载波相位时间差分辅助的SINS/GNSS紧组合导航方法

为提升无基准站辅助条件下的单站微惯性/卫星组合实时导航性能,提出了一种基于载波相位时间差分的改进微惯性/卫星紧组合导航方法。所提方法直接利用高精度的载波相位时间差分观测信息改善微惯性导航误差的在线补偿精度。分析比较了两种载波相位时间差分观测模型对组合导航精度的影响,通过抗差序贯卡尔曼滤波建立抵御GNSS观测粗差的紧组合滤波模型。城市内车载试验结果表明,相对于传统紧组合导航方法,所提算法能够有效提升定位、定速和定姿精度达29%、21%和42%。另外,相对较长GNSS中断(60 s)条件下,所提算法能够显著提升滑行位置、速度和姿态精度达46%、40%和51%。     

基于微小型传感器的惯性/卫星/天文组合导航方法

为了实现基于微小型传感器的高精度导航,针对微小型导航传感器精度相对较低、误差相对较大的特点,对微小型惯性测量单元(MIMU)、微GPS卫星接收机、微小型星敏感器的测量误差进行了建模与分析;对多传感器的导航信息进行分散化处理,采用卡尔曼滤波进行局部估计;提出了基于部分信息融合的联邦滤波算法进行全局融合;并给出了利用全局融合结果对MIMU导航误差进行输出校正的算法.仿真结果表明,该组合导航方法能够利用微小型传感器实现较高精度的导航定位.     

航向信息辅助的MIMU/GPS高精度组合导航方法

为了在卫星颗数少于四颗时实现高精度低成本导航,提出了一种基于航向信息辅助的MIMU/GPS高精度组合导航方法。采用MIMU与GPS构成MIMU/GPS组合导航系统;针对GPS卫星颗数少于四颗而无法定位的问题,利用MIMU导航解算获得的位置信息与GPS星历数据信息构造等效伪距,将其与GPS输出的伪距对应相减作为组合导航量测之一;针对组合后航向精度较低甚至发散的问题,利用GPS输出的水平速度计算获得伪航向角,将MIMU导航解算获得的航向角与该伪航向角相减作为量测之二;采用卡尔曼滤波设计组合导航滤波算法。跑车实验结果表明,在多次出现卫星颗数少于四颗时,该组合导航方法的位置精度达到±10.3 m(3σ),水平姿态精度达到±20.1′(3σ),航向精度达到±19.5′(3σ)。因此,该方法有效解决了卫星颗数少于四颗时的高精度导航问题,而且显著提高了航向精度,特别是在失准角较大的情况下也能够实现滤波快速收敛。     

状态变换扩展卡尔曼平滑算法在AUV水下航迹修正中的应用

水下自主潜航器(AUV)在水下勘测过程中常采用定期上浮的方式利用卫星定位信息(GNSS)校正惯性/多普勒测速仪(SINS/DVL)组合导航造成的位置误差,并通过平滑算法校正之前计算的水下航迹。针对AUV上浮前的水下航迹矫正问题,提出一种基于计算地理坐标系的状态变换扩展卡尔曼平滑算法(STEKF-RTS)。首先推导状态变换扩展卡尔曼滤波器的系统误差状态方程,并分别以GNSS信息和DVL速度为观测信息构建量测方程,以此系统模型进行前向滤波。完成前向滤波后,即潜航器上浮GNSS校正完成后,采用RTS平滑算法对水下航行阶段的航迹进行修正。实验结果表明,STEKF相较于EKF能减缓位置误差积累,STEKF-RTS相比EKF-RTS平滑算法能够进一步有效校正航线误差,1 h上浮时间间隔情况下,勘测航迹精度可控制在0.5%D以内。     

INS/GNSS/Vision组合近距空中加油相对导航算法

针对空中加油近距对接阶段GNSS信号易受遮挡丢失的问题,考虑引入Vision导航系统,提出一种INS/GNSS/Vision组合的高精度容错相对导航系统,为空中加油近距对接任务提供高精度的双机相对导航信息。该系统采用联邦滤波器结构融合导航传感器信息,利用滑动窗口构建时变量测噪声的容错滤波结构,并基于子滤波器协方差的奇异值分块计算信息分配系数。仿真结果表明,所设计的容错导航系统与单独的INS/GNSS和INS/Vision系统相比,相对位置、速度和姿态的估计精度都有所提高;同时在GNSS出现软故障时,系统可以提供稳定、可靠的相对导航信息,有效提高了INS/GNSS/Vision组合近距空中加油相对导航系统的导航精度、鲁棒性和容错性,相对位置精度较基于常规故障隔离联邦滤波算法提高70%以上,满足了空中加油对接导航需求。     

