基于因子图的 INS / UWB 室内行人紧组合定位技术

针对室内复杂应用场景下待定位行人接收到的超宽带(UWB)测距信息数量不确定问题,提出一种基于因子图的INS/UWB室内行人紧组合定位算法,实现对动态随遇接入与退出的UWB量测信息有效融合。首先,基于室内行人运动模型以及UWB量测模型构建INS/UWB紧组合因子图模型,由于对行人位置与速度同时进行建模估计,导致该因子图模型含有环结构。在此基础上,针对有环因子图模型基于和积算法(SPA)通过两次迭代推导因子图中各节点间消息传递算法,计算行人位置与速度的后验概率密度。进一步,针对特殊量测矢量条件下因子图算法定位误差跳变问题,提出一种基于坐标变换的因子图改进方法,从而有效提高行人位置与速度估计精度。仿真结果表明,本文提出的INS/UWB紧组合定位算法可以有效融合动态随遇接入与退出的UWB测距信息。在满足计算量与内存消耗需求的前提下,与变结构多模型扩展卡尔曼滤波(EKF)相比,本文提出算法的定位精度与速度估计精度可以分别提高14.94%与56.42%。     

基于改进卡尔曼滤波在车辆组合导航中的研究

针对车辆在长时间行驶的状态中,组合导航经常会出现滤波精度不高的问题,提出一种采用遗传算法对卡尔曼滤波器进行在线调节的自适应数据融合方法,根据位置误差系数和卡尔曼滤波器的新息统计信息,实时调整参数值,将卡尔曼滤波器调整到运行过程中的最优状态。通过MATLAB软件对该方法进行仿真试验,模拟INS/GPS组合导航系统运行情况,表明这种方法和传统卡尔曼滤波算法相比较导航精度明显提高。     

水下潜航器的惯导/超短基线/多普勒测速信息融合及容错验证

针对水下潜航器惯导系统的定位误差积累和容错性差等问题,分析了水声超短基线的相位差定位方法,推导了基于惯导提供实时位置、姿态误差角信息的惯导/超短基线(INS/USBL)导航解算过程及其坐标转换。结合惯导/多普勒测速(INS/DVL)滤波器,给出INS/USBL/DVL组合导航联邦滤波在3种信息融合算法下的应用。通过MATLAB仿真对导航算法进行了验证,结果表明该导航算法能够抑制惯导系统误差随时间发散的问题,能充分利用了3种导航系统提供的参数信息,且状态维数低,滤波收敛速度快,其中基于精度因子信息分配方法的导航系统误差最小。容错性验证结果显示,当超短基线出现故障时,重构后的组合导航系统在较高航速情况下依旧能提供有效的导航参数。所提出的INS/USBL/DVL组合导航联邦滤波方法能够精确地提供水下潜航器的各位导航参数信息,且具有较高的容错性和稳定性。     

无人机GPS/INS组合导航卡尔曼滤波技术

惯性导航(INS)和全球定位导航(GPS)是现代航空武器中应用广泛的两种导航技术.运用组合导航技术,将INS与GPS两者有机组合,能很好地克服各自缺点,形成优势互补结构.在无人机应用GPS/INS组合导航的基础上,引入卡尔曼滤波技术,能够有效提高导航的性能和精度,从而构成比较理想的组合导航系统.     

GPS/INS组合导航系统的研究

讨论了飞机惯性导航系统(INS)与全球卫星导航系统(GPS)的利与弊以及卡尔曼滤波方法在组合定位中的应用情况,进一步提出了基于神经网络数据融合方法的GPS/INS组合导航系统.系统神经网络结构采用单隐层的三层神经网络,输入输出神经元数目是4个,基于256个训练样本由经验公式求得隐层神经元数目为8个,同时还建立了惯导系统的数学模型和数据融合的数学模型.给出了利用MATLAB编制的神经网络训练程序并对这一神经网络进行了训练和仿真.实验表明,组合导航系统经度误差可达9m,纬度误差可达8m,与单独GPS定位和INS定位相比精度得到了提高.     

