利用相位差变化率的机载无源定位跟踪算法

为解决机载无源定位中高精度角速度参数难以获取的问题,利用相位差变化率对角速度的放大作用,通过二维相位干涉仪布局建立一种新的无源定位观测模型,实现了对空中目标的定位。针对UKF滤波中误差协方差矩阵负定导致滤波不稳定的问题,引入平方根UKF进行跟踪滤波。仿真表明:在较低的参数测量精度条件下,新观测模型位置和速度跟踪误差降低,采用平方根UKF能够获得稳定的跟踪效果。     

SR-CDKF在组合导航直接法滤波中的应用

为了解决SINS/GPS组合导航系统姿态、速度和位置等导航参数的非线性估计问题,提出了一种基于平方根中心差分卡尔曼滤波(SR-CDKF)的直接式滤波估计方法。系统状态方程选取惯导力学编排方程,系统状态向量和观测向量分别选取SINS导航参数和GPS输出参数,构建了SR-CDKF滤波器。该滤波器可以使导航参数动态过程得到直接反映,并使得直接式滤波计算流程得以实现。以MATLAB中areoblk_HL20模块为基础构建了仿真系统并进行了仿真。仿真结果表明,该算法具有较高的滤波精度、良好的滤波收敛性和稳定性,能使非线性模型下SINS/GPS组合导航系统的导航要求得到满足。     

基于 GPS 某无人飞机的导航与制导算法

选择可用性给全球定位系统（ＧＰＳ）定位误差带来了不确定性，根据协方差配置理论给出了一种导航滤波算法，滤波增益根据稳态误差方差的要求由协方差配置理论得出；着重研究了给定稳态误差协方差可配置充要条件及滤波增益公式．介绍了基于ＧＰＳ某型无人飞机的平面制导算法，给出了导航坐标系、坐标变换公式、机体运动模型、制导参数计算公式、航段切换准则及控制规律．利用本文的方法实现了无人飞机按预定航线的自主飞行，填补了我国在该领域的技术空白．最后简单介绍了仿真及实际飞行试验结果，试飞结果证明了算法的有效性及实用性．     

基于平方根卡尔曼滤波的粒子滤波算法

在普通粒子滤波器中,基于先验概率的重要性密度不能容纳最新测量信息,导致跟踪精度难以提高。针对该问题,给出一种基于平方根卡尔曼滤波(SRUKF)的新型粒子滤波算法(SRUPF)。该算法以普通粒子滤波器(PF)为基础,运用SRUKF生成重要性密度。与运用先验知识生成重要性密度的普通粒子滤波器不同,SRUPF的重要性密度中包含了最新的观测信息,从而能够更好地逼迫状态变量的分布规律。此外,由于SRUPF在计算重要性密度时不需要在每一个迭代步骤都对状态协方差阵进行分解,因而SRUPF比PF具有更好的数值稳定性。在非线性测角跟踪问题中的应用表明:SRUPF滤波器的跟踪精度优于PF和SRUKF。     

基于速度约束与模糊自适应滤波的车载组合导航

针对车载组合导航系统中卫星信号易受遮挡而引起导航精度降低问题,提出采用车辆速度约束条件辅助的组合导航方案。利用车辆正常行驶过程中侧向和天向速度为零作为虚拟观测信息,推导得到卫星信号失效时组合导航滤波量测方程;考虑到Kalman滤波过程中量测噪声协方差矩阵难以获取,推导给出一种新的自适应Kalman滤波（ADKF）算法,该算法计算新息序列实际协方差与理论协方差比值后,利用模糊推理系统（FIS）自适应调节量测噪声协方差矩阵大小;通过光纤捷联惯性导航系统（SINS）进行了验证试验。结果表明：卫星信号失效时,虚拟速度组合能够提高SINS定位精度,其纬度最大误差由41.33 m减小为8.61 m,且采用FIS-ADKF组合导航算法时3个方向 位置精度相比标准Kalman滤波算法提高了60%以上,验证了所提出算法的有效性。     

一种基于无迹卡尔曼滤波的UUV协同定位方法

多水下无人航行器(multi-UUV)协同定位技术是解决海洋中间层水下导航定位问题的重要途径,针对以往multi-UUV仅靠距离量测的协同导航定位精度低的问题,给出了一种基于无迹卡尔曼滤波(UKF)方法的UUV协同定位方法。利用从UUV的运动学方程和基于距离的量测方程建立了从UUV的导航模型,针对该非线性导航模型,采用UKF设计了导航滤波算法,避免了对非线性方程的线性化处理,实现了递推导航滤波算法,并与传统的航位推算方法进行了仿真对比。仿真结果表明,从UUV能够利用该导航滤波算法进行实时定位,比传统的航位推算方法具有更高的定位精度。     

GSPF融合的SINS/GPS紧耦合组合导航技术

针对SINS/GPS紧耦合组合导航中的非线性融合问题,提出了一种基于高斯和粒子滤波(GSPF)的紧耦合导航方法。建立了SINS和GPS的紧耦合非线性模型,分析了GSPF算法对最优贝叶斯滤波的近似原理,并设计了基于GSPF的紧耦合融合步骤。对系统进行了仿真,结果表明在GPS可见卫星数目低于4颗时紧耦合仍可实现组合,并且GSPF在紧耦合导航中可达到较高的估计精度,当系统具有较大姿态误差时可获得比粒子滤波(PF)更好的精度和更快的收敛速度。     

UKF及其在INS/TAN组合导航中的应用

将UKF应用于INS/TAN组合导航系统中.仿真证明,该滤波方法有效地克服了地形的非线性特性和惯导误差对组合导航结果的影响.     