前后向平滑算法在精密单点定位/INS紧组合数据后处理中的应用

精密单点定位技术只需单台双频GNSS接收机就能实现分米到厘米级定位精度,将其与INS进行组合可以广泛应用于测量领域。但当GNSS信号被完全遮挡时,只能依赖纯惯性导航工作模式,而当重新捕获GNSS信号时,又需要一定时间才能使精密单点定位重新收敛到理想精度。针对以上问题,提出了一种适用于精密单点定位/INS紧组合的前后向平滑算法来同时提高GNSS信号完全遮挡段和重新收敛段的导航精度,详细推导了该算法的数学模型。对实测的跑车实验数据后处理表明:前后向平滑算法能有效提高精密单点定位/INS紧组合导航精度;对60 s完全遮挡段的位置误差统计表明,前向和后向滤波的三维位置误差RMS分别为44.46 cm和10.81 cm,平滑后改善到了10.47 cm。     

一种GNSS/INS/LiDAR组合导航传感器安置关系快速标定方法

卫星导航/惯性导航/激光扫描传感器(GNSS/INS/Li DAR)组合导航定位方法是室内外无缝导航定位的研究热点。而传感器之间高精度安置关系的确立是传感器位姿信息融合的基础,也是制约高精度组合导航定位的重要因素。针对该问题,采用三维激光扫描测量技术和多台经纬仪交汇测量的方法,设计组合导航定位系统室内高精度快速标定方案,建立传感器安置参数解算数学模型,完成了GNSS杆臂值和激光扫描传感器安置参数的标定。使用微分方程分析、蒙特卡罗法对标定结果进行精度分析,仿真实验与实际测试结果表明,传感器安置参数精度对高精度组合导航定位的影响不可忽略,采用所提出的联合测量方法,可以快速获取毫米级精度的传感器位置安置参数和角分级的传感器姿态安置参数,满足组合导航定位系统传感器安置关系标定的精度需求。     

基于超短基线水声定位的USV/UUV协同导航方法

针对无人水下航行器(UUV)与无人水面艇(USV)协同作业时水下导航性能受惯导设备(INS)影响较大的问题,提出了一种基于超短基线水声定位(USBL)的USV/UUV协同导航方法。首先,以USV上的高精度INS和GNSS组合后的导航结果作为基准,利用USBL测量得到的USV和UUV相对位置和姿态,再结合UUV的INS误差方程,建立了INS/GNSS/USBL/INS滤波的状态方程和观测方程,实现了多源导航信息的融合,有效提升了UUV水下导航精度。其次,针对USV和UUV航行过程中USBL因存在信号盲区带来的两者无法通信、定位导致协同导航不稳定的问题,采用基于视线法的PID控制方法实时改变USV的航向和航速,保证了USV、UUV航行过程中两者始终处于水声信号有效的通信、定位距离和角度范围内。仿真和海上实验结果表明,UUV在与USV协同导航后的位置误差小于10 m;USV和UUV航行过程中,相对距离和角度保持在设定的USBL有效通信定位距离和角度范围内,距离误差小于15 m,角度变化小于1°,提出的方法可以使USV和UUV协同导航更稳定、连续。     

基于Q-R分解的平滑算法在惯导参数标定中应用

针对舰船中低精度惯性导航设备参数标定维护费用高、过程周期长等问题,采用测姿型DGPS作为测定误差的基准平台搭建导航设备性能测试系统,利用组合导航方式获取的高精度导航参数对惯导设备性能进行评估。为此,利用Q-R分解中上三角矩阵求逆计算的快速性和稳定性特点,建立基于Q-R矩阵分解的区间平滑滤波器,取代滤波误差方差阵P阵的计算为R阵的迭代,避免P阵在计算过程中失去正定性和对称性导致滤波发散。仿真分析结果表明:结合导航设备性能测试系统的Q-R分解区间平滑算法能有效提高系统位置、速度、姿态等数据的估计精度和数据平滑度,可以作为一种中低精度惯导参数性能事后评估方法。     

基于多模型联合滤波的MIMU/GPS组合导航方法

针对单一噪声假设和单一模型假设对组合导航精度的不利影响,提出了基于多模型联合滤波的MIMU/GPS组合导航方法。首先,用分布集合的概念进行误差建模,实现了随机噪声和有界噪声的融合建模;而后,推导了多椭球加权Minkowski和的外定界椭球的运算过程,并给出参数优化方法,从而实现了随机/有界双重不确定条件下的多模型交互,得到了交互多模型联合滤波算法的具体迭代过程;最后,将提出的方法用于MIMU/GPS组合导航。试验结果表明,交互多模型联合滤波算法可以将导航位置误差由最大超过10 m降低到1.5 m以下,导航精度显著优于单模型滤波方法,同时也优于标准交互多模型算法。特别是,由于交互多模型联合滤波算法充分利用了两种不同性质的噪声,既可以避免单一噪声假设导致的导航性能下降,又可以保证边界估计,对于后续的控制制导具有重要意义。     

