天文/惯性组合导航模式研究

简要分析了惯性导航及天文导航系统的工作原理和特点，根据以自主惯性导航为主发展的组合导航系统的方向，提出天文/惯性组合导航系统不同的组合模式，重点探讨了直接校正陀螺漂移的天文/惯性导航新的组合模式并进行理论分析。     

重力/惯性匹配导航空间分辨率同步技术

重力/惯性匹配导航是一种使用地球重力场信息进行惯导位置匹配校正的组合导航方法。匹配导航中由于重力测量信息与重力数据库信息空间分辨率不同步会造成空间分辨率不同步误差。为抑制匹配导航中出现的空间不同步误差,提出一种空间分辨率同步技术。该技术通过载体运动信息与重力测量算法滤波模型参数计算重力测量信息空间分辨率,并通过二维滤波降低重力数据库分辨率,使重力测量信息与重力数据库信息实现分辨率同步。在对数据库进行空间分辨率修正后,再使用匹配导航算法进行匹配定位。在仿真验证中改进后的匹配导航算法定位精度较传统匹配算法定位精度提高了1.1 nmile。通过空间分辨率同步技术可以提升匹配导航定位精度,为未来重力匹配导航设备发展提供辅助。     

基于自适应滤波的天文惯性组合导航技术

以天文测星获取的Psai角为量测信息进行天文惯性组合导航时,Psai角由天文测星高度差经二阶矩计算而来,故Psai量测信息噪声统计特性不再服从高斯分布,对天文惯性组合导航效果产生消极影响。针对上述问题,提出基于自适应滤波的天文惯性组合导航技术,通过对量测噪声协方差矩阵采用自适应加权调整方法,降低噪声非高斯特性对组合导航误差抑制效果影响。基于天文惯性组合导航设备试验数据,对比Psai角量测噪声高斯近似和自适应处理两种方法下的组合导航位置误差抑制效果。试验表明：Psai角量测噪声自适应滤波处理比高斯近似具有更好的位置误差抑制效果。因此,应用基于自适应滤波的天文惯性组合导航技术对惯导误差估计有较好效果,有利于天文惯性组合导航技术的工程应用推广。     

机载惯性/天文组合导航技术综述

分析了惯性／天文组合导航的基本原理。针对航空机载应用平台,介绍了国内外天文导航设备和惯性／天文组合导航系统的研究现状,分析了我国在该领域的技术差距,探讨了未来机载惯性／天文组合导航技术的发展方向。     

基于区域协方差的惯性组合导航景象匹配算法

针对景象匹配辅助惯性组合导航系统需要快速准确获取飞行器位置和航向偏差的要求,提出了一种基于区域协方差的实时图像匹配算法.算法采用区域协方差矩阵的距离作为图像匹配时的相似性度量.首先,对图像进行高斯平滑滤波,提取图像的多种特征计算区域协方差矩阵,利用金字塔多级匹配技术进行全局搜索,获得测试图在参考图中像素级匹配位置.然后...     

基于区域协方差的惯性组合导航景象匹配算法

 针对景象匹配辅助惯性组合导航系统需要快速准确获取飞行器位置和航向偏差的要求,提出了一种基于区域协方差的实时图像匹配算法.算法采用区域协方差矩阵的距离作为图像匹配时的相似性度量.首先,对图像进行高斯平滑滤波,提取图像的多种特征计算区域协方差矩阵,利用金字塔多级匹配技术进行全局搜索,获得测试图在参考图中像素级匹配位置.然后,利用全局匹配的结果,在实测图上选取多个局部区域,分别进行局部搜索匹配,获取参考图和实测图中一一对应的局部匹配集.最后,利用RANSAC算法和最小二乘算法计算出两幅图像间的最优相似变换参量.仿真分析表明,该算法能满足景象匹配辅助惯性组合导航系统实时性、精确性和鲁棒性的要求.     