主从式无人水面艇协同定位滤波方法与实验验证

多无人水面艇（USV）协同导航定位技术是解决复杂作业环境下导航问题的重要途径。针对单主艇的主从式多USV的协同导航定位问题,建立了协同定位的状态空间模型,然后将非线性模型绕滤波值展开,得到非线性系统的线性化模型;利用扩展卡尔曼滤波算法进行信息融合;针对双艇间的距离、角度与协同定位精度的关系展开研究,对协同导航滤波算法使用李代数法进行了可观测性分析。研究表明,控制相邻两时刻主从艇之间距离和角度变化量是提高协同定位精度的有效措施。通过仿真和实验验证,为下一步深入研究和路径规划奠定了基础。     

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。     

基于联邦SR-UKF算法的GPS/INS导航数据融合算法

为提高导航系统数据融合的稳定性和容错性,将一种基于方根分解形式的Unscented卡尔曼滤波(SR-UKF)算法和分散式滤波技术相结合,建立了新的联邦滤波器SR-UKF算法并应用于GPS/INS组合导航系统中.数值仿真实验表明, 联邦SR-UKF 比联邦UKF 有更好的滤波精度、更高的稳定性和容错性, 是一种理想的非线性GPS/INS组合导航滤波方法.     

复杂纹理环境的光流/惯性组合导航方法

为解决无人机(unmanned aerial vehicle,UAV)在全球定位系统(global positioning system,GPS)信号弱或拒止环境下实现自主导航的问题,提出一种适用于复杂纹理环境的光流/惯性组合导航方法.通过基于低纹理场景的改进卢卡斯-卡纳德(lucas and kanade,LK)光流法,解算图像光流信息,使用惯性导航系统信息辅助光流导航系统,同时也利用光流导航系统的特征点速度信息辅助惯导系统进行导航解算,利用卡尔曼滤波器以融合光流/惯性导航信息得到速度、位置估计信息,并通过仿真实验进行验证.仿真结果表明:该方法能够在纹理丰富和纹理较差的场景下进行精确的速度、位置信息估计,所提出的导航算法符合自主导航的实时性和精确性要求.     

联邦卡尔曼滤波在捷联惯导/全球定位/里程仪组合系统中的优化设计

基于Carlson提出的联邦卡尔曼滤波理论的原理和特点,建立了SINS/GPS/OD组合导航系统的数学模型,设计了组合系统的联邦滤波算法,并使用MATLAB对算法进行了仿真,仿真结果证明了联邦滤波器在组合导航系统应用中的可行性和优越性,该算法计算量小、容错性好,能实现较高的精度.     

基于低成本传感器的航弹组合导航算法

为了降低航弹成本、提升装备效费比,以低成本航空制导炸弹的组合导航系统为研究对象进行算法研究.利用扩展卡尔曼滤波算法构建以MEMS陀螺和加速计为核心,GPS辅助的低成本、高精度组合导航系统,采用无人机飞行试验对该系统的导航性能进行评估,得出误差数据,并与纯惯性导航结果相对比.实验结果表明:该导航系统定位精度能达到2 m以内,系统解算精度满足航空制导炸弹飞行要求,对常规航弹制导化改造具有工程实际意义.     

UAV 组合导航半物理仿真系统设计与研究

为了验证GNSS／MLS／VNS／INS／RA构成的UAV五组合导航系统的航电综合、导航解算算法以及飞行控制律性能,设计了集机载导航传感器实物、物理效应器、飞行仿真系统、无人机地面站模拟系统、试验总控评估系统、视景与展示系统等的UAV导航与控制半物理仿真试验系统平台。平台能够考核组合导航系统的性能和功能。     

GPS/SINS/CNS 组合导航在航天器上的应用

针对传统的惯性导航误差模型推导不适合空间应用以及GPS信号传输修正能力有限等问题,提出一种基于GPS/SINS/CNS的组合导航系统总体设计方案。在导航仿真系统中增加组合导航系统性能评估模块,推导了基于J2000坐标系的惯性导航误差模型,给出GPS、SINS与CNS的数学模型,利用扩展的卡尔曼滤波设计组合导航系统,对连续信号和信号中断两种模式进行了仿真。仿真结果表明,该导航系统能很好地满足航天器在轨运行的导航性能要求,能够为航天器提供高精度的测量与导航信息。     

基于SUKF算法的组合导航方法

合成孔径声纳（SAS）运动补偿是其信号处理的重要环节,运动补偿需要水下导航数据,文中研究了基于捷联惯导（SINS）和多普勒声速剖面仪（ADCP）等设备的水下导航方法。针对大姿态误差角情况下的导航,论文建立了基于四元数的SINS／ADCP的非线性误差模型,并采用比例无迹卡尔曼滤波（SUKF）滤波算法进行了仿真。仿真结果表明,在SAS复杂运动情况下,采用非线性误差模型的SUKF方法优于传统线性误差模型的卡尔曼滤波方法,在一定程度上提高了SAS的导航精度。     

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。