顾及频间钟差的BDS/GPS三频非组合精密单点定位方法

采用传统精密钟差产品进行多频精密单点定位(PPP)时,频间钟差(IFCB)会对定位结果产生明显的系统性偏差,针对此问题,提出了基于无几何模型的BDS/GPS频间钟差估计方法,并推导了其在三频非组合PPP模型中的应用方法。通过全球184个监测站连续7天的数据实验,验证分析了IFCB的时变特性。结果表明:GPS和BDS GEO/IGSO卫星的IFCB周期性明显,BDS的IFCB量级小于GPS,一般不超过3 cm;对于静态PPP,与不改正IFCB相比,IFCB改正后,单GPS点位精度提高83.4%,GPS和BDS GEO/IGSO/MEO卫星的相位验后残差标准差分别减小了75.0%、54.5%、32.1%和19.2%;对于动态PPP,单GPS和BDS/GPS双系统组合的点位精度分别提高59.6%和54.7%。该方法解决了传统钟差产品与多频精密定位的兼容问题。     

在实时单点定位中基于残差信息的改进抗差滤波方法

在利用卫星导航定位系统进行单点导航定位时,为了进一步提高导航定位的精度、实时性和可靠性,针对实时观测信息中存在粗差问题,基于残差分析理论,比较分析了最小二乘法、M估计、抗差滤波估计方法在GNSS单点导航定位中参数估计问题。在此基础上,针对观测量与动力学模型不准确的情况,利用残差信息,构建了有效的改进的基于残差信息的抗差滤波。其特点是观测信息误差比较大的情况下不会导致滤波精度明显下降。在GPS单点导航定位解算中,编程并计算,通过比较分析,结果验证了构建的滤波在单点定位中抗差的优越性,并在导航定位算法选择上得到一些有益结论。     

动态系统的抗差Kalman滤波及其影响函数

离散历元动态测量及其相应的动态模型可能存在异常，若在数据处理不中考虑对这些异常的特别处理，则动态模型参数估值及其所提供的动态信息将极不可靠。对于GPS动态定位数据的处理，按抗差估计原理，构造了状态向量和观测值对模糊度的影响函数，并由此建立了动态GPS定位的抗差Kalman滤波解法。实际计算验证了该方法的实用性和可靠性。     

GPS/DR组合导航抗差自适应滤波算法

针对GPS/DR车辆组合导航系统的数学模型具有非线性,应用扩展卡尔曼滤波进行线性化会导致滤波结果出现较大误差的问题,引入了抗差自适应滤波算法。利用计算机仿真,分别对抗差自适应Kalman滤波和自适应Kalman滤波算法进行仿真验证,结果表明,抗差自适应滤波不但能自适应地确定观测噪声的协方差矩阵,而且能利用自适应因子调节状态参数噪声的协方差矩阵,可以控制观测异常和动态模型噪声异常对状态参数估值的影响,使状态参数的估值更加合理。自适应Kalman滤波使位置误差控制在30m,而对抗差自适应Kalman滤波能使位置误差控制在18m左右,且误差控制更稳定。     

历元间载波相位差分的GPS/BDS精密单点测速算法

针对单系统历元间载波相位差分测速出现跳变的问题,提出一种顾及广播星历更新计算卫星钟差的方法。通过当前的历元信息判别卫星钟差的基准,进而消除因历元间基准变换引起的测速异常。在此基础上,分析GNSS系统间偏差对组合系统精密测速的影响,发现系统间偏差对GPS/BDS精密测速的影响基本可以忽略。最后,利用MGEX测站和车载数据进行静态和动态试验,验证GPS/BDS组合测速的有效性。结果表明:动态测速时,GPS、BDS、GPS/BDS的3D均方根误差在0～10 mm/s范围内所占的比率分别约为61%、58%、83%,GPS/BDS组合测速精度和稳定性更优。     

MIMU/GNSS紧组合精密单点定位协方差成形自适应滤波方法

针对精密单点定位应用需求,研究了MIMU/GNSS紧组合协方差成形自适应滤波方法。给出了"位臵滤波器+速度滤波器"的分布式滤波器设计方案以降低计算复杂度;推导了地理系紧组合导航系统模型,并把伪距测量不一致性偏差扩展至系统状态向量中予以估计,从而提高系统对于动态环境下伪距测量偏差抖动的适应能力。协方差成形自适应滤波算法利用Frobenius范数来衡量系统残差噪声水平建模状态与实际状态的匹配程度,并以最小化Frobenius范数作为优化指标,动态调节滤波增益,以此来提高状态估计精度、平稳性与鲁棒性。地面静态试验表明:紧组合协方差成形自适应滤波器定位误差均值与均值稳定性均优于标准卡尔曼滤波器,定位精度提高了约50%,能够提供亚米级单点定位导航服务。相较于集中式滤波器设计方案,分布式滤波器方案计算复杂度降低了63.5%。     

