车载激光陀螺SINS/DR组合导航系统研究

推导了捷联惯导系统（SINS）误差方程和航位推算（DR）误差方程。建立了SINS／DR组合导航离散卡尔曼滤波（KF）状态方程和量测方程。最后对SINS／DR组合导航算法进行了仿真，仿真结果表明；组合系统中部分误差源能够被估计出来并且得到补偿，因而组合导航效果优于单独的SINS或DR导航效果。     

基于水下地形匹配大姿态误差角捷联惯导系统误差估计方法

传统的基于线性滤波的误差估计方法常采用基于咖角法的捷联惯导系统（SINS）线性误差模型,但当姿态误差角较大时,估计效果不稳定且精度较差。为此,提出了基于无迹卡尔曼滤波（UKF）的误差估计方法。通过建立水下地形匹配辅助导航系统非线性误差模型,以地形匹配和深度压力传感器测量的位置信息和深度作为量测量,设计了扩展状态UKF滤波器,在大姿态误差角下仿真研究了其估计效果。结果表明,在大姿态误差角下,本文所提出的方法可行且具有较好的估计效果,为匹配区内修正捷联惯导系统导航误差提供了参考。     

一种利用单信标修正AUV定位误差的方法

针对配置有捷联惯导（SINS）／多普勒速度仪（DVL）／深度传感器组合导航定位系统的自主水下航行器（AUV）的定位误差随时间增大,以及采用GPS修正定位误差引起的AUV隐蔽性降低等问题,提出了一种利用水下固定单信标修正SINS／DVL／深度传感器组合定位误差的方法。该方法首先利用水声测距原理测量出AUV与水下固定单信标的距离,然后基于空间几何关系计算出AUV的实时位置,最后通过卡尔曼滤波连续修正AUV的定位误差。仿真结果表明,该方法可以有效减小AUV的定位误差,有较好的工程应用价值。     

粒子滤波在捷联惯导系统非线性对准中的应用

首先建立了捷联惯导系统(SINS)的误差模型,接着介绍了粒子滤波的基本原理和算法,并对SINS误差模型进行了理论分析.然后基于非线性SINS误差模型的特点和实时性要求,采用了粒子滤波和卡尔曼滤波相结合的方法对SINS进行非线性对准.最后,计算机仿真结果表明了该方法的有效性,满足对准精度要求.     

航速惯导组合导航系统在AUV上的应用

捷联惯导多普勒（SINS/DVL）组合导航技术是自主水下航行体（AUV）导航系统中经常采用的算法。针对由于复杂海洋环境导致的DVL失效,使整个导航精度急剧下降的情况,该文将螺旋桨转速变换成AUV航速,利用航速惯导组合系统信息融合方法,提出了一种通过航速惯导组合导航的卡尔曼滤波算法,可以减小导航误差。仿真结果表明,该算法提高了系统稳定性,在短时间内可以满足AUV导航系统的定位需求。     

基于图像声纳SLAM算法在AUV组合导航中的应用

为了在有限的体积、功耗及成本范围内提高自主水下航行器（AUV）远程、深海导航定位精度,提出了将基于图像声纳的同时定位与地图创建（SLAM）方法应用于AUV水下组合导航系统,利用图像声纳获取AUV与地形特征点之间的距离和3D方位数据,结合捷联惯性导航系统（SINS）得到的导航数据,通过扩展卡尔曼滤波（EFK）方法对载体状态和地图状态进行连续并行估计和量测,将得到的误差估计反馈回SINS进行修正,可抑制其随航行时间和距离增加的姿态、速度和位置误差。此外,在地形特征点向量中加入声学尺寸元素,可提高特征识别的准确性。仿真结果表明,在持续观测到有效的地形特征点条件下,惯导误差得到了较好抑制,特别是在AUV返程或往复巡航过程中,重复观测到同一地标时,可大幅提高水下组合导航的定位精度。     

图像辅助导航系统中量测矩阵的确定

文中基于准三维模型对惯导系统误差校正的思想,利用摄像机成像系统和捷联惯导系统（SINS）相结合的方法．着重对量测矩阵进行推导。然后,采用离散卡尔曼滤波方法进行导航误差估计,并用估计出来的误差对惯导系统的输出进行修正．在一定程度上提高了导航精度,理论上大大降低了导航成本。     

