抗差自适应模型预测滤波及其在组合导航中的应用

为了提高捷联惯导(SINS)/天文导航(CNS)/合成孔径雷达(SAR)组合导航系统的定位精度,在吸收模型预测滤波和抗差自适应滤波算法优点的基础上,提出了一种新的抗差自适应模型预测滤波算法。该算法首先利用模型预测滤波估计出系统模型误差,并对其进行实时修正,以抑制系统模型误差对导航解算精度的影响;然后利用抗差自适应因子控制观测异常,抑制观测噪声对导航解算精度的影响。将提出的算法应用于SINS/CNS/SAR组合导航系统进行仿真验证,并与抗差自适应滤波进行比较,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[0.2,0.2]、[0.3m/s,0.3m/s]和[6 m,6 m]以内,滤波性能明显优于抗差自适应滤波算法,说明该算法能有效抑制系统模型误差及观测异常对导航解的影响,提高组合导航的解算精度。     

水下滑翔器位姿估计的改进高斯混合粒子滤波器设计与验证（英文）

近年用于水下滑翔器的低成本导航系统成为研究热点,导航器件的成本与精度之间的折中问题仍然是目前的难题。针对因使用低成本的导航元件而造成低精度位姿估计的问题,提出用于位姿估计的改进高斯混合粒子滤波(IGMPF)方法。用高斯混合模型来估计非高斯噪声,改进的粒子滤波进一步提高位姿估计精度。为了验证其效果,该方法应用于自主设计的水下滑翔器导航系统中并做了车载实验,实验结果表明所提IGMPF方法在实际应用中比传统的EKF和UKF表现更优,姿态角和位移误差比EKF和UKF减小了至少30%。     

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。     

单目视觉里程计/惯性组合导航算法

提出一种单目视觉里程计/捷联惯性组合导航定位算法.与视觉里程计估计相机姿态不同,惯导系统连续提供相机拍摄时刻对应的三维姿态,克服了单纯由视觉估计相机姿态精度低造成的长距离导航误差大的问题.通过配准和时间同步,用惯导系统解算的速度和视觉里程计计算的速度之差作为组合导航的观测量,采用Kalman滤波修正组合导航系统的误差,同时估计视觉里程计标度因数误差.分别在室内外不同环境下进行了22 m的推车实验和1412m的跑车实验,定位误差分别为3.2%和4.0%.与Clark采用姿态传感器定期更新相机姿态估计结果的方法相比,单目视觉里程计/惯性组合导航定位精度更高,定位误差随距离增长率低,适合步行机器人或轮式移动机器人在复杂地形环境下车轮严重打滑时的自主定位导航.     

无人机动平台着陆惯性/视觉位姿歧义校正算法

针对无人机移动平台着网回收应用场景,提出了一套基于二维码的惯性/视觉位姿估计算法,重点解决无人机回收过程中位姿解算歧义问题,提升无人机动平台回收导航精度、鲁棒性与实用性。首先,设计多个二维码构建非共面二维码序列,使用非共面3D-2D点对打破位姿解算特征点的共面约束。然后,使用极小平面位姿估计算法(IPPE)进行平面二维码位姿估计,并融合惯性信息引入姿态约束,解决无人机着网回收过程中的相对位姿解算歧义问题。多架次飞行实验表明所提出位姿估计算法能有效消除位姿解算歧义,具有较好的鲁棒性,且作用距离大于30 m,回收末段达到厘米级定位精度,满足无人机动平台着网回收需求,具有较好的应用前景。     

自适应SDV-UPF算法及其在紧组合中的应用

针对粒子滤波存在重要性密度函数难以选取和系统状态协方差阵可能出现的负定性问题,提出一种新的自适应奇异值分解无迹粒子滤波(ASVD-UPF)算法。该算法采用自适应因子修正动力学模型误差,通过奇异值分解抑制系统状态协方差矩阵的负定性,并以改进的UKF算法产生重要性密度函数,以弥补粒子滤波的缺陷,使该算法适用于非线性、非高斯系统模型的滤波计算。将提出的算法应用到所设计的GPS/SINS/PL紧组合导航系统中进行仿真验证,结果表明,提出算法的经、纬度误差、速度误差和姿态误差范围分别控制在(-0.5″,+0.5″)、(-0.8 m/s,+0.8 m/s)和(-1′,+1′)以内,误差估计的精度和收敛速度明显优于UKF和PF算法,能提高组合导航系统的解算精度。     

