BP神经网络辅助的SINS/GPS组合导航姿态误差补偿方法研究

针对SINS/GPS组合导航姿态估计精度不足问题,提出一种BP神经网络辅助的导航姿态估计的补偿方法。首先,以QR分解Kalman滤波的增益矩阵并构建其降维特征向量;然后,以此为输入,以姿态估计误差为期望输出对BP神经网络进行训练;最后,利用BP神经网络的输出辅助修正SINS/GPS组合导航的姿态估计结果。数值仿真表明,相对于仅依赖传统Kalman滤波的方法,使用降维特征向量训练的BP神经网络获得补偿误差的SINS/GPS组合导航系统姿态估计可大大降低计算耗时,同时精度可提高两个数量级,对提高SINS/GPS组合导航精度具有较高参考价值。     

低成本无源北斗／INS组合导航系统研究

北斗双星定位系统(RDSS)采用有源定位体制存在一定的局限性,采用三星无源定位体制可以克服双星导航定位系统用户位置容易暴露和系统用户数量容易饱和两大缺点.同时,提出了无源北斗/惯导组合导航系统方案.仿真结果表明,组合系统可有效提高系统定位精度,降低对惯导精度的要求,从而降低整个组合导航系统的成本.     

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。     

基于曲线拟合的SINS/GPS紧密组合导航系统

在工程实际应用中,由于GPS、北斗等卫星导航系统的卫星信号传输、导航计算等均需要耗费一定的时间,当用户接收机输出导航信息时已经产生了延时。尤其对于高动态用户,这一输出延时现象将会导致严重的位置误差和速度误差。针对此,提出了基于曲线拟合的SINS/GPS紧密组合导航系统,解决了高动态时GPS延时问题对导航系统的影响,从而通过曲线拟合的方法保证了时间同步的精度。最后对改进后的系统进行了仿真验证,结果表明该系统的水平位置精度、速度精度均得到显著提高,验证了该方法的有效性。     

基于二维激光多普勒测速仪的车载组合导航系统

为了减小由车式载体上下颠簸而引入的测量误差,设计了二维结构的激光多普勒测速仪2-D LDV（laser Doppler velocimeter）,并将其与捷联惯导组合导航。阐述了二维激光多普勒测速技术的基本原理,详细讨论了其与捷联惯导组合的具体结构并进行了车载实验。理论和实验结果表明:2-D LDV减小了由于车辆上下颠簸而引入的测量误差,进一步提高了导航精度。车辆行驶总里程为29.67 km,纯捷联惯导的位置误差为936 m,1-D LDV/SINS组合系统的位置误差17.2 m,而2-D LDV/SINS组合系统的位置误差仅有7.1 m,相对于1-D LDV/SINS,2-D LDV/SINS更适合于车载组合导航系统。     

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。     

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。     

基于滑动窗口抗差自适应滤波的SINS/DVL组合导航算法

捷联惯性导航系统（SINS）/多普勒测速仪（DVL）组合导航时，需要考虑多普勒速度信息中出现的野值和噪声特性变化对导航精度的影响。针对上述问题，提出基于滑动窗口抗差自适应滤波的SINS/DVL 组合导航算法。首先建立状态变换漂移误差角系统误差模型，在速度误差方程中用重力常值项代替比力项，减少比力项引起的速度误差，提高模型的准确性。然后利用新息序列判别野值，若异常则采用滑动窗口数据修正错误新息，并使用带遗忘因子的自适应滤波在线估计量测噪声。实验结果证明，新的系统误差模型和滑动窗口抗差自适应滤波能有效减缓位置误差的累积。2 h 的SINS/DVL 组合导航中误差航程比优于1.05%，相比于传统卡尔曼滤波性能提升39.66%。     

基于二维激光多普勒测速仪建立新组合导航系统的方法

为了提高车辆在行驶过程中的测量精度,提出一种利用二维激光多普勒测速仪(2D LDV)和捷联惯性导航系统(SINS)建立新的组合导航系统的方法。阐述了2D LDV的基本原理,并且详细讨论了由2D LDV和SINS组成的新的组合导航系统进行位置解算的过程。理论及实验结果表明:新的组合导航系统很好地抑制了纯惯性导航误差发散的特性;相比于由一维激光多普勒测速仪构成的组合导航系统,2D LDV提高了载体速度测量的精度,从而进一步提高了组合系统的导航精度。新的组合导航系统两次实验在2.2 h内的定位误差分别只有5.9 m和5.2 m。     

