GPS／IRS伪距组合技术研究

一本文结合一典型的反舰战术导弹的中程制导任务，对ＧＰＳ／ＩＲＳ伪距组合系统进行了分析和研究．采用Ｕ－Ｄ分解卡尔曼滤波对组合系统进行了Ｍｏｎｔｅ－Ｃａｒｌｏ仿真。结果表明，ＧＰＳ／ＩＲＳ组合作为提高导航、制导精度的有效途径，可以克服纯惯性系统中存在的无界位置误差。不同的陀螺精度的仿真还表明，组合系统对一定范围内的陀螺精度的降低不敏感。（这为在进行ＧＰＳ／中等精度、低成本的航姿系统组合时降低对陀螺的精度要求提供了理论依据）     

伪距/伪距率/双差分载波相位组合导航方法

为了提高组合导航的精度,提出了一种伪距/伪距率/双差分载波相位组合导航方法。通过构造双差分载波相位观测量,以消除组合导航中若干误差源,避免整周模糊度的求解。为了避免组合后误差积累发散,引入伪距/伪距率信息,设计了一种新的滤波器。该滤波器能发挥载波相位高精度和伪距/伪距率包含绝对信息的优势。最后利用GPS实测数据和仿真惯性导航数据进行组合导航试验。试验中对比了伪距组合、双差分载波相位组合等常见组合导航方法。两小时试验结果表明,提出的组合导航方法比传统伪距组合方法的平均水平定位精度高61.13%,方法可行。     

融合伪距和载波相位的DGPS/惯性组合导航

本文利用卡尔曼滤波方法对码伪距测量和载波相位测量进行了最优融合，并得到了融合后的伪距测量误差标准差曲线，用融合后的伪距作为观测量和惯导系统进行组合，可以有效地提高导航精度，避免整周模糊度的确定。本文研究了这种组合导航系统，进行了仿真试验，仿真结果表明该组合系统的精度得到了很大的提高，定位精度在1m以内，是一种高精度的导航系统。     

基于UKF的GPS/SINS伪距(伪距率)组合导航系统设计

采用位置、速度组合的GPS/SINS组合导航系统由于GPS各量测量之间的相关性,影响了组合导航的整体精度.为了提高组合导航的精度和可靠性,采用了直接利用GPS接收机原始测量信息伪距、伪距率的组合方式.UKF(Unscented Kalman Filter)是针对非线性模型的滤波方法,它避免了对非线性方程线性化的过程,具有较高的精度和较好的鲁棒性.将UKF滤波方法应用于伪距、伪距率的组合导航系统中,并将UKF与卡尔曼滤波和自适应滤波方法进行了仿真比较研究.实验结果表明,UKF位置、航向估计的精度都要优于卡尔曼滤波和自适应滤波,使整个导航系统具有更高的精度和可靠性.     

SINS／GPS组合导航系统机载样机的工程研制

本文介绍了ＳＩＮＳ／ＧＰＳ组合系统机载样机的工程研制及车载试验。采用经过小型化的捷联惯导系统与美国ＴＲＩＭＢＬＥ公司生产的６通道ＴＡＮＳⅡＧＰＳ接收机进行组合。捷联惯导系统软件与组合导航系统卡尔曼滤波器计算软件共用一个机载计算机，组合系统采用１２阶线性卡尔曼滤波器，并对卡尔曼滤波器的递推算法进行了工程化的处理，使滤波器的计算速度大为提高。最后，给出了组合系统的实验室静态试验及外场车载试验结果。     

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。     

载波平滑伪距紧组合导航系统鲁棒自适应滤波算法

传统惯性/卫星紧组合导航系统采用载波相位平滑伪距可以有效提高伪距观测量精度,但平滑伪距后观测量噪声不符合白噪声特性而导致卡尔曼滤波器容易发散;同时由于周跳的存在会更加严重影响滤波器的稳定性。针对上述问题,分析了平滑伪距噪声特性并建立了噪声模型,在此基础上设计了鲁棒自适应滤波算法对观测噪声进行实时估计和补偿,结合抗差估计理论进行滤波以减小观测量噪声水平和模型不确定对滤波器带来的影响。理论分析和仿真结果表明,在复杂环境下,基于载波相位平滑伪距的鲁棒自适应紧组合导航系统定位精度提高了一倍以上。     

