非同步量测特性的惯性/星光/卫星组合算法研究

多传感器组合是提高导航系统定位精度和增强系统容错性的有效手段.在分析惯性、星光、卫星导航工作特性的基础上,提出了基于集中滤波器结构的捷联惯性/星光/卫星信息融合导航方案.针对多传感器信息融合中非等间隔量测特性,设计了时间更新和量测更新分离的异步集中卡尔曼滤波算法,设计了基于外推法的卫星信息补偿算法,有效解决了多传感器非等间隔信息融合问题;针对垂直机动研究了惯性/星光姿态组合模型.仿真结果表明,算法可以有效实现对捷联惯导、星光、卫星导航信息的融合,组合精度提高1倍,具有重要的实际应用价值.     

抗野值自适应卫星/微惯性组合导航方法

针对在复杂城市环境下卫星导航系统(GNSS)定位定速存在野值,导致GNSS/微惯性(MEMS-INS)组合导航状态参数滤波估计精度恶化,甚至滤波发散的问题,提出了一种抗野值自适应GNSS/MEMS-INS组合导航算法,以提高组合导航精度和可靠性。该算法利用Allan方差分析建立较为精确的MEMS器件噪声模型,有效降低模型异常和状态扰动的影响。同时利用新息序列构造观测异常检验统计量,并根据该统计量构造自适应新息加权因子调节滤波增益矩阵,削弱观测野值对状态估计的不良影响。实验结果表明,该算法能够有效地控制GNSS定位定速异常的影响,具有较强的实时性和容错性。相比于传统算法,车载定位、定速和定姿精度分别提升35.78%、60.19%和82.41%,验证了本文算法的有效性和实用性。     

一种地面连续运行参考站实时质量控制算法

提出了一种适用于地面连续运行参考站(CORS)的实时数据质量控制算法,该算法充分利用地面连续运行参考站GPS卫星精密单点定位得到的载波相位观测量的验后相位残差时间序列,对监测站的多路径误差进行建模。通过设置一定高度角和水平角大小的格网,计算落入相应格网的载波相位观测量验后残差的均值与标准差,将所得均值与标准差作为地面连续运行参考站的载波相位观测量在该方向的多路径误差,并给出了其具体计算步骤。通过10个IGS监测站的实测数据仿真计算表明,该算法能够显著修正载波相位观测量中的多路径误差,当格网设为0.5°×0.5°时,经过多路径误差改正后的相位观测量残差的精度提高了大约30%。最后采用抗差估计,利用载波相位观测量验后残差格网的均值与标准差,对实时精密单点定位(PPP)的载波相位观测量进行质量控制。实测数据表明,在监测站数据存在粗差时,能够显著提高实时PPP的精度,大约提高39.7%。     

面向室内行人的Range-only UWB/INS紧组合导航方法

为了提高室内行人组合导航系统的精度和灵活性,提出了一种Range-only超宽带(UWB)/惯性导航系统(INS)紧组合导航方法。该方法将锚点的位置信息引入到系统状态变量中并通过数据融合滤波器进行预估,以克服传统UWB/INS紧组合导航模型中需要预先获取锚点位置信息的缺点,减少锚点位置信息精度对组合导航系统的影响。在此基础上,利用迭代扩展卡尔曼滤波(IEKF)来完成组合导航系统的数据融合滤波,以提高对目标行人导航信息的预估精度。实验结果显示,所提方法的平均绝对位置误差与传统UWB/INS紧组合方法相比降低了11.69%,算法对锚点位置信息的依赖程度也显著降低。     

