自适应Kalman滤波在光纤陀螺SINS/GNSS紧组合导航中的应用

为了提高光纤陀螺捷联惯性导航系统（SINS）和全球卫星导航系统（GNSS）的组合导航精度和系统稳定性,设计了基于伪距、伪距率的紧组合导航系统模型。针对光纤陀螺的白噪声特点,以及误差不稳定性导致无法精确建模,将残差引入误差方差阵的估计中,提出了一种改进的自适应卡尔曼滤波方法。采用改进的自适应卡尔曼滤波方法滤波得到导航参数的最优估计,然后对系统进行反馈补偿校正,抑制了滤波发散问题,提高了系统的稳定性。稳态测试试验结果表明:设计的光纤陀螺SINS/GNSS 紧组合导航系统具有较好的鲁棒性;在三颗卫星的条件下,系统能够在短期内保持较高的导航精度,验证紧组合导航的优越性。     

面向民用航空的SINS/DGPS组合导航融合方法

针对单频点地基增强系统不能满足飞机CAT III类精密进近与着陆导航需求问题,提出一种机载差分GPS(DGPS)与捷联式惯性导航系统(SINS)紧组合导航工作模式,利用SINS提高组合后系统的导航特性。分析了SINS/DGPS紧组合滤波模型,并构建了紧组合导航状态方程和量测方程,利用改进的Kalman滤波器对滤波状态进行最优估计与补偿。进行了计算机仿真与实际系统验证实验,实验结果表明,SINS/DGPS组合导航系统中,当卫星信号不可用时,利用SINS具备的自主性能够提高导航系统的连续性和可用性,同时组合导航系统位置误差标准差相比机载DGPS单系统减小了50%以上,提高了导航系统位置引导精度。     

提高SINS/GNSS组合导航系统定位精度的方法研究

单纯依赖单一的导航手段难满足高精度的导航需求,因此,将捷联惯性导航系统(SINS)、全球卫星导航系统(GNSS)有效组合,实现优势互补。SINS/GNSS组合导航系统的数据处理一般采用卡尔曼滤波实现,当组合导航系统模型足够准确时,滤波性能较好,当导航系统模型存在误差或发生变化时,新的量测值对滤波估计值的修正作用下降,而旧的量测值的修正作用相对上升,从而导致滤波精度下降。针对上述问题,基于集中式卡尔曼滤波结构的SINS/GNSS组合导航系统,本文提出一种新方法,新方法在梯度方向上进行估计迭代,从而修正模型误差对滤波精度的影响,提高导航定位精度。实验结果表明,当导航系统模型和量测方程存在误差或发生变化时,新方法仍可以为导航系统提供有效的定位精度,满足高空长航时系统需求。     

基于二维激光多普勒测速仪建立新组合导航系统的方法

为了提高车辆在行驶过程中的测量精度,提出一种利用二维激光多普勒测速仪(2D LDV)和捷联惯性导航系统(SINS)建立新的组合导航系统的方法。阐述了2D LDV的基本原理,并且详细讨论了由2D LDV和SINS组成的新的组合导航系统进行位置解算的过程。理论及实验结果表明:新的组合导航系统很好地抑制了纯惯性导航误差发散的特性;相比于由一维激光多普勒测速仪构成的组合导航系统,2D LDV提高了载体速度测量的精度,从而进一步提高了组合系统的导航精度。新的组合导航系统两次实验在2.2 h内的定位误差分别只有5.9 m和5.2 m。     

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。     

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%。     

SINS/视觉组合导航系统融合算法

捷联惯性导航系统(SINS)/视觉组合导航系统的融合算法主要是卡尔曼滤波,卡尔曼滤波实现最优估计的前提是系统的模型必须准确已知。对于SINS/视觉组合导航系统,获取量测信息需经图像处理、特征点提取和匹配等过程,使量测噪声统计模型不完全可知,这会导致卡尔曼滤波器的估计精度下降。因此,该文提出一种改进的自适应两级卡尔曼滤波,根据求解遗传因子的不同方法对传统自适应两级卡尔曼滤波进行改进。改进后的算法分别适用于系统噪声统计模型和量测噪声统计模型不准确可知两种情况,且二者具有统一的滤波框架。仿真结果表明,改进的自适应两级卡尔曼滤波比卡尔曼滤波精度高,有效解决了SINS/视觉组合导航系统因噪声统计模型不准确导致的精度下降问题。     

