基于伪距的北斗双星/SINS组合导航系统可观测度分析

在连续的分段式定常系统模型基础上,证明了通过简化分段式定常系统的可观测矩阵来分析其离散化模型可观测性能的可行性;介绍了一种基于奇异值分解的系统状态可观测度分析方法.通过对一个分段间隔的条带化可观测矩阵进行奇异值分解来判断每一个奇异值对应的系统状态及每一个系统状态对应的可观测度;根据北斗双星定位系统的双伪距、高精度原子钟及气压高度信息,建立了北斗双星/SINS伪距组合滤波模型,并将可观测度分析方法应用于该模型中.仿真结果表明:在伪距组合模式下对简化的分段式定常系统可观测矩阵进行奇异值分解的方法能有效反映北斗双星/SINS组合导航系统的可观测程度.     

基于伪距差分的三星无源北斗/SINS组合导航系统

由于北斗卫星所处轨道远离地球,无源北斗接收机输出伪距的误差较大,影响了与惯导进行伪距组合时的滤波定位效果。考虑到无源北斗伪距误差建模复杂,且Kalman滤波要求误差模型准确,作者研究了采用单机伪距差分的方法减少滤波量测值误差,通过理论分析建立了基于伪距差分的三星无源北斗/SINS组合模型。跑车试验表明,该组合导航算法可有效提高系统的定位精度,并具有滤波参数调整简单的优点。     

SINS/SAR/北斗组合导航系统

针对SINS/SAR/北斗组合导航系统中,图像匹配定位和北斗定位具有一定延迟的问题进行研究.首先,提出了采用曲线拟合的方法解决量测滞后问题.然后,在联邦滤波理论的基础上,研究并给出了一种基于故障检测函数的信息分配新方法.最后,将以上两种方法运用到SINS/SAR/北斗组合导航系统中进行了计算仿真.仿真结果表明:采用曲线拟合的方法和动态调整信息分配系数的方法后,可使系统位置误差由几十米减小为几米,并提高了系统的抗干扰能力.     

H∞滤波在微惯性组合导航系统中的应用

基于微机电(MEMS)惯性仪表构成的微惯性测量装置(MIMU),其系统噪声特性不确定,影响了卡尔曼滤波器收敛过程,从而对MIMU/GPS组合系统性能产生不利影响.将鲁棒H∞滤波技术应用于该组合系统,确定了一种H∞滤波求解方法,给出了滤波器的推导步骤.该算法虽不具备最优滤波特性,但却具有更好的稳定性和鲁棒性.通过仿真实验,确定了H∞滤波器中的性能因子γ具体数值,使滤波器在可接受的估计精度下具有最佳鲁棒效果,它能在复杂的噪声环境下很好地估计出MIMU的主要误差,验证了H∞滤波对于噪声的不敏感程度和鲁棒性,提高了MIMU/GPS这类组合导航系统整体性能.     

容错分散滤波系统的设计

本文针对具有多个子系统的大系统,提出一种容错分级分散滤波器的设计方法。首先研究了多传感器滤波问题,讨论了具有两个和多个子系统的局部滤波器状态估计值的最优合成方法。接着将这种设计方法推广到子系统和全局系统不一样的情形。文中提出的方法可用于容错组合导航系统的设计。     

广义联邦滤波器的全局最优性

基于分散化滤波算法和信息分配原理,建立了广义联邦滤波器设计理论。证明了联邦滤波器当其主滤波器和局部滤波器的维数都相同时,其全局滤波和集中卡尔曼滤波等价,是最优的;同时提出当主滤波器维数和局部滤波器维数不相同时,达到全局滤波最优的解析补偿方法,其附加计算量小,并可作为一种性能指标用于子系统的软故障检测。在组合导航系统中运用此方法对非公共状态信息进行补偿,仿真结果验证了该方法的有效性。     

容错信息融合滤波算法的研究

本文针对容错组合导航的特点，提出一种新的信息融合滤波算法，该算法既能提高系统的容错性能，使系统具有良好的实时故障检测、隔离和重构的能力，又能使系统出现故障时，重构的系统由于获得了融合的系统信息，以较高的精度工作。文中证明该算法与集中卡尔曼滤波器等效，因而是最优的。     

组合导航传感器容错滤波算法及应用

采用多重渐消Kalan滤波最优自适应算法对基于Kalman滤波器的残差检验方法做出了改进，构造了组合导航传感器容错滤波算法。在保持滤波器最优性和收敛性的同时，具有较好的动静态特性，适用于组合导航传感器故障检测和隔离。该算法简单便于实施。     

北斗/INS深耦合接收机基带滤波器设计

随着北斗导航系统的组网,北斗/INS深耦合接收机的研制具有重要价值。传统的接收机基带滤波环路通常为相互独立的载波环路滤波器与码环路滤波器,码环路无法充分利用载波环路的信息,因此码环的动态性能受到限制。设计了载波/码组合滤波器,将载波环与码环的测量信息在一个滤波器内进行耦合,实时估计码相位、载波相位、多普勒频移与其变化率。通过北斗B3频点实际静态数据和GNSS模拟器采集的卫星-用户视线方向40g高动态数据进行离线跟踪测试,载波/码组合滤波环路可跟踪40g高动态信号,且静态数据的跟踪精度相比传统滤波环路提高27%。上述算法成功应用于基于Xilinx平台的卫星信号处理设备在线跟踪。提出的组合滤波器结构简单,测试有效,为北斗/INS深耦合接收机的工程实现提供参考。     

