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。     

基于自适应因子图优化的导航系统信息融合方法

针对传统因子图优化方法（FGO）中量测协方差矩阵不准确带来状态估计精度下降问题，提出了一种基于滑动窗的自适应因子图优化方法（SWAFGO），将滑动窗技术应用到量测协方差矩阵的估计，利用滑动窗内的残差序列估计协方差矩阵。与传统的使用单点残差的自适应因子图方法（SRAFGO）相比，所提出方法不需要误差模型的先验知识，而且充分利用了历史残差数据，因此性能上有较大的提升。仿真实验和KITTI数据实验结果表明，在无先验知识条件下，所提出方法能够较准确地估计出量测协方差矩阵，且相较于SRAFGO方法位置估计精度提升12%。     

模糊抗差自适应粒子滤波及其在组合导航中的应用

在研究模糊控制理论的基础上,吸收了粒子滤波、自适应滤波和抗差估计的优点,提出一种新的模糊抗差自适应粒子滤波算法。文中根据量测向量中的粗差对状态向量滤波的影响,建立抗差自适应粒子滤波模型,获得自适应因子,然后对滤波处理后的数据残差基于模糊理论构造等价权函数,利用等价权函数和自适应因子合理地分配信息,因而可以达到一般滤波方法无法达到的滤波精度,且能有效地控制粗差对导航解的影响。最后,将该算法应用到组合导航系统中,并进行仿真验证。仿真结果证明,文中提出的模糊抗差自适应粒子滤波算法的滤波精度相对于扩展Kalman滤波和粒子滤波提高了3至5倍,明显提高了导航定位精度,且计算简单,便于实时性计算。     

自适应卡尔曼滤波在惯导初始对准中的应用研究

本文研究了自适应卡尔曼滤波技术在惯导系统中的应用。在噪声统计特性未知或近似已 知的情况下,采用常规卡尔曼滤波会导致较大的状态估计误差,甚至使滤波发散;而自适应卡 尔曼滤波在估计状态的同时,利用观测数据带来的信息,可在线估计噪声的统计特性,从而不 断地改进滤波器的设计,由此得到的滤波估计比常规卡尔曼估计精度更高。本文采用Ｓａｇｅ 和 Ｈｕｓａ 自适应滤波算法,结合惯导初始对准,给出了计算机仿真。仿真结果进一步证实在噪声统 计特性不确切知道的情况下,自适应卡尔曼滤波的估计精度高于常规卡尔曼滤波的估计精度。     

一种改进的GPS/DR组合位置自适应滤波算法

为解决自适应滤波算法中观测误差与状态误差估计的关键问题,在分析GPS/DR组合导航系统测量信息性质的基础上,提出了GPS光滑度计算方法,并在其基础上给出了GPS位置误差估计算法及状态误差协方差阵和观测误差协方差阵自适应调节算法。算法仿真实现了观测误差的直接测量,较好地解决了Sage-Husa自适应滤波算法中对误差特性估计不准确的问题。仿真结果表明：位置滤波输出的精度相比Sage-Husa算法有明显的提高。     

自适应卡尔曼滤波方法及其在容错组合导航系统的系统级故障检测中的应用

提出了采用自适应加权和卡尔曼滤波相结合的自适应滤波方法进行组合导航系统极故障检测的新思路。该方法不仅可以判断出故障是否出现,而且可以对故障量的值进行跟踪估计,在估计的同时可以判断故障值出现在哪一个量测通道中。SINS／GPS组合导航系统故障检测和隔离的系统仿真结果验证了本算法的有效性。     

基于状态参数可观测度分析的舰机传递对准自适应滤波方法

针对舰机惯导传递对准过程中舰船机动受限、系统可观测性差等特点,提出了基于状态参数可观测度分析的自适应滤波方法。通过系统状态参数可观测性分析,量化各状态分量可观测程度,进而根据可观测度大小分组构造自适应调节因子,并采用滤波增益衰减法对观测度低的分量通道进行有效处理,以此来提高传递对准滤波算法的适应性和滤波估计精度。舰船模拟轨迹下仿真结果表明,基于状态参数可观测度分析的自适应滤波方法和常规方法相比,具有较高的精度和较快的收敛速度,对准精度由3?提高到2?,滤波估计收敛时间由15 min缩短至8 min。     

