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。     

城市峡谷中基于GDOP和NHC的GPS/IMU组合导航方法

针对在林荫道、高架桥和隧道等城市峡谷中全球定位系统(GPS)信号易发生遮挡、 干扰,导致导航定位精度低、连续性和可靠性差的问题,提出了一种基于几何精度因子(GDOP) 和非完整性约束(NHC)的 GPS/惯性测量单元(IMU)组合导航方法。其中,通过利用 GDOP 实现卫星定位构型优劣和定位精度的衡量,从而构建基于 GDOP 值的 GPS/IMU 组合导航量测更新模型。同时,为了进一步提高组合导航系统的精度,将 NHC 应用于该组合导航系统中。实验结果表明,所提方法水平和三维定位均方根误差分别是 3.88 m 和 4.78 m,相比于传统 GPS/IMU 组合导航方法的 9.25 m 和 13.53 m 分别提高了 58.06%和 64.67%,可以有效抑制 GPS 信号受环境干扰影响组合导航定位精度和可靠性的问题。     

INS/GPS多传感器车载组合导航系统算法研究

理论分析光纤陀螺和石英挠性加速度计的传感原理,对组合导航系统中的惯性测量单元(IMU)建立相应的误差模型,其误差模型包含了IMU传感器的标度因数的非线性模型、零偏的漂移模型、交叉耦合误差模型和标度因数、零偏的温度模型等。针对建立的误差模型进行误差补偿,同时针对车载环境设计了IMU传感器信号的数字滤波器,提高组合导航系统在车载环境下的适应性。GPS、高度计、里程计等多传感器信息的引入克服了惯性传感器独立长时间导航的发散问题。针对车载组合导航系统的非线性误差模型,设计了UKF组合导航算法,进行仿真和跑车试验,该方法能有效改善组合导航系统在劣等路面跑车试验效果。     

基于改进神经网络增强自适应UKF的组合导航系统

基于微机电系统(MEMS)的惯性器件和全球定位系统(GPS)的组合导航系统在卫星信号失锁时存在误差发散的问题,该文提出一种基于人工蜂群算法(ABC)改进的径向基函数(RBF)神经网络增强改进的自适应无迹卡尔曼滤波算法(AUKF)。在GPS信号失锁的情况下利用训练好的神经网络输出预测信息来对捷联惯导系统进行误差校正。最后通过车载半实物仿真实验验证该方法的性能。实验结果表明该方法在失锁情况下对于捷联惯导系统的误差发散有较为明显的抑制效果。     

基于双OD修正的GNSS/MIMU导航算法研究

为提高车载组合导航系统的导航精度和可靠性,在全球导航卫星系统(GNSS)信号正常工作的情况下,该文建立了一种双天线GNSS/微惯性测量单元(MIMU)/轮速里程计(OD)组合导航模型,实现了对MIMU和OD传感器误差特性的在线估计。在GNSS信号短期失锁的情况下,基于双OD轮速比例修正(WRC)算法建立了MIMU/双OD组合导航模型。车载实验结果表明,与无WRC组合模型相比,该文设计的组合导航模型在120 s的GNSS信号失锁路段,最大定位误差减小了63.9%,定位误差标准差减小了80.1%;在200 s时GNSS信号频繁中断路段,最大位置误差为0.55 m。验证了所建立的导航模型和算法在复杂路况下工作的有效性。     

MEMS-IMU/GPS组合导航系统仿真研究

微电子机械系统(MEMS)是指可以批量制造的,集微型结构、微型传感器以及信号处理电路、接口、通信和电源于一体的微型器件.MEMS惯性测量单元是采用MEMS技术研制的加速度计和陀螺组合器件,它具有体积小、成本低、可靠性高等优点.首先介绍了微机电惯性测量单元(MEMS-IMU)的发展情况,总结了IMU的基本工作原理;随后对IMU中的主要误差源微机电陀螺进行了统计建模;最后以位置和速度信息为观测值将MEMS-IMU与GPS进行组合导航,并进行了仿真实验,由实验结果可以得出结论:MEMS-IMU不能单独构成导航系统,而与GPS组合后的导航系统精度可以满足一般的导航需求.     

