UKF在深组合GPS/INS导航系统中的应用

采用联邦滤波的深组合GPS/INS导航系统预滤波器量测模型具有很强的非线性,导致扩展卡尔曼滤波（EKF）的预滤波器估计精度不高。Unscented卡尔曼滤波（UKF）方法是一种非线性分布近似方法,它使用有限数量的sigma点去逼近整个非线性动态系统的分布可能,从而避免了对非线性测量模型进行线性化,具有较高的精度和较好的鲁棒性。在分析深组合导航系统预滤波器模型和UKF原理的基础上,设计了基于UKF滤波算法的预滤波器,对码相位误差、载波相位误差、载波频率误差、载波频率变化率等参数进行估计,同时将UKF和EKF算法进行了仿真比较。结果表明,在深组合导航系统中使用UKF滤波比EKF有更高的导航定位精度。     

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%。     

基于新息正交性自适应滤波的惯性/地磁组合导航方法

针对量测值存在野值以及量测噪声统计特性发生变化导致基于滤波的惯性/地磁组合导航系统滤波精度和稳定性下降的情形,提出一种基于新息正交性自适应滤波的惯性/地磁组合导航方法。首先通过新息过程正交性是否丧失进行量测值的野值辨识,然后对含野值量测值加权以减弱野值对系统滤波的不利影响,随后设置滑动窗口实时监测滤波器新息的动态变化以修正量测噪声方差,进而调整滤波器增益,提高系统的适应能力。仿真结果表明:在量测值存在野值以及噪声统计特性发生变化时,该方法能够抑制惯导系统的累积误差,并且得到的标准差指标相比标准EKF缩减至1/4左右,提高了组合导航系统的稳定性和适应性。     

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.     

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。     

基于模糊自适应强跟踪滤波的惯性/地磁组合导航方法

针对在量测噪声统计特性发生变化时,基于滤波算法的惯性/地磁组合导航系统存在精度下降甚至发散的问题,提出了一种基于模糊自适应强跟踪滤波算法的惯性/地磁组合导航方法,该方法通过制定模糊规则,实时监控系统残差变化,自适应地调整柔化因子的大小,即增强了滤波器对时变噪声的跟踪能力又保证了滤波器处理当前信息的能力.仿真结果表明:该方法能够很好地抑制纯惯性导航系统随时间累积的误差,而且在量测噪声统计特性发生变化时,系统误差没有出现明显的跳变,保证了整个导航系统的精度,提高了系统的鲁棒性.     

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。     

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。     

基于INS/ILS/RA组合导航的自动着陆系统

针对民航机精密进近着陆过程容易受地场环境、电磁干扰等空间噪声和接收机噪声的影响,对波束误差信号进行滤波相位滞后的问题,提出基于INS/ILS/RA组合导航的自动着陆系统(ALS)。该系统将仪表着陆系统(ILS)及无线电高度表(RA)和惯性导航系统(INS)输出的位置之差作为量测,运用卡尔曼滤波器进行估计,将组合导航系统的输出航迹角及纵向轨迹角替代波束偏差,分别送入横纵向控制回路。仿真结果表明,INS/ILS/RA组合位置解算方位角偏差精度优于0.3°,下滑角偏差精度优于0.2°。该系统可显著改善波束误差控制信号的动态品质,降低噪声影响,提高ILS自动进场着陆控制回路的稳定性和闭环性能。     

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.     

基于隐马尔可夫模型的地磁匹配算法

为了在地磁特征微弱区域内实现地磁辅助导航以及提高惯性导航系统在地磁特征明显区域内的定位精度,提出了基于隐马尔可夫模型的地磁匹配算法.首先以惯性导航系统定位误差为隐状态,以实时测量的地磁强度为观测量,建立了地磁匹配的隐马尔可夫模型;其次,针对该模型,使用Viterbi算法来确定最优状态序列,给出了惯性导航系统的当前定位误差.仿真结果表明,该算法可以实现地磁辅助导航,导航误差优于EKF算法,组合导航系统的定位误差在50 m左右.     

UKF在惯导平台误差系数辨识离心机测试中的应用

针对惯导平台误差系数辨识的离心机测试,利用直接法建立了误差系数辨识的非线性模型,并结合实际系统模型的特点对标准UKF算法进行了简化和改进.改进后的UKF结构简单,与标准UKF具有同样的滤波精度,并且减小了计算量,提高了计算效率.然后利用扩展Kalman滤波(EKF)算法和改进的UKF算法对惯导平台误差系数辨识离心机测试进行仿真.结果表明,与EKF算法相比,改进的UKF算法能提高惯导平台误差系数的辨识精度,并且更容易实现.     

