一类载人潜水器的导航技术研究

介绍了一类载人潜水器导航系统的组成,接着阐述了基于工业以太网的信息采集模块. 由于载人潜水器动力学模型存在未建模扰动以及各种传感器存在不同程度的误差,需要采用卡尔曼滤波器（KF）等方法进行数据滤波,最后将滤波后的数据用于该类载人潜水器的导航研究. 半物理仿真平台结果表明,载人潜水器的导航精度得到了大幅度提高.     

基于单信标测距的载人潜水器回收定位算法

为了保障潜水器安全回收,设计了基于移动单信标测距的载人潜水器回收定位算法,并进行了系统可观测性分析.该算法无需事先布放海底基阵,利用船尾吊放通信机与潜水器的距离信息实现潜水器定位.首先利用母船GPS信息、船艏向信息和放缆长度估计吊放通信机位置,然后通过通信机和潜水器之间的成对距离信息进行潜水器位置初始化,最后利用扩展卡...     

一种结构模式可变的组合导航算法研究

根据毫米波/红外双导引头数据融合装置在工程应用中对性能指标的特殊要求,提出了一种新的组合导航算法。该算法根据各传感器的工作状态,自适应改变跟踪算法的结构模式,从而有效缩短目标截获时间、增长截获距离、提高跟踪精度。通过计算机仿真,验证了该算法的可行性。该算法也可以推广到其他异类传感器构成的组合导航系统中去。     

GPS/DR组合导航FAIMM滤波算法仿真研究

研究GPS/DR组合导航滤波问题。GPS/DR组合导航系统量测噪声统计特性随载体机动发生变化导致传统滤波算法滤波效果下降,针对此问题,提出了一种模糊自适应交互式多模型(Fuzzy Adaptive Interacting Multiple Model,FAIMM)滤波算法,将模糊自适应无迹卡尔曼滤波(FAUKF)与交互式多模型无迹卡尔曼滤波(IMMUKF)相结合,不需要预先设置模型集就能实现对载体量测噪声模式的覆盖。仿真结果表明:改进算法能够实时调整滤波器量测噪声参数,适应组合导航系统量测噪声变化,得到了与模型集完备的IMMUKF相当的导航滤波效果。     

采用卡方检验的模糊自适应无迹卡尔曼滤波组合导航算法

针对低成本惯性测量单元精度受载体机动影响大、先验知识难以准确获知的问题,提出一种采用卡方检验的模糊自适应无迹卡尔曼滤波组合导航算法.首先,根据惯性测量单元的基本情况构造系统噪声的粗略模型;然后,引入卡方检验对系统状态模型进行评估,得到相应的卡方检验值;最后,通过预设的模糊逻辑函数和卡方检验值求取系统噪声估计值,得到具有系统噪声统计特性调整的自适应无迹卡尔曼滤波算法.所提出的算法可以克服低成本惯性测量单元难以准确获知先验知识的缺陷.通过SINS/GPS组合导航系统的仿真实例,验证了所提出算法的有效性.     

惯性/天文深组合非线性定位算法

针对传统惯性/天文定位算法进行天文导航定位时需要通过迭代计算获得载体的经纬度信息,会不可避免地引入定位计算误差问题,推导了天文高度角与平台误差角和水平位置误差的数学模型,进而提出了以天文高度角为量测信息的基于无迹卡尔曼滤波的惯性/天文深组合导航算法.仿真结果表明,所提出的算法利用单颗星即可进行定位,3颗星时组合导航定位精度达到100 m,有效提高了惯性/天文组合定位精度.     

基于IMM-UKF的组合导航算法

为解决非线性动态系统滤波的非线性和噪声不确定等问题,设计了一种基于交互多模型(IMM)的Unscented卡尔曼滤波器(UKF),针对噪声变化情况建立一组非线性模型,与每个模型对应的UKF可以达到二阶以上的滤波精度.IMM-UKF滤波器的输出为各滤波器的概率加权融合,因此,根据噪声变化而调整的模型概率使系统输出对噪声变化具有自适应能力.利用该算法对组合导航系统进行了仿真试验,该算法精度高,模型切换速度快,能适用于动态系统.     

