旋转GNSS双天线/MIMU紧组合系统算法

为了提高旋转全球卫星导航系统(GNSS)短基线双天线/微惯性测量单元(MIMU)组合系统的定向精度,该文构建了其紧组合系统。紧组合算法将GNSS的伪距、伪距率和载波相位作为旋转GNSS双天线/MIMU组合系统的观测量,用扩展卡尔曼滤波进行估计,估计得到的状态量对系统进行闭环反馈,最后得到组合系统的定向结果。对旋转GNSS双天线/MIMU组合导航系统的船载试验数据进行了紧组合离线解算,结果表明,当GNSS基线为0.3 m时,组合系统的航向误差小于1°,俯仰角和横滚角误差小于0.1°。     

基于卡尔曼滤波-神经网络预测的GNSS/INS误差反馈校正的研究

当GNSS信号失锁时,GNSS/INS组合导航系统的误差会随着时间而积聚从而失去导航的功能.通过理论分析和数学建模,本文提出了一种基于卡尔曼滤波-RBF神经网络预测INS误差并进行补偿,从而弥补GNSS失锁无法导航的缺陷.卡尔曼滤波器为神经网络的训练提供了数据预处理的作用.通过跑车实验和仿真,最后证实了方法的可行性,在平均位置误差为3米的情况下,能够持续30秒左右的精准预测.     

基于改进神经网络增强自适应UKF的组合导航系统

基于微机电系统(MEMS)的惯性器件和全球定位系统(GPS)的组合导航系统在卫星信号失锁时存在误差发散的问题,该文提出一种基于人工蜂群算法(ABC)改进的径向基函数(RBF)神经网络增强改进的自适应无迹卡尔曼滤波算法(AUKF)。在GPS信号失锁的情况下利用训练好的神经网络输出预测信息来对捷联惯导系统进行误差校正。最后通过车载半实物仿真实验验证该方法的性能。实验结果表明该方法在失锁情况下对于捷联惯导系统的误差发散有较为明显的抑制效果。     

基于NARX神经网络的组合导航系统设计

针对捷联组合导航系统在定位信号无法获取的情况下定位误差大和BP神经网络定位的波动问题提出了基于NARX神经网络的导航算法。该方法在输入端加入输出输入量的时间序列,在定位信号可以获取时间段内对神经网络进行训练,不可获取时使用NARX预测的数据对系统进行补偿,提高定位精度。实验结果表明在30s的失锁时间内NARX神经网络定位精度在3m以内,迭代次数小于15次且数据波动较小,可以准确的预测导航位置。     

基于惯性导航与无线测距组合的车载定位方案

车载导航中,使用无线测距与惯性导航系统(INS)组合定位,可有效改善系统定位精度。针对定位中全球卫星定位系统(GPS)失锁时,由INS长时间独立工作造成的定位误差,该文从理论上论证了用无线测距所得精确距离修正INS定位数据方案的可行性,给出组合定位具体原理,并分析了定位误差与INS误差的关系,从而用来改善定位精度。仿真结果表明此方案可有效提高定位精度。     

基于UKF的GPS／MIMU组合导航滤波算法研究

高精度的导航定位是无人机研究中所面临的主要挑战之一。采用GPS／MIMU组合导航是目前主流的导航模式。当前实现GPS／MIMU组合导航的技术主要是卡尔曼滤波。文中将UKF（Unscented Kalman Filter）滤波技术应用于组合导航,建立系统的状态与观测量的非线性模型,在给定初始值和噪声方差阵的情况下进行了仿真。数值仿真表明所设计的卡尔曼滤波器可行,该方法能很好地改善滤波效果,提高了估计精度,同时减小了计算量。     

基于等式约束卡尔曼的双MIMU行人导航方案

基于微机电系统(MEMS)的自主式行人导航系统通常安装在步行者的足部,利用零速校正来提高系统的定位精度。针对零速校正航向不精确问题,提出了基于等式约束卡尔曼滤波的双微型惯性测量组合(MIMU)行人导航方案。根据所设计的双MIMU系统在物理空间的相对位置关系,构造二阶非线性等式约束方程,并详述了等式约束卡尔曼滤波的解算过程。结合MEMS真实试验进行研究,对脚部负载双MIMU系统离线数据处理。根据试验结果验证了相比较于单MIMU行人导航方案,基于等式约束的双MIMU行人导航系统具有更高的定位精度。     

