SINS/GPS/CNS 组合导航联邦滤波算法

针对飞行器在长航时高速巡航过程中,捷联惯性导航系统存在误差漂移,GPS 导航可能会丢星、信号失锁,天文导航系统易受环境干扰,组合系统模型线性化误差易导致滤波发散等问题,分析了三种导航系统的优缺点,提出了 SINS/GPS/CNS 组合导航联邦滤波算法,该算法可以取长补短,巧妙地将 GPS 定位和天文导航定姿精度高的优势辅助于捷联惯导系统,利用卡尔曼联邦滤波器对捷联惯导系统进行误差估计,并对联邦滤波算法进行了有效的改进.计算机仿真显示,该滤波器收敛速度快,具有一定的容错功能,其滤波精度较 SINS/GPS 组合导航系统在位置误差和速度误差上均有约5%左右的小幅提升,在平台角误差上更是提高了一个数量级.仿真结果验证了该组合导航方案的可行性和算法的有效性,有重要的工程应用价值.     

SINS/GPS组合导航序贯滤波算法

针对SINS／GPS的速度、位置组合方式中，GPS接收机的位置测量误差相关的问题，提出了一种序贯形式的Kalman滤波算法。这种算法既具有计算量小的优点，又能克服由于GPS位置测量误差相关性带来的滤波性能变差的问题，实现对SINS／GPS组合系统信息的有效融合。通过仿真证明了该算法的有效性。     

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.     

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。     

基于MEMS-IMU辅助的高动态GPS选星方法设计

一般的GPS选星方法通过搜索选取使几何精度衰减因子最小的4颗卫星,对于高动态应用特别是在水平姿态角较大的情况下,传统的选星方法存在许多局限性。针对低成本的MEMS-IMU/GPS组合导航系统,提出了基于MEMS-IMU辅助的GPS选星方法;针对高动态载体姿态变化较大的问题,采用MEMS-IMU输出的高速率姿态信息压缩卫星搜索范围,通过选取不超过6颗可见卫星来降低几何精度衰减因子,从而提高定位性能。使用半实物仿真数据,验证了所提出的方法。测试结果表明,与传统的选星方法相比,基于MEMS-IMU辅助的GPS选星方法在飞机高动态大机动条件下,优化了卫星星座,具有精度高、计算量低、可靠性高等优点。     

组合导航中模糊自适应Kalman滤波算法分析

以SINSiGPS组合导航系统为背景，在对Kalman滤波原理和工程应用进行深入分析的基础上，总结了该方法的不足，提出了应用神经网络和模糊推理技术对系统噪声、观测噪声和其相关阵进行直接调控的方法。该方法根据新息和新息方差的变化，实时调整自适应因子，间接改变Kalman滤波器的当前观测量和过去信息的比例关系。仿真结果表明，该算法对模型和噪声干扰有较强的自适应性，能够有效抑制滤波发散，在不损失原有精度的前提下，提高了系统的鲁棒性。     

VOGL-BP网自适应Kalman滤波器在导航中的应用

针对当前自适应Ｋａｌｍａｎ 滤波在导航中的应用存在滤波不稳定和对导航精度的提高幅度有限的现状,本文首次提出了将ＢＰ 神经网络运用到Ｋａｌｍａｎ 滤波器中来形成ＶＯＧＬ－ ＢＰ网自适应Ｋａｌｍａｎ 滤波器来提高滤波的稳定性和滤波的精度。经过大量的模拟实验证明,该方法是切实可行的,能有效地提高滤波的稳定性和精度。     

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。     

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.     

信息融合理论及其在INS/GPS/Doppler组合导航系统中的应用

本文总结了Ｃａｒｌｓｏｎ 提出的联邦滤波器理论,并通过证明比较了联邦滤波方法和集中式 滤波方法的等价性,探讨了联邦滤波器的设计方法以及信息的合理分配原则,分析了两种简化 的结构形式。构造了ＩＮＳ／ＧＰＳ／Ｄｏｐｐｌｅｒ 组合导航系统滤波结构,经过仿真证明了联邦滤波器 的性能及其在组合导航系统中应用的可行性。     

联邦滤波在飞机组合导航中的应用

研究了中等精度捷联惯导系统(SINS),大气数据系统(ADS)和塔康系统(TACAN)构成的机载组合导航系统.在分析SINS、ADS、TACAN各自特点的基础上,提出了SISN/ADS/TACAN组合导航系统的联邦滤波方案,并建立了相应的组合导航系统的数学模型.以一条典型的飞行轨迹进行了全航线的仿真研究,仿真结果为:基于联邦滤波的SINS/ADS/TACAN组合导航系统的位置精度约为70 m(CEP),速度精度约为0.75 m/s(1),航向精度为约为 (1)和姿态精度约为 (1),由此可见基于联邦滤波的SINS/ADS/TACAN组合导航系统可以充分利用各机载导航子系统信息,满足飞机导航定位的精度要求.     

航天测量船INS/GPS/DVL组合导航系统容错滤波方法

具有良好的容错性是航天测量船INS/GPS/DVL组合导航系统的基本要求.基于联邦卡尔曼滤波设计思想,在改进的无复式(No-Reset)卡尔曼滤波体系结构的基础上,设计了残差检验法实现组合导航系统的故障检测和隔离.该方法可以有效地对突变型故障进行检测与重构.仿真结果表明,对于GPS分系统的突变故障和慢变故障的检测与重构时间为6.12 s,而对DVL速度突变故障检测与重构时间为1.08 s,确保了联邦滤波的稳定性和高精度.     

降阶扩展卡尔曼滤波算法在船用INS/GPS组合导航系统中的应用

TNNS(真航向导航系统)由MS860接收机、INS及处理数据的PC/104架构的嵌入式工控机构成。针对TNNS推导了INS(惯性导航系统)的误差模型,提出了适合于TNNS的降阶扩展卡尔曼滤波算法组合GPS和INS。系统在东海作了三次海试,软件及滤波算法平台由C/C 编制。海上试验表明,组合滤波后,INS的位置误差由100m降低到40m以下;进行最优化滤波后的航向误差σ由原来的0.105°减小为0.034°,纵横摇的误差也大幅减小。整个海试结果表明,在TNNS中组合GPS/INS采用的降阶扩展卡尔曼滤波算法,大幅提高了系统精度和可靠性。     

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...     

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％.     

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。