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。     

基于自适应频率估计的舰船瞬时线运动测量方法

针对传统舰船瞬时线运动信息测量过程中,IIR数字高通滤波器的输出会存在相位超前,从而使输出信号相对于实际信号存在时间上超前的问题。分析了超前相位对瞬时线运动信息测量的影响,提出了一种基于自适应频率估计的舰船瞬时线运动测量方法。针对IIR数字高通滤波器超前相位的大小随输入信号频率变化的问题,引入了WFLC频率估计算法来实时估计输入信号的频率,提出了自适应延时校正算法来校正由数字高通滤波器带来的输出信息在时间上的超前量。仿真结果表明:提出的改进舰船捷联瞬时线运动测量方法能够很好地解决传统信息测量方法中输出信息在时间上存在超前的问题,实现了实时舰船瞬时线运动信息精确测量,测量精度由0.13 m提高到了0.02 m。     

复杂环境下无人车双重自适应定位算法

针对复杂环境中部分传感器失效情况下无人车定位精度下降甚至出现无法定位问题，提出局部自适应滤波和自适应信息共享因子分配的双重自适应算法，提升了无人车多源融合定位性能。所提算法利用新息自适应调节测量噪声对局部滤波器进行自适应状态估计，利用局部滤波器状态协方差和观测噪声自适应分配信息共享因子，能有效地抵御观测值粗差影响。仿真结果和实车测试数据均表明，该双重自适应定位算法能够根据局部滤波器新息和状态协方差在线自动更新信息共享因子，相比自适应联邦卡尔曼滤波算法和经典联邦卡尔曼滤波算法，位置精度分别提高了44%和63%，误差小于1 m，验证了所提算法在复杂环境下能有效提高整个导航系统的可靠性、鲁棒性。     

巡航飞行器惯性/地磁组合导航方法的误差(英文)

地磁辅助导航是组合导航技术的新方向,而导航误差的研究是分析惯性/地磁组合导航性能的重要内容之一。以等高或近似等高飞行的巡航飞行器为应用对象,建立了惯性/地磁组合导航系统的卡尔曼滤波器;通过仿真结果并结合理论分析重点讨论了校正方式、惯性器件测量精度、地磁场特征与磁测误差、基准图的网格间距、滤波周期、初始位置与初始速度误差等各种因素对位置和速度等导航误差的影响。     

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。     

移动卫星天线指向矢量辅助组合导航系统方法

为弥补SINS/GPS组合导航系统姿态角误差可观测性差的缺陷,根据移动载体卫星天线捕获通信卫星后通过自搜索实现精确对准卫星的原理,提出增加天线指向矢量信息(SAPV)的方位角和俯仰角信息为系统观测量,用于辅助SINS/GPS组合导航系统.根据SINS/GPS组合导航系统数学模型对姿态角误差的可观测性进行了分析,并对SAPV与组合导航误差之间的关系进行了详细数学推导,证明了SAPV辅助组合导航系统的可行性,建立了SAPV辅助组合导航系统的数学模型,采用联邦滤波器进行数据融合.仿真结果表明,SINS/GPS组合导航系统通过SAPV辅助,方位角误差估计精度提高了1个数量级,小于10′,水平姿态角误差估计精度略有提高,小于2 ′.该方法充分利用了天线通过自搜索完成精确对准卫星后的高精度指向信息,无须添加任何硬件系统,通过简单可靠的信息融合算法即可达到提高载体姿态测量精度的目的.     

基于5阶球面最简相径的改进型容积卡尔曼滤波在SINS/DVL组合导航中的应用

为提高水下SINS/DVL组合导航系统的精度,建立了捷联惯性导航系统(SINS)的非线性误差模型,并建立多普勒测速仪的误差方程,以SINS为主导航设备建立SINS/DVL组合导航系统模型。设计了5阶球面最简相径容积卡尔曼滤波器,采用了球面最简相径采样规则改进容积卡尔曼滤波,并应用于SINS/DVL组合导航系统中。通过数学平台仿真验证了5阶球面最简相径容积卡尔曼滤波方法有效性,仿真结果表明:该方法能够有效提高SINS/DVL组合导航系统的精度,且稳定性好。     

GPS/INS组合导航系统中的高斯粒子滤波混和算法

采用非线性滤波器的惯性组合导航系统中,非线性滤波器的精度和实时性直接决定了惯性组合导航系统的性能.计算量和精度之间的矛盾是制约粒子滤波在GPS/INS组合导航系统中应用的主要因素.在分析高斯粒子滤波算法原理的基础上,提出了一种高斯粒子滤波混和算法,对系统线性部分采用线性递推方式,对系统非线性部分采用非线性递推方式,从而提高高斯粒子滤波精度和实时性.针对GPS/INS组合导航系统,混和算法利用卡尔曼滤波的线性递推方式进行量测更新,仿真结果表明混和算法在较少粒子条件下,相对高斯粒子滤波算法精度提高20％,滤波时间降低40％.     

