INS/GPS组合导航系统卡尔曼滤波的并行实现*

本文采用并行处理技术对ＩＮＳ／ＧＰＳ组合导航系统中卡尔曼滤波的实时性问题进行了研究。     

基于神经计算的GPS／SINS组合导航滤波器设计

将线性二次型最优化方法与Ｈｏｐｆｉｅｌｄ神经网络相结合，研究了一种基于神经计算的滤波算法。而且，将算法应用于全球定位系统（ＧＰＳ）与捷联惯导系统（ＳＩＮＳ）的组合导航，通过计算机仿真，与卡尔曼滤波算法结果进行了比较，说明了该滤波算法的有效性和实用性。     

联合卡尔曼滤波及其在舰船综合导航系统中的应用

针对ＩＮＳ／ＧＰＳ／ＣＮＳ舰船综合导航系统的特点,设计了用于该系统的联合卡乐意轻滤波器,该联合卡尔曼滤波器具有全局最优性,其结构遵循信息分配原则,其算法改善了数值计算的稳定性和系统的容错性,并减少了信息舆量与计算量,理论分析及仿真结果表明,该联合滤波器能够满足系统精度和容错性的要求。     

车载GPS／DR／地图匹配组合导航系统的自适应联合卡尔曼滤波模型

首次设计了实现车载ＧＰＳ／ＤＲ／地图匹配组合导航系统最优综合的联合卡尔曼滤波器,给出了滤波算法,并提出一种自适应联合卡尔曼滤波器结构及其算法。理论分析及计算机仿真结果均表明,应用该自适应联合卡尔曼滤波器可大大提高车载ＧＰＳ／ＤＲ／地图匹配组合导航系统的定位精度及容错能力。     

GPS/DR组合导航系统自适应扩展卡尔曼滤波模型的建立*

建立了车载ＧＰＳ／ＤＲ组合导航系统非线性自适应卡尔曼滤波模型及算法，首次提出了依据ＰＤＯＰ等ＧＰＳ定位的输出参数，自动调整Ｒ，Ｑ的大小，从而自地调整组合导航系统模型性能的方法，使得模型能够适应各种情况，具有“智能”模型的性质，计算机仿真表明应用该模型具有良好效果。     

一个基于GIS的智能导航系统(INS)

城市车辆与日俱增,交日益混乱,为了便于公安部门对交通的管理和武警部队作战指挥的需要,也为了行车的便利,大型城市越来越需要一个智能化的车辆导航系统（ＩＮＳ）。本文以我们为武警开发的科研项目为背景,提出了一个智能导航系统的结构设计,其中包括ＧＩＳ、ＧＰＳ、数字蜂窝通信技术和导航控制网等部分,本文还展望了ＩＮＳ在多媒体通信、语音识别、自动控制等方面的进一步发展。     

自适应卡尔曼滤波在组合导航中的应用研究

对惯性导航系统（INS）与全球导航系统（GPS）分别进行了具体探讨,对比了两者的优缺点,针对INS／GPS组合导航系统中由于模型不准或因量测噪声的复杂多变造成的发散问题,引入了一种基于输出相关法的自适应卡尔曼滤波技术。通过在自适应滤波算法中推算最优稳态增益来调整量测噪声,抑制滤波器的发散,为GPS／INS组合导航系统实现高精度导航提供了有效的途径。仿真结果表明该算法能很好地对系统状态进行最优估计并适应系统噪声的变化,具有比常规卡尔曼滤波更高的导航精度。     

用于自动轨道转移飞行器（ATV）交会的相对GPS导航设计和验证

ＥＡＳ将通过ＡＴＶ交会预研（ＡＲＰ）项目，验证欧洲实现在未来自动轨道转移飞行器（ＡＴＶ）与国际阿尔法空间站（ＩＳＳＡ）自动交会对接所要掌握的关键技术。在该预研项目中，研制了一个基于ＧＰＳ的相对导航系统（ＲＧＰＳ），作为远程接近操作（１２ｋｍ￣３００ｍ）所采用的主要导航基准。其基本设计思想是利用卡尔曼滤波器处理两台ＧＰＳ接收机在同一时刻接收到的数据，一个ＧＰＳ接收机装在ＡＴＶ上，另一个装在ＩＳＳＡ上     

GPS／GIS发展战略问题与建议

ＧＰＳ／ＧＩＳ发展战略问题与建议北京吉通电信公司总经理王重节ＧＰＳ（全球定应系统）是美国国会于１９７３年批准研制的卫星导航系统，当时主要是满足军事部门对海上、陆上租空中设施进方高精度导航和定位的要求。１９９１年在海湾战争的“沙漠盾牌”租“沙漠风暴”行...     