基于RFR辅助的因子图组合导航算法

针对在INS/GNSS组合导航系统中,由GNSS自身故障或外部环境遮挡造成的信号缺失问题,提出了一种利用随机森林回归辅助因子图的组合导航算法。首先,采用因子图算法对惯性导航系统、全球导航卫星系统进行建模,搭建了INS/GNSS组合导航的因子图模型。其次,引入随机森林理论搭建随机森林,并在GNSS信号有效时进行训练,模拟卫星导航失效时的GNSS信号输出值。最后设计了仿真实验,结果表明：改进的因子图算法相比联邦卡尔曼滤波算法在导航精度上有了10%～15%不等的提升,同时,所提出的随机森林回归辅助因子图算法在GNSS信号丢失的情况下仍能保持较高精度。     

基于BP神经网络辅助的车载组合导航算法研究

针对INS/GPS组合导航系统在GPS信号被遮挡时,GPS接收机失锁导致导航精度迅速下降的问题,提出了基于BP神经网络辅助的组合导航算法。即在GPS信号锁定的时候,采用卡尔曼滤波对INS/GPS信号进行数据融合得到实时的精确位置,同时利用组合导航输出信息对BP神经网络进行实时在线训练;一旦GPS失锁,利用之前训练好的神经网络对INS系统进行误差补偿,解决精度迅速下降问题。通过跑车实验证明,速度精度在0.2m/s以内,位置精度为25m以内,该算法对INS/GPS组合导航系统有效。     

一种双天线辅助的两段连续式对准以及误差分析

针对低精度微惯性测量单元/全球导航卫星系统 (IMU/GNSS)松组合导航系统中初始方位难以精确得到和行进间航向容易发散的问题,该文设计了一种双天线辅助的两段连续式对准方法。首先分析了初始方位误差对航向精度的影响;其次,由于GNSS测向系统精度高、无姿态漂移误差的特点,基于双天线基线矢量推导了一种最小二乘算法的测姿模型,进行初始对准;最后针对行进间对准,研究扩展了基于航向差值的1维量测以抑制航向发散。设计试验探讨了双天线基线矢量对初始对准与行进间航向精度的影响,改进方法可以使得初始方位误差优于0.7°,行进间航向能够更准确地被跟踪。针对目标的初始对准与行进间对准,双天线可提供辅助信息,其效果优于单天线IMU/GNSS的组合,且方法计算量适中。     

一种双天线辅助的两段连续式对准以及误差分析

针对低精度微惯性测量单元/全球导航卫星系统(IMU/GNSS)松组合导航系统中初始方位难以精确得到和行进间航向容易发散的问题,该文设计了一种双天线辅助的两段连续式对准方法.首先分析了初始方位误差对航向精度的影响;其次,由于GNSS测向系统精度高、无姿态漂移误差的特点,基于双天线基线矢量推导了一种最小二乘算法的测姿模型,进行初始对准;最后针对行进间对准,研究扩展了基于航向差值的1维量测以抑制航向发散.设计试验探讨了双天线基线矢量对初始对准与行进间航向精度的影响,改进方法可以使得初始方位误差优于0.7°,行进间航向能够更准确地被跟踪.针对目标的初始对准与行进间对准,双天线可提供辅助信息,其效果优于单天线IMU/GNSS的组合,且方法计算量适中.     

INS/GPS多传感器车载组合导航系统算法研究

理论分析光纤陀螺和石英挠性加速度计的传感原理,对组合导航系统中的惯性测量单元(IMU)建立相应的误差模型,其误差模型包含了IMU传感器的标度因数的非线性模型、零偏的漂移模型、交叉耦合误差模型和标度因数、零偏的温度模型等。针对建立的误差模型进行误差补偿,同时针对车载环境设计了IMU传感器信号的数字滤波器,提高组合导航系统在车载环境下的适应性。GPS、高度计、里程计等多传感器信息的引入克服了惯性传感器独立长时间导航的发散问题。针对车载组合导航系统的非线性误差模型,设计了UKF组合导航算法,进行仿真和跑车试验,该方法能有效改善组合导航系统在劣等路面跑车试验效果。     

