惯导/差分 GPS 组合系统中状态与偏差解耦算法研究

本文研究了状态与偏差解耦算法在差分ＧＰＳ／ＩＮＳ组合系统中的应用。该算法能大大提高定位精度，降低计算量，实现高精度快速估计的目的，它尤其适合于偏差项较多的场合。在差分ＧＰＳ／ＩＮＳ组合系统中估计陀螺漂移和加速度计常值偏差，取得了较为满意的仿真结果。     

基于INS/GPS组合导航的自适应模糊卡尔曼滤波

针对组合导航系统量测噪声统计特性随实际工作条件的不同而变化的特点,提出了一种基于模糊自适应卡尔曼滤波的INS/GPS组合导航算法。该方法通过监视理论残差和实际残差的协方差一致程度,应用模糊系统不断调整滤波器的增益系数,对卡尔曼滤波器进行在线自适应控制,最终实现最优估计。通过对INS/GPS组合导航系统的跑车试验,结果表明该方法在高噪声环境中具有良好的信息融合能力,能有效跟踪研究对象的状态变化。进一步表明该方法是有效、实用的。     

MINS/GPS一体化紧组合导航系统

采用基于MEMS技术的低成本IMU和GPS作为传感器,以DSP和FPGA分别作为计算和通信器件,实现一体化紧凑型的紧组合导航系统.除去外接天线,整个导航系统尺寸为12cm x 12 crx11.6 cm.算法方面,采用扩展卡尔曼滤波器,以伪距、伪距率误差作为观测量进行实时滤波估算导航系统的状态量,进而修正系统误差.采用双子样优化的圆锥效应和划船效应补偿算法,实现100Hz的导航数据输出.通过静态和跑车实验验证,该系统的静态水平定位误差为0.2 m(CEP),动态水平定位误差优于10m(CEP),俯仰角和横滚角误差为0.3°,航向角误差为0.5°.     

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/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.     

MINS/GPS组合导航系统车载试验误差特性分析

分析了MINS/GPS组合导航系统车载试验中卡尔曼滤波器各状态的滤波效果.介绍了捷联惯导的误差方程,并将陀螺零偏和加速度计零偏扩展为卡尔曼滤波器的状态,从而建立15维状态的组合导航滤波模型.采用PWCS可观测性理论分析了滤波器各状态的可观测性,并预测了这些状态在车载试验中的滤波效果.车载试验结果验证了理论分析结论.MINS/GPS组合导航系统车载试验中,位置误差和速度误差估计准确;姿态误差与加速度计零偏误差存在耦合,滤波中不能完全解耦;陀螺零偏误差不能有效收敛.     

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.     

基于低成本组合导航定位系统的新融合滤波算法

设计了一种可用于地面交通工具或机器人的低成本组合导航定位系统，提出了基于该系统的新信息融合方法，将模糊卡尔曼滤波算法和地图匹配技术联合起来。仿真结果表明：模糊卡尔曼滤波算法相当于一数据平滑处理窗口，具有比常规卡尔曼滤波算法更高的精度。     

基于状态反馈的卡尔曼滤波组合导航算法

在卡尔曼滤波算法的基础上,提出一种导航误差状态估计的新方法。该方法选取SINS和GPS三个方向上的速度差和位置差作为观测量,根据惯性器件和GPS的精度确定噪声强度,同时建立反馈控制与卡尔曼滤波相结合的滤波器,最终得到误差状态的估计值。仿真结果表明,新型滤波器不仅解决了卡尔曼滤波发散的问题,而且使得误差估计精度得到了极大的提高,从而为组合导航系统的误差估计技术找到了更有工程应用价值的方法。     

一种具有鲁棒性的滤波算法在I NS/GPS组合导航系统中的应用研究

研究了一种虚拟状态滤波算法与UD分解法相结合的方法，并将其应用于组合导航系统的导航参数估计过程中。仿真结果表明：虚拟状态滤波与UD分解相结合的方法，可以有效地抑制滤波发散，增强系统对环境的适应性，大大提高组合导航系统的快速性。     

