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。     

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%。     

基于局部精确直方图匹配的无人机景象匹配导航色彩恒常算法

为了解决无人机景象匹配导航中实时图和基准图之间的色彩差异性问题,提出了一种基于局部精确直方图匹配的色彩恒常算法。将实时图分成一系列子块图像,根据景象匹配辅助导航系统预测的无人机位姿信息,获得实时图与基准图的粗略对应关系,考虑平移、尺度、旋转等补偿,选取基准图中与实时图子块对应的基准图子块,求解每对子块图像红、绿、蓝颜色通道色彩直方图的颜色映射关系,并根据建立的颜色映射关系,对实时图子块的三个颜色通道进行变换,从而降低实时图与基准图之间的色彩差异。试验结果表明,所提色彩恒常算法对光源颜色估计的欧拉角误差约降低到传统色彩恒常算法的20%,相比于不采用色彩恒常处理的景象匹配算法,将景象匹配平均误差降低了约70%,由于算法中引入了分块处理机制,能够克服多光源成像导致的色彩差异,具有并行计算的优势,便于工程应用。     

基于AHDE和手机陀螺仪的行人航向修正方法

基于手机陀螺仪的航向推算误差是影响行人航位推算定位的重要误差源之一.为了修正陀螺仪引起的航向漂移、抖动等误差,借助高级启发式漂移消除法(AHDE)在航向修正上的特点,将基于足绑式IMU的AHDE算法改进并应用于智能手机的行人航向推算中.首先利用互补滤波算法初步估算航向,通过时域内航向及其变化幅度判断行人是否直行或者沿主...     

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...     

基于自适应步长约束的行人导航系统误差修正算法

基于惯性传感器的行人导航系统定位精度随时间累积下降,根据捷联惯导理论和人体运动学特征,提出基于自适应步长约束的行人导航误差修正算法。所提算法首先利用零速检测划分行人运动区间,其次根据加速度信息利用自适应步长估计模型计算各区间内步长,最后通过零速修正与步长约束模型修正导航误差。实验将WT901BC姿态仪固定于行人脚跟,并围绕闭环路径行走进行算法验证。实验结果表明,相比于零速修正,经过自适应步长约束算法修正后,行进240 m后起点、终点间距离误差平均值由2.50 m下降至0.18 m,导航闭环误差平均值由1.04%D下降至0.07%D,有效提高行人导航系统的定位精度。     

基于MEMS惯性传感器的人体多运动模式识别

针对人体多运动模式识别中识别精度低的问题,提出一种基于MEMS惯性传感器的人体多运动模式识别算法。该算法选取MEMS加速度传感器的时域特征作为模式识别特征量,提取MEMS角速度传感器的时域特征作为二次识别的特征量,能够准确识别走、跑、站立、上楼、下楼、趴倒、躺倒、倒退多种运动模式。识别过程采用分层识别算法,同时使用支持向量机识别区分难度较大的两类行为动作。嵌入式消防单兵定位系统平台的实验验证表明,利用该算法能够识别消防单兵的多运动模式,平均识别精度达到94%以上。     

基于双MIMU速度+角速率匹配的行人自主导航方法

针对基于零速修正（ZUPT）的行人导航系统航向误差随时间发散导致定位精度差的问题,提出了一种基于自适应零速检测与双MIMU速度+角速率匹配的行人自主导航方法。在一套自主系统中同时包含两种三轴MIMU,一套大量程MIMU用于保证原始惯性数据的完整性,一套高精度MIMU用于提供角速率基准。当高精度MIMU数据未超量程时,若基于SVM的自适应零速检测算法判断系统为零速状态,采用速度+角速率匹配方案;若系统为非零速状态,则采用角速率匹配方案,通过卡尔曼滤波器对各项误差进行估计和修正,提高系统的航向和定位精度。试验结果表明,相较于仅采用速度匹配,采用所提方法,航向精度达到了3.44°/30 min,提升了50%以上;定位精度达到了4.92 m/30 min,提升了40%以上。     

低g值MEMS惯性开关的设计与工艺优化

针对既有硅基低g值MEMS惯性开关的加工工艺复杂、加工周期长以及成品率低的问题,提出改进的结构设计和工艺方案。设计以圆形质量块+圆形螺旋梁为基础的敏感结构,以避免原结构因应力集中导致的螺旋梁断裂现象;提出玻璃-SOI-玻璃三层直接键合工艺技术,改变金属电极间绝缘设计方法,调整开关行程的加工方式,从而减少大量加工工序,降低了工艺难度。形成了一种可靠、简单的低g值开关的统一化加工方案。流片结果表明,新研制的MEMS开关的加工周期缩短为原来的1/3,加工成品率提高为原来的4倍。测试结果表明,开关阈值为5.6g,符合设计要求的5.5g±1g。     