鲁棒的DME/DME/SINS组合导航算法

测距机（DME, distance measuring equipment）/DME/捷联惯导系统（SINS, strap-down inertial navigation system）的组合导航系统是区域导航（RNAV, area navigation）中常用的导航源。本文提出了一种鲁棒的DME/DME/SINS组合导航算法。首先以SINS误差方程为基础建立起卡尔曼滤波的状态方程;其次推导斜距误差与系统状态变量间的数学关系,并以此建立量测方程;最后针对DME输出的斜距中的野值影响导航精度这一问题,采用一种鲁棒性能较好的基于Huber的卡尔曼滤波算法实现信息融合。实验结果表明：所设计的组合导航算法可以满足RNAV-1的导航需求,由于采用了基于Huber的卡尔曼滤波算法,算法鲁棒性较好,能有效应对量测野值对系统的干扰。     

惯性/地磁组合导航系统自适应卡尔曼滤波算法研究

针对惯性/地磁组合导航中遇到的滤波的发散问题,采用自适应卡尔曼滤波估计导航系统的误差.该算法通过实时估计和修正系统噪声以及观测噪声的统计特性达到降低模型误差、抑制滤波发散的目的.在Matlab环境下的仿真证实了该方案可以防止滤波器发散,缩小滤波误差,提高滤波精度.     

基于Sage-husa自适应滤波算法的AUV组合导航系统设计

文中针对水下自主航行器提出了一种新型的基于捷联惯导(SINS)和GPS的组合导航系统设计方案。该方案以捷联惯导作为主系统,同时利用GPS重调捷联惯导系统,建立了该组合导航系统的卡尔曼滤波模型,设计了输出校正间接法的卡尔曼滤波算法和Sage-husa自适应卡尔曼滤波算法。仿真结果表明由于GPS位置和速度信息的引入,一定程度上克服了捷联惯导系统误差状态发散现象,提高了导航精度。同时通过两种算法的对比,Sage-husa自适应卡尔曼滤波算法则具有更高的滤波精度和稳定性,能够更好的满足长时间远距离导航的要求。     

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。     

数据融合技术在测量船组合导航系统中的应用

提出了利用数据融合技术来提高测量船的导航系统精度的方法.针对测量船上的惯性导航系统在长时间运行后产生误差的问题,通过测量船上的天文经纬仪观测恒星,利用卡尔曼滤波把惯性导航、天文导航等其他导航系统组成组合导航系统,并建立了数学模型.同时在卡尔曼滤波中引入模糊控制理论,来解决所建立的数学模型中量测噪声不满足零均值高斯白噪声的问题.实验结果与理论分析一致,证明利用多种数据融合方法能有效提高测量船导航系统的精度.     

BP神经网络辅助的SINS/GPS组合导航姿态误差补偿方法研究

针对SINS/GPS组合导航姿态估计精度不足问题,提出一种BP神经网络辅助的导航姿态估计的补偿方法。首先,以QR分解Kalman滤波的增益矩阵并构建其降维特征向量;然后,以此为输入,以姿态估计误差为期望输出对BP神经网络进行训练;最后,利用BP神经网络的输出辅助修正SINS/GPS组合导航的姿态估计结果。数值仿真表明,相对于仅依赖传统Kalman滤波的方法,使用降维特征向量训练的BP神经网络获得补偿误差的SINS/GPS组合导航系统姿态估计可大大降低计算耗时,同时精度可提高两个数量级,对提高SINS/GPS组合导航精度具有较高参考价值。     