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。     

个人导航融合建筑平面信息的粒子滤波方法

针对低成本IMU自主个人导航系统方位漂移的问题,提出了一种融合鞋式IMU、楼层平面图的个人导航解决方案,为实现精度较高的室内相对定位设计了一种新的辅助粒子滤波算法。引入卡尔曼滤波+粒子滤波的级联框架,底层卡尔曼滤波器在捷联解算的基础上,利用零速修正技术估计IMU的位置和姿态;上层粒子滤波器提取步行中每一步的步长和方位变化作为量测,建立相应的步行运动模型融入非线性地图匹配技术。考虑室内应用情境,通过对传递粒子的多步推演预测和选择性剔除,推导了一种新的粒子滤波算法。采集低精度IMU的室内行走数据验证了算法的有效性:约300 m行程的室内导航最终位置误差不超过0.3 m。表明提出的级联滤波算法框架能有效解决建筑平面信息辅助情形下的个人导航问题,新设计的粒子滤波算法有助于提高个人导航系统连续位置测定的精度和可靠性。     

抗差自适应插值粒子滤波及其在组合导航中的应用

针对粒子滤波存在的粒子退化和重要性密度函数难以选取的问题,在吸收抗差自适应滤波、二阶插值滤波和粒子滤波算法优点的基础上,提出了一种新的抗差自适应插值粒子滤波算法。该算法利用二阶插值滤波算法得到重要性密度函数,通过抗差自适应因子实时控制动力学模型误差及观测异常对导航解的影响。将该算法应用于SINS/CNS/SAR组合导航系统进行计算仿真,并与经典的粒子滤波算法进行比较分析。结果表明,提出的滤波算法得到的姿态误差控制在[-0.3′,+0.3′],速度误差控制在[-0.4 m/s,+0.4 m/s],位置误差控制在[-5 m,+5 m],性能明显优于经典的粒子滤波算法。新的滤波算法不但能够有效地抑制粒子退化,而且能够有效地控制动力学模型误差及观测异常的影响,提高了组合导航的滤波精度。     

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。     

GPS/INS组合导航系统中的高斯粒子滤波混和算法

采用非线性滤波器的惯性组合导航系统中,非线性滤波器的精度和实时性直接决定了惯性组合导航系统的性能.计算量和精度之间的矛盾是制约粒子滤波在GPS/INS组合导航系统中应用的主要因素.在分析高斯粒子滤波算法原理的基础上,提出了一种高斯粒子滤波混和算法,对系统线性部分采用线性递推方式,对系统非线性部分采用非线性递推方式,从而提高高斯粒子滤波精度和实时性.针对GPS/INS组合导航系统,混和算法利用卡尔曼滤波的线性递推方式进行量测更新,仿真结果表明混和算法在较少粒子条件下,相对高斯粒子滤波算法精度提高20％,滤波时间降低40％.     

光纤罗经和卫星测姿的组合导航算法

为了提高光纤罗经和卫星测姿的组合导航精度和系统稳定性,提出了一种光纤罗经/卫星测姿的组合导航算法。首先分别对光纤罗经、卫星测姿和组合系统的误差进行了数学建模,以姿态作为组合系统的观测量,建立了组合系统的状态方程和观测方程。然后,给出了一种改进的Kalman滤波器,这种滤波器不但能够保证滤波器稳定可靠,防止滤波发散,还提高了准确度,有助于提高组合导航精度。最后,通过静态试验和动态跑车试验得出,光纤罗经/卫星测姿组合导航系统的航向角误差在0.1°以内;通过极区航行实验得出,船舶在高纬度航行中组合导航系统航向角误差在0.5°以内。     

