SINS/CNSSAR组合导航系统设计与高性能算法研究

在吸收SINS、CNS和SAR三者优点的基础上,设计了SINS/CNS/SAR组合导航系统,建立了该组合导航系统的非线性数学模型;然后,在研究抗差自适应滤波和粒子滤波优点的基础上,提出了一种新的抗差自适应Unscented粒子滤波算法和自主导航多源信息融合算法.将提出的算法应用于SINS/CNS/SAR自主导航系统中进行计算仿真,并与Unscented卡尔曼滤波和粒子滤波比较,结果表明:提出的新算法不仅解算精度明显高于Unscented卡尔曼滤波和粒子滤波算法,而且可靠性好,能提高组合导航系统的精度.     

SINS/GNSS/CNS组合导航系统半物理仿真研究

本文构建了一个 SINS/GNSS/CNS 组合导航系统半物理仿真平台,通过模拟飞机的真实飞行轨迹,在综合考虑各导航源真实误差特性的基础上,采用基于联邦自适应卡尔曼滤波算法,对组合导航系统进行了半实物仿真。仿真结果表明,该方法具有很强的实用性,可以推广到其他组合导航系统的半物理仿真设计中。     

基于UPF的GPS/SINS组合导航系统设计

建立了GPS/INS非线性误差模型,利用UPF滤波算法实现了该组合系统定位功能,一方面针对UKF估计误差协方差极易非正定的问题进行了正定化处理;另一方面在粒子滤波环节针对重采样导致的粒子多样性降低的问题,增加了MCMC移动步骤.实验结果表明:应用UPF实现的组合导航系统定位精度明显优于EKF和UKF,且定位误差波动幅度较小,既能够满足非线性系统的导航精度要求,又能够满足定位系统对滤波稳定性的要求.     

SINS/GNSS组合导航技术研究

本文分别介绍了SINS和GNSs的工作原理和系统误差.说明了组合导航的必要性;然后从组合导航的方式、信息融合技术等方面.分析了组合导航的相关技术.最后指出了组合导航的发展趋势。     

自适应交互多模型滤波在INS/CNS组合导航中的应用

针对惯性/天文(INS/CNS)组合导航系统中由于量测噪声的统计特性随应用环境发生变化而导致滤波精度降低的的问题.提出了一种基于自适应交互多模型(AIMM)的组合导航算法,该算法将改进的Sage-Husa自适应滤波器与交互多模型相结合,以少量的模型实现对实际模态的覆盖.仿真结果表明:与常规Kalman滤波方法相比,该方法较好地覆盖了实际模态变化情况,实现了对量测噪声统计特性变化的自适应调整,在观测值发生异常时,导航参数误差没有大的跳变,导航滤波器在观测值异常时具有一定的自适应能力,从而保证了导航滤波器的可靠运行,提高了导航系统的精度和可靠性.     

基于滑动窗口抗差自适应滤波的SINS/DVL组合导航算法

捷联惯性导航系统（SINS）/多普勒测速仪（DVL）组合导航时,需要考虑多普勒速度信息中出现的野值和噪声特性变化对导航精度的影响。针对上述问题,提出基于滑动窗口抗差自适应滤波的SINS/DVL 组合导航算法。首先建立状态变换漂移误差角系统误差模型,在速度误差方程中用重力常值项代替比力项,减少比力项引起的速度误差,提高模型的准确性。然后利用新息序列判别野值,若异常则采用滑动窗口数据修正错误新息,并使用带遗忘因子的自适应滤波在线估计量测噪声。实验结果证明,新的系统误差模型和滑动窗口抗差自适应滤波能有效减缓位置误差的累积。2 h 的SINS/DVL 组合导航中误差航程比优于1.05%,相比于传统卡尔曼滤波性能提升39.66%。     