提高SINS/GNSS组合导航系统定位精度的方法研究

单纯依赖单一的导航手段难满足高精度的导航需求,因此,将捷联惯性导航系统(SINS)、全球卫星导航系统(GNSS)有效组合,实现优势互补。SINS/GNSS组合导航系统的数据处理一般采用卡尔曼滤波实现,当组合导航系统模型足够准确时,滤波性能较好,当导航系统模型存在误差或发生变化时,新的量测值对滤波估计值的修正作用下降,而旧的量测值的修正作用相对上升,从而导致滤波精度下降。针对上述问题,基于集中式卡尔曼滤波结构的SINS/GNSS组合导航系统,本文提出一种新方法,新方法在梯度方向上进行估计迭代,从而修正模型误差对滤波精度的影响,提高导航定位精度。实验结果表明,当导航系统模型和量测方程存在误差或发生变化时,新方法仍可以为导航系统提供有效的定位精度,满足高空长航时系统需求。     

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。     

利用铷钟实现组合导航系统研究

介绍了双星定位系统（RDSS）的局限性，提出了利用高精度时钟，即铷钟作为接收机内部时钟，如接收机能够测量用户至卫星的伪距，在气压高度表的辅助下，双星定位系统可以与捷联惯导进行有效的伪距组合。仿真结果表明，组合后的导航系统具有输出导航参数误差小的特点，为发展双星定位系统提出了一条新的思路。     

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。     

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。     

SINS／GPS组合导航系统在雷达成像系统中的应用研究

介绍一种为机载合成孔径雷达成像系统提供载机天线附近运动信息的GPS／SINS组合导航系统,该系统根据不同导航系统的各自特点及雷达成像系统的要求,采用了雷达成像期间输出纯捷联惯性导航信号,非成像期间输出组合导航信号的方案,实现了基于捷地性测量系统和GPS－OEM板接收机,在位置,速度组合下的导航系统的软件硬件设计,静基座条件下的实验表明该方案是成功的,既满足了系统在成像期间的定位精度需求,又保证了系统总体定位精度。     

基于测速误差预补偿的水下航行体组合导航技术

针对水下航行体INS/DVL组合导航系统,提出了基于DVL测速误差预先补偿的卡尔曼滤波方案,介绍了测速误差预先补偿方法和补偿措施。通过试验验证,基于DVL测量速度误差预先补偿的组合导航技术改善了系统滤波收敛特性,提高了导航定位精度。     

SINS/GNSS组合导航系统中激光多普勒测速仪参数估计

为了提高SINS/GNSS组合导航系统的全局性能,考虑加速度与高斯包络对激光多普勒测速仪的影响,提出SINS/GNSS组合导航系统中激光多普勒测速仪参数估计方法。通过分析SINS/GNSS组合导航系统工作原理,明确SINS/GNSS组合系统状态;采用预先梯度评估方法,对梯度方向进行估计迭代,以提高导航定位精度,将获取的方位偏差代入卡尔曼滤波器中进行处理,保证SINS/GNSS组合导航系统实际应用的可靠性;获取对应费希尔信息矩阵,采用正弦信号的圆频率估计方差获取CRLB;分析激光多普勒测速仪测速过程中存在的问题;在信号成分参数分解前提下,将各距离门回波近似看作多个Chirp分量合成信号,对距离压缩后的数据实施自适应Chirplet分解,完成激光多普勒测速仪参数估计。实验结果表明:所提方法能够得到准确的参数估计数值,为SINS/GNSS组合导航系统的有效应用提供理论参考。     

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。     

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。     

鲁棒的DME/DME/SINS组合导航算法

测距机（DME, distance measuring equipment）/DME/捷联惯导系统（SINS, strap-down inertial navigation system）的组合导航系统是区域导航（RNAV, area navigation）中常用的导航源。本文提出了一种鲁棒的DME/DME/SINS组合导航算法。首先以SINS误差方程为基础建立起卡尔曼滤波的状态方程;其次推导斜距误差与系统状态变量间的数学关系,并以此建立量测方程;最后针对DME输出的斜距中的野值影响导航精度这一问题,采用一种鲁棒性能较好的基于Huber的卡尔曼滤波算法实现信息融合。实验结果表明：所设计的组合导航算法可以满足RNAV-1的导航需求,由于采用了基于Huber的卡尔曼滤波算法,算法鲁棒性较好,能有效应对量测野值对系统的干扰。