基于联邦滤波的INS/GPS/CNS位置、姿态组合算法

为了充分利用姿态量测信息来提高组合导航系统的姿态精度,以联邦滤波为基础,研究了以姿态和位置信息作为观测量的多信息融合导航技术,提出了位置、姿态组合模型,并详细推导了基于联邦滤波的位置、姿态组合算法的观测矩阵的具体形式,最后对系统进行了仿真.仿真结果表明,基于联邦滤波的位置、姿态组合滤波算法能够给出正确的INS误差的估计值,且估计精度较高,平台水平误差角的估计误差控制在10″以内,平台方位误差角的估计误差控制在20″以内,有效地提高组合导航系统的姿态精度.     

基于高斯过程的中心差分卡尔曼滤波在BDS/INS组合导航中的应用

针对扩展卡尔曼滤波器在BDS/INS组合导航系统模型不确定时精度下降的问题,提出了一种基于高斯过程的中心差分卡尔曼滤波算法(GP-CDKF)。在训练数据有限的情况下,用中心差分卡尔曼滤波(CDKF)来估计组合导航系统的状态向量;同时高斯过程可以考虑CDKF中的噪声和不确定性。因此,将高斯过程引入到CDKF中,可以进一步提升导航性能。试验结果表明,GP-CDKF与CDKF算法相比,东向、北向位置误差分别降低16.4%、57.1%,东向、北向速度误差分别降低15.9%、23.3%,说明GP-CDKF算法在动态系统状态估计方面优于CDKF算法。将GP-CDKF应用于BDS/INS组合导航系统中,可以有效提高导航性能。     

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。     

基于BDS/INS紧组合的动对动相对导航算法

针对动对动相对定位中卫星观测质量不佳、信号易丢失导致北斗卫星导航系统定位精度不高、无法连续定位的问题,提出了一种基于BDS/INS紧组合的动对动相对导航算法。通过惯导系统与北斗卫星导航系统紧组合的方式,以捷联惯导误差作为组合系统状态量,通过多普勒信息进行伪距平滑,并利用扩展卡尔曼滤波将惯导及卫星观测信息进行融合,解算相对导航结果。通过车载实验对所提出的相对导航算法进行了验证,实验结果表明,所提出的BDS/INS紧组合动对动相对导航算法能够保持分米级相对导航精度,卫星信号短时中断时,能有效保持高精度相对导航结果输出。     

一种单目相机/三轴陀螺仪/里程计紧组合导航算法

针对车载基于MEMS-IMU/里程计/GPS组合导航系统在无GPS信号情况下,定位误差发散较快问题,提出一种基于单目相机/三轴陀螺仪/里程计紧组合导航方法,实现了较高精度定位。该方法分为初始化阶段和导航阶段两部分,在初始化阶段,通过三轴陀螺仪和里程计在线估算单目相机的尺度因子;在导航阶段,先通过基于三轴陀螺仪/里程计的航位推算实时解算载体位姿,再将单目相机观测到的带有尺度因子的特征点作为观测量,通过非线性优化方法,估计出载体位姿误差并进行修正。利用四轮小车开展算法验证实验表明,室外非闭环情况下累积误差约为里程的1.9%,在室外闭环情况下累积误差为里程的0.5%。     

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。     

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。     

球面单形平方根无迹粒子滤波在拖曳合成孔径声纳组合导航中的应用

惯性导航设备修正回波数据作为合成孔径声纳(SAS)运动补偿的一种重要方法,其中的关键技术是研究和利用高精度的滤波算法以及组合导航系统为运动补偿提供导航数据信息。在标准粒子滤波算法的基础上进行改进,提出了一种球面单形平方根无迹粒子滤波算法(SS-SRUPF),并将之应用于SINS、多普勒计程仪(DVL)组成的水下组合导航系统,输出的导航数据再传输给SAS成像系统。仿真结果表明,SS-SRUPF算法可将一个合成孔径时间内的组合导航位置均方误差精度提高到0.013m,小于SAS距离向分辨力0.019 m,满足SAS运动补偿的要求。