基于交互式多模型的车载INS/OD/GPS的定位方法

INS/GPS组合导航时,GPS信号会由于环境因素或是其他信号干扰导致信号丢失、信号跳变等故障。针对INS/GPS组合导航中,在GPS出现离群故障难以得到满意定位性能的问题,提出了一种基于交互式多模型滤波的车载INS/OD/GPS定位方法。引入里程计对INS/GPS组合导航进行辅助,基于INS/GPS、INS/OD两种组合导航模型,利用交互式多模型算法交互更新模型概率,通过模型概率的差异判断主滤波器INS/GPS组合过程中的GPS量测故障,并在滤波过程中对故障量测加以修正,以此来实现车辆定位系统的良好定位性能。实验结果表明,在里程计量测辅助条件下,当GPS出现离群点时,系统平均定位精度比INS/GPS单一滤波器条件下的定位精度提升60%以上。     

基于车辆运动模型辅助的智能手机平台车载组合导航算法

随着智能手机硬件性能的提升以及MEMS传感器技术的发展和应用普及,现有中高端智能手机平台中大多安装有消费级的微惯性测量单元和GPS接收机模块,将这两者相互结合,利用一定的信息融合方法,即可实现连续的车载导航定位。在智能手机平台中所采用的消费级MEMS惯性传感器模块其精度很低,通常难以满足车载DR导航算法的性能需求;同时在车辆行驶过程中,不可避免会经过高架、隧道等路径,也会导致GPS信号受到遮挡和屏蔽从而无法定位。针对以上问题,设计了适用于智能手机平台的基于车辆运动模型辅助的车载DR/GPS组合导航方案,推导建立了基于车辆侧向速度约束的组合导航算法模型,并以智能手机作为验证平台,测试验证了所设计的算法在无GPS环境下,采用智能手机平台中的消费级MEMS惯性测量组件,仍然可以在短时间内维持较高的导航定位性能。     

不受姿态误差影响的惯性/磁感应融合定位方法

针对传统电磁信标导航定位系统中由惯性元件解算磁传感器姿态误差导致定位性能下降问题，提出了一种不受传感器姿态影响的改进惯性/磁感应定位融合定位方法，避免了姿态误差对定位结果的影响。首先，基于磁信标磁场分布规律与特征矢量构建了与传感器姿态无关的非线性磁感应定位模型；然后，结合惯性元件对载体目标的状态估计提出了改进的惯性/磁感应定位模型，降低了累计误差、提高了定位精度与结果的输出速度；最后，利用无迹卡尔曼滤波（UKF）对融合数据进行处理，实现对动态目标的位置估计。分别通过实验和仿真验证了不受姿态影响的磁感应定位模型以及惯性/磁感应定位方法的有效性。实验结果表明磁感应定位模型能够不受传感器姿态误差的影响实现定位；数值仿真结果表明惯性元件解算姿态辅助磁信标定位方法的最大误差为7.29 m，基于改进的惯性/磁感应融合定位方法最大误差0.77 m。     

多传感器融合技术在低成本车辆组合导航定位系统中的应用

采用多传感器信息融合技术，运用位置/航向的输出校正和元件参数误差的补偿校正的方法，利用一阶马尔可夫模型建立了传感器参数的误差模型，提出了基于集中卡尔曼滤波的GPS/INU车辆组合导航算法。仿真结果表明上述方法是行之有效的。     

基于因子图的鲁棒性增量平滑算法的水面无人艇组合导航方法

为了解决水面无人艇多传感器组合导航系统传感器输出速率不同、测量值非线性、传感器可用状态随着环境不断发生变化等问题,提出了一种基于因子图的鲁棒性增量平滑算法的组合导航方法。将组合导航的信息融合问题转换成因子图模型,然后通过非线性优化的方法并结合增量平滑算法和改进的切换约束的鲁棒方法,得到导航状态的最大后验估计值。与传统的基于滤波的方法相比,该方法具有灵活多变的特点,能够很自然的处理不同速率、非线性的测量信息,并且支持传感器的即插即用。与当前的切换约束方法相比,该方法具有计算时间短可实时实现的显著优点。仿真环境试验表明,所提出的方法具有比传统基于滤波的方法具有更高的估计精度和更快的收敛速度,位置估计误差从8 m减少到5 m以内,速度估计误差从0.15 m/s减少到0.1 m/s以内,姿态误差从0.4°减少到0.1°以内,而且对于野值点具有良好的鲁棒性。     

