基于cubature Kalman filter的INS/GPS组合导航滤波算法

INS/GPS组合导航系统的本质是非线性的,为改善非线性下INS/GPS组合导航精度,提出将一种新的非线性滤波cubature Kalman filter（CKF）应用于INS/GPS组合导航中.为此,建立了基于平台失准角的非线性状态模型和以速度误差及位置误差描述的观测模型,分析了CKF滤波原理,设计了INS/GPS组合滤波器,对组合导航非线性模型进行了仿真.仿真结果显示,相对于扩展卡尔曼滤波（EKF）,CKF降低了姿态、位置和速度估计误差,CKF更适合于处理组合导航的状态估计问题.     

基于INS/GPS/磁力计的全组合导航

针对惯性导航单独定姿、定位产生漂移的问题,提出了一种磁力计、GPS辅助惯性导航的组合导航系统。对磁力计、陀螺仪数据进行预处理;推导了基于误差四元数的定姿系统方程和量测方程,使用卡尔曼滤波器融合陀螺仪与磁力计数据。建立定位系统方程和量测方程,使用GPS量测值辅助惯导、校正位置、速度信息。实验验证结果表明:组合导航系统有效地改善了惯性导航漂移问题,同时在GPS失效情况下仍能正常工作。     

高动态GPS/INS组合导航中时间延迟软硬件 补偿算法研究

为了解决高动态条件下GPS/INS组合导航中由于两种导航系统时间异步,卫星导航信息滞后导致导航精度下降的问题,分别提出了利用GPS串口延迟时间段内SINS解算出的导航信息变化量来补偿延迟段内误差的硬件补偿方案和基于卡尔曼滤波对SINS频漂进行估计,采用多项式拟合得到融合点处的SINS计算伪距的软件补偿方案.通过建立模型完成了对SINS频漂量及其他误差量的闭环滤波估计及修正.设计了高动态飞行仿真试验,试验结果表明:补偿后的组合导航系统水平位置精度达到±0.12′;速度稳定后精度达到0.45 m/s.该方法缩短了误差的收敛时间,抑制了飞行状态突变的情况下滤波结果出现跳变剧烈等不利现象的发生,提高了组合导航系统的精度和性能.     

神经网络辅助的GPS/INS组合导航滤波算法研究

在高空高速条件下,GPS信号失锁致使常规的卡尔曼滤波器发散,从而导致组合导航系统精度严重下降。以BP神经网络辅助技术手段对GPS/INS组合导航滤波算法实施精度补偿,即在GPS信号锁定时,对神经网络进行实时在线训练,而当在GPS信号失锁时,利用之前训练好的神经网络进行组合导航滤波,以解决精度严重下降问题。算法采用多神经网络并行结构,以减少神经网络在训练过程中的交叉耦合,提高训练速度。通过MATLAB仿真,验证了算法的可靠性与可行性,并证明其在GPS信号丢失时,精度较纯惯性导航系统有较大提高。     

基于最大相关熵的GPS/INS组合导航融合算法研究

目前组合导航系统中常用卡尔曼滤波器进行信息融合,它在一定程度上克服了组合导航系统在实际工作中的不确定情况,如测量值易被无法量测的野值污染的实际问题。为优化传统卡尔曼滤波算法性能,提出基于最大相关熵的卡尔曼滤波（MCCKF）算法。该算法是在最大相关熵准则（MCC）和加权最小二乘（WLS）的思想下进行推导得到的。通过Matlab软件对GPS/INS组合导航融合理论建立数学模型,并对其进行模拟和分析,与传统卡尔曼滤波算法所得出的结果相比,结果表明基于最大相关熵的卡尔曼滤波算法具有更高的精度和更强的鲁棒性。     

基于结构分解的GPS/INS组合导航粒子滤波技术

针对粒子滤波应用于GPS/INS组合导航系统时难以保证滤波实时性的问题,提出一种基于线性/非线性结构分解的改进粒子滤波算法.改进算法对状态方程进行线性/非线性结构分解,分别采用重点采样和线性卡尔曼方式进行一步预测递推,充分发挥粒子滤波和卡尔曼滤波的特点,有效降低了粒子滤波的计算量,在保证GPS/INS组合导航系统滤波精度的条件下提高了组合滤波的实时性.     

