受仪表累积误差和载体转向的影响,提出了一种基于滑动窗的GPS位置辅助动基座粗对准方法。削弱了仪表累积误差的影响,同时抑制了因载体转向引起的航向角对准误差的波动,提高了粗对准精度。仿真结果表明,该方法较传统方法在水平姿态角上精度相当?在航向角上对准精度有明显优势,性能更优。     

非完整约束下滤波算法在组合导航中的应用

MEMS IMU/GPS组合导航系统的应用环境愈来愈复杂,对其精度的要求也愈来愈高,只使用普通卡尔曼滤波不能满足精度和稳定性要求。针对此问题,将Sage-husa自适应卡尔曼滤波算法和非完整约束应用到前向导航滤波算法和后向导航滤波算法中,并将前向滤波和后向滤波结果加权组合,提出了一种非完整约束下加权组合滤波算法,用于事后IMU/GPS联合解算中,用来提高组合导航的精度。并利用实验室设备进行车载实验,通过实测车载数据解算结果来验证该方法的可行性。实验结果表明非完整约束下加权组合滤波后的经纬度误差小于1.4 m,航向角误差小于1.0°,满足MEMS IMU/GPS车载组合导航系统的精度要求。     

基于MEMS-SINS/GPS的组合导航系统设计

针对小型无人机导航系统低成本、微小型、高效性的特点,提出了基于捷联惯导(SINS)\卫星定位(GPS)的组合导航系统设计方案,深入研究了组合导航系统的关键技术;分析了MEMS传感器误差对导航系统的影响,建立了系统误差模型;采用利于工程实现的基于位置、速度误差作为状态向量,以松耦合方式进行集中式Kalman滤波,对SINS/GPS信息进行融合,避免了传统SINS系统状态模型非线性,滤波器设计困难的问题;最后对系统进行了仿真;仿真结果表明,该组合导航系统成功抑制了SINS系统的积累误差,提高了导航精度与可靠性,具有广阔的应用前景。     

Real-Time Implementation of GPS Aided Low-Cost Strapdown Inertial Navigation System

This work details the study, development, and experimental implementation of GPS aided strapdown inertial navigation system (INS) using commercial off-the-shelf low-cost inertial measurement unit (IMU). The data provided by the inertial navigation mechanization is fused with GPS measurements using loosely-coupled linear Kalman filter implemented with the aid of MPC555 microcontroller. The accuracy of the estimation when utilizing a low-cost inertial navigation system (INS) is limited by the accuracy of the sensors used and the mathematical modeling of INS and the aiding sensors’ errors. Therefore, the IMU data is fused with the GPS data to increase the accuracy of the integrated GPS/IMU system. The equations required for the local geographic frame mechanization are derived. The direction cosine matrix approach is selected to compute orientation angles and the unified mathematical framework is chosen for position/velocity algorithm computations. This selection resulted in significant reduction in mechanization errors. It is shown that the constructed GPS/IMU system is successfully implemented with an accurate and reliable performance.     

GPS辅助捷联惯导系统动基座初始对准新方法

针对捷联惯导系统(SINS)初始对准问题,提出了一种无需经历传统的粗对准阶段而利用单天线GPS辅助直接进行动基座精确初始对准的新方法。该方法以惯性空间为参考基准,将初始对准姿态矩阵分解为三部分逐一实现,进一步对动基座对准进行了误差分析,指出了利用停车零速信息可以提高初始对准精度的思路。最后,载车运动环境下的初始对准试验结果表明,航向角对准精度达到了0.081°(1σ)。     

The integration of strap-down INS and GPS based on adaptive error damping

The concept and results of integration of a strap-down inertial navigation system (INS) based on low-accuracy inertial sensors and the global positioning system (GPS) have been presented in this paper. This system is aimed for the purposes of navigation, automatic control, and remote tracking of land vehicles. The integration is made by the implementation of an extended Kalman filter (EKF) scheme for both the initial alignment and navigation phases. Traditional integration schemes (centralized and cascaded) are dominantly based on the usage of high-accuracy inertial sensors. The idea behind the suggested algorithm is to use low-accuracy inertial sensors and the GPS as the main source of navigation information, while the acceptable accuracy of INS is achieved by the proper damping of INS errors. The main advantage of integration consists in the availability of reliable navigation parameters during the intervals of absence of GPS data. The influence of INS error damping coefficients is different depending on the fact whether the moving object is maneuvering or is moving with a constant velocity at that time. It is proposed that INS error damping gain coefficients generally should take higher values always when GPS data are absent, while at the same time their values in the error model (EKF prediction phase) can be additionally adapted according to the actual values of vehicle acceleration. The analysis of integrated navigation system performances is made experimentally. The data are acquired along the real land vehicle’s trajectory while the intervals of absence of GPS data are introduced artificially on the parts characterized both by maneuver and by constant velocity.     

基于MEMS技术的车载组合导航系统研究

针对当前车载GPS导航仪实时性和可靠性差的问题,设计出一种基于MEMS技术的低成本车载GPS/MIMU/GIS组合导航系统,建立了GPS/MIMU组合系统的误差模型,对该模型进行了计算机仿真研究,并运用地图匹配算法对GPS/MIMU/GIS导航信息误差进行修正;跑车试验表明,该组合导航系统成本低、精度高,可靠性强,特别适合于军用和民用车辆的导航定位。     

Constant-round zero-knowledge proofs of knowledge with strict polynomial-time extractors for NP

Barak and Lindell showed that there exist constant-round zero-knowledge arguments of knowledge with strict polynomial-time extractors.This leaves the open problem of whether it is possible to obtain an analogous result regarding constant-round zero-knowledge proofs of knowledge for NP.This paper focuses on this problem and gives a positive answer by presenting a construction of constant-round zero-knowledge proofs of knowledge with strict polynomial-time extractors for NP.     

多传感器组合的移动车载数据采集系统研究

多传感器数据融合作为一门新兴前沿技术,已广泛应用于许多研究领域。三维信息快速采集是真实建模与三维虚拟现实的关键。提出了一种基于多传感器融合的车载移动式三维数据快速采集系统,集成了激光扫描仪、线/面阵CCD相机及GPS与IMU等多种传感器,以完成城市路面街道和建(构)筑物的三维数据自动采集。重点探讨了定位定姿方案设计及其实现,将GPS和IMU数据通过卡尔曼(Kalm an)滤波进行融合,可推测出整个系统及各传感器的位置和最佳姿态估计,以快速获取城市目标的地理坐标和三维建模信息,重建城市路面街道的三维真实场景。