惯性/地磁组合导航算法

针对惯性/地磁组合导航滤波算法进行了深入研究.分析了惯性/地磁组合导航系统的基本原理,基于巡航导弹巡航段飞行过程建立了组合导航系统的滤波模型.在观测信息分别为实测地磁场三分量信息和单一幅值信息条件下,采用广义卡尔曼滤波和Unscented卡尔曼滤波算法进行了仿真分析.仿真结果表明,在观测信息为三分量地磁信息条件下,Unscented卡尔曼滤波总体滤波效果略优于广义卡尔曼滤波,两种算法在最后30 s内的平均定位精度都可达到50 m;在观测信息仅为地磁场幅值的情况下,广义卡尔曼滤波算法的滤波收敛速度和精度均大幅下降,而Unscented卡尔曼滤波仍然取得不错的收敛效果,滤波性能明显优于广义卡尔曼滤波.     

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.     

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。     

巡航飞行器惯性/地磁组合导航方法的误差(英文)

地磁辅助导航是组合导航技术的新方向,而导航误差的研究是分析惯性/地磁组合导航性能的重要内容之一。以等高或近似等高飞行的巡航飞行器为应用对象,建立了惯性/地磁组合导航系统的卡尔曼滤波器;通过仿真结果并结合理论分析重点讨论了校正方式、惯性器件测量精度、地磁场特征与磁测误差、基准图的网格间距、滤波周期、初始位置与初始速度误差等各种因素对位置和速度等导航误差的影响。     

地磁导航系统中等值线的提取及应用

地磁导航系统采用等值线最近点迭代算法达到最终匹配定位的目的,等值线最近点迭代算法是在等值线的基础上实现的,因此,等值线的提取是实现地磁导航的“必经之路”。文中介绍了常用的两种等值线提取方法,即线性插值方法和等值线延伸寻找最近点法,其中前者的计算量大,实时匹配效果差,而后者能在地磁匹配过程中快速提取匹配需要的等值线。此外,文中还给出了地磁等值线图层在基于电子海图显示信息系统的地磁导航系统中的生成和添加方法。     

船用惯性/地磁导航系统信息融合策略与性能

地磁异常场的强度在空间上变化丰富而在时间上很稳定。对地磁异常值与位置之间的非线性函数关系进行了随机线性化,将地磁异常测量值直接作为观测量,采用扩展卡尔曼滤波技术实现地磁异常测量信息与惯性导航信息的融合,估计并校正了惯性导航系统导航误差。仿真表明,组合导航系统具有如下良好性能:对地磁异常具有广泛的适用性;对初始位置误差、速度误差及姿态误差具有较好的鲁棒性;对地磁数据噪声敏感度较低;可实时更新组合导航信息。将观测量选为参考数据测量值的信息融合策略引入惯性/地磁组合导航。定量描述地磁异常辅助惯性导航系统的信息量,分析组合导航系统对地磁图的适用性。     

基于向量搜索的地磁导航匹配算法

对基于向量搜索的地磁导航匹配算法进行系统的研究,主要研究内容包括模型的建立、最优匹配位置的确定、搜索过程实现及优化、仿真实现等。仿真实现是基于航空实测地磁数据进行的,大量的匹配试验表明基于向量搜索的地磁导航匹配算法是可行的。仿真试验表明：该算法对初始位置误差要求低;不必对磁场做任何线性化假设,只要磁场变化特征明显既可;能求得全局最优解。同时该算法也存在运算量大、对方位和搜索步长敏感等缺点。     

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.     

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%。     

景象匹配/惯性组合导航精确修正算法

为了能使景象匹配辅助导航系统在工作时实现对惯导的最优修正,在景象匹配辅助导航系统对惯导修正过程中,引入了卡尔曼滤波技术,并设计了相应的景象匹配/惯性组合导航算法。但在景象匹配过程中会不可避免的会出现匹配错误、匹配精度不够等问题,为此,基于景象匹配过程中载体机动性能规律,提出了飞行航迹近似为直线的误匹配点剔除方法。利用Visual C 编写完成了景象匹配辅助/惯性组合导航仿真演示系统,对所提出的方法进行了仿真实验。多次实验证明提出的方法能够起到很好的匹配修正效果,具有重要的实际应用价值。     

INS/GPS组合导航系统的数据精确同步方法

对来自不同导航传感器的数据进行同步化处理是进行滤波、信息融合的重要前提。对几种INS／GPS组合导航系统的数据同步处理方法进行研究,分析各自的优点和不足。针对浅组合导航系统,提出了由美国NI公司PXI-6608计数器／定时器、GPS接收机及PXI控制器组成的设计方案,分析了其同步实现的原理和方法。该同步方案的精度可达400ns,适用于高精度要求的应用场合。     

基于递推最小二乘估计的CNS/INS组合导航系统初始对准

针对CNS/INS组合导航系统中缩短初始对准时间的问题,设计了一种CNS/INS组合导航系统组合对准新方法。在CNS/INS姿态四元数组合算法的基础上,推导CNS/INS组合系统线性化状态方程,分析了INS和CNS姿态四元数差值构建量测方程。利用递推最小二乘原理实现了对该组合系统的信息融合,设计了基于该估计原理的组合导航系统初始对准方法,考虑到大气层内动基座条件下对于星敏感器造成的干扰因素增加了加权处理环节,最后通过仿真实验验证了递推加权最小二乘法在处理组合导航系统初始对准中的有效性。仿真结果表明在微晃基座条件下,与传统的滤波方法相比较该估计方法能够有效地缩短约25%的对准时间。     

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）。     

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。     

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.     

改进的强跟踪UKF算法及其在INS/GPS组合导航中的应用

针对标准UKF缺乏对系统状态异常的自适应调整能力,导致滤波精度降低的问题,提出一种改进的强跟踪UKF算法。该算法采用假设检验的方法对异常状态进行检测,当系统状态发生异常时,对预测协方差阵引入次优渐消因子自适应的调整滤波增益,实现对系统真实状态的强跟踪。该算法中次优渐消因子的确定无需计算系统模型的雅克比矩阵,提高了传统强跟踪UKF的实用性。将提出的算法应用于INS/GPS组合导航系统进行仿真验证,并与标准UKF进行比较,结果表明,在系统状态存在异常时,提出的带单重次优渐消因子的强跟踪UKF得到的东向、北向位置误差在[-13.7 m,14.9 m]以内,带多重次优渐消因子的强跟踪UKF得到的东向、北向位置误差在[-10.0 m,12.1 m]以内,滤波性能明显优于标准UKF,提高了组合导航系统的解算精度。     

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。