低成本车载GPS/INS组合导航姿态角更新算法

低成本INS系统的元件误差严重影响INS导航精度.针对车载系统,提出一种低成本车载GPS/INS组合导航姿态角更新算法.首先在GPS/INS组合导航Kalman滤波方程基础上,给出两种姿态角更新的观测方程.然后给出利用GPS测速确定航向角的原理,并且对低成本车载INS系统的俯仰角和翻滚角进行了分析,指出由INS随机误差造成的俯仰角和翻滚角误差比其本身量值要大,建议令俯仰角和翻滚角数值保持不变.利用实测算例确定了不同速度下的航向角精度,并且验证了该算法的有效性,以及相对于基于位置、速度组合的Kalman滤波,导航精度有明显提高.     

超平面滤波算法在GPS/INS组合导航系统中的应用研究

针对GPS／INS组合导航系统的滤波算法误差较大，在对常用的卡尔曼滤波算法进行总结和分析的基础上，给出了卡尔曼滤波的本质，提出了一种利用超平面调整卡尔曼滤波器的方法。以GPS／INS组合导航系统为例进行了仿真，结果表明：该方法既能抑制滤波发散，又能提高滤波精度。     

采用卡尔曼滤波器的GPS／INS姿态组合系统的研究

阐述了利用位置和速度以及GPS姿态作为观测量的GPS/INS组合导航系统原理,建立了状态变量为21维的组合系统动态方程,给出了用于卡尔曼滤波的GPS姿态误差模型,并对组合系统进行模拟分析,基于这种组合方式,使系统的位置和航向测量精度获得大幅度提高。     

单轴旋转INS/GPS组合导航中重力垂线偏差引起的姿态误差分析

重力垂线偏差是高精度惯性导航中的一个主要误差源。在INS/GPS组合导航系统中,由于GPS可以提供位置和速度修正信息,垂线偏差对组合导航系统精度的影响主要体现在姿态上。从惯性导航系统的误差方程出发,推导INS/GPS组合导航姿态估计误差和陀螺零偏估计误差的解析表达式,从理论上分析组合导航模式下垂线偏差对姿态误差的影响。通过仿真验证理论分析的正确性。分析结果表明:东向姿态误差角由北向垂线偏差决定,北向姿态误差由东向垂线偏差决定;航向误差受东向垂线偏差和北向垂线偏差的一阶导数的共同影响,垂线偏差的剧烈变化将引起较大的航向误差。     

基于GPS/INS不同测量特性的自适应卡尔曼滤波算法

在GPS/INS组合导航系统中,针对现有自适应滤波算法对GPS测量噪声估计准确性、可靠性不高的问题,提出了一种基于GPS、INS不同测量特性的自适应卡尔曼滤波算法.该算法基于GPS和INS不同的测量性质,利用惯导系统的短期高精度性,获得对GPS测量噪声统计特性自适应估计.仿真结果表明,该算法能够在GPS测量噪声统计特性未知或发生变化的情况下,适时地跟踪GPS测量噪声,准确估计滤波系统的观测噪声协方差阵R,其滤波精度和鲁棒性明显优于改进的sage-husa自适应算法,特别是在采用低精度INS情况下,能够有效克服改进的sage-husa自适应算法滤波发散的现象.     

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。     

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。     

权值自适应调整Unscented粒子滤波及其在组合导航中的应用

针对粒子滤波存在的重要性密度函数难以选取和粒子退化问题,提出了一种新的权值自适应调整Unscented粒子滤波算法。该算法在Unscented粒子滤波的采样过程中吸收权值自适应调整的优点,考虑最新量测影响,通过欧氏距离和反映量测噪声统计特性的精度因子来自适应的调整粒子对应权值分布,增加有用粒子的权值,降低粒子退化程度,保持粒子多样性。同时Unscented变换提高了滤波精度,使该算法能更好地适用于非线性、非高斯系统模型的计算。将提出的算法应用于GPS/DR组合导航系统进行仿真验证,结果表明,提出的权值自适应调整Unscented粒子滤波算法得到的东向定位误差控制在±5.5 m附近,北向定位误差则在±5.2 m附近,滤波性能明显优于扩展卡尔曼滤波和Unscented粒子滤波,能提高GPS/DR组合导航系统解算精度。     

模型预测前向神经网络算法及其在组合导航中的应用

针对系统误差的不确定性可能会引起滤波精度降低或发散的问题,提出一种新的基于模型预测滤波的前向神经网络算法。首先,采用模型预测滤波估计网络在正向传递过程中的模型误差,并对其进行修正,以弥补模型误差对隐含层权值更新的影响;然后,利用模型预测滤波为神经网络提供精确的训练样本,学习待估计系统的非线性关系。将提出的算法应用于SINS/CNS/BDS组合导航系统,并与扩展卡尔曼滤波进行比较,仿真结果表明,提出的算法得到的姿态误差、速度误差和位置误差分别在[-0.25′,+0.25′]、[-0.05 m/s,+0.05 m/s]和[-5 m,+5 m]以内,滤波性能明显优于扩展卡尔曼滤波算法,表明该算法能提高组合导航定位的解算精度。     

