一种提高GPS/低精度SINS组合测姿精度的方法

GPS/SINS组合导航一般采用位置速度组合Kalman滤波方法,此方法中姿态角,尤其是航向角不可直接观测,很难收敛,因此由较低精度的惯导系统组成的组合导航系统输出的姿态精度较低。根据车辆运动的特点,在运动过程中选择性加入GPS航迹角、加速度计测量的横滚和俯仰角等观测量,将其应用于滤波过程。仿真结果表明,新方法提高平台误差角的可观测性,加快其收敛速度,提高组合导航系统的测姿精度。     

军用运输车辆高精度定位导航研究

针对军用车辆导航应用的高可靠、抗干扰、低成本需求,设计以北斗(Beidou navigation satellite system, BDS)与惯导(inertial navigation system,INS)松组合为核心,融合地图匹配、车辆运动信息辅助等方法的高精度定位 导航方案。分析车载BDS/INS 松组合信息融合过程和方法及车载里程计/捷联惯导系统(strapdown inertial navigation system,SINS)补偿组合算法,并基于此定位导航方案进行仿真分析,研制导航定位模组并进行道路测试。仿真和道 路测试结果验证了该定位导航系统的有效性。     

基于导航恒星几何分布的天文导航定姿系统误差建模及误差特性研究

导航恒星作为天文导航系统定姿的基础信息源,其空间分布对天文导航系统定姿性能存在较大影响。为有效分析天文定姿误差特性,基于天文定姿观测基本原理,采用多矢量天文定姿方法,推导建立了天文定姿误差模型,基于该模型分析了影响天文定姿性能的关键因素,并给出用于评价定姿性能优劣的误差权系数定义。以多矢量定姿中的三星观测定姿为例,采用仿真验证了所建立的基于恒星几何分布的天文定姿误差模型的正确性,该误差模型能够有效反映天文定姿的误差特性规律,为分析天文定姿性能提供了理论依据。     

基于遗传小波神经网络的GPS/SINS 组合导航系统算法

针对GPS/SINS组合导航系统在实际应用中遇到的问题,将小波神经网络的非线性预测算法与遗传算法结合,提出一种基于遗传小波神经网络预测的SINS误差反馈校正方法。对基于遗传算法的小波神经网络学习方法进行研究,并确定该神经网络的结构模型;当GPS信号有效时,根据GPS/SINS组合导航输入输出信号获取神经网络的训练样本,进行在线神经网络训练,得到最优的神经网络模型参数;当GPS信号中断时,根据已经训练好的神经网络模块预测出GPS信号失锁时SINS的位置误差、速度误差和姿态误差,并对SINS进行误差校正得到较为准确的导航参数。仿真实验结果证明,该算法可有效提高GPS观测数据不可靠时导航参数的精度。     

捷联惯导/里程计高精度组合导航算法

针对里程计(OD)刻度系数误差和惯导安装误差角对车载捷联惯导(SINS)/OD组合导航系统的影响,重新推导并建立了新的量测方程,在此基础上加入故障检测的方法,从而构成了新的组合导航算法。该组合导航算法能够有效地提高组合导航精度,及时准确地检测出量测故障;同时该组合导航算法同样适用于车辆运动学约束辅助导航模式,为OD发生故障时提供了一种容错方案。仿真结果验证了该算法的有效性。     

GPS/SINS/CNS 组合导航在航天器上的应用

针对传统的惯性导航误差模型推导不适合空间应用以及GPS信号传输修正能力有限等问题,提出一种基于GPS/SINS/CNS的组合导航系统总体设计方案。在导航仿真系统中增加组合导航系统性能评估模块,推导了基于J2000坐标系的惯性导航误差模型,给出GPS、SINS与CNS的数学模型,利用扩展的卡尔曼滤波设计组合导航系统,对连续信号和信号中断两种模式进行了仿真。仿真结果表明,该导航系统能很好地满足航天器在轨运行的导航性能要求,能够为航天器提供高精度的测量与导航信息。     

