一种INS/DVL组合导航一体化偏差标校方法

INS/DVL 一体化偏差是影响组合导航系统精度的重要因素，对一体化偏差进行高精度标校是实现高精度组合的前提和基础。传统基于外速度拟合的一体化偏差估计方法对观测速度要求高，估计精度受量测噪声影响较大，同时实现过程较为复杂。提出一种基于 SVD 最小二乘的 INS/DVL 一体化偏差航迹拟合估计方法，对三轴一体化偏差角进行拟合标校。仿真结果表明， 在 GPS 定位误差为 20m 的情况下，三个安装偏差角的 50 次 Monte Carlo 仿真平均估计误差分别为 0.1001°、0.0283°、0.0213°。该方法实现简单，估计精度较高，具有很好的工程实用价值。     

BP神经网络辅助的SINS/GPS组合导航姿态误差补偿方法研究

针对SINS/GPS组合导航姿态估计精度不足问题,提出一种BP神经网络辅助的导航姿态估计的补偿方法。首先,以QR分解Kalman滤波的增益矩阵并构建其降维特征向量;然后,以此为输入,以姿态估计误差为期望输出对BP神经网络进行训练;最后,利用BP神经网络的输出辅助修正SINS/GPS组合导航的姿态估计结果。数值仿真表明,相对于仅依赖传统Kalman滤波的方法,使用降维特征向量训练的BP神经网络获得补偿误差的SINS/GPS组合导航系统姿态估计可大大降低计算耗时,同时精度可提高两个数量级,对提高SINS/GPS组合导航精度具有较高参考价值。     

基于自适应滤波器的MIMU/GPS组合系统的研究

设计了微惯性测量单元/卫星导航(MIMU/GPS)组合导航系统原理样机。针对低成本MIMU/GPS组合导航中的Kalman滤波器设计滤波参数(包括系统噪声方差阵Q和测量噪声协方差阵R)影响的问题,系统的分析了Kalman滤波器参数的选取对系统状态变量的估计精度和收敛性能的影响。根据分析设计了自适应估计技术的Kalman滤波器。试验结果表明:对于低成本MIMU/GPS组合导航采用自适应估计技术估计可得到满意的性能,在静态条件下,位置精度优于5 m(标准差),速度精度优于0.1 m/s;系统提供水平姿态角精度优于0.2°;航向角精度优于0.5°(磁罗盘辅助)。     

基于GPS／INS紧耦合的神经网络辅助滤波算法

以GPS／INS紧耦合组合导航系统为研究对象,设计了一种GPS／INS自适应滤波算法。针对扩展Kalman滤波存在的对模型较大的系统误差估计性能较差和系统估计精度不高等问题,采用RBF神经网络辅助EKF导航滤波器,实现自适应的导航参数解算。仿真结果表明,采用了辅助滤波器的算法比扩展Kalman滤波算法所获得的导航精度和...     

改进自适应UKF在组合导航系统中的应用研究

为了提高组合导航系统的导航精度,将改进自适应UKF滤波算法应用于SINS/GPS组合导航系统中,该组合导航系统为松组合方式。分析了UKF滤波算法的解算步骤,通过分析得出了UKF算法的特点;结合自适应估计原理,将自适应因子引入UKF算法中,得到了应用于组合导航系统的改进自适应UKF算法;通过计算机仿真,得出了组合导航系统的仿真结果,并对2种算法进行了对比分析。仿真结果表明,改进自适应UKF能够抑制组合导航系统初值选取的偏差影响,降低系统状态模型扰动的影响,提高导航精度。     

新型自适应Kalman滤波算法及其应用

为防止滤波发散和提高系统的实时性,提出了一种新的自适应Kalman滤波算法.该算法利用滤波异常判据获得一个滤波状态因子,通过滤波状态因子确定量测噪声协方差阵的值,在线调整噪声的统计特性实现自适应滤波.将该算法应用到惯导/双星组合导航系统中,并和常规Kalman滤波和简化的Sage-Husa自适应滤波算法进行仿真比较.仿真结果表明,在滤波精度与简化Sage-Husa自适应滤波相当的情况下,新算法简化了运算,提高了实时性.     

多目标雷达组网实时系统偏差稳健估计研究

针对多目标情况下雷达组网的误差配准问题,提出了一种基于Kalman滤波和数据融合的系统偏差实时稳健估计方法。首先,利用Kalman滤波的实时配准算法得到各个目标对雷达系统偏差的估计结果;然后,通过估计结果的实时融合进一步减小估计误差;最终得到较高精度的实时系统偏差估计。仿真结果表明,该算法可以有效地实现多目标情况下的实时误差配准。     

面向民用航空的SINS/DGPS组合导航融合方法

针对单频点地基增强系统不能满足飞机CAT III类精密进近与着陆导航需求问题,提出一种机载差分GPS(DGPS)与捷联式惯性导航系统(SINS)紧组合导航工作模式,利用SINS提高组合后系统的导航特性。分析了SINS/DGPS紧组合滤波模型,并构建了紧组合导航状态方程和量测方程,利用改进的Kalman滤波器对滤波状态进行最优估计与补偿。进行了计算机仿真与实际系统验证实验,实验结果表明,SINS/DGPS组合导航系统中,当卫星信号不可用时,利用SINS具备的自主性能够提高导航系统的连续性和可用性,同时组合导航系统位置误差标准差相比机载DGPS单系统减小了50%以上,提高了导航系统位置引导精度。     

