弹道导弹GPS/惯性组合导航系统的研究

论述了GPS和惯导的综合模式以及组合导航的误差模型,并利用卡尔曼滤波对GPS和惯导信息进行建模及仿真结果,说明GPS/惯导组合系统不但可以提高制导精度,还可以估计制导误差.     

INS/GPS组合导航系统模糊卡尔曼滤波算法研究

载体在机动的情况下,系统会产生随机非高斯噪声,这些噪声的统计特性不易准确得到.若在组合导航系统中仅采用常规卡尔曼滤波算法,不能得到系统状态的最优估计值,甚至滤波器还有可能发散.文中设计了一种模糊推理系统,并将其与卡尔曼滤波算法相结合,在线修正系统量测噪声协方差阵.仿真结果表明,该模糊卡尔曼滤波算法能很好地对系统状态进行最优估计,同时能很好适应系统噪声的变化,提高了导航系统的精度.     

基于MIMU/GPS组合导航定位系统的一种新型卡尔曼滤波算法的研究

文中提出了基于MIMU/GPS组合导航定位系统的一种新型卡尔曼滤波算法。系统以MEMSIMU为传感器核心,采用位置和速度组合,运用该算法对系统模型误差和量测噪声协方差误差具有良好的自适应性。     

GPS/Galileo组合导航定位系统中的选星算法

为解决双卫星组合导航系统定位精度与计算负担之间的矛盾,采用选星的改进措施,文中分析了双星座系统与单星座系统的区别,提出了常用的几种选取5颗星的方法,并分别进行仿真分析,总结出各自的优缺点.同时根据观测矩阵与GDOP值的关系提出选取大于5颗可见星的最大行列式绝对值法,并分别对选取6、7颗可见星进行仿真分析,由仿真结果可见此法的实用性.     

基于GPS的卡尔曼滤波技术研究

由于定位误差的存在。在GPS动态导航定位中．为提高定位精度．必须对动态定位数据进行滤波处理。文中在比较分析各种动态模型的基础上。提出了应用卡尔曼滤波的GPS滤波模型．并通过对实测滤波算例仿真．证实了模型的可行性和有效性。     

GPS/INS组合导航系统的研究

文中叙述了GPS和INS的综合模式以及组合导航的误差模型,并且利用卡尔曼滤波对GPS和INS信息进行建模及仿真,说明GPS/INS组合系统不但可以提高制导精度,还可以估计制导误差.     

Kalman与H∞滤波算法在GPS/惯性组合导航系统中的应用研究

针对Kalman滤波及H∞滤波的特点,分别将其应用于GPS/惯性组合导航系统中进行比较.采用位置-速度组合方式.分别在白噪声及有色噪声条件下进行滤波.通过仿真结果说明当系统模型及噪声的统计特性精确已知的情况下Kalman滤波算法可以得到较高的精度.然而当系统模型及噪声的统计特性发生变化时H∞滤波算法明显具有良好的鲁棒性,估计精度也较高,有效地克服了Kalman滤波器存在的局限性.     

GPS/CAPS双模定位解算的Kalman滤波算法

利用改进的自适应Kalman滤波算法实现GPS／CAPS双模卫星导航定位解算。首先,利用描述机动载体运动的“当前”统计模型建立GPS／CAPS双模定位的Kalman滤波模型,在此基础上结合Sage—Husa自适应滤波算法建立离散的自适应扩展Kalman滤波方程。然后,对该自适应滤波算法进行改进,当经收敛性判据判断滤波呈发散趋势时．切换至强跟踪Kalman滤波算法．既保证了滤波器的可靠收敛又保证了定位的精度和效率。最后的仿真结果表明．该算法县有效可行的．     

卡尔曼滤波直接法在INS/GPS组合导航系统中的应用

结合INS／GPS组合导航系统，讨论了卡尔曼滤波直接法的应用，仿真结果证明，采用卡尔曼滤波直接法可以有效地提高组合导航系统的导航精度。     

基于低通滤波技术的GPS/INS 组合导航

针对GPS/INS组合导航系统中的惯性导航系统(inertial navigation system,INS)存在的随机误差的问题,研究了一种通过低通滤波器减弱或消除GPS/INS组合导航系统高频噪声的方法。分析了陀螺仪与加速度计在三轴方向上的误差源及其相关性,给出无人机组合导航系统中GPS/INS组合导航误差模型,针对INS数据中所含的高频误差,构造了低通滤波器以消除其对导航精度的影响;并通过实测Matlab/Simulink仿真与实测GPS/INS导航数据验证该低通滤波器性能。试验结果表明:采用低通滤波处理INS高频误差显著改善了位置精度,三轴方向上精度分别提高了25%、22%和21%。     

捷联惯导系统/GPS/里程仪组合导航的研究

利用里程仪辅助捷联惯导系统构成自主式组合导航系统,构造、设计捷联惯性/里程仪组合定位、定向系统卡尔曼滤波器和新算法.并给出了仿真结果,仿真结果表明,该组合导航系统可有效减小速度和位置等导航参数的累计误差.     