UKF滤波技术在AUV组合导航中的应用研究

高精度的导航定位是AUV研究中所面临的主要挑战之一。采用GPS辅助的INS／DVL组合导航是目前AUV的主流导航模式。当前实现GPS／INS／DVL组合导航的技术主要有航迹推算(DR)和卡尔曼滤波。中将UKF(Unscented Kalman Filter)滤波技术应用于AUV组合导航，并把UKF与传统的DR和EKF(Extended Kalman filter)方法进行了仿真比较研究。仿真结果表明，UKF在计算量上与EKF相当，但是UKF的位置、航向估计精度都要优于DR和EKF。     

一种基于遗传模糊推理的自适应容错滤波算法

针对常规卡尔曼滤波在组合导航中容错性不足的问题,提出了一种基于遗传模糊推理的自适应容错滤波算法。首先建立了基于模糊推理的自适应滤波模型,利用模糊推理系统的输出对组合导航系统的量测噪声实时进行调整,以实现状态的精确估计,进而达到容错目的。接着利用自适应遗传算法对模糊推理系统的隶属度函数参数进行了优化,提高了系统的输出精度,改进了传统模糊建模中系统精度取决于专家知识是否完备的问题。最后以SINS/GPS组合导航系统为平台进行了仿真,并在系统工作中间时刻引入量测噪声故障。验证结果表明遗传模糊推理自适应滤波算法比常规卡尔曼滤波具有更强的容错能力和总体精度,在仿真中,平均位置和速度均方根误差分别降低了20.87%和41.94%。     

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。     

基于矢量跟踪的SINS/GPS深组合导航方法

为了满足高动态用户及强噪声干扰条件下的应用需求,提出了一种基于矢量跟踪的SINS/GPS深组合导航方案。深组合方案利用组合卡尔曼滤波器反馈回路取代了传统接收机中独立、并行的跟踪环路,能够同时完成所有可视卫星信号跟踪和组合导航信息处理的任务;利用相关器残差来更新导航参数状态,同时根据已有的导航参数和星历信息推测GPS伪码相位和多普勒频移等信号跟踪参数,用以控制接收机的本地伪码、载波数控振荡器（NCO）,使本地伪码相位和载波频率与输入信号保持一致。最后,通过仿真验证表明,基于矢量跟踪的深组合方法不仅在GPS信号发生短暂中断期间,能够保证组合系统的导航精度和可靠性,而且在载噪比较低的环境中能够维持较好的伪码相位和载波频率跟踪性能。     

一种可用于运载火箭的SINS/GNSS自主导航方案

研究了一种可用于运载火箭的SINS/GNSS自主导航方案。起飞前捷联惯组采用基于惯性系重力加速度积分的解析粗对准和卡尔曼滤波精对准,起飞后采用SINS/GNSS卡尔曼滤波组合导航反馈实时修正姿态、速度和位置。仿真结果表明捷联惯组水平自主对准误差0.01°,方位自主对准误差1.5°,起飞后经组合导航修正后的姿态误差小于0.2°,速度误差小于0.4m/s,位置误差小于40m,考虑所有误差的蒙特卡罗仿真结果满足火箭入轨精度要求,此方案具有较高的工程应用价值。     

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。     

扩展集员滤波在捷联惯导大方位失准危初始对准中的应用

研究了静基座捷联惯导系统初始失准角为大角度时扩展集员滤波在初始对准中的应用。给出了扩展集员滤波算法的基本概念和递推公式,指出算法假设系统的过程和量测噪声以及初始状态由已知椭球来定界,利用椭球集合来描述系统真实状态的可行集。算法在将非线性方程线性化过程中保留高阶项,利用区间分析方法对高阶项进行定界,然后加入到噪声项中,形成一个虚拟噪声项,对经过处理后的线性化方程进行集员滤波处理。最后将扩展集员滤波应用于惯导系统大失准角时的初始对准中,通过计算机仿真对比了扩展卡尔曼滤波和扩展集员滤波的估计效果。仿真结果表明,在随机噪声和有界噪声条件下,扩展集员滤波都较扩展卡尔曼滤波的效果要好,特别是当系统存在有界噪声,应用扩展卡尔曼滤波得到的效果已明显变差,但应用扩展集员滤波仍能得到比较好的结果。