基于MEMS-SINS/GPS的组合导航系统设计

针对小型无人机导航系统低成本、微小型、高效性的特点,提出了基于捷联惯导(SINS)\卫星定位(GPS)的组合导航系统设计方案,深入研究了组合导航系统的关键技术;分析了MEMS传感器误差对导航系统的影响,建立了系统误差模型;采用利于工程实现的基于位置、速度误差作为状态向量,以松耦合方式进行集中式Kalman滤波,对SINS/GPS信息进行融合,避免了传统SINS系统状态模型非线性,滤波器设计困难的问题;最后对系统进行了仿真;仿真结果表明,该组合导航系统成功抑制了SINS系统的积累误差,提高了导航精度与可靠性,具有广阔的应用前景。     

SINS/GPS组合导航系统Kalman滤波仿真研究

为提高捷联惯导系统SINS和全球定位系统GPS的精度和可靠性,研究了SINS和GPS的原理,建立了SINS/GPS系统的状态方程和位置速度误差量测方程;并采用卡尔曼滤波算法实现了SINS/GPS的组合导航.Matlab仿真结果证明,采用Kalman滤波实现SINS/GPS组合导航,其精度得到大大提高;且采用SINS/GPS组合导航系统,克服了SINS惯性导航难以长时间独立工作的缺点,解决了GPS易失锁、难以实时控制的不足,保证了导航系统的实时性及较高的精度和可靠性.     

扩展卡尔曼滤波在组合导航中的应用

松组合导航中,采用组合导航系统(SINS)误差作为状态量,用SINS解算的位置和速度与全球定位系统(GPS)测量的位置速度之差作为量测信息.为了提高组合导航的精度在松组合导航中应用扩展卡尔曼(EKF)滤波算法,通过仿真对载体轨迹的速度、姿态、位置进行跟踪.仿真结果表明:在仿真进入8 min之后系统进入稳态,能准确跟踪载体.因此,采用基于EKF的非线性滤波能有效跟踪载体的位置、速度和姿态.     

基于IIR的数据同步方法在组合对准中的应用

为了解决捷联惯性导航系统（Strapdown Inertial Navigation System,SINS）与全球定位系统（Global Positioning System,GPS）的组合对准过程中两者提供数据不同步问题,提出一种利用数字滤波器实现运载体高精度组合对准新方法。根据SINS解算速度的误差特性和GPS离散输出的速度信息,利用IIR高通滤波器滤除SINS与GPS提供的速度差值中存在的舒勒周期、傅科和地球周期,并将滤波后的速度与GPS提供的速度进行再次叠加得到载体准确速度。将载体准确速度与捷联惯导系统解算速度作差后视为系统观测量,采用卡尔曼滤波技术实现系统的组合对准。仿真结果表明了该方法的有效性。     

一种应用磁强计提高导航系统航向精度的方法

针对静止与匀速运动状态下低成本SINS/GPS组合导航系统航向角可观性差的问题,采用磁强计与低成本SINS/GPS构成新的组合导航系统,以提高系统的航向精度.给出了完整的组合导航系统卡尔曼滤波模型,利用Simulink进行了仿真实验.仿真结果表明:在静止与匀速运动状态下,SINS/GPS组合导航系统航向角误差发散,而SINS/GPS/磁强计组合导航系统的航向角有效收敛.利用某型系统进行了静态实验,实验表明:在传感器精度较差的条件下,SINS/GPS/磁强计组合系统航向角仍可以有效收敛,收敛后姿态角误差标准差小于0.2.静态实验验证了该方法在实际应用中的有效性.     

一种新的GPS/SINS组合测姿模型

针对多天线GPS/SINS组合测姿中存在的精度不够和难以实现的问题,研究了一种新的GPS/SINS组合测姿模型;利用GPS载波相位高精度相对定位技术,在传统“速度+位置”松组合的基础上,加入了基于基线向量误差的姿态量测方程,提出了一种精度较高并且较易实现的GPS/SINS组合测姿模型;基于某飞行仿真航迹对模型的测姿性能进行了数值仿真,并与传统测姿模型进行了对比分析;仿真结果表明,与传统模型相比,新的测姿模型可以显著提高导航系统测姿精度和滤波收敛速度,偏航角、俯仰角测量精度可达0.02°,滚动角测量精度可达0.1°,可为飞行器的高精度组合测姿提供一定的参考价值。     