一种采用小波神经网络的GPS精密单点定位方法

针对GPS精密单点定位对高精度的需求,提出了一种采用小波神经网络的GPS精密单点定位解算方法。该方法利用小波变换和神经网络学习功能,无需准确系统先验信息,误差函数能够快速收敛,逼近真实误差模型,从而提高GPS精密单点定位精度。仿真结果表明,静态条件下与传统最小二乘法和卡尔曼滤波算法相比,该算法定位收敛时间缩短50%,定位精度分别提升90%和50%。动态情况下,较最小二乘法和卡尔曼滤波算法定位精度提高20%~80%。     

单频GPS/BDS/MEMS IMU紧组合模糊度固定抗差模型

针对高精度GNSS/INS组合定位中,伪距多路径误差严重影响模糊度固定效率及系统定位精度的问题,引入抗差估计函数,建立INS辅助GPS/BDS模糊度快速固定抗差模型。首先建立了单频GPS/BDS/INS紧组合动力学模型以及观测模型,继而研究了紧组合系统INS辅助下GNSS模糊度快速分解模型,分析了伪距观测值粗差对于模糊度参数估值的影响。为减弱异常观测值对于模糊度固定成功率的影响,提出了附有INS定位约束的模糊度解算抗差算法。最后利用实测导航定位数据验证了算法的有效性。结果表明:对比不考虑观测值粗差影响的模糊度固定算法,模糊度固定抗差算法显著提高了模糊度固定的可靠性,抗差算法的模糊度固定效率不受粗差值大小的影响;对于模拟的伪距多粗差情形,抗差算法对GPS/INS、BDS/INS和GPS/BDS/INS三种组合方案的模糊度固定Ratio均值分别提高了100.8%、47.7%以及19.5%;在INS定位松约束条件下,抗差算法提高了模糊度固定成功率。     

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。     

模糊抗差自适应粒子滤波及其在组合导航中的应用

在研究模糊控制理论的基础上,吸收了粒子滤波、自适应滤波和抗差估计的优点,提出一种新的模糊抗差自适应粒子滤波算法。文中根据量测向量中的粗差对状态向量滤波的影响,建立抗差自适应粒子滤波模型,获得自适应因子,然后对滤波处理后的数据残差基于模糊理论构造等价权函数,利用等价权函数和自适应因子合理地分配信息,因而可以达到一般滤波方法无法达到的滤波精度,且能有效地控制粗差对导航解的影响。最后,将该算法应用到组合导航系统中,并进行仿真验证。仿真结果证明,文中提出的模糊抗差自适应粒子滤波算法的滤波精度相对于扩展Kalman滤波和粒子滤波提高了3至5倍,明显提高了导航定位精度,且计算简单,便于实时性计算。     

基于博弈论的鲁棒滤波器应用于GPS/INS组合系统的设计研究

考虑了组合导航系统中的不确定噪声问题；根据博弈理论与最优控制理论，提出一种能够在具有不确定噪声干扰中最小化滤波误差的极小极大值鲁棒滤波器。通过设计—种高动态的飞行轨迹进行仿真研究，发现在不确定噪声干扰下该算法具有比标准卡尔曼滤波器更高的精度。     

MEMS-IMU/GPS组合导航中的多模态Kalman滤波器设计

一般的Kalman滤波器要求有准确的动态和统计模型,而低成本的MEMS-IMU性能随着温度急剧变化,故在MEMS-IMU/GPS组合导航系统中使用一般的Kalman滤波器存在很多的局限性。针对低成本的MEMS-IMU/GPS组合导航系统,提出了多模态自适应滤波算法在MEMS-IMU/GPS组合导航系统中的应用;针对普通的多模态算法中的问题,采用修正的多模态自适应滤波算法来提高MEMS-IMU/GPS组合导航系统的性能。使用静态实时测试数据,验证了所提出的算法。测试结果表明,与普通Kalman滤波器相比,修正的多模态滤波算法提高了MEMS-IMU/GPS组合导航系统的性能;采用所提出的算法,MEMS-IMU/GPS组合导航系统的短时间静态位置精度小于5m(标准差),速度精度小于0.1m/s(标准差),姿态角精度小于0.5°(标准差)。     

基于修正PSO-UKF的SINS/GPS组合导航滤波算法

针对噪声时变特性引起滤波精度下降的问题,提出了一种基于修正粒子群技术( PSO)的自适应UKF算法.为了克服传统粒子群算法过早收敛,容易陷入局部最优的问题,基于粒子的适应值方差提出了一种惯性权值实时修正算法,有效改善了传统PSO算法.在使用新息序列对观测噪声进行实时跟踪的同时,通过构造合理的适应度函数将修正PSO算法和...     

航空制导炸弹GPS/IMU降阶滤波器设计与性能分析

为降低对航空制导炸弹弹载计算机的要求，中设计了一种速度、位置交替组合模式的9阶GPS／IMU组合导航降阶卡尔曼滤波器。通过将IMU噪声简化为等效的系统白噪声和将GPS定位和测速误差状态处理为测量噪声的方法消除IMU、GPS误差状态，把常规滤波器系统状态降为9阶：接着利用方差误差分析法和蒙特卡洛打靶法对降阶滤波器的精度进行了分析，并与常规18阶滤波器进行了比较。研究表明：对于短期低速飞行的制导炸弹，将IMU误差等效白噪声均方差取为IMU有色误差噪声的3～5倍时，降阶滤波器具有与常规18阶滤波器相近的导航精度。     

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。