基于插值非线性滤波的SINS静基座初始对准

讨论了捷联惯性导航系统（SINS）静基座初始对准的非线性和线性误差模型,提出一种基于插值非线性滤波的SINS静基座初始对准方法.分析了插值非线性滤波原理,给出了系统加性噪声情况下的二阶插值非线性滤波递推算法.进行了静基座状态下基于KF、EKF和插值非线性滤波的初始对准仿真.仿真结果表明,在大方位失准角的情况下,基于插值非线性滤波的对准方法具有更高的估计精度,且无需计算Jacobian矩阵,相对于EKF计算量更小,实现更为简单.     

捷联式惯导系统静基座快速初始对准方法的研究

初始对准精度直接关系到惯导系统的工作精度，其时间是惯导系统的重要战术技术指标，因此，初地准是惯导系统最重要的关键技术之一，本文提出并设计了把扩张状态观测器用于捷联惯导系统静基座下的初始对准。结果表明，对准过程时间大大缩短，具有精度高，算法简单等特点，是一种应用在实际惯导系统中的理想初始对准方案。     

摇摆基座下捷联系统快速初始对准研究

针对舰船摇摆状态下无法从陀螺仪输出中提取地球自转角速度信息这一问题,提出基于惯性系改进的粗对准方法.该方法通过建立惯导系统初始捷联矩阵隔离载体摇摆运动以保征失准角为小角度.为了满足舰船对准快速性的需求,提出了一种惯导数据循环使用的卡尔曼滤波精对准方法.系泊状态下的半实物仿真结果表明:采用惯导数据循环使用的系泊对准方法可以达到对准精度要求的同时缩短对准时间,验证了该方法的有效性.     

基于惯性参考系的动基座初始对准与定位导航

以惯性坐标系作为捷联惯导解算参考基准并综合外测速度辅助信息,可有效隔离载体角运动和线运动干扰的影响,实现捷联惯导系统（strapdown inertial navigation system, SINS）动基座初始对准。但现有算法的对准精度受载体位移影响,通过位移补偿降低重力矢量在惯性系投影的偏斜误差,同时给出了基于惯性参考基准的SINS定位方法,提高SINS动基座初始对准精度,并且具备对准过程中进行实时定位导航的能力。车载实测数据分析表明,动基座方位对准精度达到0.032°,相对定位精度约为行程的0.15%。     

静基座速率偏频激光陀螺捷联惯导系统快速高精度初始对准算法

针对惯性器件误差对初始对准精度的影响,提出了基于速率偏频激光陀螺捷联惯导系统的快速高精度初始对准算法。首先,研究了初始对准阶段惯性器件的误差特性;然后,建立了激光陀螺标度因数和加速度计零偏的二次非线性误差模型,并对其进行在线估计和补偿;最后,采用卡尔曼滤波方法对激光陀螺零偏残差进行估计,得到系统初始对准姿态矩阵。实验结果表明,该算法可以有效消除激光陀螺标度因数误差、零偏误差和加速度计零偏误差等因素对初始对准精度的影响,初始对准时间为3 min时水平姿态角对准精度为2″,偏航角对准精度优于30″,精度和快速性均得到显著提高。     

动基座捷联罗经初始对准误差分析

为解决动基座条件下罗经控制法误差较大的问题,通过捷联罗经的原理框图和算法设计,使用梅森增益公式,分别画出东向通道、北向通道、罗经回路的信号流图。对动态条件下罗经回路对准方法的误差进行了深入分析,采用“等效器件误差”的方法,将匀速状态下载体的机动引起的误差看作固定数值的陀螺输出偏差和固定数值的加表输出误差,将匀加速状态下载体的机动引起的误差看作斜线变化的陀螺输出偏差和斜线变化的加表输出偏差,定量给出了匀速、匀加速以及周期性震荡加速度条件下所引起的罗经回路对准方法的水平失准角和方位失准角稳态误差角的表达式,并通过仿真验证,为在载体机动条件下使用罗经回路初始对准方法提供技术支撑。     