双天线GPS/SINS组合导航系统设计

本系统作为浅组合导航系统的一种,利用了双天线定向GPS与光纤陀螺的组合,以基于DSP+FPGA多处理器结构作为导航计算机平台,在原有的位置与速度基础上加入了姿态作为第三个量测量,应用卡尔曼滤波算法将GPS姿态信息作为对惯性导航系统数据的初始值和修正。设计的系统通过跑车实验验证后表明达到了设计要求,具有实时性好,运算精度高等优点。     

SINS/CNS/GNSS组合导航计算机系统研究

SINS/CNS/GNSS组合导航系统具有全自主、抗干扰能力强、高精度等优点,对导航计算机性能要求高。从组合导航系统对导航计算机的需求出发,本文基于DSP和FPGA设计了高精度、高可靠性、小型化、低成本、低功耗的导航计算机系统。本文首先给出了导航计算机的原理结构框图,并详细介绍了主要功能单元;其次介绍了程序设计的基本思路;最后根据GJB/Z299C-2006提供的数据和方法,计算了导航计算机的可靠性指标MTBF。实际应用结果表明,该导航计算机的处理速度、处理精度、可靠性、成本、体积、功耗等指标均达到组合导航系统要求。     

一种容错分散滤波在组合导航中的应用

从提高联合滤波容错性的角度出发，通过自适应调节信息融合因子提高联合滤波的容错性对一般联合滤波方法做了改进，并把这种改进的滤波方法用在了SINS/GPS/TAN组合导航系统中，通过对组合导航系统的仿真表明此种方法大大提高了组合导航系统对软件故障的容错性。     

改进的GPS/DR组合导航自适应航向估计算法

为提高GPS/DR组合导航系统航向估计精度,在卡尔曼滤波基础上提出了一种实时调节状态误差方差阵Q、观测误差方差阵R的自适应滤波方法;利用多重判决条件和规则约束,对惯性器件信息和滤波后输出的航向信息进行数据筛选。将此方法与在卡尔曼滤波中常用的Q,R取经验值法和Sage-Husa法进行比较,经实验仿真结果表明该方法能明显提高系统输出的航向精度,可获得更为准确的航向估计结果。     

改进的粒子滤波算法在车辆组合导航中的应用

针对目前粒子滤波粒子贫化、计算量大等问题,提出了基于自适应迭代重采样的粒子滤波计算方法。改进的粒子滤波算法在不损失对系统状态估计精度的前提下,缓解了粒子贫化,降低了计算量,缩短了计算时间,同时保证了状态的估计性能。通过实际算例分析,验证了该算法的有效性。最后将该算法应用于GPS/DR车辆组合导航中,仿真结果验证了该算法的可行性和有效性。     

基于改进ESKF和自适应滤波的组合导航算法研究

针对传统滤波算法中忽视了误差方程中的高阶量所引起的导航结果不够准确的问题,提出了一种改进ESKF算法,将基于误差状态建模的滤波算法同EKF相结合。针对组合导航的鲁棒性与适应性,提出了一种将卡尔曼滤波算法与自适应滤波算法相结合的滤波算法,并进行仿真验证。仿真结果表明：当组合导航系统受到较大扰动时,改进算法较传统滤波算法使组合导航系统在经度精度上提高了49.48%,纬度精度上提高了34.21%,有效提高了组合导航系统的精确性和鲁棒性。     

惯性/天文/卫星组合导航技术的现状与展望

本文首先介绍了INS/CNS/GNSS组合导航的原理,然后分析了INS/CNS/GNSS组合导航技术的发展和应用现状。在上述基础上,提出了INS/CNS/GNSS组合导航技术的几个重点研究方向,包括INS/CNS/GNSS组合导航系统的信息融合与先进滤波方法,INS/CNS/GNSS组合导航方法的实时性研究和基于集成一体化的INS/CNS/GNSS组合导航系统技术。随着捷联惯性导航技术、小型天体敏感器技术、高性能卫星导航技术的快速发展,以及先进信息融合技术、组合算法优化和系统集成技术研究的深入,INS/CNS/GNSS组合导航技术将获得进一步发展并在多种应用领域发挥重要作用。     

