无源北斗/惯导两级滤波闭环组合算法

针对北斗卫星定位系统和惯性导航系统的组合设计组合导航卡尔曼滤波定位算法,引入伪距率作为观测量,基于高稳定度用户时钟,提出了双星下用两级滤波器对惯导进行闭环校正的闭环组合设计方案。其最大的优点是能根据收星情况稳定地在闭环和开环方式之间转换,这是采用惯导模型设计滤波器所不具有的。最后通过仿真说明本文方案有效地提高了丢星时组合导航系统的滤波定位精度,能够有效校正惯导的姿态误差角,并以较高的精度估计用户的三维速度。     

零速修正技术在车载惯性导航中的应用研究

针对车载惯性导航系统由于无外部信息长时间运动导致的误差积累的问题,提出一种运用动态零速修正技术来提高导航精度的方法。利用零速修正技术的约束条件,构造观测量;用基于普条件数可观测理论对系统各状态进行了可观测性分析,确定卡尔曼滤波器的滤波效果,并进行仿真实验对姿态角误差、速度误差进行了估计。实验表明,在惯性导航系统中,零速修正技术很大程度上提高了导航的位置、速度、姿态信息,有效地确保了车载导航的导航精度。     

空地制导弹药的MIMU/GPS组合导航系统研究

针对空地精确制导弹药对低成本、高精度和高可靠性导航系统的需求,设计了MIMU/GPS组合导航系统.该系统采用了MEMS的IMU和GPS进行组合,利用位置、速度组合模式,采用渐消自适应Kalman滤波器估计并修正惯导的误差.通过地面跑车试验进行了验证,试验结果表明:组合导航系统误差得到了有效的抑制,导航精度满足空地制导弹药的导航要求.     

摇摆状态下车载捷联惯导系统初始对准方法研究

为了减小车载捷联惯导系统动态条件下的粗对准误差,使系统顺利进入精对准和导航阶段,对车体摆动干扰的特点进行了分析,提出一种补偿摆动误差,提高粗对准精度的方法;采用捷联惯导系统误差模型和卡尔曼滤波器,实现摇摆状态下车载捷联惯导系统精对准.仿真结果表明,补偿摆动误差后,基本消除车体摆动干扰,得到与静基座粗对准相当的结果;摇摆状态下精对准估计精度与静态估计结果基本一致,从而证明该对准方法的可行性与有效性.     

基于二维激光多普勒测速仪的车载组合导航系统

为了减小由车式载体上下颠簸而引入的测量误差,设计了二维结构的激光多普勒测速仪2-D LDV（laser Doppler velocimeter）,并将其与捷联惯导组合导航。阐述了二维激光多普勒测速技术的基本原理,详细讨论了其与捷联惯导组合的具体结构并进行了车载实验。理论和实验结果表明:2-D LDV减小了由于车辆上下颠簸而引入的测量误差,进一步提高了导航精度。车辆行驶总里程为29.67 km,纯捷联惯导的位置误差为936 m,1-D LDV/SINS组合系统的位置误差17.2 m,而2-D LDV/SINS组合系统的位置误差仅有7.1 m,相对于1-D LDV/SINS,2-D LDV/SINS更适合于车载组合导航系统。     

固定区域平滑及其在惯导初始对准确度评估中的应用

对紧急起动下的坦克车载捷联惯导系统对准精度进行评估,即利用卡尔曼滤波技术把导航坐标建立时刻的惯导导航坐标系偏开所要求的导航坐标系的误差角估计出来,这对于分析惯导系统的导航精度具有重要的意义。     

捷联惯导开环导航算法与简化误差模型匹配性验证

惯导解算算法与误差模型相匹配是设计静态自对准或自标定卡尔曼滤波器的前提。给出了捷联惯导开环导航算法与简化的静基座捷联惯导误差模型;并从误差对比的角度验证了开环导航算法与简化误差模型的匹配性。基于捷联惯导开环导航算法与简化误差模型构建了闭环卡尔曼滤波器,将闭环卡尔曼滤波器应用于多位置对准半实物仿真试验,仿真结果表明,陀螺和加速度计零偏估计精度优于97%,进一步从应用的角度验证了开环算法和简化误差模型的匹配性。     