车载导航系统动态高精度初始对准技术

针对载车在运动状态下的初始对准问题,提出了利用航位推算算法进行精对准的新方法,阐述了航位推算轨迹和真实轨迹相似的原理。在载车初始粗对准之后,行驶一段路程到达一位置已知点,由航位推算结果并运用相似性原理求出初始粗对准的航向误差角,从而修正航向角达到精对准的目的。最后通过跑车试验验证了对准方法的有效性,当载车起始点和位置已知点间距离为6 km左右时,初始对准航向角可达到角分级精度。     

UKF方法在惯性导航系统初始对准中的应用研究

针对初始对准的精度直接影响系统工作性能问题,在初始对准中引入Unscented卡尔曼滤波算法(UKF)。Unscented卡尔曼滤波算法没有把非线性系统近似为线性系统,而是使用确定性样本的方法处理非线性问题,使采样点的均值和方差完全符合实际的非线性系统的均值和方差,解决了惯性导航系统正常工作的基本条件。仿真结果显示,使用Unscented卡尔曼滤波时惯性导航系统初始对准的精度和稳定性都好于普遍使用的广义卡尔曼滤波方法。     

捷联惯导系统快速初始对准的多级组合滤波实现

捷联惯导系统初始对准中利用卡尔曼滤波器进行状态估计时,其数学平台的东向和北向水平失准角估计速度很快,而天向方位失准角的收敛很慢。为了解决这个问题,在基本卡尔曼滤波的基础上引入了多级组合滤波的思想,利用对捷联矩阵的修正和对天向方位失准角φU估计的改进产生了新的信息,形成了两级卡尔曼滤波,并且与小波软阈值法相结合,实现了捷联惯导系统的快速初始对准。     

基于Kalman／UKF组合训练神经网络的初始对准方法

针对基于Unscented卡尔曼滤波(UKF)的神经网络训练学习方法存在的计算量大,实时性差的问题,提出了一种基于Kalman/UKF组合滤波原理的神经网络学习方法,该方法综合了Kalman滤波对线性系统和UKF对非线性系统的最优估计的优势,在保证神经网络权值估计精度的同时,有效降低了神经网络权值学习的计算量,提高了神经网络训练的实时性。最后将该利用方法训练的神经网络应用于惯性导航系统的非线性初始对准过程中,并进行了仿真研究。仿真结果表明利用提出的算法训练的神经网络与基于UKF训练的神经网络具有相同的对准精度和实时性,而提出的算法的有效降低了神经网络训练的计算量,提高了训练的运行效率,是解决惯性导航系统初始对准的一种有效和实用的方法。     

基于混合迭代UKF的捷联惯导对准算法设计

捷联惯导系统陀螺噪声过大时,自对准无法使方位失准角估计收敛到真值,设计了一种磁强计辅助对准方法,满足对准精度要求并可同步估计磁场强度和磁倾角。非线性滤波方法UKF相比EKF估计精度高但收敛速度慢,迭代UKF算法可提高收敛速度但计算量也显著增大。将超球面分布采样点变换（SSUT）应用于UKF迭代过程,设计了一种混合迭代UKF算法。仿真表明该混合迭代UKF算法加快了收敛速度,保证了滤波精度,同时又减少了计算量。

Abstract：

The azimuth misalignment-angle estimation of SINS could not converge to the true value without assistance duo to the over too strong noise of gyros.An alignment method assisted by magnetometers was designed to estimate the misalignment angles as well as the magnetic field intensity and the magnetic obliquity.Nonlinear filtering method UKF was more precise than EKF but converged slowly.Iterated UKF could promote the convergence rate but increased the calculation amount greatly.A combined iterated UKF algorithm was proposed by applying spherical simplex unscented transform to the iterated process.Simulation indicates that the algorithm promotes the convergence rate,guarantees the precision,and reduces the calculation amount.     

