GPS组合导航系统的数据融合

首先介绍了车载GPS加上DR组合导航系统的设计,建立了车辆加速度及影响组合导航系统定位精度的主要误差的数学模型.然后针对一般组合滤波算法中,由于DR系统误差的引入,导致滤波效果不好的问题,提出了一种组合导航系统的数据融合.对车载GPS/DR组合导航系统提供的实际数据的处理结果表明,该方法既能提高GPS定位精度,又能有效控制DR系统的误差发散,从而有效地消除了一般组合滤波算法中DR系统误差对滤波器的影响,大大提高了组合系统的完整性和可靠性.令GPS在如香港交通环境:道路狭窄且多弯、交叉线多且密集、街道两侧高楼林立、桥梁多且较密集、隧道多且长、地形类似丘陵且高山较多,而且车辆也多行驶速度又快的情形下变得可行.     

GPS／DR车辆导航系统研究

随着城市车辆的急剧增长和道路交通状况的紧张,以ＧＰＳ定位技术为主的民用车辆的定位导航和监控技术得到了飞速发展。本文研究ＧＰＳ和航位推算系统ＤＲ的组合导航技术,给出了ＧＰＳ／ＤＲ组合导航系统的设计方案。由ＧＰＳ接收机,压电陀螺仪和车载里程仪组成的多传感器系统通过卡尔曼滤波器实现信息融合,以提高ＧＰＳ／ＤＲ组合系统导航精度。本文也对ＧＰＳ／ＤＲ系统的工程实现做了探讨。     

一种简化的车载自适应组合导航算法

为解决复杂路况下车载组合导航系统存在的卫星导航系统信号衰弱、断续导致信号观测性差和组合滤波器稳定性下降甚至发散等问题,采用了一种简化的、易于工程实际应用的车载自适应组合导航算法,利用数据检测方法对卫导原始观测数据进行评估,根据评估结果构造自适应滤波因子,实时更新滤波器量测噪声协方差阵,提高滤波器对观测信息变化的适应能力。通过实际动态跑车试验,表明这种简化的自适应组合导航算法在卫导信号断续情况下,仍能保证3 m(RMS)的定位精度、0.04 m/s(RMS)的测速精度,较常规Kalman滤波定位精度提高近30%,测速精度提高达70%,能满足城市、山区等恶劣场景下车载导航的需求。     

SINS/GPS/TACAN组合导航的联邦卡尔曼滤波方法

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。     

BDS/GPS组合导航系统选星算法研究

针对双系统组合导航模式下常用的最佳选星法存在运算量大、硬件设计复杂、实时性差等缺点,提出了基于 BDS/GPS 双系统组合导航模式的模糊选星算法。首先说明了靶场试验中采用 BDS/GPS 双系统组合导航模式的必要性,然后对组合导航系统定位精度的关键影响因子、 可用星数量及选择方式进行了分析,并给出了基于 BDS/GPS 双系统组合导航模式的模糊选星算法的详细解算步骤。实验结果表明,该算法简单易行,定位精度高,实时性好,对靶场试验品的导航定位具有重要参考价值。     

正逆向滤波在惯性卫星组合导航中的应用

为满足高性能惯性/全球卫星导航系统(GPS)组合导航的要求,进一步提高卡尔曼滤波算法在组合导航定位中的解算精度,考虑利用逆向数据处理和加权平滑的融合算法,提出一种正逆向融合的卡尔曼滤波算法应用于惯性/GPS的松组合导航中。分析了正逆向融合的卡尔曼滤波算法的解算方法,并与普通正向卡尔曼滤波算法做出比较。实验部分采用车载传感器采集的实测数据,通过对两种方法解算结果的误差分析,表明了正逆向融合的滤波算法在定位精度方面优于传统正向滤波算法。     

基于气压表/GPS的数据融合算法研究

为确保飞机精确飞越预定点上空并具备精密进场着陆引导能力,引入了一种提高垂直方向定位精度的气压表/GPS数据融合算法.该算法利用Kalman滤波实现了气压高度表/GPS的数据融合.借助于飞机的运动矢量模型、GPS定位误差模型建立了气压表/GPS组合导航系统自适应联合Kalman滤波的数学模型,给出了该数据融合算法的详细推导过程.仿真结果表明,所设计的算法在改善垂直方向上的定位精度以及在实时性、适应性等方面都有很好的效果,提高了飞机在进近飞行阶段的安全性和可靠性,能满足民用航空的进场着陆引导要求.     

