基于TMS320C6678的单历元单基线“北斗”测姿算法的实现

针对姿态测量的高精度问题和实时性,以及基于载波相位的"北斗"测姿算法中最小二乘模糊度去相关平差(LAMBDA)算法的高复杂运算,选择TI公司高端处理器中的C6678多核数字信号处理器(DSP)作为单历元单基线"北斗"测姿算法实现平台.根据算法的特点采用数据流模式对DSP多核进行任务分配:DSP的CORE0专门负责与"北斗"接收机UDP(User Datagram Protocol)通信,将"北斗"测姿算法中的各个分部算法分配到另外3个DSP CORE中执行并利用基于消息队列方式的核间通信技术进行数据核间通信.利用OEM617 D"北斗"接收机采集的实时"北斗"数据,经过在多核DSP算法处理上运行后,将结果与Matlab仿真结果对比,表明本设计可满足"北斗"测姿的精确性和实时性要求.     

激光陀螺捷联惯性导航系统零速修正研究

针对激光陀螺捷联惯性导航系统不依赖外部信息修正,长时间工作累积放大的问题,分析常用的零速修正算法二次曲线拟合法、最小二乘法、卡尔曼滤波法等,结合车载激光陀螺捷联惯性导航系统实际应用,提出一种自适应零速修正方法,利用零速修正技术的约束条件,构建15个基本误差参数,根据系统自身误差特性,设计出系统的状态量测矩阵和量测方程,并采用基于普条件数可观测理论对系统各状态进行了可观测性分析,确定卡尔曼滤波器参数,从而实现对位置坐标、姿态角、速度误差进行了有效估计,可以有效提高惯性测量单元（IMU）导航精度。实验表明,采用该方法能有效提高了捷联惯性导航系统导航精度,既克服了频繁停车,又增强了载体的机动性能。     

机动状态下航姿系统姿态估计算法研究

载体机动时,低精度航姿系统无法准确敏感重力矢量,由加速度计输出计算的水平姿态误差较大.为了减弱运动加速度的影响,提高机动状态下水平姿态估计精度,提出一种自适应卡尔曼滤波水平姿态估计算法.以姿态四元数和陀螺漂移为状态量,四元数姿态更新微分方程为状态方程,加速度计输出为量测量建立伪量测方程.根据加速度计量测更新残差对量测噪声方差阵进行实时估计和动态调节,较好地解决了机动状态下航姿系统水平姿态估计问题,提高了水平姿态估计精度.跑车试验验证了算法的有效性.     

超级航姿中基于变阈值判据的自适应Kalman滤波

超级航姿系统因受外界干扰而使加速度计输出稳定性发生变化时,传统航姿算法易引起载体机动状态误判,且易导致滤波器振荡甚至发散,因此,该文提出了一种基于模糊推理系统的变阈值载体机动判据自适应Kalman滤波算法。该算法能根据加速度计输出稳定性的变化,自适应地调节载体机动判据及滤波器的量测噪声阵,从而降低载体机动状态的误判率,并提高滤波器对量测信息的利用程度。仿真实验表明,当加表稳定性发生变化时,该算法仍能较好地判断出载体的机动状态,并对量测噪声阵作出相应调整,使超级航姿系统的长航时姿态精度和滤波稳定性得到提高。     

无源北斗/捷联惯导(SINS)紧组合导航技术的应用研究

针对北斗系统有源定位方式保密性差、用户数目有限,不能提供连续的位置、速度、姿态信息的问题,提出利用北斗系统3颗地球静止卫星的载波相位时间差分信息,与车载捷联惯导(SINS)构成紧组合导航系统,通过扩展卡尔曼滤波器估计并修正惯导系统的速度误差;引入载体的侧向和天向速度约束,改善了速度估计精度;结合北斗系统的伪距信息,消除了长航时条件下位置误差的积累;推导了滤波器观测方程,对组合导航滤波器进行了设计;通过车载实验进行了验证,实验结果表明,速度误差和位置误差的积累受到了有效地抑制,精度满足陆地战车导航的要求.     