基于交互式多模型秩滤波的移动机器人组合导航算法

针对非结构化环境下移动机器人组合导航系统中存在的时变或非高斯噪声,将秩滤波器(rank Kalman filter,RKF)与交互式多模型算法(interactive multiple model filter,IMM)相结合,提出一种交互式多模型秩滤波算法(IMM-RKF)。秩滤波根据秩统计量相关原理确定采样点和权值,可适用于具有非高斯噪声的非线性系统;交互式多模型算法是解决结构和参数易发生变化系统中状态估计问题的重要途径,能够抑制组合导航系统中时变噪声引起的导航参数估计误差。仿真实验表明,相比于交互式多模型扩展卡尔曼滤波(IMM-EKF)和交互式多模型无迹卡尔曼滤波(IMM-UKF),提出的IMM-RKF算法能够提高组合导航系统姿态、速度和位置估计精度。     

大椭圆轨道卫星天文/雷达高度计组合导航方法

为了实现大椭圆轨道卫星在整个轨道上的自主导航,提出了一种天文导航与雷达高度计测高相结合的组合导航方法。由于大椭圆轨道卫星在近地点动力学特性变化剧烈,单纯的以星光仰角为观测量的天文导航方法精度严重下降。雷达高度计能够直接获得高度测量,但是受其体积和功率的限制,测量范围仅为1000 km以下的高度。考虑到两种方法的特点,采用两种方法的组合导航方案,利用UKF滤波方法进行导航估计。当卫星进入近地点附近,其高度小于1000 km时,在天文导航中引入雷达高度计测量实现精确导航;当卫星在远地点时,则仅采用天文导航方法。仿真结果表明,所提出的组合导航方案,能够充分结合两种导航方法的特点,实现大椭圆轨道卫星自主、连续的导航信息输出,其导航精度较单纯的天文导航方法提高约68.9%。     

GFINS与GPS扩展松组合导航方法

无陀螺惯性导航系统是一种主要以加速度计为惯性元件构造的惯性导航系统.本文设计研制了一种基于9加速度计的无陀螺惯性导航系统原理样机,提出了无陀螺惯性导航系统与GPS扩展松组合导航的模型,设计了组合导航的卡尔曼滤波算法,进行了组合导航实验.无陀螺惯性导航系统独立工作模式下3 min的纬度误差最大为0.1″,经度误差最大为0.6″;在GPS不能定位时,3 min的松组合导航纬度误差最大为0.08″,经度误差最大为0.02″.与GPS扩展组合导航模式下,3 min的纬度误差最大为0.01″,经度误差最大为0.01″.实验结果表明,与GPS进行扩展松组合导航能够有效提高无陀螺惯性导航系统的长期定位精度,增强GPS导航设备的抗干扰性能.     

Performance enhancement for ultra-tight GPS/INS integration using a fuzzy adaptive strong tracking unscented Kalman filter

This paper conducts performance evaluation for the ultra-tight integration of Global positioning system (GPS) and inertial navigation system (INS) by use of the fuzzy adaptive strong tracking unscented Kalman filter (FASTUKF). An ultra-tight GPS/INS integration architecture involves fusion of the in-phase and quadrature components from the correlator of the GPS receiver with the INS data. These two components are highly nonlinearly related to the navigation states. The strong tracking unscented Kalman filter (STUKF) is based on the combination of an unscented Kalman filter (UKF) and strong tracking algorithm (STA) to perform the parameter adaptation task for various dynamic characteristics. The STA is basically a nonlinear smoother algorithm that employs suboptimal multiple fading factors, in which the softening factors are involved. In order to resolve the shortcoming in a traditional approach for selecting the softening factor through personal experience or computer simulation, the Fuzzy Logic Adaptive System (FLAS) is incorporated for determining the softening factor, leading to the FASTUKF. Two examples are provided for illustrating the effectiveness of the design and demonstrating effective improvement in navigation estimation accuracy and, therefore, the proposed FASTUKF algorithm can be considered as an alternative approach for designing the ultra tightly coupled GPS/INS integrated navigation system.     

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。