基于车辆运动模型辅助的智能手机平台车载组合导航算法

随着智能手机硬件性能的提升以及MEMS传感器技术的发展和应用普及,现有中高端智能手机平台中大多安装有消费级的微惯性测量单元和GPS接收机模块,将这两者相互结合,利用一定的信息融合方法,即可实现连续的车载导航定位。在智能手机平台中所采用的消费级MEMS惯性传感器模块其精度很低,通常难以满足车载DR导航算法的性能需求;同时在车辆行驶过程中,不可避免会经过高架、隧道等路径,也会导致GPS信号受到遮挡和屏蔽从而无法定位。针对以上问题,设计了适用于智能手机平台的基于车辆运动模型辅助的车载DR/GPS组合导航方案,推导建立了基于车辆侧向速度约束的组合导航算法模型,并以智能手机作为验证平台,测试验证了所设计的算法在无GPS环境下,采用智能手机平台中的消费级MEMS惯性测量组件,仍然可以在短时间内维持较高的导航定位性能。     

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.     

低成本车载导航仪的组合导航算法设计

针对GPS信号间歇性受阻而无法持续导航的问题,提出了一种由GPS、微惯性导航系统,以及电子罗盘构建车载组合导航系统的方案。以GPS位置信息是否有效为判断条件,设计了组合策略。当GPS信息有效时,采用以位置误差作为观测量的组合导航算法;当GPS信息无效时,引入速度约束辅助导航算法。试验表明,该组合策略能够在GPS有效时提供高精度的姿态、速度和位置信息,在GPS失效时,使位置误差得到有效抑制,从而保证了车载导航仪的导航精度和导航信息的持续性。     

基于交互式多模型的车载INS/OD/GPS的定位方法

INS/GPS组合导航时,GPS信号会由于环境因素或是其他信号干扰导致信号丢失、信号跳变等故障。针对INS/GPS组合导航中,在GPS出现离群故障难以得到满意定位性能的问题,提出了一种基于交互式多模型滤波的车载INS/OD/GPS定位方法。引入里程计对INS/GPS组合导航进行辅助,基于INS/GPS、INS/OD两种组合导航模型,利用交互式多模型算法交互更新模型概率,通过模型概率的差异判断主滤波器INS/GPS组合过程中的GPS量测故障,并在滤波过程中对故障量测加以修正,以此来实现车辆定位系统的良好定位性能。实验结果表明,在里程计量测辅助条件下,当GPS出现离群点时,系统平均定位精度比INS/GPS单一滤波器条件下的定位精度提升60%以上。     

一种单目相机/三轴陀螺仪/里程计紧组合导航算法

针对车载基于MEMS-IMU/里程计/GPS组合导航系统在无GPS信号情况下,定位误差发散较快问题,提出一种基于单目相机/三轴陀螺仪/里程计紧组合导航方法,实现了较高精度定位。该方法分为初始化阶段和导航阶段两部分,在初始化阶段,通过三轴陀螺仪和里程计在线估算单目相机的尺度因子;在导航阶段,先通过基于三轴陀螺仪/里程计的航位推算实时解算载体位姿,再将单目相机观测到的带有尺度因子的特征点作为观测量,通过非线性优化方法,估计出载体位姿误差并进行修正。利用四轮小车开展算法验证实验表明,室外非闭环情况下累积误差约为里程的1.9%,在室外闭环情况下累积误差为里程的0.5%。     

城市车辆综合导航定位系统

为了解决香港等大城市的车辆连续高精度定位问题,设计了一种基于GPS的多传感器组合定位系统。由于城市高楼密集等情况会出现GPS盲区,且多路径效应影响较大,单纯的GPS导航定位难以满足使用要求。GPS与航位推算（DR）的组合导航系统只能实现短时间内的高精度定位,将GPS／DR与地图匹配（MM）、数字信标（DB）组合构成综合导航定位系统可有效解决城市车辆的导航与定位问题。该系统采用MM结果修正DR系统累积误差,采用神经网络实时辨识导航系统中的GPS多径误差。在香港特区的大量现场试验表明,该系统定位精度优于20m,运行稳定可靠。     

SINS/GPS紧耦合组合导航

针对可用星数目小于4情况下,SINS/GPS松散组合导航必须转为纯惯性状态,无法解决纯惯性导航参数误差发散的问题,提出了以导航星伪距和伪距率为观测量的紧耦合SINS/GPS组合导航方案.建立了紧耦合系统的数学模型,搭建了硬件系统,并应用于工程实践.车载试验结果表明:当可用星数目小于4时,紧耦合系统定位的纬度误差、经度误...     

