自适应惯性组合导航系统研究

本文研究惯性／位置组合导航技术，给出在线估计未知噪声统计参量的自适应卡尔曼滤波算法（ＡＫＦ）。首先建立组合导航系统直线飞行段和机动飞行段数学模型，并给出相应滤波算法，仿真结果证明了组合导航估计算法的可行性。所得结论对惯导／地形匹配、惯导／ＧＰＳ组合导航的研制有实用意义     

基于因子图导航的伪距故障检测与自适应隔离方法

为了实现城市峡谷、电磁扰动等复杂场景下因子图优化导航的故障检测与自适应融合,提出了一种基于因子图优化的综合利用惯性导航系统和全球卫星导航系统原始伪距信息的故障检测与自适应隔离方法.首先,结合惯性导航信息与全球卫星定位原始伪距进行导航系统故障检测,实现故障卫星伪距信息和故障惯性信息的有效定位;而后,基于故障检测结果针对因...     

组合导航系统卡尔曼滤波衰减因子自适应估计算法研究

提出了一种衰减记忆卡尔曼滤波中衰减因子的自适应估计方法,并在GPS／SINS组合导航系统中进行了计算仿真。仿真结果表明：该算法能够较好地估计出衰减因子的大小,有效地抑制滤波发散,提高导航精度。     

基于权值矩阵的模糊自适应卡尔曼滤波在组合导航中的应用

针对自主驾驶车辆长时间导航精度要求难以满足的问题,建立了GPS与微惯性导航系统的组合导航滤波模型,在位置观测的同时引入姿态信息,提高了导航精度。在此基础上提出了基于权值矩阵的模糊自适应卡尔曼滤波算法,该算法通过模糊控制器自适应地改变每个观测量的权值,得到权值矩阵引入卡尔曼滤波器实现自适应滤波。仿真和实验结果表明,所提出的权值矩阵模糊卡尔曼滤波性能优于衰减因子自适应卡尔曼滤波,特别是在GPS信号失真及噪声先验统计特性不可知的情况下,其定位精度能够保证在1m之内。     

基于自适应并行扩展卡尔曼滤波的SITAN匹配算法

针对重力匹配辅助惯性导航系统中SITAN匹配算法状态方程存在模型误差的问题,提出了一种基于自适应并行扩展卡尔曼滤波的SITAN匹配算法.通过自适应因子调节状态预测信息的权重,抑制滤波发散,提高定位精度.同时,讨论了自适应因子的选取与构造,分析了基于并行扩展卡尔曼滤波的SITAN匹配算法发散的原因.选取南海两片重力异常特...     

组合导航系统多重衰减因子自适应估计算法比较研究

提出了多重衰减因子自适应估计卡尔曼滤波方法,用该方法对系统每个误差状态估计进行控制,提高滤波器的估计性能。仿真结果表明,新算法在系统噪声特性不准确的情况下,能够抑制卡尔曼滤波估计的发散,GPS/SINS组合导航精度比强跟踪滤波估计的精度高。这种算法推导形式简单,计算量小,适合在线运算。     

一种复杂多介质环境下的视觉/惯性自适应组合导航方法

针对空间交会对接地面混合悬浮微重力模拟实验中自主水下航行器的高精度实时导航问题,提出了一种复杂多介质环境下视觉/惯性自适应组合导航方案和算法。首先,以视觉定位系统的采样时标为基准对惯导系统的测量数据进行拟合,并通过惯导逆向导航的方法实现惯导与视觉定位系统的时间同步。然后,根据视觉系统量测噪声时变的特点,设计了可对量测噪声在线估计的指数渐消记忆型Sage-Husa自适应卡尔曼滤波组合导航算法。最后,通过实验验证了该组合方案和算法的有效性。实验结果表明提出的方法可以实现复杂多介质环境下的高精度实时导航,并且相比于测量数据未同步的标准卡尔曼滤波组合导航方式,其速度误差和位置导航误差分别降低了56%和64%。     

基于小波变换的自适应滤波技术在组合导航系统中的应用

针对组合导航系统中在线校正的误差噪声模型具有时变性的特点，使用小波变换对观测量进行预滤波，并使用自适应滤波技术进行在线校正，克服了常规卡尔曼滤波需要精确的误差模型的缺点。仿真结果证明：在系统和量测模型不确定时，文中提出的基于小波变换的自适应滤波能够使系统误差在较短的时间内收敛，并与常规卡尔曼滤波器的精度相当。     