利用差分GPS提高惯性导航系统飞行测试基准的精度

—本文研究用增广卡尔曼滤器（ＥＫＦ），把高精度ＩＮＳ、差分ＧＰＳ（ＤＧＰＳ）和测距／测距率无线电应答器系统（ＲＲＳ）及气压高度计进行最优组合，构成ＩＮＳ测试基准的方法；重点讨论ＩＮＳ／ＲＲＳ／ＤＧＰＳ卡尔曼滤波器误差模型。计算机仿真结果表明，基准导航系统的高度精度为１．２５ｍ（１σ），水平位置精度可达０．５９ｍ（１σ），速度精度为０．０１５ｍ／ｓ（１σ）。     

GPS动态定位的可靠性及精度分析

动态环境中的ＧＰＳ接收机，其伪距观测量常含有各种粗差，不同高度角的可见卫星，其伪距观测量的精度差异很大，为此，本文从可靠性与精度两个方面，分析、研究了ＧＰＳ动态定位的性能。     

一种新型深组合GPS／INS系统的设计与性能仿真研究

本文提出和研究了一种新的深组合ＧＰＳ／ＩＮＳ系统设计方法，它适用于干扰环境中的各类高动态载体。其特点是利用自适应码跟踪误差估计器，使组合卡尔曼滤波器获得白化的伪距量测残差，将组合卡尔曼滤波器纳入码跟踪环路，用以代替传统的速率辅助的延迟锁定环。组合卡尔曼滤波器根据信号的噪声、动态、以及ＩＮＳ的误差，自适应地改变码环的跟踪特性，同时也完成惯性导航系统误差的估计。它能克服常规组合系统不稳定性问题，仿真结果表明，在机动飞行和强干扰状态下，这种组合导航系统具有较高的导航精度和良好的信号跟踪及抗干扰性能。     

一种自适应联合卡尔曼滤波器及其在车载GPS/DR组合导航系统中的应用研究

—本文设计了实现车载ＧＰＳ／ＤＲ组合导航系统最优综合的联合卡尔曼滤波器，并给出了滤波算法。提出了一种自适应联合卡尔曼滤波器结构及其算法，并应用于ＧＰＳ／ＤＲ组合导航系统的最优综合校正中。理论分析及计算机仿真结果均表明，应用该自适应联合卡尔曼滤波器可大大提高车载ＧＰＳ／ＤＲ组合导航系统的定位精度及容错能力。     

基于改进卡尔曼滤波的汽车路试制动性能检测方法

针对传统汽车路试制动性能检测方法的不足,提出了一种基于改进卡尔曼滤波的汽车路试制动性能检测方法。根据卡尔曼滤波理论,以单频载波相位单点GPS接收机输出的速度和方位角作为观测量,通过改进的卡尔曼滤波递推算法高频率、高精度地推算出汽车制动过程的平面运动坐标和速度,进而确定汽车制动距离和平均减速度MFDD,以检测汽车的制动性能。实车试验表明,该方法的制动距离测量精度可达0.2~0.3 m,速度精度小于0.1 m/s,输出频率可达100 Hz,具有成本低、输出频率高、精度高、环境适应力强的优点,克服了传统方法的不足。     

航天测量船INS/GPS/DVL组合导航系统容错滤波方法

具有良好的容错性是航天测量船INS/GPS/DVL组合导航系统的基本要求.基于联邦卡尔曼滤波设计思想,在改进的无复式(No-Reset)卡尔曼滤波体系结构的基础上,设计了残差检验法实现组合导航系统的故障检测和隔离.该方法可以有效地对突变型故障进行检测与重构.仿真结果表明,对于GPS分系统的突变故障和慢变故障的检测与重构时间为6.12 s,而对DVL速度突变故障检测与重构时间为1.08 s,确保了联邦滤波的稳定性和高精度.     

