H∞滤波在惯导/GPS组合导航应用的比较分析

为分析H∞滤波算法在惯性导航系统INS/GPS组合导航应用中对动态环境的自适应能力,选用卡尔曼滤波算法和Sage-Husa算法作为对照,并改进了Sage-Husa算法,构造了较为全面的惯导系统误差模型、扰动数据情形和飞行轨迹,比较分析了三种算法的自适应能力.仿真结果表明:在这种验证环境中,H∞滤波算法可调参数受到的约束较多,与改进的Sage-Husa算法相比,卡尔曼增益和估计协方误差与量测值变化的相关性较弱,导致自适应能力较弱.在这类模拟动态环境中H∞滤波算法的自适应能力要低于改进的Sage-Husa算法.方法和结果对于鲁棒的INS/GPS组合导航算法的工程化应用有较高的实用价值.     

H∞控制理论在捷联惯导系统初始对准中的应用

提出了一种应用H∞控制理论来进行捷联惯性导航系统初始对准的方法。文中介绍了H∞控制理论以及相关定理，并建立了基于观测器思想的初始对准广义受控对象模型。经过与相关理论相结合，提出了一种基于观测器的动态控制的设计方法。最后给出两种设计结果和仿真曲线，根据两种控制器的特点和性能总结出了一套初始对准方法，实际应用结果表明，此方法是可行的。     

捷联惯导系统静基座的高精度初始对准方法

针对捷联惯导系统静基座初始对准存在精度低的问题,通过加速度计和陀螺仪获得重力矢量和地球角速度矢量,采用解析方法快速地估算出一个满足要求的初始姿态矩阵。借助卡尔曼滤波模型对系统的误差进行分析,并建立系统的状态方程和量测方程,将系统失准角从干扰误差中估算出来,为导航计算提供精确的初始条件。仿真实验结果表明,将卡尔曼滤波技术引入到捷联惯导系统静基座的高精度初始对准过程中,使对准精度和收敛速度均得到了显著改善。     

BP神经网络在捷联惯导初始对准中的应用研究

提出了基于多层BP神经网络的滤波器，并用于捷联惯导初始对准中．采用BP网络替代初始对准系统中的闭环卡尔曼滤波器，可以确保系统的误差状态始终为小量，实现了惯导初始对准中的滤波与校正功能。采用BP神经网络滤波的优点是：数据并行计算速度快，在滤波时不需要初始数据。仿真结果表明，这种方法简化了系统运算的代数结构，提高了系统状态估值运算的实时性，并且可以保证系统的对准精度。     

摇摆基座上基于信息的捷联惯导粗对准研究

舰船的摇摆使陀螺无法测出地球自转角速度,无法根据陀螺和加速度计的输出直接计算出姿态阵。针对这一问题,提出了基于重力加速度的粗对准算法。该算法中,姿态阵分散成4个矩阵求取,所利用的信息为:摇摆基座姿态变化信息;重力加速度相对惯性空间随地球旋转引起的方向变化信息;地球自转信息;地理信息。算法的巧妙之处是应用惯性凝固假设,建立了基座惯性坐标系ib0,使舰体相对ib0坐标系的姿态阵初值成为单位阵,从而使姿态更新解算成为可能。仿真结果表明,在舰船横摇、纵摇、艏摇幅值分别为10°、7°和5°,周期分别为6 s、5 s和7 s,横荡、纵荡、垂荡幅值分别为0.02 m、0.03 m和0.3 m,周期分别为7 s、6 s和8 s的环境下,由50个样本确定的东、北、天向失准角的均值分别为2.01′-、1.38′和-0.20,°相对的标准差为0.26′、0.21′和1.3,°在此基础上完全可以实现精对准。     

LS—SVM在捷联惯导系统初始对准的应用

捷联惯导系统（SINS）中卡尔曼滤波的运算时间与系统阶次的三次方成正比,滤波失去实时性,达不到捷联惯导系统的快速性要求。通过研究捷联惯导系统、最小二乘支持向量机和卡尔曼滤波,提出既能保证准确性又能提高实时性的支持向量机初始对准算法。用Matlab软件仿真的结果表明,提出的捷联惯导初始对准算法是有效的。     

捷联惯导初始对准理论及仿真研究

阐述了捷联惯导系统初始对准理论，推导出ＳＤＳ对准的基本方程，并采用ＳＭＭ法对准回路进行设计，最后给出了仿真结果．     

捷联惯导初始对准理论及仿真研究

阐述了捷联惯导系统初始对准理论，推导出SDS对准的基本方程，并采用SMM法对准回路进行设计，最后给出了仿真结果．     

捷联惯导系统陀螺罗经对准性能的协方差分析

文中推导了协方差方程式的数值解,研究了初始对准回路滤波器参数设计方法。利用协方差分析,从统计意义上探讨了地面晃动基座上采用一阶数字滤波的捷联系统陀螺罗经对准的性能。分析了随机误差源的影响,指出动态干扰环境下,载体的扰动加速度和等效东向陀螺的常值漂移及随机游走噪声是造成方位误差的主要因素。     

