SINS/GNSS/CNS组合导航系统半物理仿真研究

本文构建了一个 SINS/GNSS/CNS 组合导航系统半物理仿真平台,通过模拟飞机的真实飞行轨迹,在综合考虑各导航源真实误差特性的基础上,采用基于联邦自适应卡尔曼滤波算法,对组合导航系统进行了半实物仿真。仿真结果表明,该方法具有很强的实用性,可以推广到其他组合导航系统的半物理仿真设计中。     

基于粒子滤波的INS/TAN组合导航

将粒子滤波应用于INS／TAN组合导航系统中。仿真证明,该滤波方法有效地克服了地形的非线性特性和惯导误差对组合导航结果的影响。     

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。     

编队飞行GPS／INS相对导航的分布滤波算法

在对编队飞行GPS/INS相对导航当前的主要滤波算法进行总结和分析的基础上,提出了分布滤波的算法,并建立了GPS/INS相对导航仿真系统,对该算法进行验证。仿真结果表明该算法能够适应大型、紧密编队飞行的需求,在减小计算量、降低通讯数据量、允许编队做大的机动飞行的同时,能得到较高的估计精度。     

自适应交互多模型滤波在INS/CNS组合导航中的应用

针对惯性/天文(INS/CNS)组合导航系统中由于量测噪声的统计特性随应用环境发生变化而导致滤波精度降低的的问题.提出了一种基于自适应交互多模型(AIMM)的组合导航算法,该算法将改进的Sage-Husa自适应滤波器与交互多模型相结合,以少量的模型实现对实际模态的覆盖.仿真结果表明:与常规Kalman滤波方法相比,该方法较好地覆盖了实际模态变化情况,实现了对量测噪声统计特性变化的自适应调整,在观测值发生异常时,导航参数误差没有大的跳变,导航滤波器在观测值异常时具有一定的自适应能力,从而保证了导航滤波器的可靠运行,提高了导航系统的精度和可靠性.     

天文导航技术的发展和研究方向

本文叙述了天文导航技术的应用、特点和分类,并着重对天文导航的发展趋势和天文导航的研究方向进行了阐述,最后对天文/惯性组合系统的工作模式进行了描述和简要分析。     

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。     

SINS/CNS/SAR组合导航系统设计与高性能算法研究

在吸收SINS、CNS和SAR三者优点的基础上,设计了SINS/CNS/SAR组合导航系统,建立了该组合导航系统的非线性数学模型;然后,在研究抗差自适应滤波和粒子滤波优点的基础上,提出了一种新的抗差自适应Unscented粒子滤波算法和自主导航多源信息融合算法。将提出的算法应用于SINS/CNS/SAR自主导航系统中进行计算仿真,并与Unscented卡尔曼滤波和粒子滤波比较,结果表明:提出的新算法不仅解算精度明显高于Unscented卡尔曼滤波和粒子滤波算法,而且可靠性好,能提高组合导航系统的精度。     

无人机导航系统设计问题研究

导航系统是无人机的核心系统之一,主要用于向无人机提供速度、位置和飞行姿态等数据,引导无人机沿规划路线安全准时飞行.文章描述无人机的坐标系统,介绍INS(惯性导航系统)和GPS(全球定位系统)两种常用无人机导航系统的基本流程和应用领域,分析地图读取和天文导航等两种位置固定导航方法的工作原理,说明加速度计、陀螺仪、空速传感...     

UKF在GPS/INS伪距、伪距率组合导航中的应用

扩展卡尔曼滤波（EKF）是GPS／INS组合导航系统中常用的数据融合方式。但是EKF的线性化会带来截断误差,从而影响系统定位精度。不敏卡尔曼滤波（UKF）是一种新的非线性滤波的方法,它能减少线性化截断误差对系统定位精度的影响。文中在线性状态方程的条件下,主要研究了伪距、伪距率的非线性对系统定位性能的影响。UKF采用非线性观测方程,EKF采用线性观测方程。仿真结果表明UKF能明显改善位置项的定位精度。     

机动天基平台惯性/天文导航组合模式研究

为了有效提高惯性/天文组合定姿效果,研究了在机动天基平台条件下惯性/天文导航的7种组合模式在姿态控制方面的应用,进行了理论分析,并对不同的组合模式的定姿结果进行了仿真实验。通过仿真分析了惯性/天文各种组合模式的优缺点,提出了不同组合模式的适用场合,当星敏感器识别恒星为两颗时,采用基于光轴指向的组合模式的效果好于使用星光单位矢量的组合模式;当星敏感器识别恒星超过两颗时,采用基于姿态矩阵的惯性/天文组合模式效果最好,能够更充分地利用星光信息、计算精度高、计算实时性好。     

H_∞滤波及其在INS/CNS组合导航系统中的应用

在惯导/星光(INS/CNS)组合导航中,由于集中卡尔曼滤波存在对系统模型和噪声统计特性依赖性等缺点,将H∞滤波方法理论应用其中。给出了H∞滤波的滤波方程,定性讨论了kalman滤波和H∞滤波的关系,通过在INS/CNS组合导航系统中的实际应用进一步从精度和鲁棒性对两种滤波算法进行了比较。仿真结果表明,当噪声为有色噪声或统计特性不确定时,H∞滤波优于kalman滤波,说明了该算法的有效性和可行性。     