舰载武器SINS非线性传递对准模型及滤波算法

为了满足舰载武器初始对准高精度和快速性的要求,更好地解决舰载武器在大失准角情况下的传递对准问题,提出了一种结合基于四元数的非线性传递对准模型与非线性无迹卡尔曼滤波（UKF）算法的方法,推导并建立了舰载武器捷联惯导系统（SINS）的非线性误差模型。该模型采用姿态四元数表示姿态误差,以提高姿态解算时的快速性和精度,选用速度加姿态作为量测量,以提高系统的可观测性,采用奇异值分解（SVD）方法解决了方差阵的病态问题,以确保算法的鲁棒性,仿真结果表明,该方法不仅解决了舰载武器在大失准角情况下的传递对准问题,而且能够有效提高传递对准的精度和快速性,其计算精度和对准时间满足系统设计要求。     

GPS/SINS/CNS 组合导航在航天器上的应用

针对传统的惯性导航误差模型推导不适合空间应用以及GPS信号传输修正能力有限等问题,提出一种基于GPS/SINS/CNS的组合导航系统总体设计方案。在导航仿真系统中增加组合导航系统性能评估模块,推导了基于J2000坐标系的惯性导航误差模型,给出GPS、SINS与CNS的数学模型,利用扩展的卡尔曼滤波设计组合导航系统,对连续信号和信号中断两种模式进行了仿真。仿真结果表明,该导航系统能很好地满足航天器在轨运行的导航性能要求,能够为航天器提供高精度的测量与导航信息。     

SR-CDKF在组合导航直接法滤波中的应用

为了解决SINS/GPS组合导航系统姿态、速度和位置等导航参数的非线性估计问题,提出了一种基于平方根中心差分卡尔曼滤波(SR-CDKF)的直接式滤波估计方法。系统状态方程选取惯导力学编排方程,系统状态向量和观测向量分别选取SINS导航参数和GPS输出参数,构建了SR-CDKF滤波器。该滤波器可以使导航参数动态过程得到直接反映,并使得直接式滤波计算流程得以实现。以MATLAB中areoblk_HL20模块为基础构建了仿真系统并进行了仿真。仿真结果表明,该算法具有较高的滤波精度、良好的滤波收敛性和稳定性,能使非线性模型下SINS/GPS组合导航系统的导航要求得到满足。     

一种简化的发射系下SINS/GPS/CNS组合导航系统无迹卡尔曼滤波算法

在弹载等高动态环境下组合导航系统状态方程具有强非线性,且各状态相互耦合影响,传统的扩展卡尔曼滤波(EKF)算法因忽略高阶项相互影响,其模型线性化展开会导致模型不准确引起导航精度下降;无迹卡尔曼滤波（UKF）算法能有效避免引入线性化误差,却存在因组合导航系统维数过高引起大量粒子递推滤波计算复杂而影响算法实时性的问题。为此,针对发射惯性系下弹载组合导航系统对滤波算法高实时性和高精确性的要求,设计了一种简化UKF(SUKF)算法,SUKF算法通过对导航系统的状态参数直接进行建模估计,解决了传统UKF算法实时性差的问题,同时继承了传统UKF算法无需模型一阶线性化展开的优点,提高了导航系统的精度。算法仿真结果表明,SUKF算法有效提高了系统解算的实时性和滤波精度,非常适合用于实际工程系统。     

一种基于单移动GPS智能浮标的AUV导航方法

针对传统全球定位系统（GPS）辅助自主式水下航行器（AUV）导航的局限性,给出了一种基于单移动GPS智能浮标（GIS）的自主水下航行器（AUV）导航方法。利用超短基线（USBL）原理设计了AUV导航天线,通过该导航天线测量GIS与天线上水听器间的角度和距离,并由两者的向量关系和GIS的坐标位置导出了系统的量测方程。应用标准卡尔曼滤波（KF）解算水听器的坐标,进而求得AUV的位置坐标。仿真结果表明,该导航方法能较好地克服GPS在水下导航中的局限性,具有机动性好、隐蔽性强等优点,研究成果有望为AUV远程精确定位、路径规划和多AUV协同导航等方面提供理论基础。     

