SINS/GPS组合导航系统Kalman滤波仿真研究

为克服捷联惯导系统SINS误差随时间积累、长期精度差和全球定位系统GPS易失锁、不易实时控制的缺点,本文研究了SINS和GPS的原理,在惯导误差分析的基础上,同时考虑SINS/GPS组合导航的杆臂误差和时间不同步误差,建立以速度和位置误差为观测量的SINS/GPS系统状态空间模型和观测方程;采用扩展卡尔曼滤波EKF算法对SINS/GPS的组合系统进行信息融合。Matlab仿真结果表明,本文建立的模型组合导航提高了定位精度。     

双滤波器捷联惯导外阻尼导航算法

针对捷联惯导系统导航精度受系统振荡误差严重影响的问题,提出一种基于双滤波器的捷联惯导外阻尼导航算法.该算法设计了两个串行滤波器,第一个滤波器以外速度为参考输入对外部速度作平滑处理并得到捷联惯导系统误差状态估计值,第二个滤波器利用平滑后的高精度外部参考速度,以速度变化量作为外部参考输入进行状态估计,屏蔽速度常值误差对系统的影响,最后,设计信息融合算法,将两个滤波器得到的估计状态进行融合,使得导航结果兼顾双滤波器的优点.仿真验证表明:存在外速常值误差时,相较于滤波器2而言,经过信息融合后的导航误差的地球振荡误差收敛速度明显加快,其短期精度得到显著提高;相较于滤波器1而言,经过信息融合后,其稳态导航精度得到显著提高;该方法具有较高的稳态精度,可缩短外阻尼系统误差收敛时间,有效提高捷联惯导系统导航精度.     

基于单极点反馈积累理论的KF算法

状态误差协方差矩阵和状态估计的精度直接影响卡尔曼滤波（KF）性能.为减小滤波误差,提高卡尔曼滤波精度,基于单极点反馈积累理论,提出了一种改进的卡尔曼滤波算法.该算法利用单极点反馈积累思想,通过综合当前时刻和过去时刻信息实现对估计参数的良好逼近,更新卡尔曼滤波中的状态误差协方差矩阵和状态估计来提高其估计精度.理论分析和仿真结果表明：该算法与KF算法相比,对跟踪效果有一定改善,使位置、速度跟踪误差有效降低并保持其误差曲线平滑,提高了滤波/跟踪精度.     

基于迭代CDKF的单站无源定位算法

针对单站无源定位系统存在滤波稳定性差、收敛速度慢和定位精度差等问题,提出一种迭代中心差分卡尔曼滤波算法.在迭代判决准则的约束下,重复利用观测信息对状态向量和误差协方差矩阵进行迭代估计使其更趋向真实值,同时用Levenberg-Marquardt优化方法调整预测误差协方差阵,保证算法的全局收敛.仿真结果表明,在不同参数测量精度条件下,该算法稳定性、收敛速度和定位精度较好.     

视觉/惯性组合导航中的SWF与MSCKF对比研究

利用单目相机获取的地物特征辅助惯性导航系统解算,可有效减小单一惯导系统工作时引起的定位误差发散.结合定位精度和时效性对最优匹配滤波算法的要求,提出滑动窗口滤波(SWF)和多状态约束卡尔曼滤波(MSCKF)两种融合算法,并对视觉/惯性组合系统进行误差补偿,分析特征密度、特征跟踪长度和窗口大小对定位精度的影响,采用相同测试数据集分别对两种滤波方法进行对比实验.结果表明:1)在可见特征较多条件下,SWF和MSCKF算法定位结果精度均优于纯惯性系统(INS)解算精度;2) SWF算法解算精度高于MSCKF算法解算精度;3)相比于SWF算法,MSCKF算法对参数变化更敏感;特征数增多时,MSCKF算法定位精度提高、计算复杂度更低;4)适当改变特征跟踪长度和窗口取值,不同滤波融合方案解算结果精度可小幅提高.     

不同环境下的GPS/IMU数据融合

为提高Kalman滤波组合导航的估计精度,在考虑系统估计误差相关的情况下,提出了采用环境背景下不同传感器的有效性概率加权GPS/IMU组合导航自适应衰减记忆滤波的融合算法。通过对各种算法进行仿真分析发现,新算法的融合估计精度高于相应的未考虑环境信息的GPS/IMU融合估计精度 新算法具有几乎和有效概率加权Kalman滤波融合算法相同的融合估计精度,但其误差变化较后者平稳。表明新算法可有效地提高系统融合估计的精度和可靠性。     

一种新颖的基于GPS与DTMB组合系统的定位跟踪算法研究

针对GPS卫星信号在楼群密集的城市和室内存在定位盲区而无法单独完成定位的难题,考虑到地面数字电视信号的自身优越性,提出GPS与DTMB组合导航的无缝定位方法.该方法通过融合多源信号的观测量来保证定位的精度,采用扩展卡尔曼滤波(EKF)算法对多源信号进行最优估计,并对比分析不同信号源组合下的定位跟踪效果.仿真结果表明,EKF滤波估计轨迹能较好地接近目标运动的真实轨迹,均方根误差约20 m,满足无缝定位需求,且参与定位的组合信号源参数越多,定位精度就越高.证明了在GPS定位盲区,采用GPS与DTMB进行组合导航定位的可行性.     