基于UKF的GPS/DR组合导航非线性状态估计

GPS／DR组合导航系统是一个非线性系统,以往采用的扩展卡尔曼滤波算法EKF使得函数的整体特性被局部特性所代替,加上噪声的存在使系统的性能进一步下降。为了获得更好的状态估计性能,用无迹卡尔曼滤波算法UKF（Unscente dKalman Filter）实现组合导航系统的非线性状态估计,避免了EKF方法的线性化近似过程,提高了算法的收敛速度和载体的定位精度。仿真结果表明：在非线性状态估计中,UKF滤波方法优于EKF滤波方法。     

漫谈GPS

漫谈ＧＰＳ赵军（西北师范大学地理系）ＧＰＳ全称是导航卫星授时和测距全球定位系统（ＮａｖｉｇａｔｉｏｎＳａｔｅｌｌｉｔｅＴｉｍｉｎｇａｎｄＲａｎｇｉｎｇＧｌｏｂａｌＰｏｓｉｔｉｏｎｉｎｇＳｙｓｔｅｍ，缩写为Ｎａｖｓｔａｒ／ＧＰＳ），是美国国防部主持开发...     

自适应混合阶SSRCKF及其在组合导航中的应用

传统的容积卡尔曼滤波（CKF）在处理强非线性系统时存在精度低甚至发散的问题,高阶容积卡尔曼滤波（HCKF）提高精度的同时也会大幅度提高计算复杂度,同时在高维系统中存在负权值影响算法的稳定性。针对以上问题提出了一种自适应混合阶球面最简相径容积卡尔曼滤波（AMSSRCKF）,该算法采用混合阶最简相径容积规则（MSSR）采样获得了比CKF更高的精度,同时结合了多重渐消因子强跟踪滤波算法,提高了算法的鲁棒性。最后,将该算法应用于组合导航系统仿真,结果表明,AMSSRCKF可以有效抑制系统状态突变的影响,提高了组合导航系统的定位精度和鲁棒性。     

GPS定位信号随机误差自适应模型

§１．引言 ＧＰＳ主要提供全球连续高精度三维快速定位服务,采用 Ｃ／Ａ码,定位误差小于４０米（二维径向均方根误差, ２ ｄＲＭＳ）．为降低非认可用户使用精度,引入 ＳＡ（选择可用性）后,水平定位精度为１００米（９５％时间内）．加密的Ｐ码提供定位球概率误差（ＳＥＰ）为１６米的精确定位服务（ＰＰＳ）,只对美国及其盟国认可用户开放．目前对于使用 Ｃ／Ａ码的普通用户提高 ＧＰＳ定位精度主要采用以下途径：（１）采用差分技术（ＤＧＰＳ）;（２）通过模型辨识实现误差补偿． ＧＰＳ系统误差来源主要有卫星时钟误差、星历误…     

组合导航系统NNM信息融合算法

提出了将神经网络模型（NNM）概念应用于组合导航系统，并给出了基于RBP网的NNM训练过程，基于传统模型的卡尔曼滤波算法与神经网络相结合，有效地解决了GPS信号被屏蔽时的航迹预测问题，最后对GPS/DR组合导航系统进行动态仿真，仿真结果表明，采用该算法的组合导航系统定位精度高、可靠性好。     