GPS/SINS 组合导航系统混合校正卡尔曼滤波方法

利用卡尔曼滤波器将GPS伪距与SINS进行了深组合，在分析了导航误差产生原因的基础上，提出了输出校正与反馈校正相结合的混合校正卡尔曼滤波方法。与输出校正和反馈校正方案相比，这种校正方法提高了系统导航精度。仿真结果验证了混合校正卡尔曼滤波方法的有效性。     

CNN/Kalman技术在组导中的应用研究

经典的卡尔曼滤波器要求假设系统的动态模型和观测模型的噪声统计特性已知，而组合导航系统的噪声具有非先验性。为了解决这一问题，提出了一种新型复合神经网络(CNN)辅助卡尔曼滤波器(Kalman)。仿真试验结果表明：该辅助算法的精度与一般卡尔曼算法相比提高了2倍，收敛时间缩短近200s，并有效地克服了传统神经网络学习速度慢、泛化能力弱的缺点，使系统具有自适应能力以应付动态环境的扰动。     

神经网络辅助卡尔曼滤波技术在组合导航系统中的应用研究

考虑到组合导航系统的噪声具有非先验性，而传统的卡尔受滤波器要求假设动态模型和观测模型的噪声统计特性已知，提出了用前向神经网络来辅助调节卡尔受滤波器，使其具有自适应能力以应付动态环境的扰动。仿真研究表明：该算法优于标准卡尔曼滤波器。     

一种自适应联合卡尔曼滤波器及其在车载GPS/DR组合导航系统中的应用研究

—本文设计了实现车载ＧＰＳ／ＤＲ组合导航系统最优综合的联合卡尔曼滤波器，并给出了滤波算法。提出了一种自适应联合卡尔曼滤波器结构及其算法，并应用于ＧＰＳ／ＤＲ组合导航系统的最优综合校正中。理论分析及计算机仿真结果均表明，应用该自适应联合卡尔曼滤波器可大大提高车载ＧＰＳ／ＤＲ组合导航系统的定位精度及容错能力。     

INS／GPS／CNS组合导航系统的自适应滤波技术研究

本重点研究了状态与偏差解耦估计的自适应滤波算法在ＩＮＳ／ＧＰＳ／ＣＮＳ组合民航系统中的应用问题。由于组合导航系统参数往往与实际的物理过程具有一定的偏差,因此采用常规的卡尔曼滤波算法常会发生滤波发散现象。本提出一种自适应滤波算法,并应用于组合导航系统。仿真结果表明,自适应滤波可以有效地抑制滤波发散,增强系统方案对环境的适应性,大大提高组合导航系统的精度。     

GPS/INS组合导航协方差配置鲁棒滤波研究

运用组合导航技术,将INS与GPS两者有机组合,能很好地克服各自的缺点,形成优势互补结构.在GPS/INS组合导航的基础上,引入协方差配置鲁棒滤波技术,不仅能有效提高导航的性能和精度,而且增强导航系统的鲁棒性,从而构成比较理想的组合导航系统。     

车载挠性SINS/GPS组合导航系统研究

本文介绍了一种实用车载挠性ＳＩＮＳ／ＧＰＳ组合导航系统的软、硬件组成。针对挠性动调陀螺和伺服加速度计的随机漂移问题,提出多项式拟合补偿的思想,并在此基础上设计了基于ＵＤＵＴ 分解的卡尔曼滤波器。通过实验室组合导航实验,验证了多项式补偿和组合方案的有效性,同时也说明了该系统是一种具有较高性能价格比的实用陆地战车导航系统。     

两级解耦卡尔曼滤波在平台惯导系统自主标定和对准中的应用

本文结合实际工程背景，采用两级卡尔曼滤波方法对平台惯导系统进行对准和标定，分别构造陀螺滤波器和加速度计滤波器，前者用于估计平台失调角和陀螺误差系数，后者用于估计加速度计误差系数，然后利用分离偏差滤波理论，将陀螺滤波器分解成状态滤波器和偏差滤波器，使滤波计算进一步得到简化。与一般卡尔曼滤波器相比，此滤波器的计算量以及计算机内存占用量都大为减小，而且估计精度很高