基于纯方位角测量的水下目标被动跟踪技术

水下目标的被动跟踪技术在军事上具有重要的应用价值,为了解决基于纯方位角测量的水下目标被动跟踪技术在实际应用中的问题,研究了几种适合于单、双观测站的水下目标被动跟踪算法.分别对伪线性估计算法、扩展卡尔曼滤波算法、无迹卡尔曼滤波算法在不同参数情况下的性能进行了详细的仿真与分析.仿真结果表明,静止单观测站虽不能获得目标的完全观测,但是在具有一定先验信息的情况下,伪线性估计算法也可以实现对目标轨迹的估计;双观测站可以获得对目标的完全观测,并且在观测方程严重非线性的情况下,无迹卡尔曼滤波方法的性能要优于扩展卡尔曼滤波方法.仿真结果对工程应用具有重要的参考价值.     

一种基于UKF的MEMS／GPS组合导航算法

针对微电子机械（MEMS）／全球定位（GPS）组合导航系统中,强非线性引起的扩展卡尔曼滤波（EKF）~-航精度不高、滤波性能不稳定、收敛速度慢等问题,研究了MEMS／GPS组合导航系统无迹卡尔曼滤波（UKF）算法,避免了EKF繁重的求导计算。本文对2种滤波方法进行了仿真比较,结果表明,用UKF的组合导航系统的误差收敛速度比EKF快,精度也比EKF高,UKF算法更适合于MEMS／GPS组合导航。     

一种新型的改进UKF在MIMU/GPS组合导航系统中的应用

对于MIMU/GPS组合导航系统,采用传统UKF进行滤波时,其Sigma点集的MSE会随系统维数的增大而不断增大,导致估计精度越来越差,尤其是姿态误差角的估计会出现较大偏差.针对这一问题,提出了一种基于超立方体代表点的改进UKF算法并将其应用于低成本MIMU/GPS组合导航系统.仿真结果表明,改进的UKF算法对于高维强非线性组合导航系统的估计精度优于传统UKF,更适用于大角度姿态误差的准确估计.     

基于UKF的北斗/INS组合导航

扩展卡尔曼滤波(EKF)是工程中常用的滤波算法,然而EKF是次优的贝叶斯估计,这会影响到估计的精度;用不敏卡尔曼滤波算法(UKF)取代EKF构建了北斗/INS组合导航系统,实验结果表明:UKF相对于EKF,各项参数的误差均有10%以上的减少量。     

一种基于量测伪距的EKF移动长基线AUV协同导航方法

在移动长基线(MLBL)定位中,由于水声信号在水中传播速度较慢,以及被定位AUV的白身运动,导致AUV与不同浮标的距离是在不同时间不同位置测量产生的,所以应用移动长基线会产生一定的时间延迟定位误差.本文针对该定位误差,提出了一种基于量测伪距的EKF移动长基线时间延迟算法,该算法利用扩展Kalman滤波,通过对AUV的位置状态的前推,重构了系统的量测方程,实现了量测方程同系统的量测量在时间上的一致性,有效地解决了时间延迟产生的误差.理论分析与仿真结果均表明,该方法可以显著提高导航定位精度.     

SINS/GPS 组合导航卡尔曼滤波算法研究

针对单独使用某一种的导航设备都无法满足机载火控系统和飞行系统要求的问题,推导出 SINS/GPS 组合导航中的一种新的卡尔曼滤波算法.将有色噪声的白化处理引入到卡尔曼滤波器,设计了一套动态车载组合导航试验系统,给出了基于有色噪声白化的卡尔曼滤波器算法的具体步骤,以动态车载 SINS/GPS 组合导航系统试验的数据分析验证了此算法的正确性和合理性.分析结果表明:基于有色噪声白化的卡尔曼滤波器可以很好地解决有色噪声的影响,弥补了传统卡尔曼滤波器的不足,提高了导航结果的精确度.     

一种新的捷联惯导系统对准方法

针对舰载鱼雷捷联惯导系统的初始对准问题,提出了一种新的动基座快速传递对准方案——贯序传递对准方案。该方案采用＂先角速度匹配,后速度＋姿态匹配＂的方法,在基座角运动不明显时,使失准角快速收敛。运用卡尔曼滤波算法,对这一传递对准方法与速度＋姿态传递对准方案进行了仿真比较,研究结果表明,贯序传递对准方案具有更快的估计收敛速度,适用性更强。