基于GNSS/INS联合仿真的组合导航终端测试方法研究

为解决GNSS/INS组合导航终端动态定位性能的实验室测试问题,本文在转台惯性仿真测试和卫星导航仿真测试技术的基础上,提出了GNSS/INS联合仿真两步法,即先通过惯性传感器实物测试获得其特征误差模型,再使用测试场景中载体初始条件和轨迹数据驱动该误差模型产生惯性传感器的模拟输出数据流,最后同步GNSS信号仿真的方法实现GNSS/INS联合仿真的过程。仿真测试结果与外场实测对比后,证明该方法获得的测试数据准确度满足预期指标、结果可靠,而且比其他传统测试方法的成本低、效率高。     

改进的UKF在SINS/GPS/地磁组合导航中的应用

针对SINS(Strapdown Inertial Navigation System)/GPS组合导航系统中出现的滤波发散问题,研究自适应渐消卡尔曼滤波对于滤波发散的抑制作用,引入了一种新的渐消矩阵计算方法.为了提高导航精度,增加了地磁量,作为观测量对运载体的姿态、速度、位置进行校正,有效地解决了SINS初始状态的导航精度下降问题.车载实验证明,该算法简单,容易实现,能够有效抑制滤波发散,满足组合导航的精度要求.     

基于机动性补偿的GPS/MEMS微惯性器件组合方法

提出了一种新的GPS/MEMS微惯性器件组合方法,并根据组合结构的需求.设计了基于载体机动模型和卡尔曼滤波器的GPS信息滤波算法来获取由于载体轨迹机动引起的加速度,从而对基于MEMS微惯性器件的姿态测量算法进行载体机动性补偿,得到的姿态信息对GPS信号失锁不敏感,避免了传统GPS/INS组合方式在无GPS辅助时由于ME...     

关于北斗_GPS组合导航定位系统的设计与研究

北斗卫星定位系统是由中国建立的区域导航定位系统。它是覆盖中国本土的区域导航系统。全球卫星定位系统——GPS是最具有开创意义的高新技术之一,其全球性、全能性、全天侯性的导航定位、定时、测速优势必然会在诸多领域中得到越来越广泛的应用。但是我国单纯应用GPS存在风险的可能性,卫星导航走向系统兼容可达到最佳效果。提出北斗与GPS组合导航系统的总体框架并分析该系统的主要特点及应用范围。     

基于DSP的组合导航系统研究

本文将磁阻传感器引入捷联惯性导航系统中,通过磁阻传感器和加速度计的结合,提出了GPS／SINS组合导航系统的总体设计方案,并对系统硬件和软件设计方案进行了阐述。     

INS/GNSS组合导航系统校准方法

惯性导航系统(INS)和全球导航卫星系统(GNSS)组合的导航系统应用越来越广泛,它的校准问题亟待解决。本文简要介绍了目前广泛使用的各种导航系统,论述了INS/GNSS组合导航系统的工作原理及组合算法;详细分析了INS/GNSS组合导航系统各种测试及校准方法,比较了各种校准方法的优缺点;提出了INS/GNSS组合导航系统校准装置应具备的条件:可产生标准的空间位置和速度、可产生标准的姿态角度变化、可有效地接收GNSS卫星信号、统一的时间基准与同步信号。     

RT3000惯性GPS组合导航系统实现车辆运动高精度测量

本文以RT3000惯性\GPS组合导航系统为研究对象,进行了组合导航的技术介绍,介绍了SINS(捷联惯性)/GPS组合导航系统工作原理,采用四元数法进行姿态描述,通过捷联惯性导航计算导航参数,利用卡尔曼滤波进行修正。通过实验发现,在这些技术的支持下,SINS/GPS组合导航系统实现地面车辆的精确导航。     

GPS/GLONASS组合系统在城市车辆导航中的应用

讨论GPS/GLONASS组合单点定位的数学模型和数据处理方法,并通过一次具体实验进行验证,比较组合导航系统与单一GPS系统导航的可见卫星数、PDOP值以及定位精度。     