基于因子图的AUV多传感器组合导航算法

针对自主水下航行器(AUV)多传感器组合导航系统中不同导航传感器信息更新频率不同步及其可用性动态改变问题,以及AUV所在水下复杂多变的环境与任务需求,提出了基于因子图的AUV多传感器组合导航算法。首先,对捷联惯性导航系统、多普勒计程仪、磁航向仪、地形辅助导航设备进行建模,构建基于因子图的AUV多源信息融合框架;然后,根据非线性优化理论对系统状态更新过程进行表示,实现变量节点的递推与更新;最后,采用因子图方法对融合数据进行处理,实现AUV多传感器组合导航系统的高精度导航。仿真结果表明,所提因子图方法能够连续稳定地输出较高精度的导航结果,有效实现惯性导航系统与不同导航传感器的非等间隔融合,与联邦卡尔曼滤波算法的导航解算精度相当,水平定位精度均保持在?5~+5 m以内,并且因子图方法具有更好的灵活性和扩展性。半物理仿真结果亦验证了所提方案的可靠性和有效性。     

一种惯性/水声单应答器距离组合导航方法

惯性/水声单应答器距离组合导航方法为自主水下航行器(AUV)校准提供了一种新途径。针对惯性/水声单应答器距离组合导航系统,建立了AUV三维空间运动学模型,对单应答器距离变换位置非线性系统采用李导数方法进行了可观测性分析,设置了合理的载体航行轨迹,位置组合导航算法中采取了延时状态滤波方式实现了量测信息的同步更新。湖上实验表明,采用单应答器距离组合导航方法后,明显地抑制了INS/DVL导航误差的发散趋势,最大定位误差减小幅度约为19.2%,初步验证了惯性/水声单应答器距离组合导航方案的有效性,为解决AUV导航设备水下校准提供了可能。     

基于微小型传感器的惯性/卫星/天文组合导航方法

为了实现基于微小型传感器的高精度导航,针对微小型导航传感器精度相对较低、误差相对较大的特点,对微小型惯性测量单元(MIMU)、微GPS卫星接收机、微小型星敏感器的测量误差进行了建模与分析;对多传感器的导航信息进行分散化处理,采用卡尔曼滤波进行局部估计;提出了基于部分信息融合的联邦滤波算法进行全局融合;并给出了利用全局融合结果对MIMU导航误差进行输出校正的算法.仿真结果表明,该组合导航方法能够利用微小型传感器实现较高精度的导航定位.     

星光折射辅助惯性/天文紧组合高精度导航方法

为了解决传统惯性/天文(SINS/CNS)组合导航无法在线精确估计加速度计零偏而导致SINS导航误差发散的难题,提出了一种动力学模型约束改进的捷联惯性星光折射组合导航方法。直接利用星敏感器观测的原始恒星像点坐标信息与约束改进的SINS导航动力学方程构建SINS/CNS紧组合模型,通过推导加速度计虚拟观测方程和适用于空天跨域飞行器导航的星光折射测量方程,采用扩展卡尔曼滤波方法,实现了对加速度计零偏和陀螺零偏在线估计。典型弹道仿真结果表明,在不增添额外传感器的条件下,相对于传统的基于姿态测量SINS/CNS组合,所提方法导航定位、定速和定姿精度分别提升了97.84%、98.61%和78.70%;相对于传统的基于星光折射SINS/CNS组合,定位、定速和定姿精度分别提升了28.09%、67.72%和79.10%。所提方法有效克服了传统方法精度恶化问题,显著提升了传统SINS/CNS组合导航精度。     

附加TDCP约束的无人船载GNSS/MEMS组合导航方法

针对无人船用GNSS SPP与MEMS进行组合导航时存在的定位误差大、鲁棒性差等问题，提出了一种附加TDCP约束的无人船载GNSS/MEMS组合导航方法。采用因子图方法构建无人船GNSS/MEMS组合导航系统模型，利用多频TDCP求解的历元间精密位置增量进行约束，并使用增量平滑算法进行状态估计。通过实际无人船试验，设计了六种组合方案进行性能评估，结果表明，加入多频TDCP约束后，横滚和俯仰角精度优于0.2°，航向角精度优于1°；北向、东向、地向的定位精度分别为0.270 m、0.201 m和0.464 m，最大定位误差小于0.5 m。与无此类约束相比，所提方法提高了无人船定位的精度和鲁棒性，且求解轨迹更平滑。     

