基于联邦UKF的可重复使用运载器再入段组合导航

针对航天科技领域的再入问题,根据导航系统状态方程非线性的特点,设计基于联邦滤波的UKF（Unscented Kalman Filter）算法,并应用于可重复使用运载器（Reusable Launch Vehicle,RLV）的组合导航系统.对基于该算法的RLV组合导航（惯性导航、卫星导航和天文导航）系统进行仿真,并与传统的基于联邦滤波算法对组合导航系统进行比较.结果表明,提出的组合导航方案和基于联邦滤波的UKF算法能提高导航精度、鲁棒性和容错性.     

动态捷联惯导/多卫星组合导航自适应联邦滤波算法研究

研究了一种基于动态扰动的滤波算法,用以提高动态扰动情况下捷联惯导/多卫星组合导航系统 的精度和可靠性．该算法采用几何精度因子（GDOP）对量测噪声进行自适应调节,利用卡尔曼滤波器的新息 量对状态噪声协方差阵进行整体控制,同时根据具有时变特性的各子系统误差协方差阵对信息分配系数进行 自适应调节．通过对SINS/GPS/Galileo/北斗组合导航系统的仿真,分析对比了常规联邦滤波、Sage 自适应联邦 滤波和本文所提自适应联邦滤波算法．结果表明,该自适应联邦滤波算法能够有效抑制动态扰动,提高组合 导航系统的精度和可靠性．     

SINS/CNS/SAR组合导航系统中的信息融合算法研究

在SINS/CNS/SAR组合导航系统中,存在量测信息时间不同步及系统容错性差的问题,为了获得高精度滤波结果,设计了一种新的信息融合算法.首先对各子系统量测信息进行野值检测,并对处理后的量测信息进行时间同步处理;然后利用SINS/CNS和SINS/SAR子滤波器分别进行局部滤波得到局部估计值,经系统容错检测后,由主滤波器对局部估计值进行自适应融合,实现全局滤波.仿真结果表明,量测信息时间同步处理可以优化系统定位精度;当系统出现量测异常时,所提出的融合算法可以有效检测故障并进行处理,状态估计值始终维持在稳态附近.新的融合算法能改善导航系统的客错性能,提高导航精度,设计方案具有重要的理论参考价值.     

一种自适应联邦滤波在车载组合导航中的应用

联邦滤波在组合导航的应用中,具有容错性好、滤波精度高、计算量小以及实时性好的特点,但在无法得到准确的系统模型时,使用联邦滤波会出现滤波精度低甚至发散的情况。针对车载组合导航信息融合的高精度、高可靠性等要求,提出了一种组合导航的自适应联邦滤波算法。其主要思想是以判别观测数据中的野值存在与否为算法切换条件,存在野值时采用改进的增益矩阵滤波处理方法,不存在野值时则采用模糊自适应联邦滤波方法。将此方法用于SINS/GPS车载组合导航系统中,实验表明,采用的这种自适应滤波方法,能够有效抑制滤波发散,其滤波精度和收敛速度要优于常规联邦滤波,是一种有效的车载组合导航算法。     

基于联邦UKF算法的移动机器人自主组合导航

组合导航技术是解决地面机器人自主导航的一个有效途径,其中GPS/DR是一种典型的组合方式。常用的卡尔曼滤波主要用于处理线性问题,针对该导航系统非线性的特点,对Unscented卡尔曼滤波（UKF）与分散式滤波技术相结合的方法进行了研究,建立了用于GPS/DR导航系统的联邦UKF算法。数值仿真实验表明,联邦UKF比联邦EKF有更好的滤波精度,同时有更高的稳定性和容错性,是一种理想的GPS/DR导航非线性滤波方法。     

基于SAR辅助的惯导/星光组合导航系统研究

针对高空、长航时无人飞行器在对地观测成像期间对导航自主性和高精度的需求,研究了基于SAR辅助的惯导/星光姿态组合导航系统.针对SAR图像导航输出的间断性和多传感器组合导航系统中量测输出的不同步特性,设计了解决非连续性量测修正的多传感器组合导航滤波器模型.提出了解决多传感器量测不同步问题的异步集中滤波算法.仿真结果表明:...     

惯性/卫星/天文组合导航仿真研究

研究组合导航系统优化导航的精度,针对星敏感器和卫星导航数据难以获取.为了对惯性/卫星/天文组合导航系统优化分析,同时克服物理实验缺少飞行轨迹信息的不足,深入研究了组合导航系统半物理仿真系统.提出了利用分布式子系统仿真模拟器,通过外部接口传输导航数据的仿真方法,便于进行子系统的单独验证以及组合导航仿真研究.通过对各子系统的仿真以及利用联邦滤波结构的组合导航算法仿真,结果表明,改变导航参数后的表现与理想结果一致,证明系统能 够完成设定的导航任务,并为设计提供了参考.     

基于卫星／平流层飞艇的区域导航系统设计

针对卫星/捷联惯导组合导航系统中卫星信号易受干扰的问题,为提高导航的精度和可靠性,提出了一种新的基于卫星和平流层飞艇的区域导航系统.根据区域导航平台,利用组合导航的模式,建立了同步卫星/捷联惯导/平流层飞艇组合导航的状态方程和量测方程,选取自适应联邦滤波算法作为组合导航的信息融合算法,形成联合滤波器,要以弥补卫星导航中信号易受影响的问题.最后设计开发了区域导航仿真系统,通过数字仿真表明,与卫星/捷联惯导组合导航系统相比,区域导航系统具有较高的导航精度和较好的可靠性.     

变增益联邦KF组合导航定位算法研究

GPS接收模块解算出的伪距误差是GPS/INS组合导航系统的主要误差,采用一种二级联邦卡尔曼滤波组合导航算法加以削弱,将卫星接收模块解算出的伪距信息和多普勒频移信息在第一级卡尔曼滤波后,再通过主滤波器与INS模块解算出的信息进行修正处理,得到校正量和定位位置最优估计。随着滤波步数增加,系统预测误差方差阵逐渐趋于零,状态估计会过分依赖旧量测值,从而导致滤波发散,影响系统定位精度。为有效提高新量测值的修正作用,在联邦卡尔曼滤波组合导航算法中引入一种可变加权系数。仿真结果表明,改进后的变增益联邦卡尔曼滤波算法具备联邦卡尔曼滤波的优点,并且该算法滤波效果有较明显的改善,能有效抑制滤波发散,提高系统的定位精度。     

基于三轴磁强计和重力测量的融合导航算法

为了减小地磁导航的估计误差协方差,提高导航的可靠性和准确性,将重力作为一种新的量测信息引入到地磁导航系统中,提出了基于三轴磁强计与重力测量的融合导航算法.该算法以飞行器的位置与速度向量作为状态向量,建立状态方程;以飞行器所在位置的地磁场强度矢量与重力场强度矢量作为观测向量,建立观测方程;设计了一种联邦滤波器,用于融合三轴磁强计与重力测量仪表提供的量测信息.由于量测方程与状态方法都是非线性的,因此采用无迹卡尔曼滤波器(UKF)作为子滤波器可获得较高精度.仿真结果表明:该方法得到的位置估计误差小于30m,速度误差小于5m/s.与单一地磁导航、重力导航方法相比,该组合导航方法显示出更好的收敛性与可靠性.