复杂环境下 GNSS / INS / UWB 紧组合的 无人机协同导航算法

针对多无人机系统在复杂环境下卫星信号易受到干扰的问题,提出了一种基于环路和积算法的协同导航方法。根据传感器的特点,设计了基于GNSS/INS紧组合的绝对导航和UWB辅助的卫星双差紧组合相对导航,然后使用各个平台自身的绝对导航信息和平台间的相对导航信息,构建协同导航滤波器,基于环路和积算法,设计了消息传递规则,减少了平台间的流量,计算任务在各个平台上分布运行,减小了计算压力。最后对不同复杂场景进行了仿真和物理实验,结果表明该方案的协同导航精度明显优于不进行协同导航的结果,且随着可观测信息的增多,该方法导航精度越来越高。     

SINS/GPS/地磁组合导航系统的研究

为了应对航天、航海和车辆导航对导航系统的精度,提出了基于DSP的捷联惯性导航系统(SINS)/全球定位系统(GPS)/地磁组合导航系统。介绍了该组合导航的系统结构与基本原理,采用无迹卡尔曼滤波(UKF)算法完成对组合导航信息的融合,并对组合导航样机进行车载实验。试验结果表明,该组合导航系统提高了精度、计算速度和稳定性。     

基于遗传PNN网络的组合导航故障诊断研究

针对INS/GPS组合导航系统观测信息无冗余且观测信息可能存在故障的情形,提出一种基于状态x2检验与自适应概率神经网络( APNN)相结合的组合导航故障诊断方法.该方法通过监测组合导航系统状态分量,提取故障的特征值并利用APNN确定故障的类别,从而实现故障的定位与隔离.APNN采用高斯函数作为激励函数,通过遗传算法获得模式层矢量最佳数目及匹配的平滑因子参数集,使每个神经元传递函数具有不同的平滑参数,提高了网络的泛化能力以及诊断精度.数值仿真结果表明,该算法能够有效地识别出INS/GPS组合导航系统的故障,确保了系统的安全性和可靠性.     

自适应滤波协同图优化导航方法研究

针对传统图优化导航方法中传感器测量协方差不准确导致估计精度下降的问题，本文提出了一种自适应滤波协同图优化导航方法。首先，构建INS/GNSS/e-Compass组合导航系统的因子图模型；然后，利用测量方差自适应滤波对传感器测量信息进行预估，在滤波过程中更新相关传感器的测量协方差矩阵，并将预估结果作为变量节点加入因子图；最后，通过滑动窗口控制优化范围，对窗口内的变量节点进行非线性优化并输出最终的导航状态。仿真和实验结果表明，所提出的方法对传感器测量协方差的不匹配问题具有自适应性，能够在不同场景下实现高效可靠的导航定位。相比于传统图优化方法，该方法的定位精度提升了30%,计算效率提升了12%。     

INS/SFGPS PPP紧组合系统动态补偿滤波算法

惯性/卫星组合导航系统结合精密单点定位技术可有效提高导航定位精度。但精密单点定位技术一般需采用双频接收机,成本较高;同时该系统中采用载波相位作为部分或全部观测量,极容易受到周跳的影响而导致精度下降和系统不稳定。针对上述问题,设计了一种惯性/卫星精密定位紧组合导航系统以及基于动态周跳补偿的鲁棒滤波算法。该系统采用低成本的单频接收机(SFGPS),以精密单点定位技术(PPP)处理过的伪距和载波相位作为观测信息,与惯性导航系统(INS)等效观测量进行紧组合,建立了相应紧组合观测模型并引入周跳作为信息融合滤波状态模型中的状态量,以滤波器信息构建周跳检测统计量并对周跳幅值进行识别和估计,实时补偿观测量以提高观测信息精度,同时以前述周跳估计的结果对状态模型中周跳状态量部分滤波参数进行实时调节。上述方法通过动态补偿周跳误差提高导航精度,通过滤波器参数自适应调节提高滤波稳定性。仿真结果验证了该系统模型及算法的有效性。     

惯性/地磁组合导航技术研究

针对此前地磁导航系统完全采用图匹配方式的精度问题,改进了惯性/地磁匹配组合方案,提出了一种新的匹配方法.该方法以磁偏角和磁倾角作为匹配参数进行图匹配,获取粗位置信息.以地磁场模型解算地磁场强度的方式来得到精确位置信息.辅以精确计时进而获得速度信息.以地磁系统获取的速度、位置信息与惯导系统输出的速度、位置信息的差值作为量测值,经过卡尔曼滤波,估计导航系统的误差,然后对惯导系统进行校正.在Matlab环境下的仿真证实了该方案可以达到较高精度.     

