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。     

基于PNN的北斗转发式欺骗干扰信号检测方法

针对载波相位差分检测技术中存在的模糊度解算复杂和虚警率高的问题,提出基于概率神经网络(PNN)的北斗转发式欺骗信号检测方法。在推导不同条件下载波相位双差检测方法的基础上,采取故障诊断的思想,通过构建PNN模型,利用真实信号双差观测值随时间变化的一致性特点,实现对欺骗信号的分类检测;然后根据不同星间差分组合的检测结果,进一步确认受欺骗干扰的卫星信号。实测数据结果表明,所提方法的检测正确率在样本历元数为100时,能够达到98.51%,检测耗时不超过0.1 s,不仅满足对转发式欺骗干扰实时检测的要求,还可对不同类型组合的欺骗信号进行有效识别。     

寻北仪中光纤陀螺斜坡漂移估计与比较

寻北仪中光纤陀螺信号中的斜坡漂移是影响寻北精度的因素之一。对信号中的斜坡漂移部分,采用抗差估计拟合其系数再对其进行补偿;对信号中残留的噪声项以及干扰项,在不同情况下比较了直接平均、抗差估计和小波滤波三种方法的处理效果。算例结果表明:对信号中的斜坡漂移进行补偿,可以显著提高寻北精度;当无异常干扰时,采用小波滤波效果较好;当有异常干扰时,采用抗差估计效果较好。     

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。     

基于KLD重采样的抗差自适应UFastSLAM算法

针对声呐SLAM系统中噪声统计特性不准确或状态突变而导致无迹快速SLAM(UFastSLAM)算法性能下降及因采用固定粒子数而使得算法实时性不高的问题，提出一种基于改进粒子建议分布估计和自适应KLD重采样的UFastSLAM(RAUFastSLAM)算法。在载体位姿估计阶段，融入抗差自适应因子，利用抗差自适应无迹粒子滤波算法（RAUPF）对载体位姿进行估计；在特征状态估计阶段，利用抗差自适应无迹滤波算法（RAUKF）对环境特征的位置进行更新；在粒子重采样阶段，采用基于KL散度的自适应粒子重采样方法在线实时调整所需的粒子数，在保证精度的同时提高算法的实时性。实验结果表明，在量测噪声统计特性不准确且量测信息中有异常干扰时，与UFast SLAM算法相比，所提方法的载体位置估计、航向角估计和特征位置估计的精度分别提高了18.79%、16.67%和18.81%，对异常干扰具有更好的鲁棒性。     

一种基于M估计的抗差自适应多模型组合导航算法

针对复杂环境下因量测噪声统计特性时变及量测粗差而引起的组合导航精度下降的问题,提出了一种基于M估计的抗差自适应多模型组合导航算法。所提算法突破了传统交互式多模型算法定结构的限制,凭借所提出的模型集自适应调整策略,能够快速估计量测噪声统计特性,并利用模型概率信息对模型转移概率矩阵进行实时修正;引入了基于M估计的抗差Kalman滤波算法,以提高滤波抗差能力。以SINS/DVL组合导航系统为例,通过仿真和长江试验对所提算法进行了验证,结果表明所提算法有效降低了量测噪声统计特性时变及量测粗差对滤波精度的影响。在长江试验中,所提算法相比AIMM算法,东、北向速度误差和位置误差的均方根误差分别下降了44%、36%和41%、53%,水平定位精度提升了约45.9%,定位精度提升显著。     