一种序贯Unscented卡尔曼滤波在微小型无人直升机导航系统中的应用

对于应用到微小型无人直升机上的低成本捷联惯导（SINS）/GPS组合导航系统来说,SINS Ψ角误差模型在描述低精度惯性器件误差时对误差项的忽略,使其无法满足SINS误差估计的要求.为了克服Ψ角误差模型的不足,本文建立了基于四元数的SINS非线性误差模型.该误差模型无需对失准角进行小角度假设.为了对组合导航系统中的SINS误差进行估计,提出一种序贯Unscented卡尔曼滤波方法.该滤波方法对观测向量进行序贯处理以降低算法的计算量.仿真结果表明,该滤波方法能有效提高低成本SINS/GPS组合导航系统的性能.     

自适应联邦卡尔曼滤波在机器人组合导航系统中的应用研究

利用里程计(OD)与全球定位系统(GPS)辅助捷联惯性导航系统(SINS)构成一种高可靠性的组合导航系统.推导并建立了局部滤波器的数学模型,并针对联邦滤波器在载体发生异常扰动时滤波精度较低的问题,设计了基于SINS/GPS/OD组合导航系统的自适应联邦滤波器,有效补偿了系统异常扰动或动力学模型误差.仿真模拟了机器人的全航线运行轨迹进行验证,仿真结果表明,SINS/GPS/OD组合导航系统的自适应联邦卡尔曼滤波算法与相同组合导航系统的非自适应联邦卡尔曼滤波算法相比,在保障机器人导航定位可靠性及容错能力的前提下,能有效抑制异常扰动的影响,导航精度得到进一步改善.     

惯性基高精度组合导航方法研究与仿真

研究了一种基于捷联惯性导航系统(SINS)的高精度组合导航方法;选取SINS的系统误差作为组合导航系统状态,利用天文导航系统(CNS)输出的姿态矩阵和SINS输出信息计算得到的等效姿态矩阵来构造量测,设计SINS/CNS组合导航算法;利用SINS与北斗卫星导航系统(RDSS)各自的位置输出构造量测,设计SINS/RDSS组合导航算法,从而,利用联邦卡尔曼滤波技术设计SINS/CNS/RDSS组合导航算法;仿真结果表明,惯性基SINS/CNS/RDSS组合导航方法具有较高的导航定位精度,工程应用前景良好。     

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.     

Real-Time Implementation of GPS Aided Low-Cost Strapdown Inertial Navigation System

This work details the study, development, and experimental implementation of GPS aided strapdown inertial navigation system (INS) using commercial off-the-shelf low-cost inertial measurement unit (IMU). The data provided by the inertial navigation mechanization is fused with GPS measurements using loosely-coupled linear Kalman filter implemented with the aid of MPC555 microcontroller. The accuracy of the estimation when utilizing a low-cost inertial navigation system (INS) is limited by the accuracy of the sensors used and the mathematical modeling of INS and the aiding sensors’ errors. Therefore, the IMU data is fused with the GPS data to increase the accuracy of the integrated GPS/IMU system. The equations required for the local geographic frame mechanization are derived. The direction cosine matrix approach is selected to compute orientation angles and the unified mathematical framework is chosen for position/velocity algorithm computations. This selection resulted in significant reduction in mechanization errors. It is shown that the constructed GPS/IMU system is successfully implemented with an accurate and reliable performance.     

列车组合导航系统研究与仿真

提出了一种列车组合导航系统.首先,采用低精度的惯性传感器构成简易惯性测量装置(IMU),设计了该简易IMU的安装结构,并给出了其导航定位解算方法.然后,将简易IMU与GPS构成组合导航系统,分析了IMU和GPS各自的误差源,并建立了组合系统误差模型,从而利用卡尔曼滤波技术设计了IMU/GPS列车组合导航算法.仿真结果表明,该IMU/GPS列车组合导航系统具有精度高、可靠性好、成本低等显著优点,非常适用于列车导航定位.     