车载光学测速仪/惯性组合导航定位定向系统研究

车载定位定向技术是指车上导航系统在载车行驶过程中精确确定其所在位置的地理坐标、北向方位及姿态角,为陆基导弹等武器的机动发射提供参考基准。对惯性定位定向系统的各种误差(包括陀螺和加表的随机漂移)进行误差分析建模,将光学测速仪的速度作为观测量,利用卡尔曼滤波技术,估计补偿惯性定位定向系统的各种误差,包括位置、速度、姿态和航向以及惯性器件误差等,最终实现系统的高精度组合导航。对山区泥石路和高原泥石路跑车试验结果进行统计分析发现,组合导航精度在15m以内,满足炮兵车陆基导弹等武器机动发射的使用需求。     

基于Kalman滤波和模板匹配的目标跟踪技术研究

针对模板匹配算法计算量大,难以解决目标形变、光照变化、遮挡等情况下的跟踪问题,提出了一种结合Kalman滤波的模板匹配跟踪算法。通过Kalman滤波预测下一帧图像中目标的位置,缩小目标搜索范围,以减少模板匹配计算量,满足目标跟踪的实时要求。采取自适应模板更新策略,根据目标的变化情况更新模板。在目标被短暂遮挡时,采用Kalman滤波预测目标的状态,继续稳定跟踪。实验结果表明,算法明显优于单独使用模板匹配算法,当目标被遮挡时仍可以稳定、实时跟踪,具有良好的鲁棒性。     

鲁棒惯性地形辅助导航算法研究

传统的地形轮廓匹配(terrain contour matching, TERCOM)算法在速度误差和航向误差较大时可靠性下降,基于扩展Kalman滤波的北航惯性地形辅助惯性导航(BUAA inertial terrain aided navigation, BITAN) 算法在初始位置误差或高度表测量噪声较大时,系统无法准确定位,导致系统的鲁棒性降低. 为解决上述问题,对BITAN算法进行改进,发展了鲁棒北航惯性地形辅助导航(robust BUAA inertial terrain aided navigation, RBITAN)算法. RBITAN算法根据平均绝对差、均方差和交叉相关算法的统计决策信息设计了搜索模式算法,以基于扩展Kalman滤波原理的BITAN算法作为跟踪算法, 综合了TERCOM算法和BITAN算法的优点,提高了算法的鲁棒性.利用真实的数字高程模型和试飞数据进行仿真验证, 并和BITAN算法进行比较.仿真结果验证了RBITAN算法可以在较大初始位置误差和较大高度表测量噪声时准确定位, 提高了算法的鲁棒性.     

机载惯性/天文组合导航研究

为了满足军用机载平台导航系统对自主性、抗干扰、长航时、高可靠性的要求,设计了一种机载／天文组合导航系统。该系统以激光捷联惯导系统为核心,辅以自主性高、可靠性高的天文导航系统。试验表明,采取一定的技术措施,定位精度有望达到500m,定向精度有望达到30″。     

基于激光多普勒测速仪的车载组合导航

 针对车载纯捷联惯性导航系统(SINS)导航精度随时间增长而降低的不足,提出了基于激光多普勒测速仪（LDV）这一新型速度传感器的组合导航方案。通过建立SINS/LDV组合导航系统的状态方程和量测方程,设计了系统的卡尔曼滤波器,并对组合导航系统进行了仿真模拟。结果表明：SINS/LDV组合方案能够有效减小SINS导航参数随时间的累积误差,可以实现全自主、高精度导航;当LDV测速精度为0.1%时,组合导航系统的位置精度提高了2个数量级,速度精度提高了1个数量级。     

一种非标定的快速星图识别方法

大多数现有算法在星敏感器光学系统参数标定不准确时,识别率显著降低。针对这种情况提出了一种无需标定参数的识别算法。该算法引入比例距离作为径向特征,角度作为环向特征。这两种特征不依赖焦距、主点等任何光学系统参数,仅和图像平面上的星点位置有关。识别时首先按照特征量进行初始匹配,然后利用FOV(Field of View)约束筛选待选星进行精确匹配。为了加快速度,精确匹配时引入了快速分组方法。仿真实验表明,该方法具有较快的识别速度,在没有光学系统参数的情况下,识别率可以达到97%。     

基于Log-Polar变换的星图识别方法

基于Log-Polar变换提取特征模式,并将特征模式进行字符串编码,在KMP算法的基础上给出一种适合于星图识别的字符串匹配算法用以实现观测星和导航星的匹配识别。与栅格算法在相同实验条件下的比较表明:该方法对星点位置噪声和星等噪声具有更强的抗干扰能力,且具有更小的存储容量,但其识别速度还有待于进一步提高。     

一种基于三角形几何结构的星图识别算法

提出了一种新的以星三角形为基本识别单元的几何结构星图识别算法。通过对观测误差的预处理,将该算法星三角形的匹配过程转换为一个没有误差的三角形识别问题。引入一个能部分描述三角形结构的特征量,将导航三角形的识别所需的特征匹配数量降低,而多三角形的组合有效地提高了正确识别率。仿真实验表明,该算法所需导航星库容量小,识别效率高,误识率低,实时性和鲁棒性优于传统的三角形星图识别算法。     