基于神经网络辅助观测的连续组合导航算法研究

针对因全球定位系统(GPS)信号失效导致捷联式组合导航系统SINS/GPS组合导航系统发散的问题,设计了一种基于神经网络辅助观测的智能组合导航算法.该方法在GPS信号有效时训练神经网络,当GPS失效后利用神经网络自主重构组合导航系统,将神经网络的输出信息作为观测量构建新的Kalman滤波器,以实现对捷联惯性导航系统误差的连续反馈校正,从而实现了高精度的连续导航.该方法得到了仿真验证,从仿真结果可以看出,在GPS短时失效的情况下,该方法有效抑制了姿态角、速度和位置的发散现象,提高了组合导航系统的精度和可靠性.     

基于滤波残差的组合导航系统故障检测研究

论文研究了两种用于组合导航系统中的故障检测方法,首先介绍了传统的残差χ2检验法,随后给出了一种基于最大残差样本协方差阵特征值的故障检测算法.通过计算机仿真比较了两种算法在组合系统中的应用,仿真结果显示,基于特征值的故障检验算法对故障较敏感,系统组合精度略高,一定程度上优于传统残差χ2算法.最后,文章讨论了组合导航系统中两种故障检测算法的优缺点.     

SINS/GPS组合导航的扩展Kalman滤波算法

针对捷联惯性导航系统(SINS)无法长时间单独工作和GPS卫星信号易失锁而无法定位的问题,分析了两种导航系统的优缺点,提出了SINS/GPS组合导航的方法.建立了陀螺和加速度计的误差模型,采用松耦合方式,设计了扩展Kalman滤波器.以姿态、速度、位置的误差以及陀螺、加速度计的误差作为状态变量,对姿态、速度、位置进行校正.运用Matlab对组合导航系统进行了仿真.结果表明,该算法简单,容易实现,能满足导航精度要求.     

基于卡尔曼滤波理论的气体浓度反演算法

广泛应用于气体探测的差分吸收光谱技术(DOAS)利用气体分子的窄带吸收特性结合最小二乘算法来推演气体浓度.但是,最小二乘法在外界环境因素干扰的情况下,往往产生较大的误差.本文引入了基于状态空间理论的气体浓度定量分析算法.通过把浓度变化视为状态方程,把光强吸收变化看作测量方程,从而组成状态空间方程,然后将卡尔曼滤波应用到气体状态空间中实现浓度反演.对于噪声统计信息未知的情况,通过自适应滤波算法,在滤波过程中利用已有的历史信息对噪声实现估计,从而使得整个系统在信噪比较低的情况下也能取得较好的反演精度.最后通过实验对最小二乘算法和卡尔曼滤波算法进行对比,证明卡尔曼滤波算法更具优越性.     

Unscented卡尔曼滤波在捷联惯导系统初始对准中的应用

在四元数方法的基础上建立了一种非线性捷联惯导系统(SINS)误差模型.该误差模型无需对姿态误差角进行小角度假设.在该SINS误差模型中,采用四元数表示姿态矩阵,速度误差模型为非线性方程.为了对静基座大失准角SINS进行初始对准,通过对SINS误差模型进行简化,得到了适用于SINS静基座初始对准的误差模型.由于SINS误差模型中含有非线性方程,通过采用unscented卡尔曼滤波解决SINS的初始对准问题.对SINS静基座初始对准的仿真结果表明,unscented卡尔曼滤波能有效估计SINS失准角.     

转换观测卡尔曼滤波算法中转换统计量的一种改进计算方法

为了改进转换观测卡尔曼滤波算法的性能,提出了一种计算转换观测误差统计量(均值和协方差)的改进方法.有两组信息可用于计算这些统计量,即观测值和滤波器的一步预测值.首先,推导了滤波器球坐标状态一步预测误差的均值和协方差.然后,利用滤波器球坐标状态一步预测值更精确地计算了转换观测误差的统计量.最后,将改进的转换观测误差统计量...     

