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/GNSS组合导航技术研究

本文分别介绍了SINS和GNSs的工作原理和系统误差.说明了组合导航的必要性;然后从组合导航的方式、信息融合技术等方面.分析了组合导航的相关技术.最后指出了组合导航的发展趋势。     

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。     

双天线GPS/SINS组合导航系统设计

本系统作为浅组合导航系统的一种,利用了双天线定向GPS与光纤陀螺的组合,以基于DSP+FPGA多处理器结构作为导航计算机平台,在原有的位置与速度基础上加入了姿态作为第三个量测量,应用卡尔曼滤波算法将GPS姿态信息作为对惯性导航系统数据的初始值和修正。设计的系统通过跑车实验验证后表明达到了设计要求,具有实时性好,运算精度高等优点。     

SINS/视觉组合导航系统融合算法

捷联惯性导航系统(SINS)/视觉组合导航系统的融合算法主要是卡尔曼滤波,卡尔曼滤波实现最优估计的前提是系统的模型必须准确已知。对于SINS/视觉组合导航系统,获取量测信息需经图像处理、特征点提取和匹配等过程,使量测噪声统计模型不完全可知,这会导致卡尔曼滤波器的估计精度下降。因此,该文提出一种改进的自适应两级卡尔曼滤波,根据求解遗传因子的不同方法对传统自适应两级卡尔曼滤波进行改进。改进后的算法分别适用于系统噪声统计模型和量测噪声统计模型不准确可知两种情况,且二者具有统一的滤波框架。仿真结果表明,改进的自适应两级卡尔曼滤波比卡尔曼滤波精度高,有效解决了SINS/视觉组合导航系统因噪声统计模型不准确导致的精度下降问题。     

基于UPF的GPS/SINS组合导航系统设计

建立了GPS/INS非线性误差模型,利用UPF滤波算法实现了该组合系统定位功能,一方面针对UKF估计误差协方差极易非正定的问题进行了正定化处理;另一方面在粒子滤波环节针对重采样导致的粒子多样性降低的问题,增加了MCMC移动步骤.实验结果表明:应用UPF实现的组合导航系统定位精度明显优于EKF和UKF,且定位误差波动幅度较小,既能够满足非线性系统的导航精度要求,又能够满足定位系统对滤波稳定性的要求.     

鲁棒的DME/DME/SINS组合导航算法

测距机（DME, distance measuring equipment）/DME/捷联惯导系统（SINS, strap-down inertial navigation system）的组合导航系统是区域导航（RNAV, area navigation）中常用的导航源。本文提出了一种鲁棒的DME/DME/SINS组合导航算法。首先以SINS误差方程为基础建立起卡尔曼滤波的状态方程;其次推导斜距误差与系统状态变量间的数学关系,并以此建立量测方程;最后针对DME输出的斜距中的野值影响导航精度这一问题,采用一种鲁棒性能较好的基于Huber的卡尔曼滤波算法实现信息融合。实验结果表明：所设计的组合导航算法可以满足RNAV-1的导航需求,由于采用了基于Huber的卡尔曼滤波算法,算法鲁棒性较好,能有效应对量测野值对系统的干扰。     

一种低成本的SINS/GPS紧密组合导航

针对高速、高机动弹道导弹中捷联惯性导航系统/全球卫星定位系统(SINS/GPS)紧密组合导航系统在信息融合时,存在由于接收机时钟差引起量测信息值突变及量测数据时间同步的问题,提出了一种伪距差分的方法,能有效消除量测值的突变,保证滤波器收敛。在此基础上,采用多项式拟合外推的方法达到了时间同步精度要求。最后对改进后的系统进行静态和动态跑车实验,实验结果表明,该系统的水平位置精度达到了10 m,速度精度达到了0.2 m/s,提高了系统的导航精度,验证了该方法的有效性。     

