非同步量测特性的惯性/星光/卫星组合算法研究

多传感器组合是提高导航系统定位精度和增强系统容错性的有效手段.在分析惯性、星光、卫星导航工作特性的基础上,提出了基于集中滤波器结构的捷联惯性/星光/卫星信息融合导航方案.针对多传感器信息融合中非等间隔量测特性,设计了时间更新和量测更新分离的异步集中卡尔曼滤波算法,设计了基于外推法的卫星信息补偿算法,有效解决了多传感器非等间隔信息融合问题;针对垂直机动研究了惯性/星光姿态组合模型.仿真结果表明,算法可以有效实现对捷联惯导、星光、卫星导航信息的融合,组合精度提高1倍,具有重要的实际应用价值.     

3D-MEMS加速度计性能试验研究

研究了一种新型三维MEMS加速度计的性能特点和工作原理.针对加速度计的输出接口特点,设计了基于数字信号处理(DSP)芯片的数据采集系统,实现对加速度计信号的高速实时采集.利用多通道缓存串行口MCBSP实现SPI总线方式的数据采集,并采用2个DMA控制器实现了数据的实时传输和存储.基于设计的DSP数据采集系统,对采集的数据进行了处理,分析了加速度计在一定温度下的偏值稳定性和输出重复性,评估了加速度计的性能.     

基于DSP的小型捷联惯性航姿系统研究

针对微小型应用场合,设计了基于DSP的导航计算机,成功构建了低成本小型捷联航姿系统.重点描述了DSP导航计算机的硬件设计思路,特别是"数字信号处理器(DSP)+单片机(MCU)"的特殊的主从式双CPU结构.扼要介绍了系统软件的框架结构.实验表明基于DSP的捷联惯性航姿系统,性能稳定、达到了设计精度,降低了成本,成功的实现了系统的小型化.DSP导航计算机体积仅为65mm×80mm×10mm,对导航系统在小型化领域推广应用具有实际意义.     

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。     

Sigma-Point直接式卡尔曼滤波惯性组合导航算法

基于西格玛点采样加权的方法,以姿态、速度和位置等9个导航参数为状态向量,以卫星导航系统的速度和位置组成6维观测向量,构建直接式卡尔曼滤波器,融惯性导航系统求解和状态估计的过程为一体,直接描述系统导航参数动态过程.仿真结果验证了惯性组合导航Sigma-Point直接式滤波方法的有效性,表明该非线性直接式滤波方法可提高惯性组合导航系统的导航精度和对飞机、导弹等载体非线性机动过程的适应性.     

基于恒定姿态误差的磁罗差偏差补偿算法研究

针对具有恒定俯仰角度载体的磁航向罗差标定和补偿问题,提出了一种用于磁罗差修正的偏差补偿算法(DCA)。通过DCA的原理分析和证明得出:该算法对具有恒定横滚角度和俯仰角度的磁航向罗差修正均有效,经过DCA补偿的磁航向角度误差在±0.3°以内,满足飞机的航向标定要求。     

三维捷联磁传感器模拟器的研究与实现

三维捷联磁传感器模拟器是根据实际需要而研制开发的。通过对三维捷联磁传感器工作机理的剖析,完成了三维捷联磁传感器模拟器的软件算法,并实现了该模拟器的硬件系统,在实际应用中取得了很好的效果。传感器模拟器的研制和使用,开拓了传感器的研究范围,对于更好地研究和开发传感器具有重要的指导意义。     

用串行方式实现微小型导航计算机应用软件的快速更新研究

良好的可维护性是嵌入式系统性能的一个重要方面，在一定程度上决定系统能否被广泛应用．目前，大多数系统的软件更新必须通过硬件仿真器实现的，不便于系统的维护．针对微小型导航计算机，研究了利用串行通信的方式实现应用软件快速更新的方法，解决了应用软件更新过程中的应用程序重定位、获取指令代码以及中断使用和向量更新等关键问题．所开发的串行方式更新程序成功应用于采用了微小型导航计算机的车辆导航系统，提高了系统可维护性，体现了用串行方式实现应用软件快速更新的实用价值．     

基于非线性滤波估计的北斗B1 QPSK 信号跟踪方法

复杂环境下的多普勒频移变化及信号功率衰减均会对载波准确跟踪造成影响. 在研究北斗卫星B1 频点信号结构的基础上, 建立以环路中相关积分值为观测量的非线性EKF 模型和UKF模型, 并提出利用滤波估计状态量进行状态反馈控制的方法, 从而解决了载波跟踪环路在高动态及弱信号环境中难以高性能工作的问题. 实验结果表明,状态反馈控制的EKF 模型和UKF滤波模型能准确地跟踪弱信号及高动态下的信号变化, 从而有效控制跟踪误差, 为实现快速准确的载波跟踪奠定了基础.