基于粒子滤波的INS/TAN组合导航

将粒子滤波应用于INS／TAN组合导航系统中。仿真证明,该滤波方法有效地克服了地形的非线性特性和惯导误差对组合导航结果的影响。     

组合导航信息融合技术研究

分析了联合卡尔曼滤波算法中参考系统、主滤波器以及局部滤波器的特点,给出了组合导航系统的联合滤波算法的具体描述,提出了一种基于广义特征值分解的自适应信息分配策略,该结果表明,采用组合导航信息融合技术在工程实践上确实可以解决根据组合导航局部滤波器性能随时调整信息分配策略的问题。     

SINS/GPS/TACAN组合导航的联邦卡尔曼滤波方法

针对无人机飞行末段的飞行特点,提出了一种用战术空中导航系统(TACAN)辅助惯性导航系统(INS)、全球卫星定位系统(GPS)的新组合导航模式。详细推导了一种系数加权的联邦卡尔曼算法,并将此算法运用到SINS/GPS/TACAN组合导航中。通过融合导航系统的导航信息估计出组合导航系统的误差状态量,以提高导航系统定位精度。此算法不必计算加权矩阵,从而避免了求解滤波误差方差阵的逆矩阵,运算速度有所提高。仿真计算结果表明,该算法可抑制滤波发散,并提高导航系统的精度和速度,此组合导航模式有较好的容错性和环境适应性,具有实用价值。     

一种简化的车载自适应组合导航算法

为解决复杂路况下车载组合导航系统存在的卫星导航系统信号衰弱、断续导致信号观测性差和组合滤波器稳定性下降甚至发散等问题,采用了一种简化的、易于工程实际应用的车载自适应组合导航算法,利用数据检测方法对卫导原始观测数据进行评估,根据评估结果构造自适应滤波因子,实时更新滤波器量测噪声协方差阵,提高滤波器对观测信息变化的适应能力。通过实际动态跑车试验,表明这种简化的自适应组合导航算法在卫导信号断续情况下,仍能保证3 m(RMS)的定位精度、0.04 m/s(RMS)的测速精度,较常规Kalman滤波定位精度提高近30%,测速精度提高达70%,能满足城市、山区等恶劣场景下车载导航的需求。     

基于自适应卡尔曼滤波的RFID/SINS组合导航研究

在室内导航定位中,射频识别(Radio Frequency Identification, RFID)技术具有信号穿透性强、成本低廉等诸多优点,能够有效代替GPS完成室内组合导航。针对室内惯性导航误差发散和滤波中噪声参数不确定的问题,提出了基于自适应卡尔曼滤波(Adaptive Kalman Filtering, AKF)的RFID/SINS组合导航系统,通过RFID定位系统抑制惯性导航误差发散,并应用AKF将噪声参数与量测输出参数关联实现实时更新。对AKF和标准卡尔曼滤波(Kalman Filtering, KF)下的RFID/SINS组合导航系统进行了仿真和实验。结果表明,在AKF下组合导航系统平均定位误差降低了10%,位置稳定性提升了7.4%,定位误差保持在0.07 m左右。基于AKF的RFID/SINS组合导航系统能够满足室内高精度定位导航的需求。     

PBN概念下的GNSS/SINS组合导航完好性算法

为满足PBN中RNP规范对导航性能监测与告警要求,通过估计传统GNSS/SINS完好性算法检测统计量的变化率来提高故障检测效率,并在此基础上,提出一套基于量测分离的复合式平行滤波算法实现故障排除和量测重构,算法具有较强的灵活性和适用性。仿真分析表明,与传统方法相比,该算法可检测出惯性元件故障,检测效率更高,并且适用于多重故障的情形。