北斗/INS 组合导航在某型装备中的应用设计

通过分析北斗卫星定位导航系统和惯性导航系统的优缺点,设计一种基于北斗/INS组合导航的系统数学模型。将北斗卫星定位导航系统和INS的信息进行组合互补,以卡尔曼滤波作为信息融合算法,选择间接法反馈校正模式设计组合系统,推导出组合导航系统的状态方程和量测方程,并根据组合导航系统的数学模型,对组合系统进行了跑车试验。试验结果表明,北斗/INS组合后的导航系统相对独立导航系统具有更高的精度。     

基于UKF的北斗/INS组合导航

扩展卡尔曼滤波(EKF)是工程中常用的滤波算法,然而EKF是次优的贝叶斯估计,这会影响到估计的精度;用不敏卡尔曼滤波算法(UKF)取代EKF构建了北斗/INS组合导航系统,实验结果表明:UKF相对于EKF,各项参数的误差均有10%以上的减少量。     

基于联邦SR-UKF算法的GPS/INS导航数据融合算法

为提高导航系统数据融合的稳定性和容错性,将一种基于方根分解形式的Unscented卡尔曼滤波(SR-UKF)算法和分散式滤波技术相结合,建立了新的联邦滤波器SR-UKF算法并应用于GPS/INS组合导航系统中.数值仿真实验表明, 联邦SR-UKF 比联邦UKF 有更好的滤波精度、更高的稳定性和容错性, 是一种理想的非线性GPS/INS组合导航滤波方法.     

FDRP-KF非线性滤波算法在INS/TAN组合导航中的应用

INS/TAN组合导航是一种自主的、隐蔽性好的辅助导航方式.由于地形的非线性特性,INS/TAN组合导航系统的系统模型为非线性,因此系统的状态估计是一个非线性滤波问题.FDRP-KF是一种基于F偏差代表点(F-Discrepancy Rep-points)和卡尔曼滤波(Kalman Filter)的非线性滤波算法,可用于处理非线性高斯系统的滤波问题.文中将FDRP-KF应用于INS/TAN系统中,仿真结果表明该算法可以对飞行器位置进行较精确、稳定的估计.     

基于UKF的水下无源目标运动分析

文中介绍了UKF的具体算法,并将其应用于水下无源系统定位中.与扩展卡尔曼滤波(EKF)相比,UKF不但可以得到目标位置和速度的均值及较高的计算精度,而且能更好的解决模型中的非线性问题.仿真结果表明,无论在计算量上还是滤波精度上,UKF算法都明显优于EKF,并且能够有效克服方位跟踪问题中的滤波发散问题.     

一种新型的改进UKF在MIMU/GPS组合导航系统中的应用

对于MIMU/GPS组合导航系统,采用传统UKF进行滤波时,其Sigma点集的MSE会随系统维数的增大而不断增大,导致估计精度越来越差,尤其是姿态误差角的估计会出现较大偏差.针对这一问题,提出了一种基于超立方体代表点的改进UKF算法并将其应用于低成本MIMU/GPS组合导航系统.仿真结果表明,改进的UKF算法对于高维强非线性组合导航系统的估计精度优于传统UKF,更适用于大角度姿态误差的准确估计.     

INS/GPS导航中联邦卡尔曼滤波算法

根据INS(惯性导航系统)和GPS(全球定位系统)不同的特点,将两者组合起来,在阐述联邦卡尔曼滤波原理基础上,设计了INS/GPS组合导航系统的滤波算法.对该组合系统的联邦卡尔曼滤波算法进行了仿真,仿真结果表明:在INS/GPS组合导航系统中采用联邦卡尔曼滤波,不仅提高了定位精度,而且保证了滤波的快速性.     

联邦卡尔曼滤波在INS＼GPS组合导航中的应用

介绍了INS＼GPS组合导航系统的优点;根据联邦卡尔曼滤波原理,设计了INS＼GPS组合导航系统的滤波算法;对该组合系统的联邦卡尔曼滤波算法进行了仿真;仿真结果表明,在INS＼GPS组合导航系统中采用联邦卡尔曼滤波,不仅提高了定位精度,而且保证了滤波的快速性.     

一种简化的发射系下SINS/GPS/CNS组合导航系统无迹卡尔曼滤波算法

在弹载等高动态环境下组合导航系统状态方程具有强非线性,且各状态相互耦合影响,传统的扩展卡尔曼滤波(EKF)算法因忽略高阶项相互影响,其模型线性化展开会导致模型不准确引起导航精度下降;无迹卡尔曼滤波（UKF）算法能有效避免引入线性化误差,却存在因组合导航系统维数过高引起大量粒子递推滤波计算复杂而影响算法实时性的问题。为此,针对发射惯性系下弹载组合导航系统对滤波算法高实时性和高精确性的要求,设计了一种简化UKF(SUKF)算法,SUKF算法通过对导航系统的状态参数直接进行建模估计,解决了传统UKF算法实时性差的问题,同时继承了传统UKF算法无需模型一阶线性化展开的优点,提高了导航系统的精度。算法仿真结果表明,SUKF算法有效提高了系统解算的实时性和滤波精度,非常适合用于实际工程系统。     

