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...     

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。     

SINS/GPS全姿态组合导航系统的UKF算法研究

将UKF算法应用于SINS/GPS全姿态组合导航系统,给出了一种GPS测量姿态角的方法,推导了姿态角误差与平台失准角之间的关系,建立了系统的非线性误差模型,设计了UKF滤波器。仿真结果表明,将UKF算法用于SINS/GPS全姿态组合导航系统可以改善系统的可观测性,提高导航精度。     

无人机自适应平滑切换姿态融合算法研究

针对GPS信号丢失导致组合导航算法精度降低甚至发散的难题,开展一种高效的自适应平滑切换融合算法研究.在GPS信号正常情况下,采用基于GPS量测的高阶组合导航算法估计姿态信息;在GPS信号丢失时,停止高阶滤波算法并切换为基于四元数的低阶姿态估计算法;当GPS信号恢复后,将低阶姿态估计算法的估计值作为高阶滤波算法初值,实现姿态估计算法的平滑切换.仿真结果和试飞试验表明,该切换策略具有较好的估计精度和可实现性,且切换过程中姿态角跳变小于0.5°,收敛时间小于0.1 s,有效地提高了有、无GPS信号情况下无人机的姿态估计精度.     

基于自适应神经网络的组合导航故障诊断技术研究

针对传统组合导航故障诊断算法对系统模型精度要求较高,对非线性组合导航系统处理能力有限的问题,提出了自适应神经网络的SINS/GPS/DVL组合导航系统故障诊断。算法首先对组合导航故障诊断进行数学建模和故障信息提取,然后再采用遗传算法对基于BP神经网络进行故障诊断过程中容易遇到的局部极小值问题和网络结构进行自适应优化处理,有效提高了BP神经网络在进行组合导航故障诊断时的执行速度和效率,同时,也增强了系统故障诊断的准确性和可靠性。仿真试验有效验证了算法的有效性。     

自适应Kalman滤波在光纤陀螺SINS/GNSS紧组合导航中的应用

为了提高光纤陀螺捷联惯性导航系统（SINS）和全球卫星导航系统（GNSS）的组合导航精度和系统稳定性,设计了基于伪距、伪距率的紧组合导航系统模型。针对光纤陀螺的白噪声特点,以及误差不稳定性导致无法精确建模,将残差引入误差方差阵的估计中,提出了一种改进的自适应卡尔曼滤波方法。采用改进的自适应卡尔曼滤波方法滤波得到导航参数的最优估计,然后对系统进行反馈补偿校正,抑制了滤波发散问题,提高了系统的稳定性。稳态测试试验结果表明:设计的光纤陀螺SINS/GNSS 紧组合导航系统具有较好的鲁棒性;在三颗卫星的条件下,系统能够在短期内保持较高的导航精度,验证紧组合导航的优越性。     

光纤陀螺定位定向导航系统研究

在光纤陀螺IMU的基础上,设计了信号处理电路、导航计算机、转位机构等,采用Kalman滤波技术,建立了相应的状态方程和量测方程,研制了SINS与卫星导航全球定位系统(GPS)、里程计等辅助信息组合的定位定向导航系统,并给出试验结果及主要技术指标,该系统可广泛应用于陆用车辆导航.     

基于自适应卡尔曼滤波的RFID/SINS组合导航研究

在室内导航定位中,射频识别(Radio Frequency Identification, RFID)技术具有信号穿透性强、成本低廉等诸多优点,能够有效代替GPS完成室内组合导航。针对室内惯性导航误差发散和滤波中噪声参数不确定的问题,提出了基于自适应卡尔曼滤波(Adaptive Kalman Filtering, AKF)的RFID/SINS组合导航系统,通过RFID定位系统抑制惯性导航误差发散,并应用AKF将噪声参数与量测输出参数关联实现实时更新。对AKF和标准卡尔曼滤波(Kalman Filtering, KF)下的RFID/SINS组合导航系统进行了仿真和实验。结果表明,在AKF下组合导航系统平均定位误差降低了10%,位置稳定性提升了7.4%,定位误差保持在0.07 m左右。基于AKF的RFID/SINS组合导航系统能够满足室内高精度定位导航的需求。     

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。     

CDKF在GPS/SINS组合导航系统非线性模型中的应用

GPS/SINS组合导航系统模型的非线性会导致扩展卡尔曼滤波（EKF）的估计精度降低。而中心差分卡尔曼滤波（CDKF）的新型非线性滤波方法,则利用插值公式对非线性系统的状态估计进行逼近,从而减小线性化误差对系统精度的影响。针对GPS/SINS导航系统的特点,建立了一种非线性误差模型,并将EKF与CDKF分别应用于组合导航系统模型中进行仿真比较。仿真结果表明,该算法简单易实现,且能满足系统在非线性模型下的导航要求,并具有较高的精度和收敛性。     