最小二乘滤波及其在INS/双星系统中的应用

为了克服传统Kalman滤波在实际应用中存在的局限性,研究了基于状态估计的最小二乘滤波。该方法将传统的最小二乘估计与状态估计问题有机结合,对系统噪声和量测噪声的统计特性不敏感。利用实测的激光捷联惯导系统/双星(LSINS/DS)组合数据对最小二乘滤波和传统Kalman滤波进行仿真比较,结果表明,在噪声统计特性未知的情况下,最小二乘滤波的精度更高、收敛速度更快、鲁棒性更强。     

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。     

惯性/天文/卫星组合导航技术的现状与展望

本文首先介绍了INS/CNS/GNSS组合导航的原理,然后分析了INS/CNS/GNSS组合导航技术的发展和应用现状。在上述基础上,提出了INS/CNS/GNSS组合导航技术的几个重点研究方向,包括INS/CNS/GNSS组合导航系统的信息融合与先进滤波方法,INS/CNS/GNSS组合导航方法的实时性研究和基于集成一体化的INS/CNS/GNSS组合导航系统技术。随着捷联惯性导航技术、小型天体敏感器技术、高性能卫星导航技术的快速发展,以及先进信息融合技术、组合算法优化和系统集成技术研究的深入,INS/CNS/GNSS组合导航技术将获得进一步发展并在多种应用领域发挥重要作用。     

H_∞滤波及其在INS/CNS组合导航系统中的应用

在惯导/星光(INS/CNS)组合导航中,由于集中卡尔曼滤波存在对系统模型和噪声统计特性依赖性等缺点,将H∞滤波方法理论应用其中。给出了H∞滤波的滤波方程,定性讨论了kalman滤波和H∞滤波的关系,通过在INS/CNS组合导航系统中的实际应用进一步从精度和鲁棒性对两种滤波算法进行了比较。仿真结果表明,当噪声为有色噪声或统计特性不确定时,H∞滤波优于kalman滤波,说明了该算法的有效性和可行性。     

基于星敏感器的天文/惯导组合导航仿真研究

本文通过仿真实验,研究了基于星敏感器的天文／惯导组合导航系统的导航性能和特点。首先分析了天文导航的基本原理,并给出了天文／惯导组合导航算法的理论模型。在此基础上,建立了天文导航和捷联惯性导航的仿真模型,实现了天文／惯导组合导航系统仿真。仿真结果表明：基于星敏感器的天文／惯导组合导航能够有效抑制惯导的长时漂移累积误差,有利于实现机载远程长航时的高精度导航。     

基于BP神经网络辅助的车载组合导航算法研究

针对INS/GPS组合导航系统在GPS信号被遮挡时,GPS接收机失锁导致导航精度迅速下降的问题,提出了基于BP神经网络辅助的组合导航算法。即在GPS信号锁定的时候,采用卡尔曼滤波对INS/GPS信号进行数据融合得到实时的精确位置,同时利用组合导航输出信息对BP神经网络进行实时在线训练;一旦GPS失锁,利用之前训练好的神经网络对INS系统进行误差补偿,解决精度迅速下降问题。通过跑车实验证明,速度精度在0.2m/s以内,位置精度为25m以内,该算法对INS/GPS组合导航系统有效。     

基于伪距/伪距率双差的INS/GNSS紧组合相对导航算法研究

随着惯导/卫导组合导航技术的发展,将其应用于编队相对导航的研究越来越多。结合卫导差分相对定位、INS/GNSS 组合导航技术,本文将编队成员中主节点和从节点伪距、伪距率的两次差分量直接作为观测量,研究了一种 INS/GNSS 紧组合相对导航新算法。该算法通过两次差分操作可以消除大部分传播路径误差以及公共时钟误差;利用惯导的平滑特性能够消除测量量中的部分随机噪声。仿真结果表明：该算法能够提供精度更高,更加平稳的相对导航信息。     

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。     

INS/CNS/GPS组合导航数据融合算法与仿真研究

研究了INS/CNS/GPS组合导航系统的原理和特点,建立了组合导航系统的数学模型。分别利用集中卡尔曼滤波和联邦滤波数据融合原理对此系统进行了仿真研究,并指出了集中滤波器的不足之处。仿真结果表明采用全球定位系统和天文导航系统对惯导系统误差进行修正不仅可以大幅度提高导航精度,而且通过比较和分析可知联邦滤波可以有效地提高导航系统的可靠性和复原能力,是理想的容错型信息融合算法。     

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。     

面向紧耦合导航的伪距/伪距率高精度快速算法

INS/GPS紧耦合导航中将卫星伪距、伪距率作为观测量,而伪距、伪距率中的误差影响了组合导航系统的输出精度,其运算量大,制约了紧耦合导航系统数据率的提高。文中通过实测数据探讨了紧耦合导航中伪距、伪距率的误差来源,并使用相对伪距、伪距率消除其中的接收机误差项。在此基础上提出利用Hermit分段3次插值法实现对卫星位置的快速解算,得到一种面向紧耦合导航的伪距、伪距率高精度快速估计算法。实验结果表明,该算法有效提高了伪距、伪距率的计算精度与速度。