图像辅助的综合导航系统研究

研究了一种新的飞行器导航系统,它使用图像传感器来辅助机载INS(惯性导航系统)与GPS(全球定位系统)组合系统,从而构成INS/GPS/图像辅助的综合导航系统.提出了适用于图像辅助组合导航的新的信息融合结构与滤波算法基于残差校正的级联式卡尔曼滤波组合导航信息融合方案;推导并建立了上述级联式滤波的系统状态方程与图像量测方程.进行了仿真计算,并与联合卡尔曼滤波方法的结果进行了比较.仿真结果表明此种新的滤波方法在精度上是可行的.     

基于惯性/星敏感器的高精度定姿方法研究

研究了利用惯性导航系统与星敏感器进行组合定姿的方法。首先,分析惯导系统和星敏感器的误差源,选取惯导系统误差作为组合系统的状态,获得系统状态方程。然后,利用惯导系统输出的飞行器位置、速度和姿态等信息来构造恒星矢量等效观测值,将其与星敏感器实际观测到的恒星矢量相减作为量测,构造出量测方程。最后,利用卡尔曼滤波技术,设计惯性/星敏感器组合定姿算法。仿真结果表明,基于惯性/星敏感器的组合定姿方法达到了6角秒的定姿精度,非常适用于空间飞行器的高精度定姿。     

舰船导航信号非线性UKF滤波定位解算方法研究

根据UKF( unscented Kalman fliter)的工作机理,对所建立的双星(GPS、劳兰C)／航位推算(DR)舰船组合导航连续非线性系统模型进行解算,形成一套UKF在舰船组合导航中的递推算法。该方法根据随机变量的先验统计特性,按照特定的规则将状态变量分解成2n +1维的散布形式,然后利用统计线性回归技术,实现对非线性函数的线性化,可以获得更小的线性化误差。实船数据试验表明：UKF算法与扩展卡尔曼滤波(EKF)算法相比,系统稳定性更好,滤波器估计精度更高。     

捷联惯导/天文组合导航

为了有效提高惯性导航精度,文中介绍了一种基于星敏感器的捷联惯导组合导航方法。首先分析了捷联惯导／星敏感器组合导航系统的工作原理。其次,对组合导航系统进行建模,分析系统误差,通过捷联惯导和星敏感器的输出构造量测值,建立系统的误差状态方程和量测方程。最后,利用间接卡尔曼滤波,估计出组合导航系统的误差状态量,进而修正捷联惯导系统的位置、速度和姿态角。最终,通过对仿真结果的分析证实了该方法的有效性。     

一种基于UKF的MEMS／GPS组合导航算法

针对微电子机械（MEMS）／全球定位（GPS）组合导航系统中,强非线性引起的扩展卡尔曼滤波（EKF）~-航精度不高、滤波性能不稳定、收敛速度慢等问题,研究了MEMS／GPS组合导航系统无迹卡尔曼滤波（UKF）算法,避免了EKF繁重的求导计算。本文对2种滤波方法进行了仿真比较,结果表明,用UKF的组合导航系统的误差收敛速度比EKF快,精度也比EKF高,UKF算法更适合于MEMS／GPS组合导航。     

基于SAR辅助的INS/Doppler组合导航系统研究

INS/Doppler组合导航系统具有输出水平速度误差和平台角误差较小的优点,但经纬度误差仍随时间增大,故不能作为独立的精确导航定位系统;由于合成孔径雷达(SAR)能够提供高精度的经纬度和航向信息,文中对基于SAR辅助的INS/Doppler组合导航系统进行了研究。仿真结果表明,该系统导航定位精度高、自主性强,比较适用于对导航精度要求较高的大型飞机。     

惯性/卫星组合导航半实物仿真系统设计

组合导航系统的理论研究已经相对成熟,但对理论研究的结果难于验证.利用跑车试验完成惯性/卫星组合导航系统半实物仿真试验,对组合导航研究的理论与应用研究具有重要的意义.介绍了惯性/卫星组合导航系统的基本构成,叙述了惯性/卫星组合导航半实物仿真系统研制的思路、构成和半实物仿真系统的工作流程,并给出了惯性/卫星组合导航系统的试验结果.     

惯性/卫星组合导航系统载体姿态角速度提取方法

惯性/卫星组合导航系统在信息融合过程中,需要以运动载体姿态角速度构成误差运动状态矩阵。但一般情况下惯导平台无法输出运动载体的姿态角速度。文中分析了惯导平台框架角与载体姿态角的关系,结合硬件改造与数据处理方法,从惯导平台输出量中提取了运动载体的姿态角速度,完成了惯性/卫星组合导航系统半实物仿真试验。