基于SINS/CNS的月球车自主导航方法

针对月面特殊环境,设计了一种基于改进粒子滤波的捷联惯导与天文导航(SINS/CNS)月球车组合导航仿真方案。首先,根据月球表面导航的特殊要求,建立了月球环境下惯性导航系统的姿态、速度和位置误差方程,然后建立基于速度和天文联合观测的量测方程。由于系统状态方程和量测方程均为非线性方程,所以采用了改进的粒子滤波实现月球车位姿信息的最优估计,估计出组合导航系统的误差状态量,进而修正惯导系统的位置、速度和姿态。本设计的仿真结果表明:该方法具有很好的位置和姿态估计精度,同时有效抑制了量测噪声对系统性能的影响,是解决月球车自主导航问题的一种有效而实用的方法。     

SR-CDKF在组合导航直接法滤波中的应用

为了解决SINS/GPS组合导航系统姿态、速度和位置等导航参数的非线性估计问题,提出了一种基于平方根中心差分卡尔曼滤波(SR-CDKF)的直接式滤波估计方法。系统状态方程选取惯导力学编排方程,系统状态向量和观测向量分别选取SINS导航参数和GPS输出参数,构建了SR-CDKF滤波器。该滤波器可以使导航参数动态过程得到直接反映,并使得直接式滤波计算流程得以实现。以MATLAB中areoblk_HL20模块为基础构建了仿真系统并进行了仿真。仿真结果表明,该算法具有较高的滤波精度、良好的滤波收敛性和稳定性,能使非线性模型下SINS/GPS组合导航系统的导航要求得到满足。     

GPS/I NS组合导航缺星情况下的卡尔曼滤波改进算法

针对 GPS/INS(Global Positioning System/Inertial Navigation System)紧组合导航系统在卫星信号缺失情况下导航精度降低,容积卡尔曼滤波(Cubature Kalman Filter ,CKF)应用中存在模型误差和计算误差的问题,提出了适用于该背景下的强跟踪均方根容积卡尔曼滤波(Square-Root CKF)算法。该算法通过人为地相对突出滤波过程中新数据的作用,提高了算法在模型不确定时的鲁棒性;均方根策略保证了协方差阵的正定性和对称性。仿真实验表明,改进的算法能够提高导航精度,在卫星信号缺失情况下其效能发挥地更好,提高了组合导航适应复杂环境的能力。     

抗差估计及Allan方差在车载组合导航系统中的应用研究

针对组合导航系统中全球定位系统(GPS)信号易丢失和干扰、惯性导航系统(INS)无法长时间单独工作的问题,通过采用带故障检测和隔离的导航算法解决GPS 数据异常的问题,有效提高系统的可靠性;同时当GPS 卫星信号短时间丢失时,利用Allan 方差分析方法确定惯性传感器误差并进行补偿,使纯INS 能够在一定精度内独立工作相对长的一段时间。车载试验结果表明:该方法能够保证组合导航系统的可靠性,且在GPS 信号短时间丢失情况下提高了纯惯导系统的导航性能。     

GPS/CAPS双模定位解算的Kalman滤波算法

利用改进的自适应Kalman滤波算法实现GPS／CAPS双模卫星导航定位解算。首先,利用描述机动载体运动的“当前”统计模型建立GPS／CAPS双模定位的Kalman滤波模型,在此基础上结合Sage—Husa自适应滤波算法建立离散的自适应扩展Kalman滤波方程。然后,对该自适应滤波算法进行改进,当经收敛性判据判断滤波呈发散趋势时．切换至强跟踪Kalman滤波算法．既保证了滤波器的可靠收敛又保证了定位的精度和效率。最后的仿真结果表明．该算法县有效可行的．     

基于DOS的车载GPS定位测向系统研制

完成了在DOS系统下车载GPS定位测向系统的设计,该方案应用8259A可编程中断控制芯片和INS8250异步通信适配器（UART）,实现车载GPS的定位测向。     

低成本IMU/GPS车辆组合导航系统设计与仿真研究

设计了一种低成本的IMU/GPS车辆组合导航系统.采用低精度的陀螺仪和加速度计作为惯性测量器件,构成惯性测量装置(IMU);然后,将该IMU与GPS构成组合导航系统,通过设计高效的组合导航算法来提高组合系统的定位精度.实验仿真结果表明,该低成本IMU/GPS车辆组合导航系统具有较高的导航精度,同时有效降低了系统成本.     