Autonomous Navigation of UAV in Foliage Environment

This paper presents a navigation system that enables small-scale unmanned aerial vehicles to navigate autonomously using a 2D laser range finder in foliage environment without GPS. The navigation framework consists of real-time dual layer control, navigation state estimation and online path planning. In particular, the inner loop of a quadrotor is stabilized using a commercial autopilot while the outer loop control is implemented using robust perfect tracking. The navigation state estimation consists of real-time onboard motion estimation and trajectory smoothing using the GraphSLAM technique. The onboard real-time motion estimation is achieved by a Kalman filter, fusing the planar velocity measurement from matching the consecutive scans of a laser range finder and the acceleration measurement of an inertial measurement unit. The trajectory histories from the real-time autonomous navigation together with the observed features are fed into a sliding-window based pose-graph optimization framework. The online path planning module finds an obstacle-free trajectory based the local measurement of the laser range finder. The performance of the proposed navigation system is demonstrated successfully on the autonomous navigation of a small-scale UAV in foliage environment.     

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 ...     

IMU标定数学建模及误差分析

惯性测量单元（IMU）标定路径设计和数据处理方法取决于IMU标定数学模型,安装误差是决定IMU标定模型的重要因素。针对工程中加速度计和陀螺相对载体安装方式的不同,提出一种通过坐标系转换矩阵建立IMU标定数学模型的方法,推导IMU标定模型误差与载体角速度和加速度之间的关系,分析IMU标定模型误差对捷联惯性导航系统导航参数的影响,并利用转台提供的位置信息设计IMU标定路径和数据处理方法。仿真和转台实验结果表明：IMU标定数学模型误差引起捷联惯性导航系统速度误差、位置误差和姿态误差;安装误差的表现形式决定了IMU标定模型误差对系统导航精度的影响。     

基于弹载IMU/GPS组合导航系统的动基座对准研究与仿真

对基于弹载IMU／GPS组合导航系统的动基座对准问题进行了研究与仿真;首先,分析了弹载IMU与GPS的系统误差,建市获得了其系统误差模型;然后,利用卡尔曼滤波技术,设计了弹载IMU／GPS组合导航系统的动基座对准算法;仿真结果表明,在初始误差较大的情况下,经过360秒的动基座对准,IMU的姿态角误差可降至10个角秒,同时位置和速度误差也得到了有效修正,从而证明该动基座对准算法是行之有效的。     

非完整约束下滤波算法在组合导航中的应用

MEMS IMU/GPS组合导航系统的应用环境愈来愈复杂,对其精度的要求也愈来愈高,只使用普通卡尔曼滤波不能满足精度和稳定性要求。针对此问题,将Sage-husa自适应卡尔曼滤波算法和非完整约束应用到前向导航滤波算法和后向导航滤波算法中,并将前向滤波和后向滤波结果加权组合,提出了一种非完整约束下加权组合滤波算法,用于事后IMU/GPS联合解算中,用来提高组合导航的精度。并利用实验室设备进行车载实验,通过实测车载数据解算结果来验证该方法的可行性。实验结果表明非完整约束下加权组合滤波后的经纬度误差小于1.4 m,航向角误差小于1.0°,满足MEMS IMU/GPS车载组合导航系统的精度要求。     

Indoor Tracking by RFID Fusion with IMU Data

Indoor tracking and positioning technology have received significant attention. There are many techniques to track indoor targets, such as Wi‐Fi technology, radio frequency identification (RFID), and inertial navigation technology. However, these technologies cannot accurately track a target with a single sensor due to the uncertainty of the sensors. This paper presents an indoor tracking method using RFID and inertial measurement units (IMU); the estimated trajectory is mainly determined by RFID, and the information about the trajectory based on IMU is added when the estimated trajectory is missing without RFID data. The results show that the fusion estimation algorithm has excellent performance in indoor tracking and is very effective when the target maneuvers, even where some measurements are lost.     

基于多传感器数据融合的室内行人航位推算法

针对惯性测量单元(IMU)本身存在测量漂移,很难获得精确的室内行人轨迹的问题,提出了使用多个传感器信息融合的方案,包括IMU和视频摄像头,并结合卡尔曼滤波和零速检测算法进行参数优化,以提高行人运动轨迹的精度.仿真结果表明:算法可以有效降低行人轨迹的误差.     

直接法UKF在组合导航中的应用

提出直接法卡尔曼滤波(UKF)应用于GPS/捷联惯导(SINS)组合导航,避免对非线性系统的线性化。选择SINS惯导系统输出位置和速度作为系统状态,GPS输出的导航参数作为观测量,使用IMU提供的姿态,用UKF方法结合反馈法对组合导航参数直接进行估计,不仅可以避免了每次导航复杂的初始对准过程,同时保持参数误差不会无限增大。根据是否出现GPS中断两种情况进行,实验结果表明,可以直接使用IMU提供的姿态对智能清洁船的定位导航。