共查询到20条相似文献,搜索用时 171 毫秒
1.
2.
为提高车载捷联惯导系统动基座初始对准精度,提出了一种强跟踪降维高斯-厄米特非线性动基座初始对准算法。里程计辅助捷联惯导粗对准后水平姿态误差角为小角度,里程计辅助捷联惯导动基座对准模型简化为大方位失准角非线性模型,采用降维高斯-厄米特滤波(GHF),以少数非线性状态积分点估计整个系统状态,减少计算量,应用强跟踪滤波,提高系统对突变的滤波状态的跟踪能力。实验表明,应用强跟踪降维高斯-厄米特滤波提高了动基座初始对准精度,减少了计算量,提高了滤波的稳定性。 相似文献
3.
4.
5.
无源北斗/惯导两级滤波闭环组合算法 总被引:2,自引:0,他引:2
针对北斗卫星定位系统和惯性导航系统的组合设计组合导航卡尔曼滤波定位算法,引入伪距率作为观测量,基于高稳定度用户时钟,提出了双星下用两级滤波器对惯导进行闭环校正的闭环组合设计方案。其最大的优点是能根据收星情况稳定地在闭环和开环方式之间转换,这是采用惯导模型设计滤波器所不具有的。最后通过仿真说明本文方案有效地提高了丢星时组合导航系统的滤波定位精度,能够有效校正惯导的姿态误差角,并以较高的精度估计用户的三维速度。 相似文献
6.
文中针对水下自主航行器提出了一种新型的基于捷联惯导(SINS)和GPS的组合导航系统设计方案。该方案以捷联惯导作为主系统,同时利用GPS重调捷联惯导系统,建立了该组合导航系统的卡尔曼滤波模型,设计了输出校正间接法的卡尔曼滤波算法和Sage-husa自适应卡尔曼滤波算法。仿真结果表明由于GPS位置和速度信息的引入,一定程度上克服了捷联惯导系统误差状态发散现象,提高了导航精度。同时通过两种算法的对比,Sage-husa自适应卡尔曼滤波算法则具有更高的滤波精度和稳定性,能够更好的满足长时间远距离导航的要求。 相似文献
7.
8.
9.
10.
11.
12.
捷联惯性导航系统(SINS)/视觉组合导航系统的融合算法主要是卡尔曼滤波,卡尔曼滤波实现最优估计的前提是系统的模型必须准确已知。对于SINS/视觉组合导航系统,获取量测信息需经图像处理、特征点提取和匹配等过程,使量测噪声统计模型不完全可知,这会导致卡尔曼滤波器的估计精度下降。因此,该文提出一种改进的自适应两级卡尔曼滤波,根据求解遗传因子的不同方法对传统自适应两级卡尔曼滤波进行改进。改进后的算法分别适用于系统噪声统计模型和量测噪声统计模型不准确可知两种情况,且二者具有统一的滤波框架。仿真结果表明,改进的自适应两级卡尔曼滤波比卡尔曼滤波精度高,有效解决了SINS/视觉组合导航系统因噪声统计模型不准确导致的精度下降问题。 相似文献
13.
传统卡尔曼滤波应用于捷联惯导初始对准中由于模型参数、噪声的统计特性不确定,影响估计效果.而模糊自适应卡尔曼滤波能按照模糊推理原理逐步校正系统的观测噪声协方差阵,具体实现是通过观察残差的理论值是否接近于其实际值,系统调整观测噪声协方差的加权以达到修正观测噪声协方差阵的目的,进而提高系统的对准效率.在噪声统计特性未知时,比较了常规卡尔曼滤波与模糊自适应卡尔曼滤波在初始对准中的应用效果.仿真结果表明,这种算法能有效提高系统的滤波效果,是一种较理想的初始对准滤波方法. 相似文献
14.
