基于ARM的GPS/SINS组合导航系统设计

采用ARM920T内核的S3C2410X处理器为电路核心,融入GPS/SINS组合导航系统算法,并通过实验数据对比,进一步说明以ARM为核心的组合导航系统实现了系统的基本功能,可满足组合导航系统小型化、高精度和实时性的要求。     

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。     

基于改进联邦滤波算法的组合导航系统的应用

针对组合导航系统中联邦滤波信息融合算法在滤波精度和容错性能等方面存在的不足,提出了一种基于以捷联惯导系统(SINS)为公共主系统,全球定位系统(GPS)和多普勒测速系统(DVL)为辅助子系统的改进联邦滤波算法的组合导航系统。介绍了卡尔曼滤波原理与信息融合算法的特点,基于联邦滤波器的组合形式详细阐述了联邦滤波器设计步骤,将改进量测噪声协方差阵的自适应联邦滤波器应用到SINS/GPS/DVL组合导航系统中,并对此系统进行了MATLAB仿真。仿真结果表明,相较于标准联邦滤波器算法,该文设计的基于改进量测噪声协方差阵的自适应联邦滤波器能明显提高组合导航系统的滤波精度和可靠性。     

车载组合导航定位系统中传感器参数的实时校正

文中通过组合航位推算、ＧＰＳ定位信号和地图匹配算法,提出了用于车载组合导航系统传感器参数的实时校正算法,利用精确的际图道路和ＧＰＳ／ＤＲ组合后定位轨迹的相似性进行地图匹配。从而修正传感器的参数。解决了车载导航系统中传感器参数的漂移和误差积累问题。     

SINS/GPS组合导航系统的研究

为了应对导航系统小型化、高精度的要求,提出了基于DSP的捷联惯性导航系统(SINS)/全球定位系统(GPS)组合导航系统。介绍了系统的基本原理、系统的硬件设计,采用无迹卡尔曼滤波(UKF)算法完成了信息融合,对导航样机进行试验。实验结果表明,该组合导航系统降低了成本、提高了精度、具有较高的稳定性。     

速率方位惯性平台/重力匹配组合导航系统

速率方位惯性平台/重力匹配组合导航系统是一个简易的重力无源导航系统,它可以保持水下运载体长时间高精度隐蔽航行.给出了该组合导航系统的工作原理、数学模型以及计算机仿真结果.仿真结果表明速率方位惯性平台/重力匹配组合导航系统定位误差不再随时间增长,运行30多个小时其组合导航系统定位误差不超过惯导系统误差的20%.     

速率方位惯性平台/重力匹配组合导航系统

速率方位惯性平台/重力匹配组合导航系统是一个简易的重力无源导航系统,它可以保持水下运载体长时间高精度隐蔽航行.给出了该组合导航系统的工作原理、数学模型以及计算机仿真结果.仿真结果表明速率方位惯性平台/重力匹配组合导航系统定位误差不再随时间增长,运行30多个小时其组合导航系统定位误差不超过惯导系统误差的20%.     

基于变分贝叶斯的DR/UTP组合导航滤波方法

针对水下无人航行器(UUV)的航位推算导航方法(DR)和水下应答器(UTP)组合导航系统中传统滤波器因观测噪声统计模型不准确或未知而出现的滤波器发散问题,提出了一种基于变分贝叶斯的平方根容积卡尔曼滤波算法,该算法利用变分贝叶斯方法对DR/UTP组合导航系统的状态和时变观测噪声进行估计,并引入自适应调节因子来提高对观测噪声的逼近精度,然后利用平方根容积卡尔曼滤波对系统状态进行更新。仿真结果表明,该滤波算法能够较好地跟踪UUV的DR/UTP组合导航系统外部观测噪声方差的不断变化,可有效提高对DR/UTP组合导航系统各参数的估计精度。     

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.     

惯导/双目视觉位姿估计算法研究

无人飞行器自主导航系统作为无人机自主控制的核心,是制约无人机性能提升的关键因素.传统的惯导/GPS组合导航系统受其自主性、稳定性等限制无法满足无人机导航需求.在分析视觉导航特性的基础上,针对无人飞行器复杂运动特性,设计了基于非线性尺度空间的双目视觉三维位姿估计算法.在此基础上,针对双目视觉导航存在的位姿估计误差累积问题,提出了基于惯导/视觉融合的无人飞行器位置和姿态估计算法,利用卡尔曼滤波实现惯导与视觉信息的融合.通过仿真验证和实际跑车验证结果表明,提出的双目视觉位姿估计算法相比SIFT算法能够有效提高视觉图像特征检测准确度,惯导/视觉组合算法能够有效提高位姿估计精度,组合定位精度优于2.5m.     

