一种单目视觉ORB-SLAM/INS组合导航方法

针对惯性/卫星组合导航系统在卫星导航失效时无法使用的问题,提出了单目视觉ORB-SLAM/INS组合导航方法,用于扩展组合导航系统在强干扰环境和室内环境的应用范围。该算法分为两个阶段:初始化阶段,当ORB-SLAM形成闭环时设计算法在线估计单目视觉ORB-SLAM算法的尺度因子;导航阶段,ORB-SLAM系统输出的位置信息经过尺度变换后作为观测量进行卡尔曼滤波,估计INS导航系统的误差状态量从而修正惯导系统的误差。设计了硬件和软件平台对提出的组合导航方法进行试验验证。跑车实验结果表明:所设计的ORB-SLAM/INS组合导航系统具有较高的定位精度,导航时间6 min定位误差为1.162 m,且不随时间漂移,具有很强的应用价值。     

基于BDS/INS紧组合的动对动相对导航算法

针对动对动相对定位中卫星观测质量不佳、信号易丢失导致北斗卫星导航系统定位精度不高、无法连续定位的问题,提出了一种基于BDS/INS紧组合的动对动相对导航算法。通过惯导系统与北斗卫星导航系统紧组合的方式,以捷联惯导误差作为组合系统状态量,通过多普勒信息进行伪距平滑,并利用扩展卡尔曼滤波将惯导及卫星观测信息进行融合,解算相对导航结果。通过车载实验对所提出的相对导航算法进行了验证,实验结果表明,所提出的BDS/INS紧组合动对动相对导航算法能够保持分米级相对导航精度,卫星信号短时中断时,能有效保持高精度相对导航结果输出。     

INS辅助的GNSS欺骗干扰辨识与抑制方法

GNSS欺骗干扰已经成为导航装备应用中面临的重要威胁之一。现有的基于INS/GNSS组合的抗欺骗算法大多只进行欺骗检测,不能恢复正确的定位结果。针对该问题,将多径抑制算法中的Multi-correlator结构用于真实信号和欺骗信号的参数估计,利用INS短期精度高的特性,实现欺骗信号的辨识。然后将辨识结果反馈跟踪环路抵消欺骗信号,保证接收机跟踪环路始终锁定真实卫星信号。最后,在INS/GNSS组合导航解算过程中引入抗差卡尔曼滤波算法,减小参数估计和辨识结果中粗差对定位结果的影响。利用公开数据集进行试验测试,欺骗干扰条件下定位误差由600?m降为10.0?m,而且在GNSS信号中断90?s重新恢复后,所提算法依旧能够实现欺骗信号的辨识和抑制。试验结果表明所提算法能够保证接收机在欺骗条件下锁定真实卫星信号,连续输出高精度的导航和授时信息。     

MEDLL辅助的GNSS/INS系统欺骗信号辨识方法

受欺骗的卫星导航信息与惯导系统组合滤波,会导致错误的惯性器件误差修正量,最终组合导航系统也会被欺骗干扰影响。针对这一问题,提出了一种基于MEDLL算法的改进的GNSS/INS组合导航模式,能够实现欺骗信号的辨识和抑制,保证组合导航信息的可靠性。GNSS接收机通过MEDLL算法同时估计接收的全部卫星信号参数,当欺骗干扰存在时,MEDLL算法可同时估计出两路信号参数,并判定欺骗干扰存在;MEDLL估计的信号参数生成两组输出伪距信息与惯导系统定位信息提供的参考伪距进行比较,实现欺骗信号的辨识。在200次实验测试中,对于牵引速率大于2 m/s的牵引式欺骗信号,4 s内成功辨识的次数为200次。同时,与传统的GNSS/INS组合导航系统相比,提出的MEDLL辅助的组合导航模式能够有效减小欺骗信号的影响,定位结果稳定在真实位置附近。     

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。     

基于交互多模型距离平滑的UWB/IMU因子图组合导航方法

为了解决全球导航卫星系统（GNSS）拒止条件下车辆定位困难问题,提出了一种基于交互多模型距离平滑的超宽带/惯性测量单元（UWB/IMU）因子图组合导航方法。首先,针对超宽带信号由于反射或折射导致的非视距问题,分别建立视距与非视距情况下超宽带基站与标签间距离的因子图模型,并利用交互式多模型算法进行原始距离的平滑;然后,对惯性导航系统、交互式多模型处理的超宽带距离信息等测量量进行建模,构建基于因子图的信息融合框架,并根据非线性优化理论与增量平滑算法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,实现车辆多传感器高精度组合导航。实际测试结果表明,相比基于卡尔曼滤波的多传感器融合方法,所提出的基于交互多模型距离平滑的惯性/超宽带的因子图定位方法在非视距情况下位置估计精度（RMS）提高40%以上。     