基于DGPS／SINS组合的导航系统动态目标测量方法研究

惯导（INS）被认为是自主性最强、隐蔽性最好、应用最广泛,不受外界干扰的导航系统,而捷联惯导（SINS）以其诸多优点,成为惯性导航系统的一个主要发展方向。本文论述了DGPS和SINS测姿原理,并通过DGPS／SINS组合实现了冗余测量。通过采用卡尔曼滤波算法,提高了系统的定位精度、可靠性和实用性。同时,利用不同的DGPS卫星定位系统完成了近、中、远距离动态目标的姿态测量。     

零速修正技术在车载惯性导航中的应用研究

针对车载惯性导航系统由于无外部信息长时间运动导致的误差积累的问题,提出一种运用动态零速修正技术来提高导航精度的方法。利用零速修正技术的约束条件,构造观测量;用基于普条件数可观测理论对系统各状态进行了可观测性分析,确定卡尔曼滤波器的滤波效果,并进行仿真实验对姿态角误差、速度误差进行了估计。实验表明,在惯性导航系统中,零速修正技术很大程度上提高了导航的位置、速度、姿态信息,有效地确保了车载导航的导航精度。     

无源北斗/惯导两级滤波闭环组合算法

针对北斗卫星定位系统和惯性导航系统的组合设计组合导航卡尔曼滤波定位算法,引入伪距率作为观测量,基于高稳定度用户时钟,提出了双星下用两级滤波器对惯导进行闭环校正的闭环组合设计方案。其最大的优点是能根据收星情况稳定地在闭环和开环方式之间转换,这是采用惯导模型设计滤波器所不具有的。最后通过仿真说明本文方案有效地提高了丢星时组合导航系统的滤波定位精度,能够有效校正惯导的姿态误差角,并以较高的精度估计用户的三维速度。     

MEMS-INS室内行人定位三维地图匹配算法

提高基于微机械（Micro-Electro-Mechanical System,MEMS）惯性导航系统（Inertial Navigation System,INS）的室内行人三维定位精度一直是一个研究热点和难点,其中器件误差是影响MEMS-INS精度的一个棘手问题.由于器件误差产生的机理十分复杂,采用现有的修正技术无法准确地对误差进行估计建模,导致MEMS-INS的位置精度不高.本文从室内环境结构分析入手,提出了一种三维地图匹配的条件随机场算法.通过设计导航输出的位姿信息与室内状态点的数学关系,结合最佳轨迹求取的算法建立室内三维地图匹配的算法模型.最后通过算法求解出的最佳匹配点坐标修正惯性导航输出的位置误差.     

基于无迹卡尔曼滤波的iBeacon/INS数据融合定位算法

针对微机电惯性导航系统(MEMS-INS)定位解算存在积累误差及低功耗蓝牙技术iBeacon指纹定位存在跳变误差等问题,该文提出一种基于无迹卡尔曼滤波器(UKF)的iBeacon/MEMS-INS数据融合定位算法。该算法对iBeacon锚点与定位目标的距离进行解算,利用加速度计和陀螺仪的数据实现姿态阵和位置解算。将蓝牙锚点位置向量、载体速度误差信息等组成状态量,将惯性导航定位信息和蓝牙定位距离信息等组成观测量,设计无迹卡尔曼滤波器,实现iBeacon/MEMS-INS数据融合定位。实验测试结果表明,该算法有效解决MEMS-INS存在较大积累误差及iBeacon指纹定位存在跳变误差的问题,可以实现1.5 m内的定位精度。     

等式约束最小二乘在“北斗”姿态测量中的应用

针对传统无约束的姿态测量中整周模糊度求解成功率不高的问题,提出利用等式约束快速求解整周模糊度的算法,并将其应用于“北斗”姿态测量。该算法充分利用基线的先验信息,在整周模糊度的求解过程中加入等式约束,同时利用拉格朗日乘子法求解约束整数最小二乘问题,提高了姿态测量中整周模糊度和姿态角的求解成功率。采用静态测试和动态测试验证该算法,结果表明在“北斗”单历元条件下,整周模糊度及姿态角的求解成功率提升30%左右。     

重力异常对航天测量船惯导姿态测量的影响与补偿

分析了重力异常产生的原因,根据有害加速度对于惯导系统的影响,建立了基于重力异常的惯导比力误差方程及姿态误差测量模型.结合航行试验分析了影响与应用效果,试验结果表明,高精度的姿态测量系统中必须考虑重力异常的影响,利用该方法可以基本消除重力异常的影响,部分海域可使惯导姿态精度提高约20",对提高航天测量船外测精度具有重要意义.     