基于低成本磁场和MEMS惯性传感器的姿态测定系统

在机器人、小型无人自主飞行器等严格限制成本、体积、功耗的应用场合,一套合适的姿态测定系统显的尤为重要。为此,提出了一种低成本的实时姿态决定系统,该系统由传感器模块和数字信号处理器(DSP)组成。传感器模块由一个三轴的磁罗盘和一个基于MEMS技术的惯性测量单元构成,文中对系统的软硬件设计进行了详细的论述。在此嵌入式平台上面,开发了一套基于四元数和扩展卡尔曼滤波的姿态估计算法,对算法的原理进行了详细介绍。最后给出的实验结果显示此系统具有相当高的性能,姿态角误差的方差在0.02°以下。     

基于MEMS惯性技术的鞋式个人导航系统

研究了低精度鞋式个人惯性导航系统的导航修正算法.该系统由低精度MEMS惯性IMU单元组成,固联在步行者的鞋上.导航算法在传统捷联惯性导航算法基础上,引入了零速修正技术,根据人行走时脚部运动的加速度统计特性,设计了一种比力模值+滑动方差检测算法,用以检测行走过程中的静止时间段.然后通过设计的改良卡尔曼滤波器在静止时间段内滤波估计导航姿态、速度和位置的计算误差,通过反馈校正可以提高原系统的导航精度.最后通过两组MEMS实物实验验证了导航修正算法的有效性和可行性,并指出了进一步的研究方向.     

基于ACS算法的MEMS加速度计现场标定方法

针对MEMS加速度计测量误差大、精度低,难以快速、准确现场标定的问题,提出了一种基于自适应布谷鸟搜索(ACS)算法的MEMS加速度计现场标定方法.通过误差分析,建立了多参数非线性误差模型,并从标定结果的方向性出发构造了标量约束目标函数.在布谷鸟搜索(CS)算法的基础上,通过提出自适应权重和自适应调节因子对算法进行了自适...     

基于螺旋修正的卫星位姿更新算法

由于卫星运动的不可交换性,在卫星测量过程中引入螺旋修正算法描述编队卫星中主从星的相对位置和姿态信息,提出了基于螺旋修正的编队卫星相对位姿测量算法。首先基于典型的螺旋环境,设计了螺旋修正算法,论证了其与传统圆锥修正算法和划船修正算法的一致性,采用三子样螺旋修正算法进行仿真并与传统算法的精度进行比较。仿真结果表明该算法的位置和姿态精度分别可以达到10-3 m和10-6数量级,满足测量精度要求。该算法不用像传统算法分别为卫星的位置更新和姿态更新设计两组优化系数,因此降低了算法复杂度。     

基于抗差估计的VIO/UWB自适应组合定位算法

在GNSS信号拒止的室内环境定位中,针对视觉惯性里程计（VIO）在长期运动或无回环等不利环境下产生误差累积偏移以及超宽带（UWB）受非视距影响定位精度难以保证的问题,提出了一种基于抗差估计的UWB辅助视觉惯性自适应组合定位算法。首先,构建UWB与VIO的优化框架,利用UWB定位结果对VIO进行全局约束。其次,在后端优化阶段加入抗差估计,实时调整传感器间的权重值,抑制UWB非视距的影响。最后,在EuRoc数据集和真实场景中进行了实验验证。真实场景实验结果表明,组合算法在非遮挡条件下定位精度相比于VINS＿Mono提高75.05%,基于抗差估计的组合算法在遮挡条件下定位精度相比于不加抗差估计的组合算法提高37.53%。     

基于迭代计算的地磁轮廓线匹配算法

针对惯性/地磁匹配组合导航系统,提出了一种基于迭代计算的地磁轮廓线匹配新算法,可以有效地修正惯导系统的初始位置误差和初始航向误差,并具有较高的实时性。首先以均方差准则建立匹配轨迹和实测地磁特征量的相关性约束,引入匹配曲线的参数化模型,通过泰勒展开并忽略高阶小项,将相关性约束简化为曲线平移位移和航向误差角的多变量表达式。然后依据相关性准则,将地磁匹配问题转化为以曲线平移位移和航向误差角为变量的非线性方程组的求解问题。采用牛顿迭代求解非线性方程组,实现地磁轮廓线匹配。最后仿真结果表明,基于迭代计算的地磁轮廓线匹配方法的最大匹配误差为传统轮廓线匹配方法的18.2%,为等值线约束迭代最近点匹配方法的7.8%,并且所提出的新方法耗时仅为5 ms,满足实时匹配要求。     