强L波段太阳射电暴对GNSS性能和定位误差的影响

以2006年12月13日射电爆发事件为例, 利用国际GNSS服务(international GNSS service, IGS)观测台网数据, 结合L波段太阳射电流量和幅度闪烁指数监测数据, 研究了向阳面地基台站对这次射电暴的响应.重点分析了我国境内几个典型地区台站载噪比的变化特征, 并评估此次事件对不同地区GNSS服务和定位精度的影响程度.结果表明, 太阳射电暴期间:1)GNSS信号受到严重干扰, 几乎所有向阳面IGS台站都受到影响, 影响程度呈现出明显的随太阳入射角变化特征; 2)此次事件造成多个IGS台站锁定卫星数目小于4颗, 大面积连续性失锁、间歇性失锁和导航信号完全中断现象发生; 3)中国境内多个台站的定位误差显著增加, 伪距单点定位误差高达40~60 m, 精密单点定位(precise point positioning, PPP)误差达到2 m左右, 一些台站发生短时定位服务中断; 4)这次事件给日下点附近的台站造成非常严重的影响, PPP误差超过10 m, 而且还出现长达约10 min的定位服务中断.文中结果能为第三代北斗导航卫星系统在评估空间天气威胁方面提供借鉴和参考.     

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。     

MIMU／GPS组合导航模糊自适应卡尔曼滤波研究

针对组合导航初始对准中存在模型误差时常规卡尔曼滤波容易发散的问题,提出了一种模糊自适应卡尔曼滤波算法。该算法采用模糊控制规则,根据新息的方差和均值变化自适应调整量测噪声权值矩阵。此算法运用于MIMU/GPS组合导航初始对准中,获得了较高的导航精度。仿真结果表明,该算法能够有效防止滤波发散,减少模型误差对滤波结果的影响,提高了滤波精度,实现了参数的在线调整。     

GPS/DR组合导航性能增强技术

为了提高全球定位系统(GPS)信号短时中断时地面车辆自主导航精确度,提出了GPS信号中断时采用车辆不完全约束条件和里程仪速度信息作为量测,辅助惯性导航系统实现车辆航位推算(DR)自主导航的方案;推导了该方案的GPS/DR组合导航的卡尔曼滤波方程;并进行了计算机仿真研究和地面车载试验,结果显示GPS信号中断90 s,DR自主导航误差为20 m,能够满足部分地面车辆短时高精确度自主定位要求。     

基于伪距/伪距率双差的INS/GNSS紧组合相对导航算法研究

随着惯导/卫导组合导航技术的发展,将其应用于编队相对导航的研究越来越多。结合卫导差分相对定位、INS/GNSS 组合导航技术,本文将编队成员中主节点和从节点伪距、伪距率的两次差分量直接作为观测量,研究了一种 INS/GNSS 紧组合相对导航新算法。该算法通过两次差分操作可以消除大部分传播路径误差以及公共时钟误差;利用惯导的平滑特性能够消除测量量中的部分随机噪声。仿真结果表明：该算法能够提供精度更高,更加平稳的相对导航信息。     

GNSS终端软件算法的改进

针对飞行试验中测控站全球导航卫星系统(GNSS)终端出现卫星定位突然失锁无法恢复问题展开了研究。分析了GNSS终端软件对目标GPS接收机的处理流程和确定参与定位卫星流程,从改进定位结果有效性判断算法、增加对定位结果的有效性判断、改进确定参与定位卫星流程3个方面提出了解决措施。测试结果表明,采用的方法能够解决试验中遇到的难题。     

基于零电平处信号导数分析的分布式光纤传感定位算法研究

为了提高基于双Mach-Zehnder干涉(DMZI)原理的 分布式光纤传感系统的性能,提出一种 基于零电平处信号导数分析的快 速定位算法。利用信号在零电平处的导数大小,提取信号中最高频率附近的一段进行 时延估计,进而获得扰动发生位置。 由于提取信号的频率和带宽相对较大,因此系统的定位误差较小。与离散小波提取起始点信 号相比,本文算法能够适应更多的扰 动事件类型,且由于离散信号导数计算的复杂度远低于离散小波的傅里叶变换,运算时间大 幅降低,提高了系统的实时性。实 验结果表明,本文算法在10M/s采样率下,最大定位误差为 20m,而且计算时间少于0.13s。     

同步定位及地图创建算法在车载移动测绘系统中的应用

为了解决车载移动测图中全球卫星定位系统(GPS)失锁及无GPS导致的导航定位问题,提出了一种利用水平布设二维激光扫描仪和里程计结合的快速同步定位及地图创建(SLAM)方法。在详细分析车载移动测图系统定位误差来源的基础上,科学合理地设置系统的预测参数及重预测参数,并给出了宽间隔预测及状态重预测改进后的卡尔曼滤波算法。在不损失计算精度的前提下,提高了计算速度。利用上述算法在实验室环形走廊中进行了实验,实验结果证明了本算法的有效性。