基于证据推理的惯性/景象匹配组合导航方法

针对传统的惯性/景象匹配组合导航中出现的因误匹配导致组合导航精度低的问题,设计了一种基于证据推理的惯性/景象匹配组合导航方法。在惯性/景象匹配组合导航中,使用证据推理对与景象匹配置信度相关的特征量进行融合计算,将融合计算得到的综合信度作为组合导航量测更新的依据,以降低误匹配对导航精度的影响。试验结果表明该方法可行,组合导航精度相比传统方法提高了25.9%。     

基于交互式多模型MSCKF的双目视觉/惯性里程计算法

针对复杂环境中双目视觉/惯性里程计系统模型不固定和量测噪声易发生变化的问题,提出了基于滤波器估计的紧耦合视觉惯性里程计(VIO)信息融合方法。将交互式多模型(IMM)估计与多状态约束卡尔曼滤波(MSCKF)算法相结合提出一种交互式多模型多状态约束卡尔曼滤波(IMM-MSCKF)算法。该算法以MSCKF为模型匹配子滤波器,将各子滤波器的输入、输出进行交互融合,实现对VIO系统状态估计。通过KITTI数据集对IMM-MSCKF算法进行了仿真验证,该算法姿态和水平位置估计均方根误差分别为0.36°和11.62 m,相比于EKF和MSCKF算法,其姿态估计精度分别提升了56%和41%,其水平位置估计精度分别提升了51%和81%,仿真结果表明该算法具有更好的估计精度和鲁棒性。     

基于多模型联合滤波的MIMU/GPS组合导航方法

针对单一噪声假设和单一模型假设对组合导航精度的不利影响,提出了基于多模型联合滤波的MIMU/GPS组合导航方法。首先,用分布集合的概念进行误差建模,实现了随机噪声和有界噪声的融合建模;而后,推导了多椭球加权Minkowski和的外定界椭球的运算过程,并给出参数优化方法,从而实现了随机/有界双重不确定条件下的多模型交互,得到了交互多模型联合滤波算法的具体迭代过程;最后,将提出的方法用于MIMU/GPS组合导航。试验结果表明,交互多模型联合滤波算法可以将导航位置误差由最大超过10 m降低到1.5 m以下,导航精度显著优于单模型滤波方法,同时也优于标准交互多模型算法。特别是,由于交互多模型联合滤波算法充分利用了两种不同性质的噪声,既可以避免单一噪声假设导致的导航性能下降,又可以保证边界估计,对于后续的控制制导具有重要意义。     

城市车辆综合导航定位系统

为了解决香港等大城市的车辆连续高精度定位问题,设计了一种基于GPS的多传感器组合定位系统。由于城市高楼密集等情况会出现GPS盲区,且多路径效应影响较大,单纯的GPS导航定位难以满足使用要求。GPS与航位推算（DR）的组合导航系统只能实现短时间内的高精度定位,将GPS／DR与地图匹配（MM）、数字信标（DB）组合构成综合导航定位系统可有效解决城市车辆的导航与定位问题。该系统采用MM结果修正DR系统累积误差,采用神经网络实时辨识导航系统中的GPS多径误差。在香港特区的大量现场试验表明,该系统定位精度优于20m,运行稳定可靠。     

一种GNSS/INS/LiDAR组合导航传感器安置关系快速标定方法

卫星导航/惯性导航/激光扫描传感器(GNSS/INS/Li DAR)组合导航定位方法是室内外无缝导航定位的研究热点。而传感器之间高精度安置关系的确立是传感器位姿信息融合的基础,也是制约高精度组合导航定位的重要因素。针对该问题,采用三维激光扫描测量技术和多台经纬仪交汇测量的方法,设计组合导航定位系统室内高精度快速标定方案,建立传感器安置参数解算数学模型,完成了GNSS杆臂值和激光扫描传感器安置参数的标定。使用微分方程分析、蒙特卡罗法对标定结果进行精度分析,仿真实验与实际测试结果表明,传感器安置参数精度对高精度组合导航定位的影响不可忽略,采用所提出的联合测量方法,可以快速获取毫米级精度的传感器位置安置参数和角分级的传感器姿态安置参数,满足组合导航定位系统传感器安置关系标定的精度需求。     