引入滑模观测器的GPS/INS组合导航滤波方法

由低成本器件组成的卫星/惯性(GPS/INS)组合导航系统中,存在较大的非线性与不确定性,为改善这一问题,本文提出一种引入滑模观测器(SMO)的滤波方法。首先,该方法建立了组合导航系统模型,介绍了扩展卡尔曼滤波(EKF)计算过程并分析存在的不足。然后,介绍了滑模观测器的基本原理,根据系统构建观测器。最后,说明了引入滑模观测器的EKF组合导航算法实现流程,滑模观测器将模型误差、状态估计以及均值方差融入EKF算法,修正系统输出。通过轨迹仿真实验与车载实验验证了所提方法优于传统EKF算法,具有更高的滤波精度。在车载实验中,卫星信号失锁15 s情况下,与EKF方法相比,所提方法的东向位置误差降低了53%,北向位置误差降低了37%,证明该方法能够有效抑制GPS/INS组合导航误差发散,为以后工程实践提供一定的参考价值。     

抗野值自适应卫星/微惯性组合导航方法

针对在复杂城市环境下卫星导航系统(GNSS)定位定速存在野值,导致GNSS/微惯性(MEMS-INS)组合导航状态参数滤波估计精度恶化,甚至滤波发散的问题,提出了一种抗野值自适应GNSS/MEMS-INS组合导航算法,以提高组合导航精度和可靠性。该算法利用Allan方差分析建立较为精确的MEMS器件噪声模型,有效降低模型异常和状态扰动的影响。同时利用新息序列构造观测异常检验统计量,并根据该统计量构造自适应新息加权因子调节滤波增益矩阵,削弱观测野值对状态估计的不良影响。实验结果表明,该算法能够有效地控制GNSS定位定速异常的影响,具有较强的实时性和容错性。相比于传统算法,车载定位、定速和定姿精度分别提升35.78%、60.19%和82.41%,验证了本文算法的有效性和实用性。     

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。     

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。     

基于IMMPF的组合导航算法研究

为解决组合导航系统中存在的非线性、非高斯等问题,设计了一种多模型粒子滤波器,通过仿真实例验证了该算法不仅对基于伪距和伪距率的组合导航系统具有较高的滤波精度,当在导航系统上加入非高斯噪声之后依然能保持较好的收敛性,而且能在预先设定的模型集内根据模型概率正确匹配系统状态,对环境具有极强的白适应能力。     

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.     

基于遗传算法的模糊卡尔曼滤波在车辆导航中的运用

针对常规联合卡尔曼滤波存在的缺陷,提出基于遗传优化的模糊卡尔曼滤波方法,并运用于全球定位系统(GPS)/轨迹推算系统(DR)汽车组合导航的数据融合中。采用模糊逻辑自适应控制器对联合卡尔曼滤波器的噪声方差和信息分配系数进行在线自适应调整,避免了子滤波器的发散,保持了全局估计的高精度。同时,利用改进的遗传算法来优化模糊控制器的隶属函数,避免了以往完全凭经验获取隶属函数参数的缺陷。通过对GPS/DR组合导航系统的仿真和实验,验证了上述算法的可用性和有效性。     

车辆组合导航系统中多传感器信息的自适应融合

首先介绍了车辆组合导航系统的工作原理及系统间的相互校正和切换问题,然后研究了联合卡尔曼滤波技术的应用,最后提出了一种自适应信息融合方法,实现了ＧＰＳ定位系统和航位推算系统间的最优综合校正。     

面向室内行人的Range-only UWB/INS紧组合导航方法

为了提高室内行人组合导航系统的精度和灵活性,提出了一种Range-only超宽带(UWB)/惯性导航系统(INS)紧组合导航方法。该方法将锚点的位置信息引入到系统状态变量中并通过数据融合滤波器进行预估,以克服传统UWB/INS紧组合导航模型中需要预先获取锚点位置信息的缺点,减少锚点位置信息精度对组合导航系统的影响。在此基础上,利用迭代扩展卡尔曼滤波(IEKF)来完成组合导航系统的数据融合滤波,以提高对目标行人导航信息的预估精度。实验结果显示,所提方法的平均绝对位置误差与传统UWB/INS紧组合方法相比降低了11.69%,算法对锚点位置信息的依赖程度也显著降低。     

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。