捷联惯导/天文导航/合成孔径雷达组合导航系统

设计了适用于巡航导弹的捷联惯性/天文导航/合成孔径雷达(SINS/CNS/SAR)组合导航系统,针对巡航导弹对导航系统高精度和自主性的要求以及其匀速、等高状态飞行的特性,突出工程实用性,对SINS/CNS/SAR组合导航采用非线性建模,非线性的无迹卡尔曼滤波(UKF)方法进行各子滤波器的滤波,非线性的模型和滤波方法更符合实际,因而提高了系统精度,而子滤波器之间的信息融合过程选择基于信息分配因子实时调整的联邦滤波器,大大增强了系统的容错性和实时性。提出了一种新的可观测度计算方法,简化了可观测度的计算。数字和半实物仿真实验表明组合导航系统对于巡航导弹高空长航的飞行环境具有很强适用性,该组合导航系统不但适用于巡航导弹,也适用于无人机等其他一些长航时飞行器,具有重大的工程应用价值。     

基于UPF的车辆紧耦合定位算法

针对城市环境下车辆定位精度低、可靠性差且成本高的问题,通过融合GPS/北斗双模卫星导航定位系统和其他低成本的车载传感器信息设计了一种车辆紧耦合定位算法。首先基于低成本的降维惯性导航定位系统和双模卫星导航定位系统建立了非线性系统状态模型和观测模型;然后使用了一种改进无迹粒子滤波算法来进行多传感器信息的融合,在信息融合过程中,运用了一种模糊算法,根据卫星高度角和载波信噪比特征对伪距的观测噪声协方差值进行了自适应调整,从而提高了定位精度;最后,进行了实验评估。实验结果表明:该定位方法相比基于传统粒子滤波的定位方法能有效提高定位精度,具有可行性。     

引入系统不确定度的模糊IAE-UKF组合导航

针对车载卫星与惯性器件的组合导航系统不确定性对导航精度影响较大的问题,依据滤波新息估计量的统计特性与模糊度隶属度函数的控制特性,设计滤波方法实现对组合导航误差的抑制。考虑系统先验知识难以准确获取,首先采用新息自适应估计(Innovation Adaptive Estimation,IAE)方法对当前量测噪声方差进行在线调整;其次根据新息确定量化参数,引入平滑加权残差平方思想(Smoothed Weighted Residual Squared,SWRS)给出表示系统不确定度的权值函数,结合定义的系统不确定度构建模糊隶属度函数;最后将两种改进方法嵌入到无迹卡尔曼滤波(Unscented Kalman Filter,UKF)框架中,对系统噪声方差予以自适应调整,形成适用于处理低成本组合导航系统的模糊IAE-UKF滤波器。设计车载组合导航测试,取不同算法下的组合位置、组合速度进行精度比较。结果表明本文组合导航算法的位置精度及速度精度均得到明显改善,实现了对组合导航误差的抑制,是一种可有效克服系统模型难以准确建立问题的滤波器。     

嵌入式GPS/MIMU/磁罗盘组合导航系统

研制出基于FPGA和DSP的嵌入式GPS/MIMU/磁罗盘组合导航系统。该系统硬件由石英微机械陀螺仪、石英挠性加速度计、GPS接收机、数字磁罗盘和基于FPGA和DSP的高速导航计算机模块等组成。在该系统软件方面,采用圆锥误差补偿与划船误差补偿的现代捷联导航算法和含传感器噪声模型的18维扩展Kalman滤波器,并利用惯性传感器和MIMU导航信息对GPS和磁罗盘信号进行质量控制。经车载试验结果表明,该组合导航系统水平姿态误差小于0.2°,航向角误差小于0.3°,定位精度小于3m。     

基于变分贝叶斯的DR/UTP组合导航滤波方法

针对水下无人航行器(UUV)的航位推算导航方法(DR)和水下应答器(UTP)组合导航系统中传统滤波器因观测噪声统计模型不准确或未知而出现的滤波器发散问题,提出了一种基于变分贝叶斯的平方根容积卡尔曼滤波算法,该算法利用变分贝叶斯方法对DR/UTP组合导航系统的状态和时变观测噪声进行估计,并引入自适应调节因子来提高对观测噪声的逼近精度,然后利用平方根容积卡尔曼滤波对系统状态进行更新。仿真结果表明,该滤波算法能够较好地跟踪UUV的DR/UTP组合导航系统外部观测噪声方差的不断变化,可有效提高对DR/UTP组合导航系统各参数的估计精度。     