基于条纹匹配的InSAR/INS组合导航方法

现存的组合导航系统存在诸多问题：地形辅助导航系统分辨率较低;GPS/INS导航系统中GPS信号易受干扰;SAR/INS导航系统无法实现三维定位且无法获得平台的姿态信息.针对以上问题本文提出了基于条纹匹配的InSAR/INS组合导航方法：该方法将InSAR系统获得的干涉条纹与DEM生成的干涉条纹进行匹配,得到的定位偏移用以反演平台的位置和姿态信息,最后将反演结果与IMU信息进行组合滤波得到导航输出.该组合导航系统有以下优势：干涉条纹中包含地形信息和平台姿态信息;干涉相位对横滚角敏感,可通过干涉相位高精度反演平台的横滚角;InSAR系统具有较高精度的三维定位能力.本文主要介绍了基于条纹匹配的InSAR/INS组合导航的原理和方法,最后通过仿真和实测数据验证了条纹匹配和观测量反演算法的可行性.     

模糊自适应估计器在INS/GPS组合导航中的应用研究

研究了一种模糊自适应神经网络状态估计器的工作原理及结构,并讨论了用其代替传统扩展卡尔曼滤波在导航参数估计中的实现方法。利用扩展卡尔曼滤波来构造模糊推理系统,通过神经网络对模糊推理系统进行训练,根据输入输出样本自动调整模糊系统的设计参数,从而实现对INS/GPS组合导航系统导航参数的最优估计。通过仿真验证表明,用模糊自适应状态估计方法进行导航系统的初始对准,能够大大提高系统的实时性。     

捷联式天文惯性导航融合方法研究及仿真

针对传统的天文惯性组合定位定向法不能有效修正惯性导航系统传感器误差所造成的导航误差，研究了一种新的惯性天文融合方法。利用天文导航系统量测的姿态，根本上抑制陀螺漂移误差，进而提高系统的姿态、速度及定位精度。     

SINS/GPS/TACAN机载综合导航定位系统设计

在现代空战中,捷联惯性导航系统(SINS)、全球定位系统(GPS)和塔康(TACAN),单独利用各导航信息都存在着弊端.为此,提出了3种导航源综合的导航系统设计方案.信息融合技术采用广义联邦滤波技术来完成,状态矢量为导航参数误差,并建立准确数学模型.各个子滤波器(局部滤波器)采用间接滤波方式工作,完成状态矢量局部估算;...     

基于扩展卡尔曼滤波器的超紧耦合GPS/INS组合导航系统设计

提出了一种组合导航设计方案,通过将滤波器得到的多普勒频移信号反馈给GPS接收机跟踪环,实现了超紧耦合,提高了组合导航系统在高动态和干扰条件下的性能.采用了非线性动态模型并对其进行了线性化,提高了导航精度并减小系统计算量;应用用一阶高斯马尔可夫模型描述不同的惯性传感器误差,最后给出了扩展卡尔曼滤波器的具体算法.     

SINS/CNS/GNSS组合导航计算机系统研究

SINS/CNS/GNSS组合导航系统具有全自主、抗干扰能力强、高精度等优点,对导航计算机性能要求高。从组合导航系统对导航计算机的需求出发,本文基于DSP和FPGA设计了高精度、高可靠性、小型化、低成本、低功耗的导航计算机系统。本文首先给出了导航计算机的原理结构框图,并详细介绍了主要功能单元;其次介绍了程序设计的基本思路;最后根据GJB/Z299C-2006提供的数据和方法,计算了导航计算机的可靠性指标MTBF。实际应用结果表明,该导航计算机的处理速度、处理精度、可靠性、成本、体积、功耗等指标均达到组合导航系统要求。     

基于改进ESKF和自适应滤波的组合导航算法研究

针对传统滤波算法中忽视了误差方程中的高阶量所引起的导航结果不够准确的问题,提出了一种改进ESKF算法,将基于误差状态建模的滤波算法同EKF相结合。针对组合导航的鲁棒性与适应性,提出了一种将卡尔曼滤波算法与自适应滤波算法相结合的滤波算法,并进行仿真验证。仿真结果表明：当组合导航系统受到较大扰动时,改进算法较传统滤波算法使组合导航系统在经度精度上提高了49.48%,纬度精度上提高了34.21%,有效提高了组合导航系统的精确性和鲁棒性。     

混合SRUKF在GPS/INS组合导航中的应用

建立了GPS/INS(Global Positioning System/Inertial Navigation System)紧组合模式下的线性/非线性模型,针对SRUKF(Square Root Unscented Kalman Filter)不能与该模型达到最佳匹配的问题,提出一种基于混合滤波思想的SRUKF.将时间更新分为两个阶段:利用线性状态方程得到状态的一步预测并根据该值构造Sigma点,求取Sigma点加权和以实现对量测值的一步预测.新的算法省去了线性状态方程的UT(Unscented Transform)环节,在保证滤波精度的前提下,降低了计算量.将改进的算法应用于已建立的模型,仿真实验表明,相比于UKF(Unscented Kalman Filter)及SRUKF,该算法不仅能够有效获得导航参数的精确估计,还具有较强的实时性,发挥出了算法的最佳性能.