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%。     

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。     

单频GPS/BDS/MEMS IMU紧组合模糊度固定抗差模型

针对高精度GNSS/INS组合定位中,伪距多路径误差严重影响模糊度固定效率及系统定位精度的问题,引入抗差估计函数,建立INS辅助GPS/BDS模糊度快速固定抗差模型。首先建立了单频GPS/BDS/INS紧组合动力学模型以及观测模型,继而研究了紧组合系统INS辅助下GNSS模糊度快速分解模型,分析了伪距观测值粗差对于模糊度参数估值的影响。为减弱异常观测值对于模糊度固定成功率的影响,提出了附有INS定位约束的模糊度解算抗差算法。最后利用实测导航定位数据验证了算法的有效性。结果表明:对比不考虑观测值粗差影响的模糊度固定算法,模糊度固定抗差算法显著提高了模糊度固定的可靠性,抗差算法的模糊度固定效率不受粗差值大小的影响;对于模拟的伪距多粗差情形,抗差算法对GPS/INS、BDS/INS和GPS/BDS/INS三种组合方案的模糊度固定Ratio均值分别提高了100.8%、47.7%以及19.5%;在INS定位松约束条件下,抗差算法提高了模糊度固定成功率。     

基于高斯过程的中心差分卡尔曼滤波在BDS/INS组合导航中的应用

针对扩展卡尔曼滤波器在BDS/INS组合导航系统模型不确定时精度下降的问题,提出了一种基于高斯过程的中心差分卡尔曼滤波算法(GP-CDKF)。在训练数据有限的情况下,用中心差分卡尔曼滤波(CDKF)来估计组合导航系统的状态向量;同时高斯过程可以考虑CDKF中的噪声和不确定性。因此,将高斯过程引入到CDKF中,可以进一步提升导航性能。试验结果表明,GP-CDKF与CDKF算法相比,东向、北向位置误差分别降低16.4%、57.1%,东向、北向速度误差分别降低15.9%、23.3%,说明GP-CDKF算法在动态系统状态估计方面优于CDKF算法。将GP-CDKF应用于BDS/INS组合导航系统中,可以有效提高导航性能。     

附加TDCP约束的无人船载GNSS/MEMS组合导航方法

针对无人船用GNSS SPP与MEMS进行组合导航时存在的定位误差大、鲁棒性差等问题，提出了一种附加TDCP约束的无人船载GNSS/MEMS组合导航方法。采用因子图方法构建无人船GNSS/MEMS组合导航系统模型，利用多频TDCP求解的历元间精密位置增量进行约束，并使用增量平滑算法进行状态估计。通过实际无人船试验，设计了六种组合方案进行性能评估，结果表明，加入多频TDCP约束后，横滚和俯仰角精度优于0.2°，航向角精度优于1°；北向、东向、地向的定位精度分别为0.270 m、0.201 m和0.464 m，最大定位误差小于0.5 m。与无此类约束相比，所提方法提高了无人船定位的精度和鲁棒性，且求解轨迹更平滑。     

INS/CNS/GPS组合导航系统仿真研究

研究了INS／CNS／GPS组合导航系统的原理和特点，对组合导航系统进行了计算机仿真，提出了采用平台失准角、INS与GPS的位置之差和速度之差作为观测量的方法。采用卡尔曼滤波技术，可以估计出平台的失准角、惯性器件误差及导航参数误差。仿真结果表明：通过校正惯导平台、消除导航参数误差，可以大大提高了系统的导航精度。     

三频差分GNSS/INS紧组合模型

北斗卫星导航系统已经提供三频信号的位置服务。针对目前尚无关于北斗三频信号的GNSS/INS紧组合研究的现状,将三频模糊度解算算法与紧组合结合,构建了三频差分GNSS/INS紧组合模型。给出了新模型的观测方程和模糊度解算方法,分析了新模型的优点。进行了车载组合导航实验对比新模型与经典模型,结果表明:新模型的解算时间消耗远少于经典模型,在9颗可视卫星时,新模型的总解算时间仅为经典模型的55.53%;卫星数的增加对新模型解算时间的影响不显著;新模型能够获得和经典模型相当的精度,位置差别均方根在毫米级,速度差别均方根在厘米级,姿态差别均方根在0.01°级别。新模型利用了三频模糊度解算速度快的优点,又有效地削弱了其不稳定性对定位结果的影响,为基于三频信号的GNSS/INS紧组合做了前沿性研究。     

基于新息速率抗差估计的INS/GNSS组合导航系统欺骗检测算法

在INS/GNSS组合导航系统中常采用基于新息的欺骗检测算法。针对现有算法对同步式欺骗干扰的检测时间较长、漏警率和误警率较高的问题,提出了一种基于新息速率抗差估计的INS/GNSS组合导航系统欺骗检测算法。该算法将Kalman滤波估计得到的新息速率作为检测量来判断是否存在欺骗干扰,并利用抗差估计削弱欺骗干扰对新息序列的影响,通过调整等价权函数的参数进一步提高算法的检测能力。仿真结果表明:该算法对诱导速率为0.1 m/s的同步式欺骗干扰的检测时间缩短了60%以上,在3路以下的卫星信号被欺骗时,通过选择合适的检测门限,误警率和漏警率均能维持在4%以内。     