基于RDSS辅助的多普勒／SINS组合导航系统研究

多普勒／SNS组合导航系统具有输出水平速度误差较小、平台角误差较小的优点，但存在经纬度误差较大的缺点，故不能作为独立的导航定位系统，而双星定位系统(RDSS)可输出较高精度的经纬度信息，但存在定位滞后的缺陷，若利用多普勒／SINS的输出水平速度以补偿RDSS的位置滞后，同时经过位置补偿后的RDSS系统可实时修正多普勒／SINS组合导航系统．仿真结果表明，基于RDSS辅助的多普勒／SNS组合导航系统能有效地克服多普勒／SINS系统的缺点，是一种新型的组合导航系统，可应用于导航定位精度要求较高的场合。     

移动卫星通信自适应UKF组合导航姿态估计算法

为解决组合导航姿态估计航向角可观性弱,姿态估计精度低、易发散的问题,提出了一种单基线GPS辅助观测的组合导航姿态估计算法,通过四元数与修正的Rodrigues参数相互切换避免了四元数加权均值计算和协方差奇异问题,确保了四元数的规范化;通过有效利用单基线GPS航向角辅助观测,改善航向角的可观性,提高了三维姿态角的估计性能;通过使用开关自适应UKF算法,提高了算法的适用性和姿态估计的精度。实验结果证明,UKF姿态估计的精度优于EKF,最终三维姿态角的最小均方误差均在0.36°以内,估计误差均在0.5°以内,满足了宽带移动卫星通信的波束指向要求。     

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。     

基于条纹匹配的InSAR/INS组合导航方法

现存的组合导航系统存在诸多问题：地形辅助导航系统分辨率较低;GPS/INS导航系统中GPS信号易受干扰;SAR/INS导航系统无法实现三维定位且无法获得平台的姿态信息.针对以上问题本文提出了基于条纹匹配的InSAR/INS组合导航方法：该方法将InSAR系统获得的干涉条纹与DEM生成的干涉条纹进行匹配,得到的定位偏移用以反演平台的位置和姿态信息,最后将反演结果与IMU信息进行组合滤波得到导航输出.该组合导航系统有以下优势：干涉条纹中包含地形信息和平台姿态信息;干涉相位对横滚角敏感,可通过干涉相位高精度反演平台的横滚角;InSAR系统具有较高精度的三维定位能力.本文主要介绍了基于条纹匹配的InSAR/INS组合导航的原理和方法,最后通过仿真和实测数据验证了条纹匹配和观测量反演算法的可行性.     

基于UKF的GPS／MIMU组合导航滤波算法研究

高精度的导航定位是无人机研究中所面临的主要挑战之一。采用GPS／MIMU组合导航是目前主流的导航模式。当前实现GPS／MIMU组合导航的技术主要是卡尔曼滤波。文中将UKF（Unscented Kalman Filter）滤波技术应用于组合导航,建立系统的状态与观测量的非线性模型,在给定初始值和噪声方差阵的情况下进行了仿真。数值仿真表明所设计的卡尔曼滤波器可行,该方法能很好地改善滤波效果,提高了估计精度,同时减小了计算量。     

SINS/GPS组合平滑估计在机载SAR实时运动补偿中的应用

针对机载合成孔径雷达(SAR)实时成像运动补偿对高精度运动参数的需求,该文提出一种基于捷联惯性导航系统/全球定位系统(SINS/GPS)组合Rauch-Tung-Striebel (R-T-S)平滑估计的实时运动补偿方案。该方案在实时卡尔曼滤波的基础上,对SAR每一次合成孔径时间段内的滤波结果再进行后向平滑递推,进一步修正滤波结果。仿真试验和飞行成像数据处理结果表明,该方案可以有效提高合成孔径时间段内运动参数的估计精度。     

运载器深空动力飞行INS/CNS/Doppler系统导航方法研究

提出了一种运载器深空动力飞行阶段的精确自主导航方法。以捷联惯性导航系统为主导航系统,并辅以天文导航、多普勒导航,利用信息融合技术,构成 SINS/CNS/Doppler 组合导航系统。以惯性导航的信息误差量作为系统状态量,建立系统数学模型,在天文观测信息的基础上,利用单程多普勒频移测量运载器与地面站的相对速度,采用联邦滤波算法将观测信息有效地融合在一起,完成运载器深空动力飞行阶段的导航任务。对提出的导航方法进行了数值仿真, 仿真结果表明,该方法的导航速度估计精度达到 0.04m/s,姿态估计精度达到 1 角秒以下,具有很高的导航精度。     

激光陀螺捷联惯导系统导航算法设计

结合工程实际应用,充分考虑激光陀螺捷联惯导系统(RLG SINS)的特性,设计出了一套完整的RLG SINS导航算法,包括姿态更新算法、速度更新算法和位置更新算法.在姿态更新算法中考虑圆锥补偿算法,推导了等效旋转矢量的递推算法;在速度更新算法中考虑划船误差补偿算法,推导了划船误差补偿递推算法.大量的车载实验表明,所设计各部分的算法能协调一致工作,解决了RLG SINS高速姿态和速度更新与导航计算机速度间的矛盾,保证了系统在高动态条件下的导航算法精度,可充分发挥激光陀螺的优势,提高RLG SINS的导航精度.