CDKF方法在车辆组合导航中的应用

针对扩展卡尔曼滤波（EKF）在车辆导航中存在着计算复杂、线性化误差大等缺点，将一种新的非线性滤波方法——中心差分卡尔曼滤波（CDKF）用于车辆GPS／DR组合导航中。和普遍采用的EKF方法相比．CDKF方法不仅提高了车辆组合定位的精度和稳定性；而且不需要模型的具体解析形式，避免了复杂的Jacobian矩阵的计算，算法更简单，也更加易于实现。为了检验其有效性，将两种方法分别对车辆GPS／DR组合导航系统进行滤波仿真，仿真结果进一步表明CDKF方法明显优于EKF方法，是车辆组合导航中一种更理想的非线性滤波方法，真正实现了车辆低成本、高精度的实时定位。     

基于信息融合的组合导航系统研究

针对GPS接收机在高机动工作状态或受遮挡时易出现“丢星”现象而导致定位中断的问题,提出了一种采用GPS／GLONASS／INS组俣导航系统对载体进行快速定位、定向的新方法。文中首先总结了GPS导航系统的不足,在此基础上给出了组合系统的设计方案和工作原理,然后对基于联合卡尔曼滤波的多传感器信息融合算法进行了论述与分析,最后给出了计算机仿真。结果表明：该方法可有效地提高导航系统的精度和可靠性,为融合导航系统的数据分析和处理提供了一个有效途径。     

基于小波降噪预处理的组合导航系统研究

根据离散小波变换可降噪的特点,对捷联惯性导航系统（SINS）中惯性测量元件（IMU）的输出精度进行了研究,再与卫星定位系统（GPS）的输出进行卡尔曼滤波组合,进而达到降噪的目的,最后分别由静态时的实际量测数据以及动态时的理论仿真试验给予结果验证。试验结果表明,采用小波降噪预处理后的组合导航系统各项导航参数的精度都有了明显提高,从而提高了组合导航系统的可靠性。     

基于AFKF的多旋翼无人机组合导航技术研究

目前旋翼无人机组合导航系统大都使用扩展卡尔曼滤波算法,然而由于导航系统建模误差和传感器测量精度的影响,导航信息解算误差较大。为了改善旋翼无人机的飞行控制效果,应用自适应渐消卡尔曼滤波（Adaptive fading Kalman filter,AFKF）进行旋翼无人机组合导航解算,算法通过实时计算遗忘因子,对过去的数据权重进行削减,以提高扩展卡尔曼滤波算法的自适应能力。应用旋翼无人机真实飞行数据进行仿真,仿真结果表明,自适应渐消卡尔曼滤波算法能够有效抑制建模误差,弥补传感器测量精度不足,改善旋翼无人机组合导航解算结果。     

Pro/ENGINEER在加工方面的应用及技巧

Ｐｒｏ／ＥＮＧＩＮＥＥＲ的造型功能强大,大家有目共睹。但很多人认为它在加工方面不尽人意,不如ＵＧ、ＣＩＭＡＴＲＯＮ等软件。其实,如果掌握一些技巧,Ｐｒｏ／ＥＮＧＩＮＥＥＲ在加工方面还是相当出色的。 在Ｐｒｏ／ＥＮＧＩＮＥＥＲ的加工模块中,同样有ＳＵＲＦＡＣＥ和 ＳＯＬＩＤ功能,Ｐｒｏ／ＥＮＧＩＮＥＥＲ的薄体（ＳＵＲＦＡＣＥ）、延伸（ＥＸＴＥＮＤ）和剪切（ＴＲＩＭ）功能,使加工过程中刀具的下刀点容易控制,避免直接踩刀,Ｐｒｏ／ＥＮＧＩＮＥＥＲ的基于参数特征也使刀路修改非常方便。 周边界延伸（Ｅｘｔｅ…     

基于卡尔曼滤波的无人机组合导航系统设计

针对卡尔曼滤波在实际应用中遇到的系统通常不是严格线性的问题,改进了在组合导航系统中常用的卡尔曼滤波方法,用扩展卡尔曼滤波对INS和外部测量源的信息进行融合,推导了无人机GPS辅助惯性导航系统的导航方程.通过分析GPS和INS的定位原理,建立了GPS和INS的误差模型.完成了以INS为主导航系统,GPS作为辅助系统的组合导航系统的扩展卡尔曼滤波设计.最后,将线性卡尔曼滤波和扩展卡尔曼滤波的结果进行了仿真对比分析,结果表明:扩展卡尔曼滤波更适合系统为非线性的情况.