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。     

信息融合技术在INS/GPS/DVL组合导航中的应用研究

为克服某船载导航系统不能满足长时间高精度导航定位需要的缺点,提出了一种基于信息融合技术的INS/GPS/DVL联邦滤波器组合导航方案.介绍了INS/GPS/DVL联邦滤波器的工作模式,在建立INS、GPS和DVL误差模型的基础上,推导了滤波器的组合形式,并详细阐述了该联邦滤波器的融合算法.通过计算机仿真技术分析了该组合导航系统的性能,仿真证明了所设计的联邦滤波器可以充分利用各种导航传感器的信息,提高导航系统的精度,比单独的惯性导航系统能提供更为精确的位置、速度和姿态信息,有效地提高了导航系统的综合能力.     

MEMS-IMU/GPS组合导航系统的实现

针对我国军事和民用对低成本、微小型、高性能导航系统的迫切需求,提出基于MEMS技术的IMU/GPS组合导航系统方案,深入研究了构建该组合导航系统的关键技术。由于MEMS陀螺的零偏受到温度影响,提出采用递推最小二乘自适应标定算法（ARLS）进行误差标定和补偿,从而提高MEMS陀螺的使用精度;建立了MEMS-IMU/GPS组合的卡尔曼滤波器,利用加速度计倾角传感器原理估计载体的水平姿态,增强了姿态信息的冗余度和可靠性;设计了该组合导航系统的信息融合策略。最后,构建了基于DSP的MEMS-IMU/GPS组合导航系统。机载飞行试验结果表明,该系统算法正确、性能可靠,达到了较高的导航精度,具有广阔的应用前景。     

自适应联邦滤波器及其在组合导航系统中的应用

针对现有的信息分配方法在滤波精度和自适应性方面存在不足的问题,设计了一种在模糊神经网络基础上改进的自适应联邦滤波器,利用模糊神经网络自适应地调整信息分配系数,从而有效抑制干扰对子滤波器工作状态的影响,使主滤波器能够充分、有效地利用子滤波器的信息。将这种自适应联邦滤波器应用到MINS/GPS组合导航系统设计中,并对系统进行了仿真。通过与基于常规联邦滤波器的组合系统的仿真结果比较可知,自适应联邦滤波器的组合系统在性能上有了显著的提高,且速度误差标准差控制在0.06m/s以内,位置误差标准差控制在3.3m以内,具有良好的导航精度。     

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。     

组合滤波器在组合导航中的应用设计

设计了基于INS GPS组合导航系统的组合滤波器(卡尔曼滤波器和H∞滤波器)及实现方法,建立了9维系统状态方程,给出了陀螺误差模型、加计误差模型和GPS误差模型,实现了以GPS与INS输出的东、北向速度误差作为组合滤波器观测量的组合方案.该组合滤波器通过检测各子滤波器的估计误差量的均值,使其自身具有很强的自诊断能力.通过计算机的仿真,对系统的精度进行了分析,证明该方案是可行的,能够加快计算速度,实现实时滤波计算,取得很好估计效果.     

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。     

差分GPS/惯性导航组合系统及其滤波器设计

本文简述了提高GPS定位精度和系统性能的两条主要技术途径(差分GPS、GPS/INS组合)的特点和问题;提出了差分GPS/惯性导航组合系统方案;研究了组合系统的卡尔曼滤波器的设计问题,并作了计算机模拟仿真。仿真结果表明,差分GPS/惯性导航组合系统可以达到1～2米的实时定位精度。     

模糊自适应滤波在水下航行器组合导航系统中的应用

为了提高水下航行器组合导航系统精度和可靠性,针对水下航行器组合导航系统量测噪声统计特性随实际工作环境的不同而变化的特点,提出了基于模糊自适应联邦卡尔曼滤波的水下组合导航算法。通过监测理论残差与实际残差的协方差的一致程度,应用模糊系统不断调整滤波器的增益系数,对子滤波器进行在线自适应调整,从而实现导航状态的最优估计滤波。通过对联邦滤波器信息分配系数模糊自适应调整,减少了滤波计算量,提高了滤波实时性。软件仿真实验结果表明：模糊自适应滤波可以有效地提高水下航行器组合导航系统的精度和可靠性,提高导航滤波实时性,克服传统的滤波算法的缺点与不足。     

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)。     

Performance enhancement for ultra-tight GPS/INS integration using a fuzzy adaptive strong tracking unscented Kalman filter

This paper conducts performance evaluation for the ultra-tight integration of Global positioning system (GPS) and inertial navigation system (INS) by use of the fuzzy adaptive strong tracking unscented Kalman filter (FASTUKF). An ultra-tight GPS/INS integration architecture involves fusion of the in-phase and quadrature components from the correlator of the GPS receiver with the INS data. These two components are highly nonlinearly related to the navigation states. The strong tracking unscented Kalman filter (STUKF) is based on the combination of an unscented Kalman filter (UKF) and strong tracking algorithm (STA) to perform the parameter adaptation task for various dynamic characteristics. The STA is basically a nonlinear smoother algorithm that employs suboptimal multiple fading factors, in which the softening factors are involved. In order to resolve the shortcoming in a traditional approach for selecting the softening factor through personal experience or computer simulation, the Fuzzy Logic Adaptive System (FLAS) is incorporated for determining the softening factor, leading to the FASTUKF. Two examples are provided for illustrating the effectiveness of the design and demonstrating effective improvement in navigation estimation accuracy and, therefore, the proposed FASTUKF algorithm can be considered as an alternative approach for designing the ultra tightly coupled GPS/INS integrated navigation system.     

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。     

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。     

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。     

一种容错联邦滤波算法在INS/GPS/Doppler组合导航系统中的应用

本文提出了一种联邦滤波器的容错滤波算法,并在ＩＮＳ／ＧＰＳ／Ｄｏｐｐｌｅｒ 组合导航系统中进行了计算机仿真。仿真结果表明,该算法具有与集中卡尔曼滤波同等的导航精度,同时具有较强的容错性。     

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.     

一种带速度观测量的GPS动态定位自适应卡尔曼滤波算法

提出了一种应用于GPS动态定位滤波的自适应卡尔曼滤波算法,此自适应滤波器算法简单,与常规滤波器相比,可实现快速有效地提高GPS定位精度。计算机仿真实例表明应用该算法具有良好的效果。     

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％.     

GPS 动态滤波的新方法

本文提出一种ＧＰＳ动态定位滤波的新方法。该方法直接从ＧＰＳ接收机输出的定位结果入手，将各种误差因素的影响等效为输出定位结果的总误差，视为有色噪声，建立线性卡尔曼滤波模型对位置和速度信息进行估计。与以往采用的非线性卡尔曼滤波器相比，滤波后定位误差明显减小，且模型简单，系统运算量降低，实时性较好。另外，为了提高滤波器的动态性能，还提出了一种有效的次优加权自适应卡尔曼滤波算法