基于自适应卡尔曼滤波的RFID/SINS组合导航研究

在室内导航定位中,射频识别(Radio Frequency Identification, RFID)技术具有信号穿透性强、成本低廉等诸多优点,能够有效代替GPS完成室内组合导航。针对室内惯性导航误差发散和滤波中噪声参数不确定的问题,提出了基于自适应卡尔曼滤波(Adaptive Kalman Filtering, AKF)的RFID/SINS组合导航系统,通过RFID定位系统抑制惯性导航误差发散,并应用AKF将噪声参数与量测输出参数关联实现实时更新。对AKF和标准卡尔曼滤波(Kalman Filtering, KF)下的RFID/SINS组合导航系统进行了仿真和实验。结果表明,在AKF下组合导航系统平均定位误差降低了10%,位置稳定性提升了7.4%,定位误差保持在0.07 m左右。基于AKF的RFID/SINS组合导航系统能够满足室内高精度定位导航的需求。     

SINS/GNSS/JTIDS紧耦合组合导航技术研究

采用紧耦合技术、非等间隔分散滤波等方法,设计完成 SINS/GNSS/JTIDS 组合导航系统信息融合算法,并在实验室条件下进行了仿真,结果表明系统的滤波算法可靠,导航精度高。     

民用航空中组合导航的应用研究

本文首先分别介绍惯性导航与卫星导航两者的优缺点,随后提到当前我国民航系统使用组合导航的必要性,最后介绍组合导航的特点,通过本文的研究,以期能够为我国民用航空应用组合导航提供一定的借鉴。     

SINS/CNSSAR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.     

BP神经网络辅助的SINS/GPS组合导航姿态误差补偿方法研究

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。     

PBN概念下的GNSS/SINS组合导航完好性算法

为满足PBN中RNP规范对导航性能监测与告警要求,通过估计传统GNSS/SINS完好性算法检测统计量的变化率来提高故障检测效率,并在此基础上,提出一套基于量测分离的复合式平行滤波算法实现故障排除和量测重构,算法具有较强的灵活性和适用性。仿真分析表明,与传统方法相比,该算法可检测出惯性元件故障,检测效率更高,并且适用于多重故障的情形。     

改进自适应Kalman滤波的SINS/GPS紧组合导航

当系统噪声和量测噪声统计特性不明确时,基于新息的自适应滤波对两种噪声进行估计时存在相关性,与实际情况不符而影响滤波精度。针对这种情况,提出改进的自适应滤波算法。首先建立了SINS/GPS紧组合导航系统空间方程;然后介绍了自适应卡尔曼滤波原理,指出了此算法对两种噪声估计出现相关性的原因,在此基础上提出了改进的自适应卡尔曼滤波算法,改进算法对系统噪声和量测噪声同时进行在线估计,解决了原算法存在的不足;通过半实物仿真实验可以看出,在系统噪声和量测噪声不明确时改进算法的估计精度,与原有算法在系统噪声和量测噪声已知时的估计精度相当,充分说明了改进算法的实用性。     

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。     

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。     

BD/SINS紧组合导航及时钟误差处理算法

远距空空导弹飞行时间长,纯惯性导航难以满足高精度要求,而卫星定位/捷联惯性组合导航是解决此难题的一种有效方式,因此,采用基于伪距/伪距率的北斗/捷联惯性组合导航算法,该导航算法使用限定增益Kalman滤波器,对接收机钟差做了特殊处理,使得滤波结果不受钟差影响。仿真表明,该北斗/捷联惯性组合导航算法有较高的导航精度。     

RBFNN辅助卡尔曼滤波在GPS/SINS组合导航中的应用

为了克服传统卡尔曼滤波对观测噪声必须为零均值白噪声过程的依赖,针对工作于恶劣环境下的飞行器、舰船等运动载体的组合导航系统,提出了利用神经网络的自学习、自组织、自适应能力来辅助传统卡尔曼滤波器的方法。对所建立的BP神经网络和基于正交最小二乘(OLS)算法的RBF神经网络的收敛速度进行了比较。最终选择收敛较快的RBF神经网络辅助卡尔曼滤波器,仿真结果表明该方法能够抑制滤波器发散,提高了导航定位精度。