基于RDSS辅助的多普勒／SINS组合导航系统研究

多普勒／SNS组合导航系统具有输出水平速度误差较小、平台角误差较小的优点，但存在经纬度误差较大的缺点，故不能作为独立的导航定位系统，而双星定位系统(RDSS)可输出较高精度的经纬度信息，但存在定位滞后的缺陷，若利用多普勒／SINS的输出水平速度以补偿RDSS的位置滞后，同时经过位置补偿后的RDSS系统可实时修正多普勒／SINS组合导航系统．仿真结果表明，基于RDSS辅助的多普勒／SNS组合导航系统能有效地克服多普勒／SINS系统的缺点，是一种新型的组合导航系统，可应用于导航定位精度要求较高的场合。     

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。     

CDKF在GPS/SINS组合导航系统非线性模型中的应用

GPS/SINS组合导航系统模型的非线性会导致扩展卡尔曼滤波（EKF）的估计精度降低。而中心差分卡尔曼滤波（CDKF）的新型非线性滤波方法,则利用插值公式对非线性系统的状态估计进行逼近,从而减小线性化误差对系统精度的影响。针对GPS/SINS导航系统的特点,建立了一种非线性误差模型,并将EKF与CDKF分别应用于组合导航系统模型中进行仿真比较。仿真结果表明,该算法简单易实现,且能满足系统在非线性模型下的导航要求,并具有较高的精度和收敛性。     

惯性导航位移参数在大地坐标系中的严密计算方法

对高速移动的物体进行连贯、精准的全球实时定位,需要运用在多方面互补的全球导航卫星系统(GNSS)和惯性导航系统(INS)进行组合导航(GNSS/INS)。针对两种导航系统所属坐标基准不统一的问题,提出了以全球导航卫星系统所依据的大地坐标系为基准,将惯性导航系统测得的三轴位移参数转换为参考椭球上沿大地经度、大地纬度和大地高方向位移值的严密计算方法。从而实现该组合导航系统中两种不同基准导航参数的精确融合,进而有效增强了GNSS/INS组合导航系统的精确性、稳定性和可靠性。     

应用于天线控制的组合导航系统设计

根据车船等移动载体通信卫星天线平台对导航系统的性能要求,设计了一款以DSP和现场可编程门阵列(FPGA,Field Programmable Gate Array)为核心处理器的捷联惯性导航系统(SINS,Strapdown Inertia Navigation System)/全球定位系统(GPS,Global Positioning System)组合导航系统,FPGA完成对陀螺、加速度计和GPS数据的采集和预处理;DSP进行捷联惯导姿态、速度和位置的解算,以及运用卡尔曼滤波实现SINS与GPS的组合导航解算,并将解算结果发送给天线平台伺服控制系统以实现天线实时、准确、可靠指向通信卫星的控制。最后进行了跑车试验,验证了导航系统软、硬件设计的正确性和可靠性,同时,系统具有体积小、成本低、配置升级灵活等优点,能够满足天线平台控制系统对组合导航系统的精度要求。     

基于最大熵Kalman滤波的机载SINS自标定技术

针对在机载捷联惯导系统(SINS)自标定过程中,量测噪声呈非高斯分布,导致经典Kalman滤波性能降低的问题,该文提出了基于最大熵Kalman滤波(MCKF)的机载SINS自标定技术。该方法采用最大相关熵准则(MCC)替代经典Kalman滤波的最小均方误差准则,有效利用信号的高阶矩信息,并将其应用于机载SINS自标定系统中。仿真结果表明,在非高斯噪声条件下,该方法能够估计出机载SINS待标定参数,且算法的鲁棒性和误差项估计精度均优于经典Kalman滤波,具有一定的工程应用价值。     

基于自适应滤波器的MIMU/GPS组合系统的研究

设计了微惯性测量单元/卫星导航(MIMU/GPS)组合导航系统原理样机。针对低成本MIMU/GPS组合导航中的Kalman滤波器设计滤波参数(包括系统噪声方差阵Q和测量噪声协方差阵R)影响的问题,系统的分析了Kalman滤波器参数的选取对系统状态变量的估计精度和收敛性能的影响。根据分析设计了自适应估计技术的Kalman滤波器。试验结果表明:对于低成本MIMU/GPS组合导航采用自适应估计技术估计可得到满意的性能,在静态条件下,位置精度优于5 m(标准差),速度精度优于0.1 m/s;系统提供水平姿态角精度优于0.2°;航向角精度优于0.5°(磁罗盘辅助)。