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。     

基于模糊逻辑控制的舰船组合导航自适应卡尔曼滤波器

双天线GPS提供的载体姿态信息与惯性导航系统信息进行融合可提高组合导航系统的性能。由于在实际应用中,GPS接收机可能会受到某种干扰无法提供舰船航向信息,从而降低传统卡尔曼滤波器的性能。因而提出了一种新的基于模糊逻辑控制的自适应卡尔曼滤波器。改进后的卡尔曼滤波器使用两个模糊逻辑控制器来调整两个系统的组合模式,并且根据卡尔曼滤波器的内部状态、GPS工作状态和舰船运动状态来计算卡尔曼增益。通过使用INS和GPS的实测数据验证,这种基于模糊逻辑控制的自适应卡尔曼滤波器能有效的提高INS/GPS组合导航系统的性能。     

信息融合技术在INS/GPS/DVL组合导航中的应用研究

为克服某船载导航系统不能满足长时间高精度导航定位需要的缺点,提出了一种基于信息融合技术的INS/GPS/DVL联邦滤波器组合导航方案.介绍了INS/GPS/DVL联邦滤波器的工作模式,在建立INS、GPS和DVL误差模型的基础上,推导了滤波器的组合形式,并详细阐述了该联邦滤波器的融合算法.通过计算机仿真技术分析了该组合导航系统的性能,仿真证明了所设计的联邦滤波器可以充分利用各种导航传感器的信息,提高导航系统的精度,比单独的惯性导航系统能提供更为精确的位置、速度和姿态信息,有效地提高了导航系统的综合能力.     

MEMS-IMU/GPS组合导航中的多模态Kalman滤波器设计

一般的Kalman滤波器要求有准确的动态和统计模型,而低成本的MEMS-IMU性能随着温度急剧变化,故在MEMS-IMU/GPS组合导航系统中使用一般的Kalman滤波器存在很多的局限性。针对低成本的MEMS-IMU/GPS组合导航系统,提出了多模态自适应滤波算法在MEMS-IMU/GPS组合导航系统中的应用;针对普通的多模态算法中的问题,采用修正的多模态自适应滤波算法来提高MEMS-IMU/GPS组合导航系统的性能。使用静态实时测试数据,验证了所提出的算法。测试结果表明,与普通Kalman滤波器相比,修正的多模态滤波算法提高了MEMS-IMU/GPS组合导航系统的性能;采用所提出的算法,MEMS-IMU/GPS组合导航系统的短时间静态位置精度小于5m(标准差),速度精度小于0.1m/s(标准差),姿态角精度小于0.5°(标准差)。     

一种容错联邦滤波算法在INS/GPS/Doppler组合导航系统中的应用

本文提出了一种联邦滤波器的容错滤波算法,并在ＩＮＳ／ＧＰＳ／Ｄｏｐｐｌｅｒ 组合导航系统中进行了计算机仿真。仿真结果表明,该算法具有与集中卡尔曼滤波同等的导航精度,同时具有较强的容错性。     

量测噪声自动加权Kalman滤波

从Kalman滤波技术的稳定性出发,分析了Kalman滤波算法的实质及容量发散的原因。提出在Kalman滤波中引入了系统量测噪声协方差阵（R）的计算,并对其加权,从而影响滤波增益,抑制发散。推算舰位／GPS组合导航的应用仿真表明：量测噪声自动加权Kalman滤波算法对系统模型误差和量测噪声协方差误差具有良好的自适应性。     

联邦滤波信息分配新方法

总结了联帮滤波器理论的基础和实现方法,提出了一种基于矩阵范数进行信息动态分配的联帮滤波新算法。设计了一种由INS、GPS和Doppler测速雷达构成的多传感器组合导航系统,在新的信息分配因子准则下,对多种融合速率时的组合系统进行了仿真。仿真结果表明：该方法可以达到与集中式卡尔曼滤波十分接近的全局估计效果,并且该方法有助于简化组合导航系统的故障检测和隔离算法。