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。     

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。     

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。     

一种改进RANSAC校验的失效卫星位姿估计回环检测方法

为解决失效卫星位姿估计中视觉SLAM方法回环检测效果差的问题,结合空间特殊的应用环境,提出一种改进RANSAC校验的空间失效卫星位姿估计回环检测方法。首先利用深度学习提取图像的全局特征和局部特征;然后对全局特征进行快速检索,建立回环候选帧集合;最后,将图像网格化并提取优质特征点作为RANSAC算法的随机抽样点集,采用改进的RANSAC算法对回环候选帧集合进行图像匹配校验,挑选出匹配程度最高的作为回环检测结果。实验表明：在牛津数据集上,所提方法与无校验的方法对比,100%准确率下的最大召回率提升了30.6%,说明改进RANSAC校验在回环检测中的有效性;在失效卫星数据集上,所提方法无需预训练,对光照变化的空间场景具有高适应性,和基于词袋模型（BoW）算法相比,缩减时间24.1%。     

基于模糊鲁棒自适应CKF算法的MEMS-IMU姿态估计

针对微机电惯组（MEMS-IMU）受到状态突变干扰、存在未知量测噪声等情况下,传统滤波算法无法准确估计系统姿态问题,提出了一种基于模糊鲁棒自适应容积卡尔曼滤波（FRA-CKF）的姿态估计算法。通过分析滤波新息序列的统计特性,根据检验原理设置了修正门限和修正边界,构造了容积卡尔曼滤波、鲁棒修正和自适应修正的隶属度函数,制定相应的模糊修正准则,使算法兼顾自适应性和鲁棒性。仿真及静、动态实验验证了所提出算法的有效性。静态实验结果表明,所提出的滤波算法相比CKF算法,航向角估计的均方根误差降低了80%,提高了滤波的精度和稳定性。     

抗差估计在光纤陀螺信号处理中的应用

为了消除静基座寻北时基座扰动对寻北精度的影响,基于抗差估计提出了一种处理光纤陀螺信号的方法.采用最小二乘估计和抗差估计对光纤陀螺的输出值进行处理,比较了信号中残留的噪声项及干扰项的处理效果.计算结果表明:当载体运动比较剧烈时,抗差估计可以有效剔除异常干扰,从而可以获得较高的寻北精(密)度.     

一种新的自适应UKF算法及其在组合导航中的应用

为了提高组合导航系统的滤波精度,提出一种带噪声统计估计器的自适应UKF滤波算法。该算法根据协方差匹配原理,利用UKF滤波算法的残差序列与新息序列,在线估计、调整系统过程噪声和量测噪声的统计特性,提高UKF的自适应能力,克服了标准UKF在系统噪声统计未知或不准确情况下滤波精度下降甚至发散的问题。将提出的算法应用于SINS/BDS组合导航系统进行仿真验证,并与标准UKF和抗差UKF进行比较,结果表明,提出的自适应UKF得到的水平位置误差和天向误差分别在[?6.2 m,?6.4 m]与[?9.8 m,?8.6 m]以内,滤波性能明显优于标准UKF与抗差UKF,提高了组合导航系统的解算精度。     

鲁棒性地形匹配/惯性组合导航算法

基于传统平均绝对差算法引入了选取搜索区域和匹配运算的改进策略,使得算法在匹配定位时允许载体灵活机动,提高了实时性;针对桑迪亚算法易发散的问题,分析了组合滤波算法的特点,建立了地形匹配/惯性组合导航的数学模型;针对地形匹配"虚定位"影响滤波结果的问题,引入了一种基于新息向量的鲁棒检测算法,采用最小二乘对误匹配点进行拟合改正。仿真研究表明:与传统算法相比,组合滤波算法精度更高、稳定性更强,能高频率(200 Hz)输出高精度导航参数,误差保持在一个格网间距(90 m)以内;鲁棒检测算法能有效抵御粗差影响,在经纬度方向各加入0.05°粗差的情况下,仍可保持较高精度。     

多参考地基增强系统电离层梯度完好性监测方法

卫星导航增强系统服务于与生命安全相关应用时,电离层梯度异常是所需监测的重要风险源。针对传统地基增强系统(GBAS)电离层梯度监测算法受电离层梯度异常与整周模糊度固定失败双重风险源影响问题,提出基于多参考接收机布设的GBAS电离层梯度异常监测方法,通过电离层无关整周模糊度快速固定构建高精度检测统计量,实现误警和漏检错误的同步控制。使用电离层梯度异常GNSS真实数据对所提方法进行验证,结果表明300历元平滑长度下,基于多参考接收机布设的电离层梯度异常监测方法在10~(-6)漏检率约束下成功监测到477 mm/km电离层梯度,验证了所提方法可用于电离层梯度异常的实时监测。     