四旋翼飞行器导航系统的数据融合方法

以时间戳对准和故障诊断技术为核心,根据四旋翼飞行器在执行任务时的实际需要,设计了组合导航系统。该系统搭载微机电系统(MEMS)的加速度计和陀螺仪,MEMS气压计和GPS传感器。首先设计预测器对GPS的数据进行时间戳对准,使得GPS的数据和惯导(INS)的数据同步;其次用量测数据(GPS和气压计)与INS数据进行故障诊断,防止量测数据跳变以及惯导数据误差的持续增大;最后采用基于时间戳对准和故障诊断的扩展卡尔曼滤波器设计组合导航系统,从而估计出四旋翼飞行器的位置和速度信息。     

基于弯曲传感器辅助的行人室内定位零速修正方法

针对现有微机电系统中惯性传感器漂移大、传统行人室内定位方法稳定性较差,从而导致行人室内定位精度低的问题,提出一种基于弯曲传感器辅助惯性传感器的行人零速修正方法。该方法通过将弯曲传感器固定在胯关节以及膝关节处,将惯性测量单元捷联在行人的鞋尖,用于分别测量行人行走时胯关节和膝关节的弯曲度变化以及脚步的运动特征。对关节弯曲度以及加速度、角速度设置相应的阈值,用于判别行人的零速区间,通过零速修正抑制误差的累积。实验结果表明,在不同步态下该方法可以有效降低定位误差,在跑动下较传统零速修正方法的定位平均误差降低了67.4%,得到较高的定位精度。     

低成本MEMS陀螺的SINS/GPS/ADS组合导航系统的工程实现

结合工程实际应用,以低成本MEMS陀螺捷联惯性测量单元为主,以GPS,ADS为辅助,设计完成了一套机载组合导航系统。该系统充分考虑了各传感器的优缺点,采用误差补偿技术,保证了系统的精度和可靠性。首先介绍了系统的组成及功能;在此基础上,建立了状态变量为29维的组合系统动态方程,给出了用于卡尔曼滤波的GPS和ADS的误差模型;通过精密三轴转台试验结果表明,组合系统可以进行实时滤波计算,提高了组合系统导航参数精度,具有很好的工程实用性。     

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。     

Pedestrian Navigation Based on Inertial Sensors, Indoor Map, and WLAN Signals

As satellite signals, e.g. GPS, are severely degraded indoors or not available at all, other methods are needed for indoor positioning. In this paper, we propose methods for combining information from inertial sensors, indoor map, and WLAN signals for pedestrian indoor navigation. We present results of field tests where complementary extended Kalman filter was used to fuse together WLAN signal strengths and signals of an inertial sensor unit including one gyro and three-axis accelerometer. A particle filter was used to combine the inertial data with map information. The results show that both the map information and WLAN signals can be used to improve the pedestrian dead reckoning estimate based on inertial sensors. The results with different combinations of the available sensor information are compared.     

偏振光传感器在四旋翼飞行器中的应用

为了实现偏振光传感器在实际三维空间中的导航应用,设计了一种基于仿生偏振光导航传感器、微惯性测量单元（MIMU）与全球定位系统（GPS）的组合导航控制系统,并实际应用到了四旋翼导航控制之中.本文首先介绍了偏振光传感器的功能模型和测角原理.其次采用扩展卡尔曼滤波（EKF）技术设计了偏振光传感器、MIMU、GPS的信息融合算法,通过室外飞行试验对该导航系统的性能进行了测试,并与传统MIMU/GPS/电子罗盘导航系统进行了比较.结果显示：在有磁场干扰环境下,基于偏振光的导航控制系统平均位置精度较传统导航系统提高了50.4%.实验结果表明：该导航控制系统实时性好、精度较高、抗电磁干扰能力强,且误差不随时间累积,基本满足移动载体进行自主导航时的精度和可靠性要求.     