基于相关和卡尔曼滤波的组合跟踪算法

针对现有单一或组合跟踪算法对于复杂背景条件下高速红外目标跟踪稳定性较差的问题,提出了基于相关和卡尔曼滤波的组合跟踪算法。该算法改进了相关跟踪算法的模板设计,并将其计算的目标位置作为卡尔曼滤波观测量输入来修正和预测目标航迹。在多种复杂背景条件下的反复测试验证表明,该算法有较好的鲁棒性,实现了对目标的稳定跟踪,满足光电系统对高速红外目标跟踪稳定性的高要求。     

SINS/GPS 组合导航卡尔曼滤波算法研究

针对单独使用某一种的导航设备都无法满足机载火控系统和飞行系统要求的问题,推导出 SINS/GPS 组合导航中的一种新的卡尔曼滤波算法.将有色噪声的白化处理引入到卡尔曼滤波器,设计了一套动态车载组合导航试验系统,给出了基于有色噪声白化的卡尔曼滤波器算法的具体步骤,以动态车载 SINS/GPS 组合导航系统试验的数据分析验证了此算法的正确性和合理性.分析结果表明:基于有色噪声白化的卡尔曼滤波器可以很好地解决有色噪声的影响,弥补了传统卡尔曼滤波器的不足,提高了导航结果的精确度.     

一种基于UKF的MEMS／GPS组合导航算法

针对微电子机械（MEMS）／全球定位（GPS）组合导航系统中,强非线性引起的扩展卡尔曼滤波（EKF）~-航精度不高、滤波性能不稳定、收敛速度慢等问题,研究了MEMS／GPS组合导航系统无迹卡尔曼滤波（UKF）算法,避免了EKF繁重的求导计算。本文对2种滤波方法进行了仿真比较,结果表明,用UKF的组合导航系统的误差收敛速度比EKF快,精度也比EKF高,UKF算法更适合于MEMS／GPS组合导航。     

GPS/I NS组合导航缺星情况下的卡尔曼滤波改进算法

针对 GPS/INS(Global Positioning System/Inertial Navigation System)紧组合导航系统在卫星信号缺失情况下导航精度降低,容积卡尔曼滤波(Cubature Kalman Filter ,CKF)应用中存在模型误差和计算误差的问题,提出了适用于该背景下的强跟踪均方根容积卡尔曼滤波(Square-Root CKF)算法。该算法通过人为地相对突出滤波过程中新数据的作用,提高了算法在模型不确定时的鲁棒性;均方根策略保证了协方差阵的正定性和对称性。仿真实验表明,改进的算法能够提高导航精度,在卫星信号缺失情况下其效能发挥地更好,提高了组合导航适应复杂环境的能力。     

发射系下SINS/GPS 组合导航系统的算法研究

基于地理坐标系下的传统捷联惯性导航系统无法直接获取发射系下的导航参数,难以满足空天飞行器等高轨道飞行器对高精度、高可靠性导航系统的需求,研究了发射系下捷联惯性导航算法.搭建了基于扩展卡尔曼滤波(EKF)的SINS/GPS组合导航模型,传感器获取的导航量测信息直接在发射系下进行捷联惯导解算,为飞行器等提供位置、姿态等信息.采用STM32、XSENS惯性器件和GPS接收机构建相应的算法验证平台.实验结果表明:发射系下的SINS/GPS组合导航系统能提供较高的导航精度,从而验证了发射系下的SINS/GPS组合导航系统算法的正确性与合理性.     

一种简化的发射系下SINS/GPS/CNS组合导航系统无迹卡尔曼滤波算法

在弹载等高动态环境下组合导航系统状态方程具有强非线性,且各状态相互耦合影响,传统的扩展卡尔曼滤波(EKF)算法因忽略高阶项相互影响,其模型线性化展开会导致模型不准确引起导航精度下降;无迹卡尔曼滤波（UKF）算法能有效避免引入线性化误差,却存在因组合导航系统维数过高引起大量粒子递推滤波计算复杂而影响算法实时性的问题。为此,针对发射惯性系下弹载组合导航系统对滤波算法高实时性和高精确性的要求,设计了一种简化UKF(SUKF)算法,SUKF算法通过对导航系统的状态参数直接进行建模估计,解决了传统UKF算法实时性差的问题,同时继承了传统UKF算法无需模型一阶线性化展开的优点,提高了导航系统的精度。算法仿真结果表明,SUKF算法有效提高了系统解算的实时性和滤波精度,非常适合用于实际工程系统。