北斗/GPS无人飞行器动态导航中改进自适应算法

北斗与GPS或其他类型导航设备可构成组合导航系统,为无人飞行器提供高精度、高可靠导航信息。在处理动态导航数据采用"当前"统计模型(CS模型)并利用标准Kalman滤波方法时,系统动态噪声和观测噪声未知且时变,而且加速度上下限值不能自适应于未知运动规律的无人飞行器当前加速度,导致导航精度降低。为此,提出一种适应于飞行器运动状态的改进自适应算法,并应用于北斗/GPS动态导航系统中。实验仿真验证了该算法能有效提高组合导航系统的精度和可靠性,并能更好地自适应于无人飞行器的机动特性。     

基于混合卡尔曼滤波的组合导航算法研究

建立了精确制导炸弹MINS/GPS组合导航数学模型.针对扩展卡尔曼滤波存在的问题,研究了非线性滤波,提出了一种新的滤波算法——混合卡尔曼粒子滤波,并应用于组合导航系统定位.仿真结果表明：混合卡尔曼粒子滤波能有效提高组合导航系统的精度和可靠性.     

无人直升机高度测量的设计与实现

简要介绍了无人直升机的系统构架,在此基础上详尽阐述了无人机高度测量的实现。将该数据和GPS数据进行融合,经11阶扩展卡尔曼滤波算法滤波,实现了无人机位置的精确测量。实验验证和实际飞行数据表明,此设计测量出的高度数据准确,响应速度快,应用在飞机上的效果良好。融合GPS/INS数据后可以实现无人机的精确导航。此外,该设计还可以应用在天气预报、地形测量,垂直方向速度计等方面。     

小波变换在车辆GPS导航的应用

在分析车辆GPS导航信号观测粗差、噪声特性的基础上,提出了基于小波变换的车辆GPS导航信号粗差探测及滤波算法.数据仿真表明:该算法能够有效地克服Kalman滤波需要精确数学模型和滤波效果受粗差影响较大的缺点.     

改进粒子滤波算法在导航系统中的应用

研究全方位导航,针对实时精确定位问题,为了提高全球定位系统(Global Positioning System,GPS)的定位精度和可靠性,提出了一种基于改进自举粒子滤波(Bootstrap Particle Filtering,BPF)的GPS定位系统算法.根据GPS输出的参数之间的相互联系建立了系统的状态方程,并应用改进BPF算法对GPS接收数据进行滤波处理.GPS导航系统中采用DSP对GPS接收机的输出信号进行译码和滤波仿真.结果表明GPS信号受到干扰时,改进BPF能很好的处理这种观测样本出现异常的情况,表明能减少运算量,并能很好的提高GPS定位精度,具有一定的鲁棒性.     

一种改进的高精度组合导航滤波算法仿真

在INS/GPS组合导航系统的研究中,为了解决非线性滤波算法在系统模型不确定情况下出现的滤波精度低、鲁棒性差的问题,提出了一种将强跟踪滤波算法与容积卡尔曼滤波算法(CKF)相结合的组合导航滤波算法(SMFCKF).SMCKF算法将强跟踪滤波算法中的多重次优渐消因子引入到CKF算法的状态预测协方差矩阵中,对不同的状态通道进行相应的渐消.通过建立INS/GPS组合导航系统的非线性模型,对改进的滤波算法进行仿真,结果表明改进的滤波算法提高了滤波精度和鲁棒性,滤波效果优于CKF算法,适合应用于INS/GPS组合导航系统中,为飞行器组合导航优化提供了参考.     

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。     

一种序贯Unscented卡尔曼滤波在微小型无人直升机导航系统中的应用

对于应用到微小型无人直升机上的低成本捷联惯导（SINS）/GPS组合导航系统来说,SINS Ψ角误差模型在描述低精度惯性器件误差时对误差项的忽略,使其无法满足SINS误差估计的要求.为了克服Ψ角误差模型的不足,本文建立了基于四元数的SINS非线性误差模型.该误差模型无需对失准角进行小角度假设.为了对组合导航系统中的SINS误差进行估计,提出一种序贯Unscented卡尔曼滤波方法.该滤波方法对观测向量进行序贯处理以降低算法的计算量.仿真结果表明,该滤波方法能有效提高低成本SINS/GPS组合导航系统的性能.     

一种小型无人直升机捷联式组合导航系统设计

在基于小型无人直升机空中作业中,不仅需要导航系统提供的精确数据进行飞行控制,还需安装其它设备完成作业.为了减少小型无人直升机的负重,增加飞行时间,机载的导航系统需要高精度、低功耗、微型化的设计,采用微电子机械系统传感器的捷联式惯性导航系统满足了这些要求.然而惯性传感器的漂移会使捷联系统的数学解算产生误差累计,因而需要对惯性导航系统数据进行实时修正.本文设计了一种GPS修正的组合导航系统算法,应用卡尔曼滤波技术,对组合系统的多传感器进行数据融合,既保持了捷联惯导系统的自主性,又消除了累积误差,提高了组合系统的可靠性.上述系统通过在小型无人直升机飞行控制系统中的使用,验证了系统算法的有效性.     

GPS/SINS紧组合导航系统信息融合技术研究

为了提高复杂环境条件下导弹的导航精度,以GPS/SINS紧组合导航系统为研究对象,首先研究了GPS/SINS紧组合导航系统的数学模型;然后对扩展卡尔曼滤波和无迹卡尔曼滤波的算法进行了详细的分析;最后将这两种滤波算法应用到GPS/SINS紧组合导航系统中。系统仿真结果表明,UKF在位置、速度的估计精度上均优于EKF,并且UKF具有更好的稳定性和收敛性。