北斗卫星导航系统URE与定位精度分析

北斗卫星导航系统已具有区域无源导航能力,为了研究当前可用星座情况下的系统定位精度,首先分析用户等效测距误差(UERE)结合精度因子(DOP)值的精度评估方法计算模型,然后利用上述方法采用实际数据对比分析了北斗卫星导航系统和GPS系统一段时间内的静态定位精度。通过分析得出,在该段时间内北斗系统定位精度在水平方向上误差优于5 m,在高程方向上误差优于15 m。     

基于自适应阈值的行人惯性导航零速检测算法

在基于微机电系统(MEMS)的行人惯性导航中零速区间检测算法是制约导航位置解算误差增长的重要因素。针对利用固定阈值实现零速检测算法在不同运动状态下存在检测适应性差的问题,根据行人步态特征以及周期性零速规律,以合加速度和合角速度为检测数据,提出了一种基于自适应阈值的零速检测算法。利用检测数据在运动状态下的动态特点及统计特征,根据获得的运动状态信息更新零速区间检测阈值,以适应在不同运动状态下实现准确的零速区间检测。实验表明,自适应阈值算法对零速区间可以进行精确检测,零速检测准确率达到98%。检测结果用于导航定位解算的误差率小于1.5%。     

基于MEMS器件的低成本微惯性导航系统设计

设计了一款基于MEMS陀螺和MEMS加速度计的低成本微惯性导航系统。采用“四元教”法进行姿态计算,通过比力变换、积分运算确定载体的速度、位置。分析样机运行结果可知,静态运行15S,姿态误差最大为1．2°,速度误差最大为4．5m／s,位置误差最大为33m。实验表明,该系统发散较快,但短期精度较高,为满足长时间导航,必须与其他导航如GPS组合,即可应用到普通导航领域,且能大大降低系统的成本和体积。     

基于容错决策树的UWB辅助惯性定位方法

针对惯性导航系统误差随时间累积和超宽带(UWB)定位受到非视距问题、多径效应和人体影响出现粗大误差的问题,提出了一种基于容错决策树的UWB辅助人员室内惯性定位方法。该方法提出并采用陀螺仪高精度分段拟合误差补偿模型,抑制惯性导航误差漂移;同时在UWB辅助人员室内惯性定位的基础上,构建惯性导航与UWB单点定位数据共同作用的容错决策树判定模型,剔除UWB定位的粗大误差因子,进而对惯性导航和UWB的参数应用扩展卡尔曼滤波,实现UWB辅助增强惯性定位。根据实验验证表明,在复杂狭窄巷道环境,该方法将距离均方误差占路线长度的比例从6.02%提升到0.76%;在常规方正室内环境,该方法将最大误差占路线长度的比例从2.207%提升到0.635%。实现了长时间的连续可靠定位,具有较强的工程应用价值。     

GPS与DTMB组合导航精度因子研究

针对单GPS定位系统存在定位盲区而无法实现定位的难题,结合基于DTMB标准的数字电视定位系统的优势,给出GPS与DTMB融合定位新方法,研究多种信号源参与定位的导航精度变化,并仿真分析4种不同场景下精度因子变化大小,通过理论分析和仿真实验证明了DTMB信号的参与改善了卫星的几何布局,减少了精度因子值,同时当参与的DTMB信号越多时,精度变化曲线更加平滑,精度因子取值平均在3左右,可以满足实际导航定位中对精度的需要。     

基于NARX神经网络的组合导航系统设计

针对捷联组合导航系统在定位信号无法获取的情况下定位误差大和BP神经网络定位的波动问题提出了基于NARX神经网络的导航算法。该方法在输入端加入输出输入量的时间序列,在定位信号可以获取时间段内对神经网络进行训练,不可获取时使用NARX预测的数据对系统进行补偿,提高定位精度。实验结果表明在30s的失锁时间内NARX神经网络定位精度在3m以内,迭代次数小于15次且数据波动较小,可以准确的预测导航位置。     

基于激光陀螺平台的船载姿态定位系统

为确保船载卫星接收机能够得到自身实时、准确的姿态信息,考虑到低成本的要求,采用微机电系统(MEMS)惯性器件设计接收机用姿态定位系统。利用船头部的高精度激光陀螺导航系统来组合尾部的MEMS惯导系统,对MEMS捷联惯导系统的误差进行了分析并建立组合导航系统的动态模型,利用Sage-Husa自适应滤波器对惯导系统的误差进行估计,对MEMS惯导系统的姿态解算结果予以修正,以解决MEMS惯导姿态精度低的问题,试验验证方案可行。