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%。     

一种SINS/GNSS级联闭环反馈式组合导航系统的设计与研究

对于目前的级联式SINS／GNSS组合导航系统来说，其卡尔曼滤波器的输出校正方式不能深入到捷联解算内部，无法抑制平台姿态误差的发散，也无法校正惯性器件误差，因而在该方式长时间运行不能控制滤波发散，导舷精度随时间下降。为此设计了一种SINS／GNSS级联闭环反馈式组合导航系统，该系统能对SINS的位置、速度误差、平台误差及惯性器件误差作出最优估计并实施反馈。通过仿真证明：该系统不仅能提高导航解的精度，还在校准的同时具有动机座对准能力，满足了长时间导航定位的稳定性。     

基于水平阻尼的星光/惯性组合校准技术

根据星光/惯性组合导航系统舰载使用特点,考虑以SINS、CNS、LOG三者组合,设计组合校准方案。在SINS/CNS/LOG组合过程中,利用惯导系统的短期高精度特性,设计基于水平阻尼的卡尔曼滤波器对惯导舒勒周期进行补偿。星光/惯性组合校准技术建立在水平阻尼基础上,借助星光导航的航向和位置信息完成惯导位置误差、失准角和陀螺漂移的修正,从而实现组合系统长航时、远航程高精度导航。最后通过仿真对比试验验证星光/惯性组合导航系统校准方案的有效性。仿真结果表明:SINS/LOG组合后,惯导24 h位置误差CEP≤1.48 n mile,且位置误差会随时间积累;而SINS/CNS/LOG组合系统采用星光信息24 h一点校方案,第一次和第二次点校后,48 h和72 h惯导位置误差CEP≤0.5 n mile。由此可见,采用星光信息后,该组合方案能够显著提高惯导导航精度,达到延长惯导系统重调周期目的。     

机载SAR用的GPS/SINS组合导航系统研究

提出了进行SINS姿态校正的四元补偿算法。采用闭环KF（卡尔曼滤波）技术实时校正惯性仪表误差，补偿四元数误差，修正位置，速度误差，GPS／SINS组合导航系统样机的试验结果表明：采用该提出的算法后，组合导航精度较高，在组合导航过程中若去掉GPS信息，短时间内纯SINS的导航精度很高，能够满足SAR对运动补偿精度的要求，待恢复GPS信息后，组合导航系统继续正常工作。     

Performance comparison among some nonlinear filters for a low cost SINS/GPS integrated solution

The Kalman filter is a familiar minimum mean square estimator for linear systems. In practice, the filter is frequently employed for nonlinear problems. This paper investigates into the application of the Kalman filter’s nonlinear variants, namely the extended Kalman filter (EKF), the unscented Kalman filter (UKF) and the second order central difference filter (CDF2). A low cost strapdown inertial navigation system (SINS) integrated with the global position system (GPS) is the performance evaluation platform for the three nonlinear data synthesis techniques. Here, the discrete-time nonlinear error equations for the SINS are implemented. Test results of a field experiment are presented and performance comparison is made for the aforesaid nonlinear estimation techniques.     

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%。     

MIMU/GPS组合导航系统研究

根据智能交通对车辆导航和定位的要求，研究了MIMU与GPS松散组合导航系统，以速度、位置作为观测量设计了Kalman滤波器。为了验证系统的性能，利用MIMU实验室测试数据和GPS仿真数据对该组合导航系统进行了半物理仿真，分别给出了纯MIMU、组合导航系统及GPS信号短时间丢失时的位置误差仿真曲线。分析结果表明组合系统具有良好的长期工作精度，能够满足车辆导航和定位的要求。     

SINS/GPS组合导航序贯滤波算法

针对SINS／GPS的速度、位置组合方式中，GPS接收机的位置测量误差相关的问题，提出了一种序贯形式的Kalman滤波算法。这种算法既具有计算量小的优点，又能克服由于GPS位置测量误差相关性带来的滤波性能变差的问题，实现对SINS／GPS组合系统信息的有效融合。通过仿真证明了该算法的有效性。     

不同GPS/SINS超紧组合框架的分析与等价性推导

GPS和SINS的组合导航系统是实现连续、准确定位的有效方式之一,尤其二者的超紧组合导航方式,在解决GPS接收机的抗干扰和抗动态性能方面效果显著。分别针对基于GPS的I、Q信号层次数据融合的超紧组合结构和惯性信息辅助的超紧组合结构进行分析,在将惯性信息辅助结构演化为联邦形式的组合结构的基础上,对涉及其中的不同组合滤波的状态方程和量测方程深入研究。利用集成和联邦卡尔曼滤波器之间的关系,完成不同超紧框架的趋同等价性证明。仿真结果初步表明,相同初始条件下不同组合方法在定位精度方面具有一致性。     

车载捷联惯导系统定位测姿算法研究

GPS／INS组合精确测定平台的位置和姿态是移动测图系统中的重要模块。对陀螺仪和加速度计所测角速度和比力进行两次积分得载体姿态、速度和位置即SINS力学机械编排。目前该过程大多在地理坐标系进行。这里详细推导了地球坐标系中完整的解算过程，以四元数姿态矩阵更新及重力计算为核心，由IMU原始观测值解算出了载体位置、速度和姿态等参数，可快速高效与CPS输出的位置速度信息进行组合滤波处理，可据此编程进行工程应用数据处理。     

车载挠性SINS/GPS组合导航系统研究

本文介绍了一种实用车载挠性ＳＩＮＳ／ＧＰＳ组合导航系统的软、硬件组成。针对挠性动调陀螺和伺服加速度计的随机漂移问题,提出多项式拟合补偿的思想,并在此基础上设计了基于ＵＤＵＴ 分解的卡尔曼滤波器。通过实验室组合导航实验,验证了多项式补偿和组合方案的有效性,同时也说明了该系统是一种具有较高性能价格比的实用陆地战车导航系统。