联邦卡尔曼滤波在水下航行器组合导航系统中的应用

为了提高水下航行器的导航定位精度,设计了以捷联式惯性导航系统、地形匹配、多普勒计程仪等构成的组合导航系统,建立了各子导航系统的误差模型,采用联邦滤波技术对水下组合导航进行信息融合,建立了水下组合导航系统的观测方程并进行了计算机仿真.仿真结果表明:使用联邦卡尔曼滤波技术进行信息融合提高了组合导航系统定位精度和定位可靠性,能满足水下航行器高精度和高可靠性的要求.     

大失准角传递对准杆臂效应影响研究

从舰船舰载机惯导系统传递对准实际需要出发,针对刚性舰船载体分析杆臂效应对子惯导系统速度、加速度(比力)影响,在大角度失准角情形下引入标称失准角和计算失准角概念构建传递对准速度姿态匹配非线性误差模型,对系统误差模型展开状态参数估计研究,通过比较研究杆臂矢量对子惯导系统失准角估计误差及其对准精度的影响以及不同初始杆臂矢量对标称失准角估计误差及其精度影响情况,验证本模型在舰船舰载机惯导系统海上对准有效性及其对准精度.     

IMU/GPS组合导航交互式多模型鲁棒滤波研究

在深入研究适用于低成本IMU/GPS组合导航系统非线性滤波的基础上,提出了一种基于交互式多模型自适应鲁棒容积卡尔曼滤波算法.该算法将交互式多模型算法引入H∞滤波容积卡尔曼滤波器,能够有效提升滤波算法的稳定性和质量.根据采集的低成本惯导GPS导航实验数据设计了两组滤波方案,性能分析结果表明,改进的交互式多模型鲁棒容积卡尔曼滤波算法位置估计精度提高了41.4%,速度估计精度提高了36.0%.同时设计的滤波试验结果表明该算法能有效抑制系统噪声取值不准确引起的滤波不稳定,尤其适用于噪声取值偏离最优值较多的情况,也即能够有效抑制野值对滤波结果的影响.     

基于UKF的海底集矿车组合导航研究

针对扩展卡尔曼滤波(EKF)在海底集矿车组合导航系统应用时存在着计算复杂、线性化误差大等问题,基于附加打滑参数的履带车运动学模型,将无色卡尔曼滤波(UKF)用于集矿车长基线声学导航(LBL)与推算导航(DR)的组合导航系统中.考虑到测量数据时延,组合导航系统融合LBL与DR信息,得到海底集矿车位置估计.研究结果表明:采用EKF方法,测量数据时延0,0.5,2s时,东向定位精度为0.14,0.32,0.48m,北向定位精度为0.13,0.28,0.44m;采用UKF方法,测量数据时延0,0.5,2s时,东向定位精度为0.10,0.26,0.37m,北向定位精度为0.09,0.24,0.34m.测量数据时延越短,EKF,UKF的位置估计效果都会越好.但与EKF方法相比,UKF方法能够明显减少组合导航系统的线性化误差,提高海底集矿车导航系统的精度与稳定性.     

长航时惯导系统的模糊控制内阻尼算法

针对惯导系统长时间工作时导航误差舒拉振荡幅度随时间发散的问题,提出了一种适用于长航时惯导系统的内阻尼算法.设计了二阶阻尼网络,采用模糊控制器判断载体当前时刻的运动状态,制定数据融合策略,控制惯导系统在无阻尼与内阻尼状态之间切换.算法利用满足内阻尼条件时刻的惯导速度作为参考进行阻尼,摆脱了对外部信息的依赖,保证了惯导系统工作的自主性.海上试验结果表明,该算法明显地抑制了导航误差的舒拉周期振荡,可有效提高长航时惯导系统的导航精度.     