基于蓝牙/INS的室内组合导航算法

蓝牙是一项低成本的室内定位导航的技术,但容易受室内环境影响;惯性导航系统(INS)常用于估计航姿,可通过加速度计的输出进行位置估计,但它容易受传感器误差和漂移的影响.为了实现更精准的室内导航,提出了使用卡尔曼滤波器(KF)融合蓝牙和惯导系统进行导航的算法.组合导航算法中,梯度下降法被用于对惯性传感器(ICM20602和...     

MEMS-INS/GPS双星组合定位方法研究

提出了一种 GPS 不足 4 颗星情况下的双星组合定位方法。利用微机械惯导系统短时间自主导航定位的优良特性,建立双星组合定位的误差方程,同时利用 GPS 导航系统自身的卫星测量信息,设计双星组合定位导航系统的卡尔曼滤波器来实现微机械惯导和 GPS 卫星信息的最优融合。通过微机械惯导和 GPS 的信息融合,实现 GPS 在 2 颗卫星情况下的组合定位。实验结果表明,在 GPS 卫星导航收星条件差的情况下,双星组合导航具有较好的定位精度。     

高精度激光多普勒测速仪在陆用自主导航系统中的应用

为了提高陆用自主导航系统的精度和机动能力,对高精度激光多普勒测速仪(LDV)在陆用导航领域的应用进行了研究。首先对分光再利用型LDV的结构和基本原理进行了介绍。在分析了自研的惯性导航系统(INS)和激光测速仪优缺点的基础上,对高精度测速仪辅助惯导系统的行进间姿态矫正、动态LDV参数误差估计和实时误差补偿一体化技术进行了研究。理论上阐述了在惯性导航系统误差方程中引入速度可以实现行进车辆的对准和高精度的自主导航的可行性。动态跑车实验结果表明,通过加入速度修正信息,在没有停车的状态下,跑车1.2h,惯导系统的导航误差从2000m降至6m以内。理论和实验证明,通过在传统的惯导系统中加入高精度LDV的辅助信息,可以大大提高陆用自主导航系统的性能。     

正逆向滤波在惯性卫星组合导航中的应用

为满足高性能惯性/全球卫星导航系统(GPS)组合导航的要求,进一步提高卡尔曼滤波算法在组合导航定位中的解算精度,考虑利用逆向数据处理和加权平滑的融合算法,提出一种正逆向融合的卡尔曼滤波算法应用于惯性/GPS的松组合导航中。分析了正逆向融合的卡尔曼滤波算法的解算方法,并与普通正向卡尔曼滤波算法做出比较。实验部分采用车载传感器采集的实测数据,通过对两种方法解算结果的误差分析,表明了正逆向融合的滤波算法在定位精度方面优于传统正向滤波算法。     

陆用组合导航中Janus配置的激光多普勒测速仪的标定方法

在陆用组合导航领域,激光多普勒测速仪作为速度传感器能够与捷联惯导系统组成组合导航系统。为了抑制车辆颠簸引起的倾角变化对传统激光多普勒测速仪的影响,文中给出了基于Janus配置的分光再利用型激光多普勒测速仪。针对其与惯导系统组合导航过程中该配置结构测速仪的误差参数,文中首先推导了该测速仪的速度误差模型,在此基础上提出了差分GPS辅助的Kalman滤波标定法。实施了仿真及车载组合导航实验验证该方法的有效性。实验结果表明:文中提出的标定方法是有效的,误差参数补偿后的Janus配置激光多普勒测速仪能够大大提高组合导航定位精度。     

