惯性/卫星导航系统实际导航性能评估算法

针对惯性/卫星组合导航进行实际导航性能(Actual Navigation Performance,ANP)评估,是保证飞机所需导航性能(Required Navigation Performance,RNP)及航空运行安全的关键。提出了惯性/卫星组合导航系统实际导航性能评估算法,从卡尔曼滤波器位置协方差矩阵开展分析,结合导航数据二维高斯分布特性,求解出标准误差椭圆。根据概率分布特性,将误差椭圆转换为95%概率误差圆,进而计算出ANP值。最后惯性/卫星组合导航数据进行仿真验证。结果表明,方法切实可行,且便于工程实践。     

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...     

UKF改进算法在组合导航INS误差校正中的应用

针对无迹卡尔曼滤波(Unscented Kalman Filter,UKF)算法与全球定位系统/惯性导航系统(Global Positioning System/Inertial Navigation System,GPS/INS)组合导航模型不匹配,且鲁棒性不足,难以适应INS 元件的随机性和突变性的问题,提出了一种UKF改进算法。该算法有效结合了混合滤波思想、平方根滤波技术及交互式多模型结构,分别克服了算法与线性/非线性模型不匹配,协方差矩阵非正定以及参数设置难以适应模型不确定性的问题。仿真实验分别考察了新算法在INS平台角初始大误差及加速度计零偏突变两种情况下的表现。实验表明,新算法在估计精度及鲁棒性方面比UKF有较大提高,能够有效校正INS元件产生的随机和突变误差。     

基于UKF的单站无源定位与跟踪算法

单站无源定位与跟踪系统观测方程的非线性性决定了定位与跟踪中必须采用非线性滤波技术.MGEKF等非线性滤波方法本质上都属于扩展卡尔曼滤波算法,都存在由于线性化误差而导致滤波器稳定性差等问题.基于unscented变换的UKF算法不存在线性化误差,具有更好的稳定性,但由于协方差估计不足,导致收敛速度较慢.该文基于UKF算法提出了一种迭代UKF(IUKF)算法,通过对状态和协方差的迭代估计,改善了UKF协方差估计不足的问题.仿真结果表明在不同的参数测量精度条件下,IUKF算法既保持了较好的稳定性又提高了算法的跟踪精度和收敛速度.     

GNSS接收机长码快速直捕技术研究与实现

针对全球导航卫星系统(Global Navigation Satellite System,GNSS)接收机中的长码快速直捕算法,对基于快速傅里叶变换(Fast Fourier Transform,FFT)的循环相关算法和多段匹配滤波器+FFT算法的原理和架构进行了详细分析,同时将阵列天线技术应用于GNSS接收机上,提高了低信噪比下的长码直捕性能。在同一个硬件平台上,2种算法都得到了很好的工程实现,并对试验数据进行了分析和比较。结果表明2种算法各有优缺点,在较低的信噪比和高动态的环境下均能快速有效地完成长码的直接捕获,对GNSS接收机的快速定位和导航具有一定的现实意义。     

外部测量装置的捷联惯导对准方法

在室内组合定位系统中,不同子系统之间相互姿态关系的确定是通过对准过程实现的。使用惯性器件进行组合定位,通常航姿参考系统AHRS是以地理坐标系(E-N-U)作为导航坐标系。然而,在室内导航任务中,导航坐标系一般根据用户需求建立在厂内标志点或工装坐标系等自定义位置。针对这一问题,提出一种将地理坐标系与自定义坐标系相互转换的新方法,通过激光跟踪仪建立的外部基准,提出了基于方向余弦矩阵的标定算法,实现了地理坐标系与外部参考坐标系之间的相互转换。实验结果表明:AHRS任意位姿下的转换姿态角度均方根误差小于0.25。     

基于IMM—UKF的转弯机动目标跟踪

针对目标作转弯机动时产生运动模式的不确定性和运动模型的非线性问题,提出基于Unscented卡尔曼滤波器的交互多模型算法.该算法采用带有极坐标系速度的转弯模型和二维Singer模型作为模型集,将Unscented卡尔曼滤波取带传统的扩展卡尔曼滤波解决转弯模型的非线性,同时在模型交互时使用Unscented变换取代雅可比矩阵解决目标状态转换时的非线性.通过Monte-carlo仿真表明,与标准交互多模型方法相比,基于Unscented卡尔曼滤波器的跟踪算法具有很好的跟踪性能.     

混合SRUKF在GPS/INS组合导航中的应用

建立了GPS/INS(Global Positioning System/Inertial Navigation System)紧组合模式下的线性/非线性模型,针对SRUKF(Square Root Unscented Kalman Filter)不能与该模型达到最佳匹配的问题,提出一种基于混合滤波思想的SRUKF.将时间更新分为两个阶段:利用线性状态方程得到状态的一步预测并根据该值构造Sigma点,求取Sigma点加权和以实现对量测值的一步预测.新的算法省去了线性状态方程的UT(Unscented Transform)环节,在保证滤波精度的前提下,降低了计算量.将改进的算法应用于已建立的模型,仿真实验表明,相比于UKF(Unscented Kalman Filter)及SRUKF,该算法不仅能够有效获得导航参数的精确估计,还具有较强的实时性,发挥出了算法的最佳性能.     

GNSS/SINS紧耦合选星算法研究

通过分析全球导航卫星系统(Global Navigation Satellite System,GNSS)和捷联惯性导航系统(Strap-down Inertial Navigation System,SINS)紧耦合导航系统中最小GDOP法的现有问题,提出一种改进的GNSS/SINS紧耦合选星算法。该算法的主要步骤包括:首先将可见卫星进行伪距异常值检测,并剔除异常值卫星;然后根据卫星的分布特点,利用卫星仰角信息选取最大的一颗作为天顶星,最后将剩余可见卫星随机组合选取三颗卫星和天顶星组成四颗星,得到最终的选星方案。经过与最小GDOP法仿真对比,该算法计算量明显减小,且在保证定位精度的前提下,减少了计算的卫星数目,降低了运算量,具有较好的选星效果。     

弹载BDS/SINS深组合自适应CKF滤波方法研究

针对弹道导弹高动态、非线性的特点,引入了基于三阶球面-径向容积准则的非线性容积卡尔曼滤波(CKF)算法。此外,针对其特点,研究了发射惯性系下BDS/SINS深组合导航下的自适应容积卡尔曼滤波(ACKF)算法。该算法根据Sage滤波开窗法的思想和渐消的思想,通过引入多重次优渐消因子到CKF滤波器中,自适应地在线调整CKF滤波器的观测误差协方差阵,在提高滤波精度的同时实现对快速变化的状态进行强有力的跟踪。实验结果表明:多重次优渐消因子的引入使得CKF滤波器可以更多地利用系统的先验信息,ACKF滤波器对快速变化的状态具有更强的跟踪,系统误差在较短的时间内收敛,提高了组合导航系统的动态性能。