状态变换卡尔曼滤波的进一步解释及应用

针对速度误差定义的坐标系一致性,对状态变换卡尔曼滤波(ST-EKF)的合理性作出了进一步的解释,并将其应用于捷联惯导的初始对准及组合导航。为提高陀螺仪、加速度计的零偏误差估计效果,初始对准和组合导航过程采用统一的15状态滤波器。"单"位置精对准实验表明,由于在基座振动的环境下误差状态不完全可观,传统卡尔曼滤波会有随时间增长航向角估计误差反而逐渐发散的情况出现,而状态变换卡尔曼滤波的航向角估计结果相对稳定。激光陀螺IMU和光纤陀螺IMU的3 min双位置对准实验均表明,在同样的卡尔曼滤波预测和更新频率下,状态变换卡尔曼滤波的航向角估计精度要比传统卡尔曼滤波提高45%以上。激光陀螺IMU/卫星和MEMS-IMU/卫星组合导航跑车实验均表明,多处断开卫星信号的情况下,状态变换卡尔曼滤波组合导航系统具有更高的定位精度。     

基于抗差估计的VIO/UWB自适应组合定位算法

在GNSS信号拒止的室内环境定位中,针对视觉惯性里程计（VIO）在长期运动或无回环等不利环境下产生误差累积偏移以及超宽带（UWB）受非视距影响定位精度难以保证的问题,提出了一种基于抗差估计的UWB辅助视觉惯性自适应组合定位算法。首先,构建UWB与VIO的优化框架,利用UWB定位结果对VIO进行全局约束。其次,在后端优化阶段加入抗差估计,实时调整传感器间的权重值,抑制UWB非视距的影响。最后,在EuRoc数据集和真实场景中进行了实验验证。真实场景实验结果表明,组合算法在非遮挡条件下定位精度相比于VINS＿Mono提高75.05%,基于抗差估计的组合算法在遮挡条件下定位精度相比于不加抗差估计的组合算法提高37.53%。     

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%。     

INS/GNSS/VO组合导航系统复合型异常检测与容错算法

INS/GNSS/VO导航系统的异常输出常由外部扰动引起,表现为幅值较小的突变信号或者增长速率较慢的斜坡信号。为了增强异常检测算法的检测能力,提高组合导航系统在外部干扰情况下的导航精度,提出一种INS/GNSS/VO组合导航系统复合型异常检测与容错算法。在非全局融合阶段使用状态卡方检测法对量测信息进行异常检测与隔离;在全局融合阶段,构建检测统计量的归一化阈值比,作为量测噪声方差阵的权重系数,对子滤波器进行加权量测更新。街道场景中的离线测试结果表明,所提算法的导航误差均值与标准差相对于其他的异常检测与容错算法分别减小了9.6%与2.7%,提高了组合导航系统的异常检测能力和容错性能。     

INS辅助周跳修复以实现精密单点定位瞬时重新收敛

GNSS接收机信号极易受外界环境遮挡而完全中断,使得接收机所输出的相位观测值产生周跳,这将引起精密单点定位(PPP)模糊度参数的重新初始化,并需要十几分钟甚至更长时间的重新收敛,限制了PPP的推广应用。针对以上问题,以星间单差PPP/INS紧组合为研究基础,借助INS短期导航精度高的优势,提出一种INS辅助的周跳修复新方法。该新方法使用星间单差相位新息与星间单差电离层残差作为周跳修复量;为提高周跳修复可靠性,新方法对周跳修复量进行了质量控制并设置了多重修复准则。两组车载组合导航实验表明:与不修复相比,周跳修复后可实现PPP瞬时重新收敛,定位精度提升至20 cm以内;但需注意,周跳修复成功率会随着GNSS信号中断时间的延长而降低。     

一种高精度自主式组合导航系统滤波算法

提出了一种融合捷联惯导、轮式里程计和气压高度计数据的高精度车载自主导航滤波算法。首先,采用滤波鲁棒性更好的状态变换卡尔曼滤波器(ST-EKF)替代传统的扩展卡尔曼滤波器(EKF),对INS/轮式里程计信息进行组合滤波。其次,针对车载惯性/里程计组合导航系统中高程定位误差易发散的问题,引入气压高度计的量测信息对系统的高程通道进行阻尼,提高高程定位精度。两组长行驶里程的高精度光纤陀螺惯性测量单元/轮式里程计/气压高度计的车载导航实验数据的事后处理表明,所提出算法在不同的行驶环境下均具有较高的导航定位精度,相比基于EKF的惯性/里程计组合导航算法,水平定位精度提高20%以上,并且有效减缓了高程定位误差的发散趋势。