SINS/GPS组合导航系统自适应扩展Kalman滤波

对于低成本SINS/GPS组合导航系统,由于惯性器件的精度较低,通常情况下的SINS误差模型估计不准确,甚至使滤波器发散,为此提出根据姿态四元数的SINS误差估计模型,该模型不需要对初始姿态进行赋值。为在观测噪声未知的情况下估计SINS误差,通过结合序贯处理与Kalman滤波算法,提出一种自适应扩展卡尔曼滤波方法,该方法可以同时进行序贯处理和观测噪声估计。仿真实验结果表明,该方法可以消除过程噪声方差和观测噪声方差不确定造成的影响,提高了SINS/GPS导航系统的性能。     

基于INS/GPS/磁力计的全组合导航

针对惯性导航单独定姿、定位产生漂移的问题,提出了一种磁力计、GPS辅助惯性导航的组合导航系统。对磁力计、陀螺仪数据进行预处理;推导了基于误差四元数的定姿系统方程和量测方程,使用卡尔曼滤波器融合陀螺仪与磁力计数据。建立定位系统方程和量测方程,使用GPS量测值辅助惯导、校正位置、速度信息。实验验证结果表明:组合导航系统有效地改善了惯性导航漂移问题,同时在GPS失效情况下仍能正常工作。     

SINS/GPS组合导航系统Kalman滤波仿真研究

为提高捷联惯导系统SINS和全球定位系统GPS的精度和可靠性,研究了SINS和GPS的原理,建立了SINS/GPS系统的状态方程和位置速度误差量测方程;并采用卡尔曼滤波算法实现了SINS/GPS的组合导航.Matlab仿真结果证明,采用Kalman滤波实现SINS/GPS组合导航,其精度得到大大提高;且采用SINS/GPS组合导航系统,克服了SINS惯性导航难以长时间独立工作的缺点,解决了GPS易失锁、难以实时控制的不足,保证了导航系统的实时性及较高的精度和可靠性.     

低成本GPS/SINS组合导航系统的设计及实现方案

本文利用微型惯性测量元件和GPS-OEM板,以ARM处理器为核心,设计了一种低成本、轻小型的嵌入式GPS/SINS组合导航系统.文中介绍了捷联惯导的原理和初始对准,给出了采用卡尔曼滤波前后系统的误差曲线,和uC/OS-Ⅱ操作系统下组合导航系统软件的结构.     

GPS/SINS组合导航系统与实现

GPS/SINS(捷联惯性导航系统)组合导航系统是目前较为理想的导航定位系统并在许多领域得到广泛的应用;针对GPS/SINS组合导航系统的实际工程应用背景,建立了该组合导航系统的状态方程与量测方程,设计了组合导航系统的降阶卡尔曼滤波模型以及闭环修正卡尔曼滤波模型;为了验证上述模型,进行了相关的静态试验与动态试验,各导航参数的试验变化曲线证明:该系统模型可行,组合系统的精度完全满足实际需要.     

GPS/MEMS-INS组合导航系统设计

针对微机电系统(micro electro mechanical system,MEMS)惯性器件随机噪声大,现有的去噪算法难以兼顾降噪效果和信息处理速度的问题,提出自适应实时混合去噪算法;利用无轨迹卡尔曼滤波(unscented Kalman filter,UKF)算法进行信息融合,克服了扩展卡尔曼滤波(extended Kalman filter,EKF)对非线性系统线性化会带来额外误差的缺点;利用多线程信息同步技术实现微机电惯性导航系统(MEMS inertial navigation system,MEMS-INS)和全球定位系统(global position system,GPS)的同步运行。基于以上关键技术和算法,设计了一种GPS/MEMS-INS组合导航系统,实验结果表明,该组合导航系统在静态及动态环境下均能够进行实时高精度地导航定位。     

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。     

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。     

基于神经计算的GPS／SINS组合导航滤波器设计

将线性二次型最优化方法与Ｈｏｐｆｉｅｌｄ神经网络相结合，研究了一种基于神经计算的滤波算法。而且，将算法应用于全球定位系统（ＧＰＳ）与捷联惯导系统（ＳＩＮＳ）的组合导航，通过计算机仿真，与卡尔曼滤波算法结果进行了比较，说明了该滤波算法的有效性和实用性。     

基于强跟踪滤波器的MIMU/GPS组合导航系统

研究微型惯导系统优化导航,在实际工程应用中设计强跟踪滤波器的MIMU/GPS组合导航系统,为验证整个组合导航系统的正确性和可靠性,采用软件无线电平台,进行了系统硬件架构和算法设计,使得整个系统具有较强的灵活性和可扩展能力.系统组合方式采用伪距、伪距率紧密组合.滤波器部分引入对突变状态具有较强鲁棒性和跟踪能力的强跟踪滤波器,对系统进行了最优估计和反馈校正.进行车载仿真试验,结果表明,整个系统组合效果显著,跟踪精度满足了设计要求.     