基于测速误差预补偿的水下航行体组合导航技术

针对水下航行体INS/DVL组合导航系统,提出了基于DVL测速误差预先补偿的卡尔曼滤波方案,介绍了测速误差预先补偿方法和补偿措施。通过试验验证,基于DVL测量速度误差预先补偿的组合导航技术改善了系统滤波收敛特性,提高了导航定位精度。     

基于加权自适应平方根容积卡尔曼滤波的GPS/INS组合导航方法

针对GPS/INS组合导航系统中,由于量测噪声统计的不确定性导致平方根容积卡尔曼滤波器(SCKF)滤波精度下降甚至发散的问题,该文提出一种基于加权的自适应SCKF(WASCKF)方法。该方法首先利用移动开窗理论对SCKF新息的协方差阵进行最大似然估计,实现对测量噪声统计特性的在线调整;然后,利用加权理论,依据窗口内不同时刻信息的有用程度的不同而设置相应的权值,增强对窗口内有用信息的利用。最后,将WASCKF方法应用于GPS/INS组合导航系统中进行仿真验证,并与SCKF和ASCKF方法进行比较,结果表明,在测量噪声统计存在不确定情况下,该文所提出方法的速度误差和位置误差的均方根均小于SCKF和ASCKF方法,能够有效地提高GPS/INS组合导航系统对量测噪声统计不确定的自适应能力与导航性能。     

车载GPS/DR组合导航系统数据融合算法研究

本文介绍了车载ＧＰＳ／ＤＲ组合导航系统的设计,建立了表示车辆加速度及影响组合导航系统定位精度的主要误差的数学模型。针对迭代扩展组合卡尔曼滤波算法中,由于ＤＲ系统误差的引入导致滤波效果不好的问题,提出了一种新的组合导航系统的数据融合算法。对实际跑车数据的处理结果表明,该算法在提高组合导航系统的定位精度及可靠性和完整性方面是有效的。     

GPS/DR组合导航性能增强技术

为了提高全球定位系统(GPS)信号短时中断时地面车辆自主导航精确度,提出了GPS信号中断时采用车辆不完全约束条件和里程仪速度信息作为量测,辅助惯性导航系统实现车辆航位推算(DR)自主导航的方案;推导了该方案的GPS/DR组合导航的卡尔曼滤波方程;并进行了计算机仿真研究和地面车载试验,结果显示GPS信号中断90 s,DR自主导航误差为20 m,能够满足部分地面车辆短时高精确度自主定位要求。     

卡尔曼滤波实现车载GPS/DR组合导航

陆地车辆是在二维平面内运动的,而在车载GPS接收机和DR组合装置中,测量值是在不同的坐标系中得到的,通过对坐标系转换和测量误差分析得到组合系统的整体状态方程和测量方程,由于这些状态方程和测量方程都是关于状态的非线性函数,用广义卡尔曼滤波器来实现GPS/DR组合导航的实时求解。最后在行驶车辆上采集数据并进行仿真试验,结果表明这种组合系统能够大大提高系统实时定位精度和容错能力。     

BP神经网络在车辆组合导航中的应用研究

针对车辆GPS/DR组合导航系统在GPS信号被遮挡时无法完成DR零点更新的问题,提出了基于BP神经网络的DR位置误差预测模型来解决该问题。在GPS有效时,该算法采用基于平稳小波变换的扩展卡尔曼滤波器对GPS/DR信号进行数据融合得到车辆实时的精确位置,与经平稳小波变换软阈值模平方去噪法处理的DR位置数据进行平稳小波多尺度比较获得DR位置误差;然后用BP神经网络建立DR位置误差预测模型,为了提高所用网络的泛化能力,采用了贝叶斯正则化规则训练网络。在GPS失效时,利用已建立的预测模型预测DR位置误差来修复DR位置数据,实现车辆行驶在复杂路径下的实时精确导航定位。仿真表明,该算法对车辆GPS/DR组合导航系统有效。