里程计辅助的高精度车载GNSS/INS组合导航系统

针对城市隧道、偏远山区等复杂路况下,卫星导航系统信号被遮挡较严重或无卫星导航系统信号的场景中,车载GNSS/INS组合导航系统精度下降的问题,提出一种里程计辅助的高精度车载GNSS/INS组合导航方法。该方法中的组合滤波模式可根据载车环境变化在GNSS/INS组合模式和DR/INS组合模式间实现自适应切换,该组合导航方法将三维里程计航位推算位置误差作为状态量扩充到常规组合导航滤波器中,里程计的标度因数误差、安装角误差可通过里程计误差标定方法离线精确得到,后续使用只需将里程计误差参数装订到组合导航系统中即可。车载试验表明,7 km的信号遮挡场景下组合导航系统单个方向上的位置误差最大值也不大于8 m,整个跑车过程中位置误差在3 m以内,进一步保证了车载GNSS/INS组合导航系统复杂路况下的高精度定位。     

Novel hybrid of strong tracking Kalman filter and wavelet neural network for GPS/INS during GPS outages

Aiming to improve positioning precision of the GPS/INS integrated navigation system during GPS outages, a novel model combined with strong tracking Kalman filter (STKF) and wavelet neural network (WNN) algorithms for INS errors compensation is proposed and tested. STKF is used to estimate INS errors as a replacement of Kalman filter (KF), and WNN is applied to establish a highly accurate model based on STKF when GPS works well and to predict INS errors during GPS outages. Performance of the proposed model has been experimentally verified using GPS and INS data collected in a land vehicle navigation test. The comparison results indicate that the proposed model combined with STKF/WNN algorithms can effectively provide high accurate corrections to the standalone INS during GPS outages.     

基于PDR和RSSI的室内定位算法研究

构建了基于无线传感网络的行人航迹推算(PDR)系统,通过RSSI定位为其提供绝对定位信息。在RSSI定位中,提出基于PDR方位信息的自适应Flip-Flop RSSI信息预处理机制和RSSI指纹信息融合动态路径衰减指数的定位算法,以改善RSSI定位算法的抗噪声干扰能力。在多信息融合粒子滤波环节中,针对传统算法中滤波精度与滤波实时性很难同时得到改善的问题,提出基于PDR信息与RSSI定位信息的动态区间粒子滤波算法,通过PDR方位信息自适应控制区间衍生粒子数量以提高滤波实时性,并将建筑地图信息、RSSI定位信息及其可信度因子融入粒子权值计算中以提高定位精度。经实验验证,提出的算法在RSSI定位抗噪声能力方面,以及融合定位精度和滤波实时性方面都取得了良好的效果,与传统算法相比最大定位误差由3.16 m降低到1.81 m,滤波时间也由7.21 s降至7.01 s。     

微型平台组合导航信息分配新方法

摘要：针对微型平台组合导航系统，在分析以往的信息分配方法的基础上，提出了一种新的信息分配方法。利用阈值构造了故障概率计算公式，按照各个子系统故障概率进行信息分配。设计了IMU、GPS、ADS及超声波构成的组合导航系统，在新的信息分配方法下进行仿真。实验表明：该方法在子系统出现故障时能有效提高系统的容错性能，并改善导航精度。并且采用在线调整阈值的方法能够很好的降低误报率和漏报率。     

卫星拒止环境下基于因子图的智能车可靠定位方法

针对如室内停车场、隧道等卫星拒止环境下智能车的准确可靠定位需求,提出了一种基于因子图的低成本融合定位方 法。 首先,构建基于因子图的 UWB/ INS 动态融合定位框架;接着,充分利用 UWB 基站的静止特性,结合因子图输出的位置及 位置置信区间计算智能车与基站之间的最大理论距离,并与 UWB 实测距离比较从而检测非视距信号;最后,制定自适应融合 规则来指导不同情况下 UWB/ INS 的融合,输出最终的定位结果,实现卫星拒止环境下智能车的可靠定位。 实车试验表明,所提 出的融合定位方法可达到 0. 622 m 的精度,相较传统的最小二乘定位方法提升 1 倍以上,有效抑制了非视距误差的影响,具有 成本低、可靠性高、环境适应力强等优点,克服了传统方法的不足。