芯片级原子钟辅助的惯性/卫星组合导航系统欺骗检测方法

商业化芯片级原子钟产品的出现,使其在惯性/卫星组合导航系统中的应用成为可能。针对卫星导航欺骗信号检测,提出利用芯片级原子钟高精度时间保持能力,从时间维度进行欺骗检测的方法。首先,介绍了芯片级原子钟的基本特点和时间保持能力,然后通过分析欺骗干扰对接收机时间的影响,针对先压制后欺骗的典型模式,基于真实信号和欺骗信号下的钟差预测误差分布,构造了芯片级原子钟辅助的欺骗检测模型。实测数据表明,芯片级原子钟的钟差预测精度高出接收机内部时钟精度一个数量级以上。通过检测概率分析,证明了芯片级原子钟在卫星欺骗检测上的优异性能。     

GNSS接收机中一种自适应比特同步的新颖算法

为了降低全球卫星导航系统(GNSS)接收机做比特同步的平均估计时间,提出一种自适应比特同步的新颖算法。分析了传统的最大似然比特同步算法,找到了信号强度、比特能量最大值和非相干累加次数三者之间的关系。在此基础上,利用比特能量最大值来设置门限约束非相干累加次数,使得比特同步算法可以针对不同信号强度来自适应地调整非相干累加次数。仿真分析表明,当预设的门限值为1.5?108时,与传统的固定非相干累加比特同步算法相比,所提出的自适应算法的正确同步概率性能只略微下降了5%,但平均估计时间缩短了85%,使得接收机的首次定位时间大幅度减少。     

面向城市复杂环境的GNSS/INS高精度图优化算法

在城市复杂环境下，GNSS接收机易受到建筑物遮挡、多路径效应等多种因素影响，导致信号出现粗差或者拒止情况，从而对GNSS/INS组合导航系统的精度和鲁棒性造成影响。提出了一种具备粗差在线检测的GNSS/INS图优化组合导航算法，提高城市环境条件下的组合导航系统性能。基于信息之间存在关联性的特点，设计了一种卫星信号滑窗粗差检测与拟合替换算法，抑制卫星粗差影响；构建了GNSS位置、速度因子和改进的IMU预积分因子，实现了组合导航信息非线性优化。仿真和车载数据试验表明，针对卫星信号中存在粗差的情况，所提算法的定位精度相比扩展卡尔曼滤波和传统图优化算法提升90%以上，可以辅助导航系统获得较好的状态估计效果；针对GNSS拒止的情况，该算法的位置定位精度相比扩展卡尔曼滤波算法提升30%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%。     

应用于城市环境的MEMS-INS/GPS紧耦合组合导航抗差滤波器（英文）

为了提高MEMS-INS/GPS紧耦合组合导航系统在城市区域中因为GPS信号短时中断或被干扰时的性能，提出了一种基于Kalman滤波的抗差滤波器模型-Kalman抗差滤波器。在Kalman抗差滤波流程中，构建了具有误差检测和分离功能的Kalman滤波器来应对包括伪距和伪距率等GPS测量的突发故障，通过自适应因子向量调整测量噪声获得高精度的导航解。在城市公路上开展了现场试验，对Kalman抗差滤波器的可用性进行了测试。相较于常规的Kalman滤波器，使用Kalman抗差滤波器的紧耦合组合导航系统水平位置误差下降超过30%，高程位置误差的降低大约50%，速度误差下降了17.5%。Kalman抗差滤波器能够有效的降低城市区域中MEMS-INS/GPS紧耦合组合导航系统的导航解误差。