惯性/景象匹配组合导航系统的误差校正研究

惯性/景象匹配组合导航系统(INS/SMNS)的组合方式,实际上是一种不等间距、非实时性的有限点校正。为了提高景象匹配和惯导系统的组合精度,进一步达到子像素级的水平,完成景象匹配对惯导系统累积误差的校正,提出了多点连续校正的方法。分析了进行校正的具体前提条件,推导了不同数目匹配点时,对应的简化惯性导航系统输出误差校正方程。根据简化的误差方程和惯性导航系统的输出值,求解出位置误差和速度误差。比较了单点、两点、三点、四点以及五点校正的结果。仿真结果表明:当匹配点个数越多,求解出的位置误差、速度误差精度越高。从而得出景象匹配误差校正精度主要取决于两个因素即匹配点的个数和校正的实时性的结论。     

惯性/地磁组合导航系统自适应卡尔曼滤波算法研究

针对惯性/地磁组合导航中遇到的滤波的发散问题,采用自适应卡尔曼滤波估计导航系统的误差.该算法通过实时估计和修正系统噪声以及观测噪声的统计特性达到降低模型误差、抑制滤波发散的目的.在Matlab环境下的仿真证实了该方案可以防止滤波器发散,缩小滤波误差,提高滤波精度.     

GNSS/INS组合导航在飞行校验系统中的应用

目前的飞行校验系统以 GPS 作为空间基准,这种定位方式在精度、性能、可靠性方面都存在着固有缺陷。本文介绍的同步定位-姿态-导航(SPAN,Synchronous Position,Attitude and Navigation)技术集合了两种不同但互补的技术：全球导航卫星系统(GNSS,Global Navigation Satellite System)定位技术和惯性导航技术。通过二者的结合,SPAN 技术可以达到取长补短的目的,组合后的导航系统无论在精度、性能、可靠性方面都优于单独的子系统。将这项技术应用于飞行校验系统,利用 GNSS 定位的绝对精度加上惯性测量单元(IMU)陀螺和加速计测量的稳定性,就可以在卫星信号丢失或者高动态应用环境下仍然提供持续、稳定、可靠的位置及姿态数据。     

新型自适应Kalman滤波算法及其应用

为防止滤波发散和提高系统的实时性,提出了一种新的自适应Kalman滤波算法.该算法利用滤波异常判据获得一个滤波状态因子,通过滤波状态因子确定量测噪声协方差阵的值,在线调整噪声的统计特性实现自适应滤波.将该算法应用到惯导/双星组合导航系统中,并和常规Kalman滤波和简化的Sage-Husa自适应滤波算法进行仿真比较.仿真结果表明,在滤波精度与简化Sage-Husa自适应滤波相当的情况下,新算法简化了运算,提高了实时性.     

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MEMS的火箭制导平台INS与GPS组合导航算法

提高火箭制导平台的导航定位精确度,是火箭试验技术的重要研究内容。针对某火箭制导平台,设计了一种基于微机电惯性导航(INS)与全球定位系统(GPS)多传感器相组合的,采用间接输出校正的导航解算算法。算法利用卡尔曼滤波器对系统误差进行最优估计,估计结果修正惯导解算输出和敏感元件输出。仿真结果表明,在GPS收星有效以及火箭动态过程平稳情况下,该组合导航算法对INS误差随时间积累有明显抑制作用。     

神经网络在地-地导弹惯导系统初始对准中的应用

以地-地导弹的惯导系统为研究对象,分析了传统方法在惯导系统初始对准方面的缺陷.针对惯导系统的非线性及实时性等方面的要求,考虑到神经网络所具有的函数逼近性能,扩展Kalman滤波(EKF)所具有的最优估计性能的特点,提出了基于扩展Kalman滤波的神经网络应用技术.应用扩展Kalman滤波对多层神经网络的非线性离散时间系统进行算法训练,在获得的所有观测数据中找到状态(权值)的最小方差估计.在假定的地理坐标系下,对地-地导弹的惯导系统地面自对准的非线性状态方程,应用Matlab对基于EKF的神经网络方法和传统的Kalman滤波方法进行了仿真,对仿真的结果进行了对比分析.