车载紧耦合MIMUs/GPS的神经网络辅助强跟踪滤波方法（英文）

微惯性测量单元由三轴正交的微机械陀螺、加速度计和微型地磁传感器组成。将上述装置与GPS接收机组合,可构成最佳导航定位模型,其中紧耦合MIMUs/GPS对全导航参数(位置、速度及姿态)的测量精度可大幅提高。由于微惯性传感器具有大漂移特性,为获得具有自适应的线性参数模型,提出了融合滤波的信息处理方法,利用强跟踪滤波实现状态预测,二阶EKF实现测量更新,并借用神经网络技术完成对状态预测的修正。由于系统组件具有非线性,该神经网络辅助的强跟踪滤波方法旨在逼近MIMUs/GPS的真实特性,并为车载用户提供更为精准的导航参数信息。动态环境下的仿真试验表明,尽管MEMS惯性传感器的精度有限,所提出的方法能够有效用于实际的导航参数解算。     

基于因子图导航的伪距故障检测与自适应隔离方法

为了实现城市峡谷、电磁扰动等复杂场景下因子图优化导航的故障检测与自适应融合,提出了一种基于因子图优化的综合利用惯性导航系统和全球卫星导航系统原始伪距信息的故障检测与自适应隔离方法.首先,结合惯性导航信息与全球卫星定位原始伪距进行导航系统故障检测,实现故障卫星伪距信息和故障惯性信息的有效定位;而后,基于故障检测结果针对因...     

微惯性/卫星组合导航高精度事后基准确定方法

针对高性能MEMS组合导航系统的高精度定位定姿需求,提出了一种基于GNSS(Global Navigation Satellite System)精密相对定位RTK(Real-time Kinematic Positioning)和MIMU(MEMS-based Inertial Measurement Unit)组合的高精度事后基准确定算法,该算法在MIMU/RTK组合导航正向Kalman滤波的基础上,采用RTS(Rauch-Tung-Striebel)反向平滑再次进行信息融合,提升了组合导航结果的事后处理精度。另外,通过Allan方差分析技术实现对MIMU随机误差精细建模和MIMU/RTK组合导航相对精度分析。对实测的车载动态试验数据处理结果的均方根误差和Allan方差分析表明:相对于传统正向滤波方法,RTS反向平滑方法能够将MIMU/RTK组合导航定位、定姿精度分别提升45.2%和54.1%。该方法可作为GNSS/INS组合导航高精度参考基准的确定方法。     

量测野值与波束故障条件下SINS/DVL紧组合导航方法

针对传统捷联惯性导航系统（SINS）/声学多普勒测速仪（DVL）组合导航系统导航精度容易受量测信息质量影响的问题,提出了一种基于波束重构的SINS/DVL紧组合导航系统故障处理方案。以现有的紧组合模型为基础,根据四波束DVL结构特点,提出了新的故障波束速度信息重构方案。针对速度测量异常、量测模型误差及波束信息重构误差等综合引起的量测噪声特性变化问题,根据核函数思想,设计了一种改进Huber鲁棒滤波器。试验结果表明,在1 h波束故障情况下,采用所提出故障处理方案最大定位精度相对于纯惯性定位提高了80%以上。     

基于因子图的船用导航系统信息融合算法

针对船用捷联惯性导航系统(SINS)、北斗(BD)、多普勒(DVL)和天文导航(CNS)信息更新频率不同以及可用性随环境动态改变的多源导航信息融合问题,提出基于增量平滑因子图的船用导航系统信息融合及容错算法。建立SINS、BD、DVL和CNS的量测因子节点模型,并通过利用所有时刻量测信息,以最大后验概率估计方法进行融合架构的构建;插入新的量测因子节点后,识别并更新受新量测因子影响的部分导航状态变量节点,利用因子图增量平滑算法计算导航状态的最大后验估计值;同时设计基于卡方检验的信息容错算法进行故障检测。数值仿真及半实物车载试验表明所提算法具有即插即用特性,能够实现不同信息更新频率导航设备的有效融合,融合精度与联邦滤波的定位精度相当;在导航设备发生故障后,所设计的容错算法能够有效识别并隔离故障。