基于局部滤波模板的双边滤波算法研究

双边滤波器是一种以高斯核为基础的具有图像边缘保留和噪声滤除双重滤波作用的滤波器,能同时兼顾各像素值几何上的临近信息和亮度上的相似信息.为了进一步增加双边滤波器的保边作用,在传统双边滤波器的基础上,结合图像的梯度信息,将传统滤波模板改进为局部滤波模板,使图像自适应地在给出的滤波模板中选择较优模板进行滤波.实验结果证明,改...     

Adaptive Fuzzy Strong Tracking Extended Kalman Filtering for GPS Navigation

The well-known extended Kalman filter (EKF) has been widely applied to the Global Positioning System (GPS) navigation processing. The adaptive algorithm has been one of the approaches to prevent the divergence problem of the EKF when precise knowledge on the system models are not available. One of the adaptive methods is called the strong tracking Kalman filter (STKF), which is essentially a nonlinear smoother algorithm that employs suboptimal multiple fading factors, in which the softening factors are involved. Traditional approach for selecting the softening factors heavily relies on personal experience or computer simulation. In order to resolve this shortcoming, a novel scheme called the adaptive fuzzy strong tracking Kalman filter (AFSTKF) is carried out. In the AFSTKF, the fuzzy logic reasoning system based on the Takagi-Sugeno (T-S) model is incorporated into the STKF. By monitoring the degree of divergence (DOD) parameters based on the innovation information, the fuzzy logic adaptive system (FLAS) is designed for dynamically adjusting the softening factor according to the change in vehicle dynamics. GPS navigation processing using the AFSTKF will be simulated to validate the effectiveness of the proposed strategy. The performance of the proposed scheme will be assessed and compared with those of conventional EKF and STKF     

基于小波分析的惯性传感器信号Kalman滤波

针对光电跟踪系统惯性传感器信号特点,本文提出通过小波分析的方式确定相关Kalman滤波的模型及参数.该方法利用小波分析的优良特性,采用先将信号进行去噪处理,然后对去噪后的信号进行AR建模.根据小波去噪后的信号比较接近真实信号,将得到的观测噪声方差乘以一个小于1的系数后作为系统的过程噪声方差,从而确定模型的噪声参数.仿真实验结果表明,该方法不仅对惯性传感器的静态数据有很好的效果,而且对其动态观测数据也有良好的效果.同时,该方法不仅对光电跟踪系统有效,而且还具有一定的通用性.     

A New Optimized Algorithm with Nonlinear Filter for Ultra-Tightly Coupled Integrated Navigation System of Land Vehicle

The extended particle filter (EPF) assisted by the Takagi-Sugeno (T-S) fuzzy logic adaptive system (FLAS) is used to design the ultra-tightly coupled GPS/INS (inertial navigation system) integrated navigation, which can maneuver the vehicle environment and the GPS outages scenario. The traditional integrated navigation designs adopt a loosely or tightly coupled architecture, for which the GPS receiver may lose the lock due to the interference/jamming scenarios, high dynamic environments, and the periods of partial GPS shading. An ultra-tight GPS/INS architecture involves the integration of I (in-phase) and Q (quadrature) components from the correlator of a GPS receiver with the INS data. The EPF is a particle filter (PF) which uses the extended Kalman filter (EKF) to generate the proposal distribution. The PF depends mostly on the number of particles in order to achieve a better performance during the high dynamic environments and GPS outages. The T-S FLAS is one of these approaches that can prevent the divergence problem of the filter when the precise knowledge on the system models is not available. The results show that the proposed fuzzy adaptive EPF (FAEPF) can effectively improve the navigation estimation accuracy and reduce the computational load as compared with the EPF and the unscented Kalman filter (UKF).     

基于卡尔曼滤波的多运动目标跟踪算法研究

针对多运动目标跟踪的实时性和鲁棒性问题,本文提出了一种基于卡尔曼滤波的多运动目标跟踪算法,该算法运用卡尔曼滤波预测目标的位置,并以目标的中心点坐标、面积和长宽比特征、一维HSV颜色直方图作为目标的特征对当前帧检测到的目标模板和预测区域内的目标进行匹配。实验证明,该算法可实时、稳定地跟踪复杂场景内的多运动目标,并能够解决目标遮挡问题。