基于磁传感器/GPS组合制导飞行弹体的姿态和位置估计

提出一种基于磁传感器/GPS组合制导的飞行弹体的姿态和位置估计方法。使用两个简化的随机动态方程分别建立飞行弹体的轨迹和姿态动态模型,利用GPS和磁传感器的测量值,基于Kalman滤波和Unscented变换(UT)的组合滤波器,得到弹体轨迹和姿态角的估计值。对155 mm旋转弹的仿真结果表明了该方法的可行性和有效性。     

公交车辆GPS定位跟踪系统的实践

某城市公交车辆GPS定位跟踪系统,是将GPS接收机安装在公交车辆上,通过无电发射机,将车载GPS定位数据发射回基地控制站,基地控制站将数据解调处理后,在地理信息环境中的数字地图上反映车辆的移动状态,实施该系统须解决车载GPS中单点定位漂移和公交专用电子地图制作等2项关键技术。     

基于RAEKF和DGPS的航母姿态测量方法研究

针对现有基于差分GPS(differential global position system,DGPS)的定姿算法无法解决GPS信号受干扰时无解的问题,且容易受GPS数据中粗大误差的影响,提出一种基于自适应抗差卡尔曼滤波(robust adaptive extended Calman filter,RAEKF)和DGPS的航母姿态测量方法。研究载波相位差分GPS的测姿原理,详细分析现有定姿算法的原理并分别指出他们存在的缺陷,提出不受GPS数据缺失和粗大误差影响的RAEKF算法。结果表明,该算法能充分利用航母的运动信息,提高GPS定姿的精度和可靠性。     

基于RAEKF 和DGPS 的航母姿态测量方法

针对现有基于差分GPS(differential global position system,DGPS)的定姿算法无法解决GPS信号受干扰时无解的问题,且容易受GPS数据中粗大误差的影响,提出一种基于自适应抗差卡尔曼滤波(robust adaptive extended Kalman filter,RAEKF)和DGPS的航母姿态测量方法。研究载波相位差分GPS的测姿原理,详细分析现有定姿算法的原理并分别指出他们存在的缺陷,提出不受 GPS数据缺失和粗大误差影响的 RAEKF算法。结果表明：该算法能充分利用航母的运动信息,提高GPS定姿的精度和可靠性。     

基于M估计的H∞自适应滤波技术研究

GPS导航与定位的质量取决于对动态载体函数模型和随机模型的认知。文中基于机动载体的当前统计模型，设计了一种适合GPS动态定位的基于M估计的H∞自适应滤波算法。该算法模型简单。实时性好。实测数据计算结果表明，滤波导航解能有效地控制观测异常和动态扰动异常对导航解的影响，使导航解更能反映导航目标的真实情况。     

基于自适应阵抗干扰结构的双星定姿算法

文中就全球定位系统(GPS)姿态确定系统中抗干扰问题,提出基于自适应阵抗干扰结构的双星定姿算法。首先提出抗干扰定姿接收机结构,采用去耦最大似然法(DEML)方法估计出卫星信号在载体坐标系中的到达角(DOA),然后利用直接法求解出载体姿态。仿真分析了不同方位、不同更新速率和不同强度下干扰源对总姿态误差的影响,结果表明该算法在强干扰环境下具备较高的定姿精度和鲁棒性。     

一种基于INS/GPS的无人机组合导航控制系统的设计

惯性导航(INS)和全球定位导航(GPS)是现代航空中应用广泛的两种导航控制技术.运用组合导航控制技术, 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.介绍了一种低成本姿态确定INS/GPS组合导航系统, 并引入了卡尔曼滤波和故障检测和隔离技术, 有效地提高了导航系统的性能和精度, 从而构成比较理想的组合导航控制系统.