基于改进联邦滤波算法的组合导航系统的应用

针对组合导航系统中联邦滤波信息融合算法在滤波精度和容错性能等方面存在的不足,提出了一种基于以捷联惯导系统(SINS)为公共主系统,全球定位系统(GPS)和多普勒测速系统(DVL)为辅助子系统的改进联邦滤波算法的组合导航系统。介绍了卡尔曼滤波原理与信息融合算法的特点,基于联邦滤波器的组合形式详细阐述了联邦滤波器设计步骤,将改进量测噪声协方差阵的自适应联邦滤波器应用到SINS/GPS/DVL组合导航系统中,并对此系统进行了MATLAB仿真。仿真结果表明,相较于标准联邦滤波器算法,该文设计的基于改进量测噪声协方差阵的自适应联邦滤波器能明显提高组合导航系统的滤波精度和可靠性。     

水下潜航器的惯导/超短基线/多普勒测速信息融合及容错验证

针对水下潜航器惯导系统的定位误差积累和容错性差等问题,分析了水声超短基线的相位差定位方法,推导了基于惯导提供实时位置、姿态误差角信息的惯导/超短基线(INS/USBL)导航解算过程及其坐标转换。结合惯导/多普勒测速(INS/DVL)滤波器,给出INS/USBL/DVL组合导航联邦滤波在3种信息融合算法下的应用。通过MATLAB仿真对导航算法进行了验证,结果表明该导航算法能够抑制惯导系统误差随时间发散的问题,能充分利用了3种导航系统提供的参数信息,且状态维数低,滤波收敛速度快,其中基于精度因子信息分配方法的导航系统误差最小。容错性验证结果显示,当超短基线出现故障时,重构后的组合导航系统在较高航速情况下依旧能提供有效的导航参数。所提出的INS/USBL/DVL组合导航联邦滤波方法能够精确地提供水下潜航器的各位导航参数信息,且具有较高的容错性和稳定性。     

北斗测距信号评估与精密单点定位应用研究

随着全球导航系统的建设和发展应用,我国北斗导航系统也开始逐步向全球用户提供高质量的定位、导航和授时服务。基于我国时间基准UTC(NTSC)系统,开展北斗导航系统测距信号评估与精密单点定位(PPP)应用研究。通过实测数据首先分析北斗测距B1、B2频点的信噪比以及周围观测环境所引起的多路径影响。同时,讨论了北斗精密单点算法,并利用实测数据以及GNSS服务中心IGS国际多模GNSS实验工程(MGEX)提供的精密轨道和钟差产品进行精密定位解算。结果表明,B2频点信号的接收性能优于B1频点,北斗精密单点定位计算的结果在X、Y、Z 3个方向上的误差基本保持在cm级,解算的本地时相对于IGST偏差的频率稳定度短稳达到了10~(-14)量级,与全球定位系统(GPS)精密单点定位性能基本相当,表明我国北斗系统可用于ns级高精度时间传递。     

交互多模型在车辆组合定位系统中的应用（英文）

为解决扩展卡尔曼滤波器(extended Kalman filter,EKF)在车辆组合定位系统中因车辆加减速、转弯(以下简称机动)而存在的精度低、稳定性差等问题,设计了一种将交互多模型(interacting multiple model,IMM)算法与非线性卡尔曼滤波器相融合的自适应滤波算法。该算法使用三种状态空间模型来描述车辆的运动模式,采用多个非线性滤波器对每个模型并行滤波,通过模型匹配似然函数对滤波结果进行加权融合,最终得到系统的定位信息。该方法具备非线性系统滤波器优点,克服了单一模型滤波算法对机动目标定位效果差的缺点。利用该方法和EKF算法分别对GPS/INS/DR车辆组合定位系统中进行了仿真实验,结果表明,该算法的滤波定位精度明显优于目前组合定位系统中所用的EKF滤波器,大幅提高了组合定位系统的稳定性和定位精度。     