MIMU/GNSS紧组合精密单点定位协方差成形自适应滤波方法

针对精密单点定位应用需求,研究了MIMU/GNSS紧组合协方差成形自适应滤波方法。给出了"位臵滤波器+速度滤波器"的分布式滤波器设计方案以降低计算复杂度;推导了地理系紧组合导航系统模型,并把伪距测量不一致性偏差扩展至系统状态向量中予以估计,从而提高系统对于动态环境下伪距测量偏差抖动的适应能力。协方差成形自适应滤波算法利用Frobenius范数来衡量系统残差噪声水平建模状态与实际状态的匹配程度,并以最小化Frobenius范数作为优化指标,动态调节滤波增益,以此来提高状态估计精度、平稳性与鲁棒性。地面静态试验表明:紧组合协方差成形自适应滤波器定位误差均值与均值稳定性均优于标准卡尔曼滤波器,定位精度提高了约50%,能够提供亚米级单点定位导航服务。相较于集中式滤波器设计方案,分布式滤波器方案计算复杂度降低了63.5%。     

基于UKF的INS/GNSS/CNS组合导航最优数据融合方法

为了提高INS/GNSS/CNS组合系统的导航精度,提出了一种基于UKF的多传感器最优数据融合方法。该方法具有两层融合结构,第一层中,GNSS和CNS分别通过两个局部UKF滤波器与INS组合,以并行的方式获得INS/GNSS和INS/CNS子系统的局部最优状态估值;第二层中,根据线性最小方差准则推导出一种矩阵加权数据融合算法,对局部状态估值进行融合,获取系统状态的全局最优估计。提出的方法无需采用方差上界技术对局部状态进行去相关处理,克服了联邦卡尔曼滤波(FKF)及其优化形式存在的缺陷。仿真结果表明,相比于FKF,提出方法的导航精度可至少提高36.4%;相比于UKF-FKF,其导航精度也可至少提高21.0%。     

基于不等式约束卡尔曼滤波的双MIMU导航位置校正方法

为了实现GPS信号缺失下的单兵自主导航,提出一种基于微惯性测量技术(MIMU)的单兵导航方案。由于惯性导航时误差随着时间而积累,提出了基于双MIMU的单兵导航位置校正方法,通过将两个MIMU分别固联在单兵的双脚上,根据行走时候的步态特性,利用基于假设检验和极大似然估计的零速检测器,进行零速检测修正。结合单兵行走时最大步长约束,设计一种最大步长分解约束下的卡尔曼滤波椭球约束算法,进一步校正单兵导航位置估计。研究结果表明,采用最大步长分解约束不等式卡尔曼滤波的双MIMU单兵导航方案,与未加约束时相比双脚位置均方根误差下降了41.46%。     

卫星分群的抗差Kalman滤波在GPS/BDS融合精密单点定位中的应用

抗差Kalman滤波是控制GNSS动态导航定位中观测异常的有效算法,当应用到GPS/BDS实时动态精密单点定位(Precise Point Positioning,PPP)时,会出现某些历元定位精度甚至不如单一系统定位精度高,这主要是因为同一接收机接收的不同种类卫星观测量的随机特性不同,使得观测量验后残差的分布特性不一致,抗差估计时随机特性不同的观测量验后残差互比,反而对某一系统优质数据也进行了降权,导致定位结果出现偏差,减弱了GPS/BDS融合精密单点定位的优势。针对这一问题,提出了卫星分群的抗差Kalman滤波算法,并应用到GPS/BDS融合精密单点定位中,算法的核心是在每一历元观测数据质量控制时根据卫星类型分类构建方差膨胀因子,给出了算法的实施步骤,最后通过MGEX实测数据进行了验证,结果表明算法应用到GPS/BDS融合精密单点定位中,相较传统的抗差Kalman滤波算法在东、北、天三个方向分别提高了34.6%、33.3%、31.0%,同时表明该算法提高了GPS/BDS融合精密单点定位的可靠性。     