AGV用GPS/DR组合导航信息融合

目的 研究一种满足室外自动导引小车(AGV)导航要求的高精度、低成本的组合导航系统.方法 应用信息融合技术,通过航位推算系统辅助GPS定位,并采用卡尔曼滤波的融合算法,克服了GPS信号的遮蔽与中断问题,使组合系统能够较好地满足AGV导航定位的需要.用VC ++编写融合算法以及实验控制程序,实现了实验数据的采集以及对AGV的运动控制.结果 给出了GPS单独导航和GPS/DR组合导航两种工作状态下的位置误差,从对比中可以看出,组合导航系统的定位精度比GPS单独导航的定位精度提高了50%.结论 组合导航系统可以减小甚至消除推算定位系统随时间积累的误差,并在任何情况下能较好地实现AGV的实时、可靠、准确定位.     

基于信息融合的小天体软着陆组合导航算法

小天体距地球较远,观测信息不足,引力场弱且分布不规则,对自主导航算法的精度和实时性提出了更高的要求。本工作以小天体软着陆自主导航为应用背景,针对惯性导航误差累积和光学导航观测周期长等问题,提出了一种基于信息融合的组合导航算法。以软着陆探测器的位置和速度为状态向量,通过引入了一种信息融合算法,将光学导航信息与惯性导航信息进行信息融合,生成对软着陆探测器状态的估计。实验结果表明：该算法能有效地提高导航定位精度,并对速度误差有一定的抑制作用,为探测器在小天体表面软着陆提供了一种行之有效的方法。     

SINS/GPS组合导航方法设计

根据SINS/GPS组合导航的基本原理,重点研究联合卡尔曼滤波方法在组合导航中的应用,基于最优化理论的数据融合技术,通过分析纯惯性导航系统的误差,建立了组合导航系统的误差模型,设计了高可靠性、易于工程实现的简化联合卡尔曼滤波器和对应的数据融合算法。并对该导航系统进行了动态实验,结果表明组合导航能有效抑制导航参数误差,提高导航精度。     

INS/Vision相对导航系统在无人机上的应用

提出了一种考虑视觉导航设备输出时间延迟问题的INS/Vision相对导航方法,推导了长机与僚机之间的相对惯导方程.给出了长机与僚机之间相对视线矢量测量原理,僚机上设置若干特征光点,长机上的视觉导航设备通过对特征光点观测,得到相对视线矢量.应用扩展卡尔曼滤波融合相对惯导信息和相对视线矢量信息,估计出长机与僚机之间的相对姿态、相对速度和相对位置.针对视觉导航设备量测量存在时间延迟的问题,给出了延迟后量测量与惯导信息融合的方法,最后通过仿真研究证明了该相对导航方法的有效性.     

一种基于模糊逻辑的主/被动雷达数据融合算法

提出一种基于模糊逻辑的主/被动雷达传感器数据融合算法。首先将单个雷达的测量值通过时间校准后,将它们作为卡尔曼滤波器的输入分别滤波,然后再对滤波后的目标状态估计进行融合。融合算法是基于卡尔曼滤波的协方差匹配关系,采用模糊推理得到数据融合的权值。最后将各传感器的卡尔曼滤波状态估计进行加权融合得到所需要的目标状态信息。采用该融合算法可以有效提高目标跟踪系统的抗干扰能力。仿真结果表明该算法有效。     

基于扩展卡尔曼滤波的两轮机器人姿态估计

针对两轮自平衡机器人惯性传感器存在误差的问题,提出基于扩展卡尔曼滤波的方法进行补偿,从而实现机器人姿态的最优估计.利用实验获得的惯性传感器误差特性,采用Levenberg-Marquardt非线性最小二乘迭代法拟合数据,从而建立机器人导航用惯性传感器陀螺仪和加速度计误差的数学模型,并对误差进行标定.采用扩展卡尔曼滤波将传感器的数据进行融合并对误差进行补偿,得到机器人姿态的最优估计.将滤波后的模型应用到两轮自平衡机器人系统,实验结果表明改进后的系统误差得到了有效的抑制,从而验证了采用低成本的惯性传感器进行机器人的姿态估计是有效可行的.     

单兵定位导航系统数据融合方法研究

研究单兵定位导航系统的GPS导航信息与航位推算信息的数据融合方法,采用卡尔曼滤波技术设计了联合卡尔曼滤波器,给出联合滤波算法并仿真.该滤波器具有较高的系统容错性能,数据计算量小,但局部估计精度为常规水平.     

离散动态随机系统的信息融合滤波方法

针对离散随机动态系统的滤波问题,提出了基于信息融合估计的线性和非线性滤波方法。对于线性滤波,通过融合一步预测状态信息以及量测信息来获得系统状态的最优融合估计,并证明了它与标准卡尔曼滤波的一致性。基于非线性信息融合估计定理,推导出一种计算简单的迭代型非线性滤波方法。最后,还提出了信息融合滤波初值选取问题的解决方法。