基于视觉/GPS/MEMS-INS数据融合的MUAV导航方案

提出了基于视觉/GPS/MEMS-SINS的微小型无人机（MUAV）数据融合导航方案,利用视觉测量和GPS测量分别与INS组成子滤波器系统,依靠主滤波器对2个子滤波器的估计值进行数据融合。通过仿真验证,说明提出的组合导航方案具有很高的导航精度,能够有效抑制MEMS-INS的漂移,并且在GPS信号失效时,具有很高的容错性能,能够保证导航系统的稳定性,具有一定的应用价值。     

基于微机械惯性器件的GPS实时姿态测量系统

实现了基于微机械惯性器件的GPS单基线实时姿态测量系统,可以实时可靠地获得大范围作业系统的姿态信息.采用MEMS陀螺仪与倾角传感器构建的低成本惯性姿态测量系统(IAMS),由GPS测姿获得初始对准并控制误差传播,在发生丢星、周跳等情况时,利用IAMS实现单历元快速整周模糊度解算.同时实现了基于FPGA和浮点型DSP的硬件系统.实验表明:提出的方法能高精度、实时、可靠、稳定地获取姿态测量数据,满足测姿过程中计算量小、简洁易行的应用需求.     

神经网络在MEMS-IMU/GPS组合导航中的应用研究

针对基于MEMS传感器组成的INS/GPS组合中GPS信号缺失的情况下,系统误差瞬时增大,滤波迅速退化无法继续工作的问题,本文提出利用神经网络辅助INS/GPS导航系统以解决这一问题的方法.该方法首先建立系统模型,用组合导航的输入作为网络模型的输入,通过网络训练得到输出需要参数,结合卡尔曼滤波用于组合导航以继续使导航系统工作,仿真结果表明该方法可行和有效性的.     

带噪声抑制的GPS姿态测量算法

利用GPS载波相位测量载体的姿态时,各种误差源对定姿精度有很大影响。基于载波相位双差观测模型,分析了载波相位误差和接收机到卫星的可视矢量（LOS）误差以及这些误差在姿态测量中的影响权重。针对传统最小二乘方法中仅考虑观测矢量噪声的局限性,在基线解算过程中采用同时考虑LOS组成的设计矩阵和观测矢量噪声的总体最小二乘（Total Least Squares,TLS）方法,并从理论和实验两个方面证明该方法能有效抑制噪声影响,提高姿态解算的精度。     

基于PARAFAC的GPS天线阵标校方法

根据GPS信号的特点,利用直接序列扩频随机码源信号对GPS天线阵列进行有源校正,提出了一种基于PARAFAC的GPS天线阵标校方法。利用观测信号的三线性特性,结合平行因子的分析方法,估计出阵列通道的幅相响应参数,进而实现对GPS天线阵列的标校。     

基于不确定融合的GPS/INS 组合导航滤波算法

针对实际车载组合导航系统测量中不确定噪声的问题,提出一种基于不确定融合估计的GPS/INS组合导航滤波算法,建立了导航系统的状态方程和观测方程;通过多信源不确定融合估计,得到多传感器的等效测量值以及误差方差阵;对系统方程进行滤波处理,得到车辆的准确位置。车载系统的实测数据表明,不确定噪声下的融合估计结果优于独立白噪声假设下的融合估计,并验证了所提出算法的有效性和实用性。     

基于RAEKF的GPS/INS紧组合导航方法研究

针对GPS/INSS组合导航系统对高精度和高可靠性需求不断提升的现状,考虑载体运动复杂性导致运动过程中噪声数学统计特性无法精确确定,且滤波结果易受观测粗差影响的问题,提出一种抗差自适应扩展卡尔曼滤波(Robust Adaptive Extended Kalman Filter,RAEKF)方法。基于惯性导航、卫星导航原理与误差模型确定紧组合工作模式下的卡尔曼滤波数学模型;推导常用EKF模型并构造抗差自适应卡尔曼滤波,通过自适应调整观测值的使用权重提高滤波精度,结果表明抗差自适应滤波能有效抑制粗差对导航结果的影响。     

基于GPS的短基线姿态系统研究

设计一套基于全球定位系统(GPS)载波相位测量的短基线姿态系统。给出了系统的硬件结构,研究了一种综合利用QR分解法与卫星基线几何分布的模糊度解算方法,同时,提出了一种非单位向量的四元数姿态解算方法。经过静态和动态实验证明该系统可行。在基线为0.36m的条件下,星历收集完成后在30 s内可以计算出姿态角、偏航角,计算精度可以达到0.5°。