基于激光多普勒测速仪的车载组合导航

针对车载纯捷联惯性导航系统(SINS)导航精度随时间增长而降低的不足,提出了基于激光多普勒测速仪（LDV）这一新型速度传感器的组合导航方案。通过建立SINS/LDV组合导航系统的状态方程和量测方程,设计了系统的卡尔曼滤波器,并对组合导航系统进行了仿真模拟。结果表明：SINS/LDV组合方案能够有效减小SINS导航参数随时间的累积误差,可以实现全自主、高精度导航;当LDV测速精度为0.1%时,组合导航系统的位置精度提高了2个数量级,速度精度提高了1个数量级。     

一种改进全天自主栅格星图识别算法

栅格算法是一种较优秀的星图识别算法 ,但它要求视场中有较多的恒星 ,从而要求星跟踪器有大的视场或高的星等灵敏度。为了克服这一缺点 ,引入主星的概念 ,并在星图识别过程中加入星等信息。仿真结果表明改进后的算法只需较少的恒星就能保证算法的鲁棒性 ,且实时性得到显著改善。     

一种多滤波器组合导航数据融合方法

针对组合导航系统中使用单天线GPS接收机时导致姿态角不易收敛的问题,提出了一种互补滤波器和卡尔曼滤波器相结合的数据融合算法。该方法首先通过MEMS惯性传感器与磁强计设计了一种互补滤波算法。针对载体在变速运动过程中加速度计的倾角测量值有较大误差,影响互补滤波器输出精度的问题,通过GPS接收机和加速度计设计了卡尔曼滤波模型,将卡尔曼滤波器输出速度的微分量反馈给互补滤波器,实现了对互补滤波器中载体运动加速度的补偿。基于以上解算方法,以FPGA为核心处理器设计了组合导航系统并进行了车载实验。实验中,该方法有效补偿了汽车变速过程中的倾角测量误差,证明了该方法的有效性。     

光纤陀螺惯导系统航位推算误差补偿方法研究

 针对惯导系统定位误差随时间积累而增大的缺点,提出利用航位推算方法进行误差补偿。在航位推算中根据引起误差的主要因素推导出位置误差方程,以此方程为依据,建立相应的卡尔曼滤波器。将惯导系统速度与航位推算速度之差作为滤波器的输入,估计系统的姿态、速度、位置及里程计刻度系数误差值,并通过闭环反馈进行实时误差补偿修正。任选2条非闭合路径进行跑车实验,第一条路径定位误差补偿修正前是3.49‰,补偿修正后定位误差是2.3‰,第二条路径补偿修正前定位误差是2.4‰,补偿修正后定位误差是2‰。实验结果表明：采用航位推算误差补偿方法可以有效降低系统定位误差。     

人工鱼群算法在单轴旋转惯导系统轴向陀螺漂移辨识中的应用

在惯性导航系统中,采用单轴旋转技术可以调制垂直于旋转轴方向上的惯性器件误差,而对沿旋转轴方向的误差没有抑制作用,因此旋转轴方向上激光陀螺漂移成为影响惯性导航系统精度的主要因素之一。为精确地辨识旋转轴方向上激光陀螺漂移,提高激光陀螺单轴旋转惯导系统的精度,利用人工鱼群算法AFSA（artificial fish swarm algorithm）建立了单轴旋转惯导系统轴向陀螺漂移辨识模型,给出了AFSA 辨识的详细步骤和方法。实验结果表明:AFSA可以对轴向激光陀螺漂移进行精确建模,补偿后的激光陀螺零偏不稳定性达到0.000 4 /h。     

单轴旋转惯导系统轴向陀螺漂移预测方法

轴向陀螺漂移是影响单轴旋转惯导系统导航精度的主要因素。对于轴向陀螺漂移的预测,提出了一种基于支持向量机的算法。利用初始对准12 h内系统纬度误差和温度变化量作为训练数据,构造了以多项式、径向基、小波函数为核函数的支持向量机、最小二乘支持向量机、遗忘因子最小二乘支持向量机,对比了它们用于轴向陀螺漂移预测的泛化性能。试验结果表明：遗忘因子最小二乘支持向量机可有效地用于轴向陀螺漂移预测,具有很高的预测精度,极大地提高了单轴旋转激光陀螺惯导系统的导航精度。