一种改进的高精度组合导航滤波算法仿真

在INS/GPS组合导航系统的研究中,为了解决非线性滤波算法在系统模型不确定情况下出现的滤波精度低、鲁棒性差的问题,提出了一种将强跟踪滤波算法与容积卡尔曼滤波算法(CKF)相结合的组合导航滤波算法(SMFCKF).SMCKF算法将强跟踪滤波算法中的多重次优渐消因子引入到CKF算法的状态预测协方差矩阵中,对不同的状态通道进行相应的渐消.通过建立INS/GPS组合导航系统的非线性模型,对改进的滤波算法进行仿真,结果表明改进的滤波算法提高了滤波精度和鲁棒性,滤波效果优于CKF算法,适合应用于INS/GPS组合导航系统中,为飞行器组合导航优化提供了参考.     

基于混合卡尔曼滤波的组合导航算法研究

建立了精确制导炸弹MINS/GPS组合导航数学模型.针对扩展卡尔曼滤波存在的问题,研究了非线性滤波,提出了一种新的滤波算法——混合卡尔曼粒子滤波,并应用于组合导航系统定位.仿真结果表明：混合卡尔曼粒子滤波能有效提高组合导航系统的精度和可靠性.     

无陀螺DR及其与北斗组合导航的融合算法

介绍了我国自主研制的北斗卫星导航定位系统的基本结构和定化原理。针对该导航定位系统中存在的问题,以低成本无陀螺DR作为其补克定位方式,设计了北斗／DR组合导航定位系统,并根据无陀螺DR的特点找出了适合该系统的卡尔曼滤波算法。该算法推导出了线性形式的DR观测方程,避免了目前常用导航算法由于观测方程线性化引起的模型误差。现场跑车试验表明,给出的北斗／DR组合系统在采用自适应卡尔曼滤波算法后可以获得良好的定位精度。结合北斗系统具有的特点,分析了将北斗普通型用户机和指挥型用户机应用于大范围车辆调度管理系统中的优势。     

自适应无迹卡尔曼滤波算法在地磁导航中的应用

考虑到地磁导航过程中,无迹卡尔曼滤波(UKF)受初始值误差、系统噪声不确定性和环境磁异常扰动这些因素的影响,将自适应估计原理引入到UKF算法,提高UKF算法的收敛性和地磁导航系统的稳定性.计算结果表明,在地磁导航系统数据处理中,UKF算法略优于扩展卡尔曼滤波(EKF),自适应UKF算法优于自适应EKF算法,自适应UKF算法能够很好地抑制初始化误差、系统噪声不确定性和环境磁异常扰动对导航解的影响,进一步提高地磁导航系统的定位精度和可靠性.     

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.     

改进量测的车载捷联惯导/里程计组合导航算法

针对车载SINS/Odometer速度量测和位置量测组合导航算法的潜在缺陷,提出了改进量测算法.在分析里程计输出误差模型的基础上,将里程计标度因数误差和惯导系统安装偏差均列入状态变量,并将1 s内惯导位置增量和航位推算位置增量之差作为量测值进行组合导航.车载试验使用精度为0.02°/h的激光陀螺捷联惯导系统,采用该算法后行驶54 km,定位精度可达行驶里程的0.08％.离线分析进一步证实,改进算法可以快速估计出各项传感器误差、安装偏差和初始对准误差,从而保证系统的定位和定向精度.     

