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.     

多导航传感器的数据融合处理方法研究

在舰船导航过程中为克服单一模型的卡尔曼滤波器对真实系统状态参数发生变化时造成滤波误差过大甚至发散的现象,将多模自适应控制用于导航数据融合处理方法中,设计了组合导航系统的多模型自适应卡尔曼滤波器,通过数字仿真将单一模型的INS/GPS/Doppler组合导航系统与多模自适应控制的组合导航系统的性能进行了比较,表明了多模自适应控制在组合导航系统中可以改善系统的瞬态响应和覆盖大范围的参数不确定性,提高了组合系统的导航精度.     

UKF在INS/GPS直接法卡尔曼滤波中的应用

提出将Unscented卡尔曼滤波(UKF)用于INS/GPS组合导航系统的直接法卡尔曼滤波,避免了对非线性的系统状态方程进行线性化.以INS输出的导航参数及平台误差角等作为系统状态,惯导力学编排方程和姿态误差方程作为系统状态方程,GPS输出的导航参数作为量测,采用UKF方法对系统导航参数直接进行估计.仿真结果表明,UKF方法有效地解决了直接法卡尔曼滤波中系统状态方程的非线性问题,并使INS/GPS组合导航系统具有较高的导航定位精度.     

自适应卡尔曼滤波在组合导航中的应用研究

对惯性导航系统（INS）与全球导航系统（GPS）分别进行了具体探讨,对比了两者的优缺点,针对INS／GPS组合导航系统中由于模型不准或因量测噪声的复杂多变造成的发散问题,引入了一种基于输出相关法的自适应卡尔曼滤波技术。通过在自适应滤波算法中推算最优稳态增益来调整量测噪声,抑制滤波器的发散,为GPS／INS组合导航系统实现高精度导航提供了有效的途径。仿真结果表明该算法能很好地对系统状态进行最优估计并适应系统噪声的变化,具有比常规卡尔曼滤波更高的导航精度。     

基于卡尔曼滤波的无人机组合导航系统设计

针对卡尔曼滤波在实际应用中遇到的系统通常不是严格线性的问题,改进了在组合导航系统中常用的卡尔曼滤波方法,用扩展卡尔曼滤波对INS和外部测量源的信息进行融合,推导了无人机GPS辅助惯性导航系统的导航方程.通过分析GPS和INS的定位原理,建立了GPS和INS的误差模型.完成了以INS为主导航系统,GPS作为辅助系统的组合导航系统的扩展卡尔曼滤波设计.最后,将线性卡尔曼滤波和扩展卡尔曼滤波的结果进行了仿真对比分析,结果表明:扩展卡尔曼滤波更适合系统为非线性的情况.     

GPS信号自适应抗干扰系统

针对GPS卫星信号易受干扰,不稳定的问题,提出INS/GPS组合导航抗干扰的方法并用硬件电路进行实现验证。给出了惯性器件的误差模型,采用松散组合方式,设计卡尔曼滤波器,取姿态、速度、位置的误差作为状态变量。提出以INS与GPS输出的东北天向速度误差作为滤波器观测量的方案。通过计算机的仿真和实验验证,对系统的精度进行了分析,证明该方案是可行的,实现实时滤波计算,并能满足导航的精度要求。     

变增益联邦KF组合导航定位算法研究

GPS接收模块解算出的伪距误差是GPS/INS组合导航系统的主要误差,采用一种二级联邦卡尔曼滤波组合导航算法加以削弱,将卫星接收模块解算出的伪距信息和多普勒频移信息在第一级卡尔曼滤波后,再通过主滤波器与INS模块解算出的信息进行修正处理,得到校正量和定位位置最优估计。随着滤波步数增加,系统预测误差方差阵逐渐趋于零,状态估计会过分依赖旧量测值,从而导致滤波发散,影响系统定位精度。为有效提高新量测值的修正作用,在联邦卡尔曼滤波组合导航算法中引入一种可变加权系数。仿真结果表明,改进后的变增益联邦卡尔曼滤波算法具备联邦卡尔曼滤波的优点,并且该算法滤波效果有较明显的改善,能有效抑制滤波发散,提高系统的定位精度。     

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.     

Adaptive tuning of a Kalman filter via fuzzy logic for an intelligent AUV navigation system

This paper describes the implementation of an intelligent navigation system, based on the integrated use of the global positioning system (GPS) and several inertial navigation system (INS) sensors, for autonomous underwater vehicle (AUV) applications. A simple Kalman filter (SKF) and an extended Kalman filter (EKF) are proposed to be used subsequently to fuse the data from the INS sensors and to integrate them with the GPS data. The paper highlights the use of fuzzy logic techniques to the adaptation of the initial statistical assumption of both the SKF and EKF caused by possible changes in sensor noise characteristics. This adaptive mechanism is considered to be necessary as the SKF and EKF can only maintain their stability and performance when the algorithms contain the true sensor noise characteristics. In addition, fault detection and signal recovery algorithms during the fusion process to enhance the reliability of the navigation systems are also discussed herein. The proposed algorithms are implemented to real experimental data obtained from a series of AUV trials conducted by running the low-cost Hammerhead AUV, developed by the University of Plymouth and Cranfield University.     

神经网络在MEMS-IMU/GPS组合导航中的应用研究

针对基于MEMS传感器组成的INS/GPS组合中GPS信号缺失的情况下,系统误差瞬时增大,滤波迅速退化无法继续工作的问题,本文提出利用神经网络辅助INS/GPS导航系统以解决这一问题的方法.该方法首先建立系统模型,用组合导航的输入作为网络模型的输入,通过网络训练得到输出需要参数,结合卡尔曼滤波用于组合导航以继续使导航系统工作,仿真结果表明该方法可行和有效性的.