GPS辅助的SINS系统快速动基座初始对准

为实现基于优化的动基座对准算法(OBA)对陀螺仪误差的估计,并使其能够应用于低精度SINS系统中,将自适应无迹卡尔曼滤波算法与OBA算法相结合,提出一种新的由GPS辅助的SINS系统快速动基座对准（FIMA）算法.该算法首先推导了陀螺仪常值漂移与失准角之间的关系,并以此构建非线性系统状态方程,然后用重力加速度和GPS输出速度的积分构建量测方程;由于系统存在非线性,提出使用UKF算法对失准角以及陀螺常值漂移进行估计;由于量测方程由速度和重力加速度的积分构成,量测噪声协方差难以确定,引入自适应滤波算法对量测噪声实时估计. 跑车实验结果表明:对于低精度SINS系统,该算法可在15 s左右将航向角误差收敛到3°以内,在3 min以后航向角误差可收敛到1°以内;与传统非线性动基座对准算法以及OBA算法相比,该算法可在无任何初始姿态信息的条件下快速对准,且能够对陀螺常值漂移进行在线估计和载体系失准角补偿,提高了动基座对准的精度和收敛性能.     

卡尔曼滤波的观测增强及在SINS对准中的应用

从理论上给出了提高卡尔曼滤波器收敛速度和精度的一种方法．利用卡尔曼滤波递推公式证明了有用观测信息的增加,即观测增强有助于抑制量测噪声,从而提高卡尔曼滤波器的收敛速度和精度,为在捷联惯导（SINS）动基座快速传递对准技术中经常使用的抑制量测噪声的方法提供了理论依据．通过积分匹配、双积分匹配以及机动运动强度变化的仿真例子验证了方法的有效性．     

SINS/GPS组合导航系统初始对准的可观测度分析

针对SINS/GPS组合导航系统的误差传递模型进行了可观测度分析,确定了卡尔曼滤波器对系统各个状态的估计效果.在飞行器处于不同飞行姿态下,通过对相应的状态估计误差协方差阵的特征值及特征向量的比较,发现在动基座对准时,对飞行器引入线加速度可显著提高方位角的估计精度,并且在相同的条件下,拐弯运动的方位角估计速度更快、精度更高.此外,拐弯运动能够估计出加速度计零位偏置.此方法可以为飞行器在初始对准时选择最佳机动方案提供依据.     

低轨卫星紧组合导航UKF方法

针对紧组合导航系统状态方程及量测方程的非线性,以低轨卫星为应用对象开展了无迹卡尔曼滤波UKF方法研究．给出了惯性系下的系统模型及算法模型,其中姿态直接采用修正Rodrigues参数来表述以避免四元数归一化条件的限制,系统状态更新采用四阶Runge-Kutta法以适应卫星的高速运动;之后通过数学仿真与广义卡尔曼滤波EKF进行了比较分析．结果表明:UKF滤波对于姿态精度明显优于EKF,提高了一个数量级,对于速度、位置精度两者滤波效果相当,但对于运算时间UKF耗时较长．因此实际应用中可根据导航精度与运算时间需求决定是否采用UKF方法．     

车辆运动状态下SINS的初始对准技术

对车辆运动状态下捷联惯导系统的初始对准技术进行研究.以里程计作为外部传感器,建立了运动状态下初始对准的数学模型,分析了系统状态的可观测性,并进行了仿真研究.结果表明,捷联惯导系统只要求短时间内(几秒钟)车辆处于静止状态,以进行解析式粗对准,之后车辆就可以向预定地点行驶,10 min内即可在运动状态下完成精对准,且对准精度比静基座下高.     

基于LMS算法和Matlab的自适应滤波器的设计

根据LMS算法性能特点,在Matlab环境下编写了基于LMS算法的有限长自适应滤波器的程序(*.m),用所设计的滤波器对受白噪声干扰的语音信号及正弦波信号进行滤波.理论分析和仿真结果表明,所设计的自适应滤波器具有快速的跟踪能力和收敛性能,且稳态误差较小.     

Research on coning compensation algorithms for SINS of angular rate input

To compensate the coning error of Strap-down Inertial Navigation Systems (SINS) under high dynamic angular motion, many rotation vector algorithms have been developed using angle increments information. However, most SINS use angular rate gyros. Aimed at this problem, 18 algorithms are derived based on analysis of the conventional algorithms, and corresponding coning error expressions are given. At last simulation is made which indicates that the new algorithms have much higher precision.     

自适应平方根中心差分卡尔曼滤波算法在捷联惯性导航系统大方位失准角初始对准中的应用

提出了一种自适应平方根中心差分卡尔曼滤波(ASRCDKF)算法,并应用于捷联惯性导航系统(SINS)大方位失准角初始对准中。ASRCDKF算法以中心差分变换为基础,基于平方根滤波能够克服发散的思想,利用协方差平方根代替协方差参加递推运算,并将自适应估计原理引入该算法中,不仅克服了扩展卡尔曼滤波产生线性化误差和计算雅可比矩阵的不足,而且减小了计算量,保证了数值稳定性。同时,ASRCDKF算法解决了传统滤波算法过度依赖系统动态模型和噪声统计特性先验知识的问题。最后通过滤波仿真证明了ASRCDKF算法在SINS大方位失准角初始对准中的有效性和优越性。