GPS/INS组合导航及其数据同步的研究

建立在惯性原理基础上的惯性导航系统不需要任何外来信息,也不会向外辐射任何信息,仅靠惯性导航系统本身就能全在天候条件下在全球范围内和任何介质环境里自主地隐蔽地进行连续的三维定位和定向:但它也存在误差随时间积累的缺点.而GPS导航系统能提供长时间的高精度定位;但存在1 HZ慢速数据修正速率的缺陷.本文研究二者互补的组合导航系统,建立了组合导航的软件和硬件模型,并提出了基于卡尔曼滤波的导航实现算法.     

基于UKF的GPS/DR组合导航非线性状态估计

GPS／DR组合导航系统是一个非线性系统,以往采用的扩展卡尔曼滤波算法EKF使得函数的整体特性被局部特性所代替,加上噪声的存在使系统的性能进一步下降。为了获得更好的状态估计性能,用无迹卡尔曼滤波算法UKF（Unscente dKalman Filter）实现组合导航系统的非线性状态估计,避免了EKF方法的线性化近似过程,提高了算法的收敛速度和载体的定位精度。仿真结果表明：在非线性状态估计中,UKF滤波方法优于EKF滤波方法。     

基于ANFIS神经网络的GPS/INS组合导航信息融合

介绍了自适应神经网络模糊推理技术(ANFIS),在此基础上采取新息自适应调整的思想,设计了一种基于滤波器工作参数调整的GPS/INS组合导航神经网络辅助卡尔曼滤波器,利用神经网络的非线性,根据滤波器的实际输出在线实时动态调整滤波器参数,达到对滤波器的调整和控制。与传统卡尔曼滤波器进行计算机仿真比较表明,基于ANFIS神经网络的GPS/INS组合导航信息融合技术具有较强的自适应性,能够在复杂的环境下抑制数据的发散,提高导航精度。     

基于粒子滤波的GPS/DR组合导航算法研究

对于车载GPS/DR(全球定位系统/航位推算)组合导航系统的算法研究,大多采用扩展卡尔曼滤波,但是应用扩展卡尔曼滤波时,非线性系统必须要进行线性化,从而导致滤波结果有较大的误差.为此将粒子滤波算法用于车载GPS/DR组合导航系统中,并建立了GPS/DR组合导航系统的状态方程和观测方程.为了检验其有效性,将两种方法分别对车载GPS/DR组合导航系统进行滤波仿真,仿真实验结果表明粒子滤波比扩展卡尔曼滤波有更好的滤波效果,更能减少定位误差.     

星载SINS/GPS自主组合导航系统仿真研究

重点讨论了应用于低轨道卫星的自主组合导航滤波器设计问题。考虑星上环境、精度要求和可靠性,对标准卡尔曼滤波器进行了改进。采用加权衰减记忆滤波抑制滤波发散,同时设计简易的最小二乘器实时监控卡尔曼滤渡过程是否发散,若发散则重置,进行分段滤波。通过仿真,证实了该方法的可行性,且滤波效果较理想、精度较高。     

一种SINS／GPS组合导航系统的数字仿真方法

组合导航系统的数字仿具对于系统、方案论证有着重要的意义，目前国内各种期刊当中关于SINS／GPS组合导航方面的文章都较少涉及数字仿真的算法，针对这种情况，在查阅有关文献、上机实验的基础上，文中总结出了一种SINS／GPS组合导航系统的数字仿真方法。SINS和GPS采用位置、速度综合模式，使用卡尔曼滤波技术，给出了数字仿真结果，并对结果进行了分析。     

SINS/GPS组合导航仿真系统研究

SINS/GPS组合导航仿真系统的研究对于方案论证、系统设计以及工程研制等有着重要的意义.介绍了组合导航系统原理以及组合导航仿真系统的结构和原理,包括航迹仿真器、惯导仿真器、GPS仿真器及卡尔曼滤波器等.系统采用VisualC 6.0语言开发,效率高,可移植性强;采用OpenGL做实时动画显示,界面丰富,可观测性强.该系统讨论了仿真系统的功能设计和人机界面设计以及相关的核心算法等,最后在该系统下进行了仿真,取得了较好的效果.同时模块化设计使得该软件中的核心算法已成功移植应用于实际工程中.     