基于NARX神经网络的组合导航系统设计

针对捷联组合导航系统在定位信号无法获取的情况下定位误差大和BP神经网络定位的波动问题提出了基于NARX神经网络的导航算法。该方法在输入端加入输出输入量的时间序列,在定位信号可以获取时间段内对神经网络进行训练,不可获取时使用NARX预测的数据对系统进行补偿,提高定位精度。实验结果表明在30s的失锁时间内NARX神经网络定位精度在3m以内,迭代次数小于15次且数据波动较小,可以准确的预测导航位置。     

基于组合滤波的光纤陀螺惯导/星敏感器组合导航算法

针对卡尔曼滤波在连续非线性的惯性组合导航系统中对模型误差估计不够准确的问题,提出了利用可直接处理连续非线性系统的预测滤波为卡尔曼滤波提供一步预测的组合滤波算法,弥补了两种滤波算法单独使用时的不足,从而提高了导航系统精度。再利用光纤陀螺惯导实测数据与计算机生成的星敏感器数据对文中组合滤波算法进行了离线仿真,证明了文中组合滤波算法的可行性、优越性。     

基于北斗的多系统组合定位方法研究

基于多系统组合的导航定位技术应用日益广泛,采用多系统组合导航克服了单一星座系统定位中存在的定位精度差、可见星少、可靠性低等问题。本文提出了基于北斗卫星导航系统的多系统组合定位方法,详细推导了基于北斗的多系统组合用户定位算法模型。比较分析了单一北斗卫星导航系统和北斗、GPS、Galileo 多系统组合条件下服务性能,得出在多系统组合条件下可以极大改善用户观测条件,进而提高了用户导航定位使用效能。     

基于GPS/GIS/DR的低成本车载导航仪研究

惯性器件与全球卫星定位系统(GPS)的组合导航成为目前车载导航的主流.无论在精度、性能、可靠性等各方面,GPS/DR组合导航系统都优于单独的GPS导航系统.在GPS信号丢失时,车载导航仪(GPS/GIS/DR)能利用陀螺自主导航,不间断提供导航信息并保持跟踪.     

车载GPS/北斗/DR组合导航系统研究

针对移动车辆的定位与导航问题,研究了GPS/北斗/DR组合导航算法.文中采用坐标系变换及增加状态变量法对不同卫星星座进行了时空统一,并在此基础上研究了GPS/北斗卫星组合导航算法;为了克服卫星定位存在的不连续性问题,提出了GPS/北斗卫星导航系统与低成本的航位推算系统组合导航方案,设计了GPS/北斗/DR组合导航滤波器...     

一种新型GPS/DR组合导航系统

利用三个陀螺仪和一个里程计提出一种新型GPS/DR组合导航系统。首先推导了这种组合导航系统的状态方程,然后给出了松组合方式的滤波方程。最后用实测算例对这种新型组合导航系统进行了验证,结果表明,相比于SINS系统、传统的DR系统,这种DR系统在车载系统应用中具有更好的优势;而且这种组合导航系统能够很好地提高单一导航系统的导航精度。     

机载航电系统中多源信息模糊自适应融合技术

为了保障导航的精度与可靠性,目前常采用多源信息融合导航。针对ADS/IRS/GPS组合导航系统,采用基于自适应信息分配的联邦滤波结构处理信息融合问题,并把模糊推理技术融入到ADS/IRS卡尔曼滤波器中,对IRS/GPS子滤波器采用紧组合模式,上述结构算法能对多源导航信息进行最优融合与处理。建立了ADS/IRS模糊自适应卡尔曼滤波模型以及IRS/GPS紧组合滤波模型,设计了自适应信息分配的联邦滤波算法,并进行了仿真,仿真结果验证了设计算法的有效性。     

城市峡谷中基于GDOP和NHC的GPS/IMU组合导航方法

针对在林荫道、高架桥和隧道等城市峡谷中全球定位系统(GPS)信号易发生遮挡、 干扰,导致导航定位精度低、连续性和可靠性差的问题,提出了一种基于几何精度因子(GDOP) 和非完整性约束(NHC)的 GPS/惯性测量单元(IMU)组合导航方法。其中,通过利用 GDOP 实现卫星定位构型优劣和定位精度的衡量,从而构建基于 GDOP 值的 GPS/IMU 组合导航量测更新模型。同时,为了进一步提高组合导航系统的精度,将 NHC 应用于该组合导航系统中。实验结果表明,所提方法水平和三维定位均方根误差分别是 3.88 m 和 4.78 m,相比于传统 GPS/IMU 组合导航方法的 9.25 m 和 13.53 m 分别提高了 58.06%和 64.67%,可以有效抑制 GPS 信号受环境干扰影响组合导航定位精度和可靠性的问题。     

航空飞行器天文自主导航定位技术

针对传统惯性/天文多星组合导航的不足和导航星选取不确定性,设计了一种基于捷联惯性/天文单星深度组合的长航时自主导航系统,通过对惯性导航和二维转台单星观测的误差特性进行建模,综合两者的优点,实现了单星观测角度和惯导解算数据的高精度融合;在高度通道方向,引入气压高度计对高度误差进行阻尼,通过卡尔曼滤波器对惯导误差进行最优估计,运用可观测性理论对系统进行分析,得到了最优导航星选取准则,有效地解决了在部分观测角度下算法性能下降的问题。仿真结果表明:该算法长时间导航定位精度优于传统算法,最优导航星选取准则有效地提高了算法的鲁棒性,具有较高的理论研究意义和工程应用价值。