基于UWB优化配置的室内行人导航方法

在卫星信号无法覆盖的室内条件下,行人的精确导航问题是当前研究的热点。为解决基于MEMS的微惯性导航系统误差随时间发散、航向角发散快的问题,提出了一种利用UWB辅助修正惯性导航系统,实现室内较高精度定位的方法。该方法采用基于零速修正的微惯导系统进行导航,以抑制惯导误差随时间发散,并在建筑内拐角、楼梯口等关键节点处优化配置UWB设备,采用UWB信息与微惯导数据进行卡尔曼滤波,实现对微惯导航向及位置的修正。与大规模使用UWB系统进行室内定位相比,该方法降低了系统布设成本,避免了UWB出现问题时对整体导航结果的影响,有效地保证了系统的定位精度。行走实验表明:直线行走时,微惯导最终定位误差为1.8%;转弯行走时,在UWB辅助定位下,微惯导最终定位误差小于1.0%。     

GPS／SINS组合导航系统的动基座快速初始对准方法

—本文首先建立了ＳＩＮＳ的误差模型，并对系统模型进行了可观测性分析，然后基于ＳＩＮＳ误差模型的特点，通过对所采用卡尔曼滤波器仿真结果的分析，提出了一种快速估计方位失准角Ｄ的方法，从而大大缩短了初始对准时间，提高了对准速度。最后计算机仿真结果表明了该方法的有效性。     

基于位姿图优化的MEMS-INS/GNSS行人融合定位方法

为了实现消防救援、反恐作战等应急任务复杂场景下行人的室内外无缝定位,提出了一种基于位姿图优化的综合利用微惯性导航系统和全球卫星导航系统的融合定位方法.首先利用经典的EKF滤波算法实现微惯导和卫导融合定位,结合卫导长期精度较高、误差稳定和不随时间累积的优点以及微惯导短时精度高、输出连续、自主定位的优点,实现行人在复杂环境...     

GPS/SINS 组合导航系统混合校正卡尔曼滤波方法

利用卡尔曼滤波器将GPS伪距与SINS进行了深组合，在分析了导航误差产生原因的基础上，提出了输出校正与反馈校正相结合的混合校正卡尔曼滤波方法。与输出校正和反馈校正方案相比，这种校正方法提高了系统导航精度。仿真结果验证了混合校正卡尔曼滤波方法的有效性。     

基于指数渐消遗忘因子的组合导航自适应滤波算法

量测信息异常导致的噪声统计特性变化容易引起组合导航滤波精度下降甚至发散.针对Sage-Husa自适应滤波算法估计系统量测噪声参数性能对遗忘因子依赖性强的问题,提出了基于指数渐消遗忘因子的自适应滤波算法.在对故障检测函数判断量测噪声统计特性研究的基础上,构建了基于指数函数的动态遗忘因子模型,提升量测信息异常情况下的导航精...     

基于因子图的AUV多传感器组合导航算法

针对自主水下航行器(AUV)多传感器组合导航系统中不同导航传感器信息更新频率不同步及其可用性动态改变问题,以及AUV所在水下复杂多变的环境与任务需求,提出了基于因子图的AUV多传感器组合导航算法。首先,对捷联惯性导航系统、多普勒计程仪、磁航向仪、地形辅助导航设备进行建模,构建基于因子图的AUV多源信息融合框架;然后,根据非线性优化理论对系统状态更新过程进行表示,实现变量节点的递推与更新;最后,采用因子图方法对融合数据进行处理,实现AUV多传感器组合导航系统的高精度导航。仿真结果表明,所提因子图方法能够连续稳定地输出较高精度的导航结果,有效实现惯性导航系统与不同导航传感器的非等间隔融合,与联邦卡尔曼滤波算法的导航解算精度相当,水平定位精度均保持在?5~+5 m以内,并且因子图方法具有更好的灵活性和扩展性。半物理仿真结果亦验证了所提方案的可靠性和有效性。     

基于GPS/INS不同测量特性的自适应卡尔曼滤波算法

在GPS/INS组合导航系统中,针对现有自适应滤波算法对GPS测量噪声估计准确性、可靠性不高的问题,提出了一种基于GPS、INS不同测量特性的自适应卡尔曼滤波算法.该算法基于GPS和INS不同的测量性质,利用惯导系统的短期高精度性,获得对GPS测量噪声统计特性自适应估计.仿真结果表明,该算法能够在GPS测量噪声统计特性未知或发生变化的情况下,适时地跟踪GPS测量噪声,准确估计滤波系统的观测噪声协方差阵R,其滤波精度和鲁棒性明显优于改进的sage-husa自适应算法,特别是在采用低精度INS情况下,能够有效克服改进的sage-husa自适应算法滤波发散的现象.     

