共查询到10条相似文献,搜索用时 109 毫秒
1.
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。 相似文献
2.
3.
为解决组合导航姿态估计航向角可观性弱,姿态估计精度低、易发散的问题,提出了一种单基线GPS辅助观测的组合导航姿态估计算法,通过四元数与修正的Rodrigues参数相互切换避免了四元数加权均值计算和协方差奇异问题,确保了四元数的规范化;通过有效利用单基线GPS航向角辅助观测,改善航向角的可观性,提高了三维姿态角的估计性能;通过使用开关自适应UKF算法,提高了算法的适用性和姿态估计的精度。实验结果证明,UKF姿态估计的精度优于EKF,最终三维姿态角的最小均方误差均在0.36°以内,估计误差均在0.5°以内,满足了宽带移动卫星通信的波束指向要求。 相似文献
4.
5.
6.
7.
8.
移动卫星通信(动中通)是卫星通信的重要分支,低成本化是动中通的发展趋势。为有效加速动中通的推广和应用,该文提出了基于微机械惯性传感器的低成本动中通工作模式,并将传统姿态估计领域的传感器融合姿态估计算法、互补滤波姿态估计算法与新兴的组合导航姿态估计算法进行了对比,结果表明,侧滑角和机动加速度是限制传感器融合姿态估计算法估计精度的主要因素,航向角可观性低是限制组合导航算法的主要因素。3种算法经过改进后,姿态估计误差均在0.5°内,3种算法均满足移动卫星通信的需求。组合导航算法无需考虑外界干扰对姿态估计的影响,具有更好的应用前景。 相似文献
9.
10.
基于自适应滤波器的MIMU/GPS组合系统的研究 总被引:1,自引:0,他引:1
设计了微惯性测量单元/卫星导航(MIMU/GPS)组合导航系统原理样机。针对低成本MIMU/GPS组合导航中的Kalman滤波器设计滤波参数(包括系统噪声方差阵Q和测量噪声协方差阵R)影响的问题,系统的分析了Kalman滤波器参数的选取对系统状态变量的估计精度和收敛性能的影响。根据分析设计了自适应估计技术的Kalman滤波器。试验结果表明:对于低成本MIMU/GPS组合导航采用自适应估计技术估计可得到满意的性能,在静态条件下,位置精度优于5 m(标准差),速度精度优于0.1 m/s;系统提供水平姿态角精度优于0.2°;航向角精度优于0.5°(磁罗盘辅助)。 相似文献