应用于机载SAR运动补偿的SINS/GPS组合导航系统设计

针对机载SAR运动补偿的需求,以DSP为处理器设计了一套SINS/GPS组合导航系统。使用强跟踪卡尔曼滤波算法估计系统误差,利用闭环校正法进行修正,实现了SINS/GPS的数据融合。通过Matlab仿真和跑车实验验证了系统设计的可行性和有效性。该系统具有低成本、实时性和同步于SAR雷达PRF信号的优点。     

GPS/SINS组合导航系统与实现

GPS/SINS(捷联惯性导航系统)组合导航系统是目前较为理想的导航定位系统并在许多领域得到广泛的应用;针对GPS/SINS组合导航系统的实际工程应用背景,建立了该组合导航系统的状态方程与量测方程,设计了组合导航系统的降阶卡尔曼滤波模型以及闭环修正卡尔曼滤波模型;为了验证上述模型,进行了相关的静态试验与动态试验,各导航参数的试验变化曲线证明:该系统模型可行,组合系统的精度完全满足实际需要.     

基于GPS/SINS/里程计的车载组合导航研究

GPS/SINS组合导航系统虽然能很好地解决惯导系统的误差累积问题,但当GPS信号失效时,GPS/SINS组合导航系统不能正常工作或导航能力急剧降低.为提高车载松组合导航系统的精度和完整性,提出在GPS失效时采用OD(里程计)辅助SINS实现导航,推导出所需的GPS/SINS组合导航滤波方程和OD/SINS组合导航滤波方程,并进行地面车载试验.实验结果显示在GPS短时失效时,OD/SINS组合导航具有较高导航精度.     

基于双DSP的SINS/GPS组合导航计算机系统

为满足SINS/GPS组合导航系统对实时性、精度的要求,设计了一种基于双DSP的高性能SINS/GPS组合导航计算机系统。本系统按功能划分为数据传输子系统和导航计算子系统。选用高性能数字信号处理器TMS320F28335(DSP1)和TMS320C6713(DSP2)分别作为数据传输子系统,导航计算子系统的核心处理器;两子系统之间通过双口RAM实现高速可靠通信。系统通过扩展外部接口实现对惯性组件数据,GPS数据实时采集,并输出导航参数,具有很强的实时性。     

车载GPS/DR组合导航系统自适应信息融合算法研究

结合全球定位系统(GPS)和航位推算(DR)两种定位方式的优点,构建了基于卡尔曼滤波的自适应联邦滤波算法,实现陆地GPS/DR组合定位系统的数据融合;针对DR子系统的强非线性和扩展卡尔曼滤波算法带来的较大线性化损失,并结合机动加速度均值自适应算法,设计了一种基于U-D分解的自适应迭代卡尔曼滤波算法,更有效的减少DR子系统线性化带来的误差损失,提高定位精度;与同仿真环境下,DR子系统采用扩展卡尔曼滤波方法作了比较,结果表明该信息融合算法能更有效解决DR子系统的线性化误差问题,整个系统数据融合精度更高.     

SINS/GPS组合导航系统自适应扩展Kalman滤波

对于低成本SINS/GPS组合导航系统,由于惯性器件的精度较低,通常情况下的SINS误差模型估计不准确,甚至使滤波器发散,为此提出根据姿态四元数的SINS误差估计模型,该模型不需要对初始姿态进行赋值。为在观测噪声未知的情况下估计SINS误差,通过结合序贯处理与Kalman滤波算法,提出一种自适应扩展卡尔曼滤波方法,该方法可以同时进行序贯处理和观测噪声估计。仿真实验结果表明,该方法可以消除过程噪声方差和观测噪声方差不确定造成的影响,提高了SINS/GPS导航系统的性能。     

SINS／DGPS组合导航系统

首先介绍了新型组合SINS／DGPS系统原理图及组合导航系滤波算法。SINS和DGPS采用位置、速度综合模式，提出了一种扩展的卡尔曼滤波方法，使用卡尔曼滤波技术，给出了数字仿真结果并对结果进行了分析。