一种车辆模型辅助的MEMS-SINS导航方法

针对城市环境中GNSS因遮挡导致MEMS-SINS精度快速降低的问题,在车辆运动学约束的基础上,结合四通道ABS轮速传感器和方向盘转角信息,提出一种新的适用于陆地车辆的MEMS-SINS导航方法。该方法通过分析车辆转弯和运动约束特性,构建角速度和加速度观测量,从而实现基于模型辅助的MEMS误差在线补偿;其次,ABS轮速信息与非完整约束条件结合可额外增加三维车体速度观测量,进一步维持卫星失效时组合滤波器的量测更新。跑车实验表明,在GNSS信号频繁丢失甚至长时间无法定位时,低精度MEMS惯性器件引起的快速误差积累得到有效抑制,与经典车体约束结合里程计算法相比,航向精度提高约70%,位置、速度精度也有相应的提高,验证了算法的有效性。     

基于Bagging模型的惯导系统误差抑制方法

由惯性导航系统(SINS)和卫星导航系统(GPS)构成的组合导航系统一直是陆用车辆的主要导航设备。当GPS失锁时,SINS的定位误差将随着时间不受控制的迅速增长。为了提高惯导系统的定位精度,相比较于单一的神经网络,集成学习算法中的Bagging模型能够深度学习惯导误差之间的内在关系,进一步提高导航性能。在智能算法和组合导航系统的框架下提出了惯导系统的误差抑制方案,即在GPS存在时训练组合导航系统数据,当GPS失锁时预测惯导系统位置增量。试验结果表明,该方案能够在GPS丢失时抑制惯导系统定位误差发散,相比较于BP算法,Bagging模型的定位精度在5 min时提高了约49%,15 min时提高了约41%。     

一种惯性/水声单应答器距离组合导航方法

惯性/水声单应答器距离组合导航方法为自主水下航行器(AUV)校准提供了一种新途径。针对惯性/水声单应答器距离组合导航系统,建立了AUV三维空间运动学模型,对单应答器距离变换位置非线性系统采用李导数方法进行了可观测性分析,设置了合理的载体航行轨迹,位置组合导航算法中采取了延时状态滤波方式实现了量测信息的同步更新。湖上实验表明,采用单应答器距离组合导航方法后,明显地抑制了INS/DVL导航误差的发散趋势,最大定位误差减小幅度约为19.2%,初步验证了惯性/水声单应答器距离组合导航方案的有效性,为解决AUV导航设备水下校准提供了可能。     

一种低成本的MIMU/GPS组合导航系统快速对准方法

低成本的MIMU元件在组合导航领域取得了广泛应用,但其精度较低,无法实现自主初始对准。针对此问题,研究并提出了一种基于GPS辅助的MIMU/GPS组合导航系统对准方法。方法的基本思想是通过同一位移矢量在载体和导航两种坐标系下的不同表现形式来找出两种坐标系之间的关系,进而实现系统的初始对准。方法先用GPS对某一短距离位移进行精确定位,再用其定位结果反推MIMU捷联解算中的初始对准角。为了加强对非线性方程组的求解能力,在求解过程中引入了遗传算法,并选取了六组不同失准角状态下的数据进行了验证。计算结果表明,该方法具有较高的对准精度和较快的对准速度,因此是有效可行的,同时该方法的实现不借助于任何外部对准信息,由此节省了应用成本。     

基于Allan方差解耦自适应滤波的旋转SINS精对准方法

对旋转式SINS精对准方法进行了研究,由于转位机构转动干扰以及惯性器件误差不确定性带来的影响,旋转式SINS状态方程和量测方程噪声方差参数难以确定,进而导致初始对准精度降低,针对这个问题引入自适应Kalman滤波技术。Sage-Husa是一种常用的自适应滤波算法,但是存在噪声参数强耦合缺陷。通过研究Allan方差与量测噪声方差之间的关系,利用Allan方差滤波器具有带通滤波的特点,独立计算量测噪声协方差阵R_k,该方法能够有效克服Sage-Husa滤波耦合问题,相比其它改进方法具有简单易实现等特点。对该研究进行了仿真实验与实际系统验证实验,结果表明:对于中等精度光纤陀螺单轴旋转SINS,自适应Kalman滤波算法航向角对准精度比标准Kalman滤波算法精度要高0.6’左右,且在误差估计过程中,自适应Kalman滤波器能够更好地抑制外界干扰误差的影响,是一种较好的精对准方法。     

基于GNSS的列车定位信号完好性提高方法

全球导航卫星系统(GNSS)应用于铁路领域,能够为列车运行控制系统提供实时的位置信息.同时列车定位应当满足一定的安全标准,因此如何提高基于GNSS列车定位的完好性就显得尤为重要.首先,介绍了目前传统的列车定位方式和应用方法;其次,基于D-S证据理论和列车轨道卫星数据库提出了一种新的提高列车定位完好性的方法.最后,通过仿真和实验验证表明:该方法对GNSS在铁路领域的应用具有重要的参考价值.