捷联惯导系统简化非线性对准研究

对任意大失准角条件下的捷联惯导系统非线性对准进行了建模和简化,并给出了差分GPS辅助条件下的大失准角行进间对准简化模型。针对四组不同量级的初始姿态失准角,分别采用线性模型和非线性模型进行卡尔曼滤波（KF）和Unscented卡尔曼滤波（UKF）静态对准仿真,结果表明文中大失准角非线性模型可适用于任意角度的初始对准,小失准角和大方位失准角情况下UKF对准可达角分级精度,但在水平和方位皆为大失准角情况下UKF收敛至一定程度后仍需与KF配合使用。

Abstract：

Modeling for Strapdown Inertial Navigation System （SINS） initial alignment with arbitrarily misalignment angles was created and simplified,and the nonlinear alignment modeling for SINS initial alignment on-move with the help of Differential GPS （DGPS） was proposed.Simulations of static-base initial alignments through linear Kalman Filtering （KF） and nonlinear Unscented Kalman Filtering （UKF） were carried out with four different weights of initial misalignment angles.Results show that the simplified nonlinear model can implement initial alignment with arbitrarily misalignment angles.The nonlinear UKF can reach minute magnitude precision as all of misalignment angles are small or only azimuth misalignment angle is large.However,if both initial horizontal and azimuth misalignment angles are large,KF is still recommended to use after UKF convergence to small scales.     

基于无轨迹卡尔曼滤波神经网络的SINS初始对准方法

针对扩展卡尔曼滤波算法的缺点,研究了基于无轨迹卡尔曼滤波的神经网络算法.建立了捷联惯导系统在大失准角下的误差方程和适用于初始对准的神经网络模型,研究了基于扩展卡尔曼滤波和无轨迹卡尔曼滤波的神经网络算法,将基于无轨迹卡尔曼滤波的神经网络学习算法应用于捷联惯导系统大失准角条件下的初始对准中.仿真结果表明,在大失准角条件下,用训练好的神经网络进行初始对准是可行的,且基于无轨迹卡尔曼滤波的神经网络算法可提高初始对准精度.     

捷联惯导系统初始对准的SVM自适应Kalman滤波算法

作为捷联惯导系统初始对准关键技术的Kalman滤波要求事先精确已知系统及量测噪声的统计特性,当在滤波过程中这些特性改变时,滤波器性能将会降低甚至发散,针对这一问题采用了一种支持向量机(SVM)自适应Kalman滤波(SVMAKF)算法,根据协方差匹配技术应用支持向量机来动态调谐量测噪声方差阵R,当量测噪声随时间改变时,SVMAKF可以实时的估计出准确的噪声方差阵,这就降低了系统对量测噪声先验统计特性的依赖性,能够改善kalman滤波器的状态估计效果.基于SVMAKF的捷联惯导系统初始对准计算机仿真结果表明在滤波精度和滤波器鲁棒性上,SVMAKF都有比传统Kalman滤波器好的表现.     

一种基于自适应粒子滤波的捷联初始对准方法研究

针对传统自适应粒子滤波算法的计算负荷太大问题,在Fox的K-L距离采样的基础上,给出一种新的求解七值的方法,将k值的计算从采样过程中分离出来,大大降低算法的复杂度,减少计算量,避免死循环发生.曩后,将该算法应用到大失准角情况下捷联惯导系统动基座初始对准中,并与扩展卡尔曼滤波算法,标准粒子滤波算法和传统自适应粒子滤波算法进行了比较,仿真结果表明简化的自适应粒子滤波算法在保持高精度的同时,有效地提高了算法的计算速度,因此更适合于捷联惯导系统动基座初始对准.     

基于小波神经网络的惯导初始对准系统

论述了小波分析和神经网络在惯性导航系统初始对准中的重要作用,给出了惯导系统初始对准的线性和非线性模型.基于小波变换,运用小波神经网络对目前该问题进行了仿真研究.仿真结果表明,对于不同的误差模型,小波神经网络采用不同的基函数可以很好地对非线性系统进行逼近,近似精度高,而且网络规模比BP、RBF等神经网络规模要小,计算量少,收敛速度快.     

固定站无源目标跟踪简化UKF算法仿真研究

与EKF类算法相比,基于不敏变换(UT)的不敏卡尔曼滤波(UKF)算法因为不存在线性化误差从而具有更好的性能,不过存在运算量较大的问题。建立了具有线性状态方程的固定单站无源目标跟踪模型,以此为研究背景在满足L+λa=nx+λ=常数的情况下由扩维UKF算法推导出了简化UKF算法并进行了仿真分析。仿真结果表明在满足推导条件时简化UKF算法可以在降低运算量的同时保持和扩维UKF同样的定位性能,具有较强的实用性。