基于多传感器信息融合城市车辆导航定位

针对全球定位系统信号易受城市复杂的环境干扰,接收不可靠、航位推算只能进行短时间高精度导航、地图匹配仅可在拐弯处才能提供与地图精度相当的修正信息、城区车辆导航存在“盲区”问题,研制了采用蓝牙技术的新型路标传感器,研究了基于自适应联合卡尔曼滤波算法的多传感器信息融合技术。大量的试验研究表明：采用该信息融合技术后,城区车辆导航定位精度达到10m以内,符合高精度导航定位要求。     

基于测角测距信息火星环绕器导航方法

针对传统的基于天文角度信息的导航方法用于火星环绕器导航应用中存在导航源可见弧段连续性差,导航精度较低等问题,提出了一种适用于火星环绕器组合导航的联邦自适应UKF改进算法。通过引入新的测距导航源,充分利用测角敏感器获得的火卫一和火卫二相对于环绕器的视线矢量信息以及测距敏感器获得的环绕器相对于其它火星在轨航天器的距离信息,运用UKF对环绕器状态进行估计,引入Sage-Husa噪声估计器,抑制非高斯噪声对导航精度的影响,达到提高导航精度的目的。仿真结果表明了所提出的适用于火星环绕器组合导航的联邦自适应UKF改进算法的有效性,火星环绕段导航位置估计精度优于0.4km,速度估计精度优于0.5m/s,相对于传统的天文测角导航,性能提升50%。     

A robust underwater navigation method fusing data of gravity anomaly and magnetic anomaly

Navigation using geophysical information is often implemented on underwater vehicles to correct the position errors of inertial navigation system. In this paper, we fuse the information of gravity anomaly and magnetic anomaly by developing an improved elitism based multi-objective artificial bee colony algorithm. In the proposed algorithm, multi-objective matching strategy and sequence matching strategy are adopted for the purpose of reducing the possibility of mismatching. Specifically, the mean absolute difference (MAD) of gravity anomaly and the MAD of magnetic anomaly are selected as two matching objective. Single-point matching is changed to sequence matching by introducing affine transformation. To keep diversity without losing too much convergence speed, two elites chosen by different strategies are used to generate new food source. Finally, in order to avoid premature convergence, a new mechanism of scout bee phase is explored. The maximum capacity of external archive is regarded as the monitoring target. Simulations based on the actual gravity anomaly base map and the actual magnetic anomaly base map have been performed for the validation of the proposed algorithm.     

基于节点异构性的混合组播网络

为了扩大导航差分信息的应用领域,并且在城市或室内可以接收修正信息,针对导航增强信息需在具有实时性、可扩展性和异构性的网络上播发的特点,结合应用层组播和i3组播,采用IP路由信息表构建了基于节点异构性的分层混合组播系统.分析了网络模型和通信协议,并基于OPNET进行了性能仿真.仿真结果表明,HMMA实时性好、可扩展性强,可以满足应用的需求.     

CDKF方法在车辆组合导航中的应用

针对扩展卡尔曼滤波（EKF）在车辆导航中存在着计算复杂、线性化误差大等缺点,将一种新的非线性滤波方法——中心差分卡尔曼滤波（CDKF）用于车辆GPS／DR组合导航中。和普遍采用的EKF方法相比．CDKF方法不仅提高了车辆组合定位的精度和稳定性;而且不需要模型的具体解析形式,避免了复杂的Jacobian矩阵的计算,算法更简单,也更加易于实现。为了检验其有效性,将两种方法分别对车辆GPS／DR组合导航系统进行滤波仿真,仿真结果进一步表明CDKF方法明显优于EKF方法,是车辆组合导航中一种更理想的非线性滤波方法,真正实现了车辆低成本、高精度的实时定位。     

惯性器件建模对GPS失锁段导航精度的影响

针对INS/GPS组合导航系统在GPS信号失锁的条件下导航精度恶化的问题,分析了惯性器件建模对导航精度的影响程度。通过对传统简化模型和考虑载体机动与环境因素的影响而建立的惯性器件完备模型的仿真,对两种模型在组合断开后的纯惯性导航的水平位置误差进行对比。结果表明相比简化模型相对完备模型可以将水平位置误差的精度提高53%,能有效解决INS/GPS组合导航系统因GPS信号失效后纯惯性系统的定位精度迅速恶化问题。     

基于扩展卡尔曼滤波的时钟模型辅助定位算法

在城市峡谷、深坑矿、林地周边等应用场合中,由于卫星信号被遮挡导致接收机观测量不足而无法完成导航解算,提出了一种新的时钟模型辅助定位方法,即同时利用伪距和多普勒观测量,通过扩展卡尔曼滤波器实时估算得到接收机钟偏和钟漂参数,并构建时钟模型,在导航信号缺失情况下利用该时钟模型进行辅助定位。仿真分析和车载实验结果表明,该方法在卫星导航信号缺失后仍然能够继续完成实时定位解算,使得系统可用性得到显著改善。     

改进的自适应Kalman滤波在SINS/GPS组合导航中的应用

全球定位系统（GPS）因信号受到遮挡和干扰而产生观测量突然失准,使捷联式惯性导航系统（SINS）/GPS组合导航的卡尔曼滤波器性能急剧下降。针对上述问题,提出了一种改进的自适应卡尔曼滤波的方法,通过失准时的新息对先验状态均方误差阵进行自适应调节,解决了新息协方差与实际严重不符的问题。仿真实验中,对比了传统的卡尔曼滤波、自适应卡尔曼滤波、自适应抗差卡尔曼滤波和改进的自适应卡尔曼滤波的估计性能,证明了所提出算法的有效性。     

一种改进的多AUV协同导航数学模型

自主式水下航行器(Autonomous Underwater Vehicle,AUV)代表了未来水下航行器发展的方向,多AUV协同导航系统通过信息的共享,可以获得单AUV导航系统无法具备的优势。分析了多AUV协同导航基本原理和两种网络结构的优缺点,提出了一种新的改进的多AUV协同导航网络结构,并推导出了其运动模型和量测模型,为后续协同导航算法的研究打下了基础。     

GPS/DR组合导航的地图粗匹配算法研究

在数字地图匹配中,直接投影法是确定车辆行驶路段的常用方法之一,该方法简单易行,但稳定性差,匹配效率低,不能满足地图匹配高稳定性和高正确率的要求。以直接投影法为基础,结合相关性算法和概率统计法,在匹配过程中引入历史匹配参数进行迭代运算,采用多点采样消除偶然误差。通过Matlab仿真测试和匹配正确率统计分析,改进后的算法稳定性好,能够很好地模拟实际数字地图粗匹配过程,在匹配时效和正确率两方面有良好的兼容性。