测距机(DME, distance measuring equipment)/DME/捷联惯导系统(SINS, strap-down inertial navigation system)的组合导航系统是区域导航(RNAV, area navigation)中常用的导航源。本文提出了一种鲁棒的DME/DME/SINS组合导航算法。首先以SINS误差方程为基础建立起卡尔曼滤波的状态方程;其次推导斜距误差与系统状态变量间的数学关系,并以此建立量测方程;最后针对DME输出的斜距中的野值影响导航精度这一问题,采用一种鲁棒性能较好的基于Huber的卡尔曼滤波算法实现信息融合。实验结果表明:所设计的组合导航算法可以满足RNAV-1的导航需求,由于采用了基于Huber的卡尔曼滤波算法,算法鲁棒性较好,能有效应对量测野值对系统的干扰。 相似文献
15.
为了提高光纤陀螺捷联惯性导航系统(SINS)和全球卫星导航系统(GNSS)的组合导航精度和系统稳定性,设计了基于伪距、伪距率的紧组合导航系统模型。针对光纤陀螺的白噪声特点,以及误差不稳定性导致无法精确建模,将残差引入误差方差阵的估计中,提出了一种改进的自适应卡尔曼滤波方法。采用改进的自适应卡尔曼滤波方法滤波得到导航参数的最优估计,然后对系统进行反馈补偿校正,抑制了滤波发散问题,提高了系统的稳定性。稳态测试试验结果表明:设计的光纤陀螺SINS/GNSS 紧组合导航系统具有较好的鲁棒性;在三颗卫星的条件下,系统能够在短期内保持较高的导航精度,验证紧组合导航的优越性。 相似文献
16.
CDKF在GPS/SINS组合导航系统非线性模型中的应用 总被引:3,自引:0,他引:3
GPS/SINS组合导航系统模型的非线性会导致扩展卡尔曼滤波(EKF)的估计精度降低。而中心差分卡尔曼滤波(CDKF)的新型非线性滤波方法,则利用插值公式对非线性系统的状态估计进行逼近,从而减小线性化误差对系统精度的影响。针对GPS/SINS导航系统的特点,建立了一种非线性误差模型,并将EKF与CDKF分别应用于组合导航系统模型中进行仿真比较。仿真结果表明,该算法简单易实现,且能满足系统在非线性模型下的导航要求,并具有较高的精度和收敛性。 相似文献
17.
针对无人机飞行末段的飞行特点,提出了一种用战术空中导航系统(TACAN)辅助惯性导航系统(INS)、全球卫星定位系统(GPS)的新组合导航模式。详细推导了一种系数加权的联邦卡尔曼算法,并将此算法运用到SINS/GPS/TACAN组合导航中。通过融合导航系统的导航信息估计出组合导航系统的误差状态量,以提高导航系统定位精度。此算法不必计算加权矩阵,从而避免了求解滤波误差方差阵的逆矩阵,运算速度有所提高。仿真计算结果表明,该算法可抑制滤波发散,并提高导航系统的精度和速度,此组合导航模式有较好的容错性和环境适应性,具有实用价值。 相似文献
18.
单纯依赖单一的导航手段难满足高精度的导航需求,因此,将捷联惯性导航系统(SINS)、全球卫星导航系统(GNSS)有效组合,实现优势互补。SINS/GNSS组合导航系统的数据处理一般采用卡尔曼滤波实现,当组合导航系统模型足够准确时,滤波性能较好,当导航系统模型存在误差或发生变化时,新的量测值对滤波估计值的修正作用下降,而旧的量测值的修正作用相对上升,从而导致滤波精度下降。针对上述问题,基于集中式卡尔曼滤波结构的SINS/GNSS组合导航系统,本文提出一种新方法,新方法在梯度方向上进行估计迭代,从而修正模型误差对滤波精度的影响,提高导航定位精度。实验结果表明,当导航系统模型和量测方程存在误差或发生变化时,新方法仍可以为导航系统提供有效的定位精度,满足高空长航时系统需求。 相似文献
19.