基于模糊自适应的组合导航系统信息融合算法

以INS/GPS/CNS组合导航系统为应用背景,在现有方法的基础上,提出了一种新的模糊自适应的组合导航系统信息融合算法。该系统由三个模糊控制块组成,分别为子滤波器模糊控制块、子滤波器权值模糊推理控制块和信息分配系数模糊控制块。解决了由于模型不准确的情况下滤波精度差的问题,同时又能保证系统的实时性,文中给出了状态方程和量测方程,最后通过软件仿真,结果表明该方法具有高效率、高精度等优点,是一种实时有效的算法。     

非线性导航信息自适应估计方法研究

提出了一种模糊自适应非线性滤波（FUKF）方法，该方法通过一组确定的散布点集，计算新息协方差，然后根据新息在稳态滤波下的平稳遍历性质，确定模糊规则，在线调整噪声方差，有效地防止滤波器发散。将该方法应用到以DGPS／GPS／RLC／罗经等设备组成的舰船导航系统中，对各个传感器信息分别进行FUKF、EKF滤波，然后采用三种不同的方法，对实测数据进行数据融合状态估计，并对估计效能进行比较。仿真和试验结果表明，文中提出的方案对提高整个系统的精度和运算速度是行之有效的，而且使整个组合导航系统具有更高的可靠性和容错能力。     

不同动态条件下组合导航系统的时间同步

基于不同精度的惯性测量组件和全球定位系统,以及不同运动条件下的GPS/捷联惯性导航系统组合导航系统,对于时间同步误差精度的要求也是不一样的。但目前大多数的时间同步方案对于不同精度和动态强度的对象都采取统一的补偿方法,没有做到具体问题具体分析,从而会产生硬件成本高或软件算法复杂的问题。为了在特定对象和使用环境的情况下寻找最适合、成本最低的组合导航系统时间同步方案,首先分析了时间同步误差对系统精度的影响,然后在低动态、中动态和高动态的情况下分别给出适合的硬件或软件同步方法(分别为方法 1、方法 2和方法 3),最后对于每种方案进行了跑车试验或软件仿真,结果证明在低动态和低系统精度的环境下,通过应用三种方法对于提高系统精度效果不明显;中动态环境下方法 2和方法 3较方法 1在姿态角和速度精度上提高了约50%,定位精度提高约20%;高动态下方法 3显示出了非常明显的效果,较方法 1在各项精度上提高超过70%。     

SINS／GPS组合导航系统时序同步技术研究

一本文讨论的ＳＩＮＳ／ＧＰＳ组合导航系统时序同步技术是以ＧＰＳ接收机输出的ＩＰＰＳ秒脉冲作为组合导航系统的参考时标，定时地修正ＳＩＮＳ的基本任务时序。文中提出一种利用分频器自动调节技术对ＳＩＮＳ基本任务时序发生器的分频器进行动态修正的方法。仿真实验结果表明，当ＩＳＮＳ频标相对于ＧＰＳ接收机出现漂移或其它不稳定性情况时，该方法也能使ＳＩＮＳ的基本时序与ＧＰＳ接收机保持精确同步。     

基于因子图的船用导航系统信息融合算法

针对船用捷联惯性导航系统(SINS)、北斗(BD)、多普勒(DVL)和天文导航(CNS)信息更新频率不同以及可用性随环境动态改变的多源导航信息融合问题,提出基于增量平滑因子图的船用导航系统信息融合及容错算法。建立SINS、BD、DVL和CNS的量测因子节点模型,并通过利用所有时刻量测信息,以最大后验概率估计方法进行融合架构的构建;插入新的量测因子节点后,识别并更新受新量测因子影响的部分导航状态变量节点,利用因子图增量平滑算法计算导航状态的最大后验估计值;同时设计基于卡方检验的信息容错算法进行故障检测。数值仿真及半实物车载试验表明所提算法具有即插即用特性,能够实现不同信息更新频率导航设备的有效融合,融合精度与联邦滤波的定位精度相当;在导航设备发生故障后,所设计的容错算法能够有效识别并隔离故障。