一种单目视觉ORB-SLAM/INS组合导航方法

针对惯性/卫星组合导航系统在卫星导航失效时无法使用的问题,提出了单目视觉ORB-SLAM/INS组合导航方法,用于扩展组合导航系统在强干扰环境和室内环境的应用范围。该算法分为两个阶段:初始化阶段,当ORB-SLAM形成闭环时设计算法在线估计单目视觉ORB-SLAM算法的尺度因子;导航阶段,ORB-SLAM系统输出的位置信息经过尺度变换后作为观测量进行卡尔曼滤波,估计INS导航系统的误差状态量从而修正惯导系统的误差。设计了硬件和软件平台对提出的组合导航方法进行试验验证。跑车实验结果表明:所设计的ORB-SLAM/INS组合导航系统具有较高的定位精度,导航时间6 min定位误差为1.162 m,且不随时间漂移,具有很强的应用价值。     

基于模糊自适应的组合导航系统信息融合算法

以INS/GPS/CNS组合导航系统为应用背景,在现有方法的基础上,提出了一种新的模糊自适应的组合导航系统信息融合算法。该系统由三个模糊控制块组成,分别为子滤波器模糊控制块、子滤波器权值模糊推理控制块和信息分配系数模糊控制块。解决了由于模型不准确的情况下滤波精度差的问题,同时又能保证系统的实时性,文中给出了状态方程和量测方程,最后通过软件仿真,结果表明该方法具有高效率、高精度等优点,是一种实时有效的算法。     

一种改进的自适应卡尔曼滤波及在组合导航中的应用

总结了常用的自适应滤波的方法,并提出一种新的自适应卡尔曼滤波技术,它克服了传统滤波器的不稳定问题,因为传统的卡尔曼滤波过程依赖于系统过程和测量过程的数学模型和其统计模型的正确性的滤波技术.自适应过程是利用测量新息序列和状态修正序列在估计移动窗内是分段静态,来直接估计系统噪声协方差Q和测量噪声协方差(R).仿真结果表明此方法可以提高GPS/INS组合导航系统的精度和可靠性.     

陆基巡航导弹四组合制导系统仿真研究

对陆基巡航导弹四组合制导技术,以一条典型轨迹进行了全航线仿真研究,包括初始对准段以及INS/GPS组合段、INS/TERCOM（地形轮廓匹配）组合段、INS/GPS/TERCOM组合段和INS/SMNS（景像匹配导航系统）组合段等共24个航段的研究。仿真结果表明:静基座初始对准能达到对准时间<4min,水平对准精度<21”,方位对准精度<2’;INS/GPS组合的位置精度达到30m（CEP）,速度精度<0.2 m/s（CEP）;INS/GPS/TERCOM组合可达到INS/GPS与TERCOM（为半个网格的精度）中的较高者;INS/SMNS可达到0.5像素（10 m/pixel的分辨率）的位置精度和0.2 m/s的速度精度。在SMN对INS修正后,经15s纯INS飞行后的命中精度为6～10m（CEP）。     

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.     

一种新的INS/GPS组合导航技术

基于GPS测姿技术的发展,研究了以位置、速度和姿态信息作为观测量的INS／GPS组合导航系统的卡尔曼滤波算法。详细推导了这种组合方式的观测方程,并将该组合技术应用于某飞行器。仿真表明,增加姿态信息作为观测量可有效地提高系统导航参数的估计精度和速度。     

惯性导航系统的误差估计

惯性导航系统（INS）以其自主的工作能力广泛应用于军事武备的导航、制导与控制系统和国民经济的诸多领域。它的主要缺点是定位误差随其工作时间的增长而增大。对惯导系统的误差进行估计和补偿是在保证性能价格比的前提下，提高惯性导航系统精度的有效途径。目前，对惯导系统的误差修正均采用外信息（如GPS的输出信息）校正，即在INS工作的全部时间内，定期地利用GPS输出的速度和位置信息与INS输出的相应信息的差值作为观测量，对INS误差进行估计和补偿。Kalman滤波的方法广泛地应用于惯导系统的误差修正初始对准。本研究了当地水平惯导系统的误差估计和补偿问题。分析结果表明，采用Kalman滤波的方法，可以精确地估计惯导系统的误差（包括陀螺漂移和加速度计零偏），误差估计的精度高，并且估计的方差阵收敛快。     

地形辅助/惯性/GPS组合导航系统的可视化仿真研究

研究了多传感器信息融合技术在地形辅助／惯性／GPS组合导航系统中的应用，并在此理论基础上，采用一种新的仿真方法研究该组合导航系统，即采用多种高级语言混合编程，对该组合系统进行可视化仿真。仿真结果表明：采用联合滤波器的地形辅助／惯性／GPS组合系统具有较高的导航精度，最终达到可视化仿真研究的目的，从而对组合系统性能的研究起到了积极的推动作用。     

单基线GPS动态航向测量与误差分析

针对GPS天线安装偏差在动态、实时情况下导致测量设备空间参考基准不一致,进而产生GPS航向测量误差的问题,采用空间投影的方法,分析了船体纵横摇、GPS天线高程差、方位偏差、GPS测量基线长和基座高程差等因素对GPS航向的影响,推导了GPS动态航向测量模型的误差补偿方程。仿真结果表明,方位偏差和船体横摇角分别是舰船静态和动态情况下GPS航向测量误差的主要影响因素。以某型高精度INS导航参数为基准,对GPS实测数据进行评估,试验结果表明,误差补偿后的GPS航向与INS航向的差值在均值统计上相差0.001&#176;,证实了补偿模型提高GPS航向测量精度的有效性。