Novel hybrid of strong tracking Kalman filter and wavelet neural network for GPS/INS during GPS outages

Aiming to improve positioning precision of the GPS/INS integrated navigation system during GPS outages, a novel model combined with strong tracking Kalman filter (STKF) and wavelet neural network (WNN) algorithms for INS errors compensation is proposed and tested. STKF is used to estimate INS errors as a replacement of Kalman filter (KF), and WNN is applied to establish a highly accurate model based on STKF when GPS works well and to predict INS errors during GPS outages. Performance of the proposed model has been experimentally verified using GPS and INS data collected in a land vehicle navigation test. The comparison results indicate that the proposed model combined with STKF/WNN algorithms can effectively provide high accurate corrections to the standalone INS during GPS outages.     

Improving ultrasonic-based seamless navigation for indoor mobile robots utilizing EKF and LS-SVM

The ultrasonic positioning system is able to provide centimeter-level location information. However, the signal of the system is easy to be disturbed and the outages of the positioning system appear. Inertial measuring units (IMUs) is a self-contained device and can provide long-term navigation information independently, but it has the drawback of error drift. In order to obtain accurate and continuous location information indoors for indoor mobile robots, this work proposed a seamless integrated navigation utilizing extended Kalman filter (EKF) and Least Squares Support Vector Machine (LS-SVM). In this mode, the EKF estimates the position and the velocity of the robot while the signals of ultrasonic positioning system are available. Meanwhile, the compensation model is trained by LS-SVM with corresponding filter states. Once the signals of ultrasonic positioning system are outages, the model is able to correct inertial navigation system (INS) solution as filter does. A prototype of the system has been worked in a real scenario. The results show that the performance of EKF is robust, and the prediction of LS-SVM is able to work as EKF does during the outages.     

自适应滤波协同图优化导航方法研究

针对传统图优化导航方法中传感器测量协方差不准确导致估计精度下降的问题，本文提出了一种自适应滤波协同图优化导航方法。首先，构建INS/GNSS/e-Compass组合导航系统的因子图模型；然后，利用测量方差自适应滤波对传感器测量信息进行预估，在滤波过程中更新相关传感器的测量协方差矩阵，并将预估结果作为变量节点加入因子图；最后，通过滑动窗口控制优化范围，对窗口内的变量节点进行非线性优化并输出最终的导航状态。仿真和实验结果表明，所提出的方法对传感器测量协方差的不匹配问题具有自适应性，能够在不同场景下实现高效可靠的导航定位。相比于传统图优化方法，该方法的定位精度提升了30%,计算效率提升了12%。     

Outdoor position estimation based on a combination system of GPS-INS by using UPF

This paper proposes a technique that global positioning system(GPS)combines inertial navigation system(INS)by using unscented particle filter(UPF)to estimate the exact outdoor position.This system can make up for the weak point on position estimation by the merits of GPS and INS.In general,extended Kalman filter(EKF)has been widely used in order to combine GPS with INS.However,UPF can get the position more accurately and correctly than EKF when it is applied to real-system included non-linear,irregular distribution errors.In this paper,the accuracy of UPF is proved through the simulation experiment,using the virtual-data needed for the test.     

GPS/INS组合导航系统的研究

讨论了飞机惯性导航系统(INS)与全球卫星导航系统(GPS)的利与弊以及卡尔曼滤波方法在组合定位中的应用情况,进一步提出了基于神经网络数据融合方法的GPS/INS组合导航系统.系统神经网络结构采用单隐层的三层神经网络,输入输出神经元数目是4个,基于256个训练样本由经验公式求得隐层神经元数目为8个,同时还建立了惯导系统的数学模型和数据融合的数学模型.给出了利用MATLAB编制的神经网络训练程序并对这一神经网络进行了训练和仿真.实验表明,组合导航系统经度误差可达9m,纬度误差可达8m,与单独GPS定位和INS定位相比精度得到了提高.