基于MEMS技术的组合导航系统在空地制导武器中的应用

针对空地精确制导武器对低成本、高精度、高可靠性导航系统的需求,设计了基于MEMS技术的组合导航系统。该系统基于低成本的微惯性测量组合与GPS接收机,并针对空地制导武器的飞行特点建立了准确的数学模型;利用速度、位置综合模式,采用先进的Kalman滤波理论进行数据融合;最后对该组合导航系统进行了数学仿真试验和数据分析。结果表明,这种低成本、可靠性好、体积小的组合导航系统的导航精度不大于5m,即使在丢星长达30s,导航精度也不大于12m,完全能够满足空地精确制导武器的导航要求。     

基于数学基准修正的机载SINS/CNS组合定位算法

针对传统天文定位算法中水平基准对其机载应用的制约,提出基于数学基准修正的机载天文位置确定方法;提出首先利用惯导姿态信息,构造天文测量数学水平基准,通过惯导姿态阵实现载体系下的天文测量输出到当地水平基准坐标系下的变换,从而使高度差法的机载定位得以实现;为保证数学基准的准确有效,提出数学基准修正方案:利用高精度星敏定姿修正惯导姿态,以修正基准中耦合的惯导姿态误差。仿真实验表明,采用该方法进行的天文导航能有效解决其机载应用下水平基准制约问题,验证了其有效性,具有良好的工程实际应用前景。     

基于非线性优化的单目视觉/惯性组合导航算法

针对自主移动机器人在GPS拒止环境下准确实时定位的问题,提出一种单目视觉/惯性组合导航算法。为解决视觉/惯导工作频率不一致问题,利用预积分技术预先处理惯性测量值;引入了一种快速高精度线性初始化方法,分步估计初始系统尺度、重力方向、速度及零偏;结合全局地图三维点约束削弱累积误差,基于是否更新地图点,构建了两种基于非线性优化的单目视觉/惯性紧耦合模型,以保证导航的局部精度及全局一致性。实验结果表明:初始化方法可快速(15 s内)实现高精度状态初始化;与单目视觉导航算法相比,提出的算法不仅可获取绝对尺度信息,且导航精度更高;与传统滑动窗口非线性优化方法相比,提出的算法在窗口优化过程中加入全局地图三维点约束,可有效削弱累积误差,验证了算法的正确性和可行性。     

基于自适应UKF算法的MEMS陀螺空中在线标定技术

为保证微型卫星定位应用中系统精度与稳定性,需要对姿态传感器进行实时在线标定.在无外界姿态参考时,提出一种用三轴磁强计测量值来实时估计MEMs陀螺的零漂误差的方法,采用UKF滤波算法,将陀螺漂移作为滤波状态向量,通过建立三轴磁强计测量微分方程,作为系统量测方程实现陀螺漂移的最优估计.针对磁强计测量信息易受干扰导致滤波量测模型不准确的问题,将自适应因子引入到UKF中,通过在线监控和调整测量误差,减少陀螺标定的估计误差,增强系统性能.实验结果表明,经过标定,MEMS陀螺精度提高约30%,并且在磁强计有外界干扰时,陀螺的标定结果收敛.将标定后的MEMS陀螺进行姿态解算,其动态误差小于2°.     

基于MEMS-MARG传感器的消防员室内定位算法

针对消防员在室内环境中进行灭火和救援时难以获知自身位置坐标的问题,采用MEMS-MARG传感器设计了一种室内定位算法。首先,根据加速度幅值波形使用峰值探测法和零点交叉法相结合的方式进行步数检测。然后,通过对消防员的行走路线进行分类,设计了一种基于直线判断辅助的航向反馈修正算法来提高定位精度,并将扩展卡尔曼滤波器融入到行人航迹推算算法中,用于估计消防员的位置坐标。最后,分别按照矩形、三角形、半圆形轨迹,进行了3组实验。实验结果表明,与未使用航向修正算法相比,位置误差减小了45%以上,航向角和位置的均方根误差分别减小了65%和76%以上。所提出的消防员室内定位算法具有良好的定位性能。