基于自适应UKF算法的小型水下机器人导航系统

针对海流扰动及姿态、航向误差角引起的无法确知的导航系统模型误差, 设计了一种带模型误差的自适应无迹卡尔曼滤波器(Adaptive unscented Kalman filter, AUKF)用于小型水下机器人(Small autonomous underwater vehicle, SAUV)推位导航系统. 首先提出了小型水下机器人三维运动连续时间模型; 然后针对该模型特点, 基于极大后验估值原理推导了AUKF算法. 仿真结果说明该算法能够克服海流扰动及姿态和航向误差引起的模型误差. 对比经典无迹卡尔曼滤波器算法, 采用该算法的小型水下机器人推位导航系统在复杂海况下的滤波精度显著提高.     

基于粒子滤波的AUV组合导航方法

讨论了粒子滤波器和RB(Rao-Blackwellised)粒子滤波器两种滤波方法在组合导航中的应用,给出了组合导航算法用于自治水下航行器(AUV)的具体数学模型,并且与拓展卡尔曼滤波器的导航结果进行比较.利用AUV湖上试验验证了3种算法的导航性能,试验结果表明RBPF组合导航算法能够获得最好的导航精度;然而通过对算法进行分析,发现其计算复杂度高于其余两种滤波算法.     

A Filtering Approach Based on MMAE for a SINS/CNS Integrated Navigation System

This paper explores multiple model adaptive estimation (MMAE) method, and with it, proposes a novel filtering algorithm. The proposed algorithm is an improved Kalman filter-multiple model adaptive estimation unscented Kalman filter (MMAE-UKF) rather than conventional Kalman filter methods, like the extended Kalman filter (EKF) and the unscented Kalman filter (UKF). UKF is used as a subfilter to obtain the system state estimate in the MMAE method. Single model filter has poor adaptability with uncertain or unknown system parameters, which the improved filtering method can overcome. Meanwhile, this algorithm is used for integrated navigation system of strapdown inertial navigation system (SINS) and celestial navigation system (CNS) by a ballistic missile's motion. The simulation results indicate that the proposed filtering algorithm has better navigation precision, can achieve optimal estimation of system state, and can be more flexible at the cost of increased computational burden.      

矿井组合导航系统算法研究

针对矿井环境下人员定位精度差的问题,提出一种基于射频位置修正技术的新型矿井组合导航系统。将捷联式惯性导航系统 (SINS)与矿井射频定位进行互补融合,将射频标签存储的实际位置和SINS解算位置的差值作为量测量,利用扩展Kalman滤波器估计并补偿SINS存在的陀螺漂移和加速度计零偏。仿真结果表明,在复杂度相近的情况下,该系统在30 min内的综合定位精度比SINS提高近 4倍。     

组合导航系统NNM信息融合算法

提出了将神经网络模型（NNM）概念应用于组合导航系统，并给出了基于RBP网的NNM训练过程，基于传统模型的卡尔曼滤波算法与神经网络相结合，有效地解决了GPS信号被屏蔽时的航迹预测问题，最后对GPS/DR组合导航系统进行动态仿真，仿真结果表明，采用该算法的组合导航系统定位精度高、可靠性好。     

低成本车载组合导航在GPS失效下的算法设计

在低成本MEMS-IMU/GPS车载组合导航应用中,城市中建筑的遮挡会造成GPS失效,此时由于MEMS器件精度较低,导航精度会迅速降低甚至发散.针对此问题,引入车辆的天向和侧向速度约束作为虚拟观测,并且考虑到GPS失效时段由于低精度MEMS-IMU带来的非线性,在不做小角度近似的条件下,推导出非线性速度约束作为虚拟观测,利用非线性UKF滤波算法进行估计,以进一步改善导航性能.车载实验表明,提出的非线性速度约束算法能够有效提高GPS失效时的精度,并且在GPS信号再次有效时能够快速收敛.     

基于UKF的UWB和GPS融合定位算法

智能汽车的发展对高精度定位需求日益显现. 针对汽车在城市建筑群、立交桥等特定环境下, 可见GPS卫星数量下降、车载GPS和惯性测量单元(inertial measurement unit, IMU)组合定位系统中IMU产生积累误差导致不能精确定位问题, 本文提出一种基于无迹卡尔曼滤波(unscented Kalman ...