低成本车载MEMS惯导导航定位方法

当GPS卫星信号受到遮挡,车载GPS无定位输出时,通过低成本MEMS惯导进行定位是车辆导航的一种弥补方法。然而低成本MEMS惯导测量误差大,定位误差会快速累积。针对此问题,研究了一种应用于MEMS惯导导航定位的Kalman滤波算法。通过分析车辆的运动特性,在已有的研究基础上,提出了向心加速度差值误差这一新型观测量,并推导了误差状态系统模型的状态转移矩阵和观测矩阵。200 s时长的实车实验表明,单纯MEMS惯导定位的误差率是75.27%,而所述新方法的定位误差率是3.86%,定位精度有了大幅度提高,取得了良好的效果。     

基于UKF的车辆GPS/蜂窝网无缝定位算法

当车辆运行在存在遮挡和多路径的复杂环境下时,车载GPS接收机由于无法接收到足够数量的GPS定位卫星将导致车辆无法准确定位。GPS/蜂窝网无缝定位技术将蜂窝基站视作伪卫星,将蜂窝基站观测值与GPS观测值结合进行融合解算有效解决了该问题。针对目前融合解算算法所采用的EKF解算算法存在高阶项截断误差和Jacobian矩阵难计算的缺点,本文将不敏卡尔曼滤波(UKF)引入到基于GPS和蜂窝网的无缝定位算法中。UKF算法是一种基于UT变换的非线性的滤波方法,避免了因进行强行线性化带来的误差影响。通过在高斯信道、静止和运动场景下,对两种混合定位算法性能进行对比分析,实验结果表明:将UKF算法用于GPS和蜂窝网络的混合定位中时,在不同的定位环境下,其定位均方根误差(RMSE)相较EKF算法降低了20%~70%。     

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.     

一种自适应联合卡尔曼滤波器及其在车载GPS/DR组合导航系统中的应用研究

—本文设计了实现车载ＧＰＳ／ＤＲ组合导航系统最优综合的联合卡尔曼滤波器，并给出了滤波算法。提出了一种自适应联合卡尔曼滤波器结构及其算法，并应用于ＧＰＳ／ＤＲ组合导航系统的最优综合校正中。理论分析及计算机仿真结果均表明，应用该自适应联合卡尔曼滤波器可大大提高车载ＧＰＳ／ＤＲ组合导航系统的定位精度及容错能力。     

基于Bagging模型的惯导系统误差抑制方法

由惯性导航系统(SINS)和卫星导航系统(GPS)构成的组合导航系统一直是陆用车辆的主要导航设备。当GPS失锁时,SINS的定位误差将随着时间不受控制的迅速增长。为了提高惯导系统的定位精度,相比较于单一的神经网络,集成学习算法中的Bagging模型能够深度学习惯导误差之间的内在关系,进一步提高导航性能。在智能算法和组合导航系统的框架下提出了惯导系统的误差抑制方案,即在GPS存在时训练组合导航系统数据,当GPS失锁时预测惯导系统位置增量。试验结果表明,该方案能够在GPS丢失时抑制惯导系统定位误差发散,相比较于BP算法,Bagging模型的定位精度在5 min时提高了约49%,15 min时提高了约41%。     

一种改进的GPS/DR组合位置自适应滤波算法

为解决自适应滤波算法中观测误差与状态误差估计的关键问题,在分析GPS/DR组合导航系统测量信息性质的基础上,提出了GPS光滑度计算方法,并在其基础上给出了GPS位置误差估计算法及状态误差协方差阵和观测误差协方差阵自适应调节算法。算法仿真实现了观测误差的直接测量,较好地解决了Sage-Husa自适应滤波算法中对误差特性估计不准确的问题。仿真结果表明：位置滤波输出的精度相比Sage-Husa算法有明显的提高。     

权值自适应调整Unscented粒子滤波及其在组合导航中的应用

针对粒子滤波存在的重要性密度函数难以选取和粒子退化问题,提出了一种新的权值自适应调整Unscented粒子滤波算法。该算法在Unscented粒子滤波的采样过程中吸收权值自适应调整的优点,考虑最新量测影响,通过欧氏距离和反映量测噪声统计特性的精度因子来自适应的调整粒子对应权值分布,增加有用粒子的权值,降低粒子退化程度,保持粒子多样性。同时Unscented变换提高了滤波精度,使该算法能更好地适用于非线性、非高斯系统模型的计算。将提出的算法应用于GPS/DR组合导航系统进行仿真验证,结果表明,提出的权值自适应调整Unscented粒子滤波算法得到的东向定位误差控制在±5.5 m附近,北向定位误差则在±5.2 m附近,滤波性能明显优于扩展卡尔曼滤波和Unscented粒子滤波,能提高GPS/DR组合导航系统解算精度。     

基于快速正交搜索的车载导航方法

以某型自行火炮炮载惯导系统为研究对象,针对系统剩余高阶非线性误差得不到有效补偿的问题,结合卡尔曼滤波(KF),提出了基于快速正交搜索(FOS)的组合估计方法,既消除了线性误差,也对系统的高阶非线性误差起到了良好的抑制作用。试验结果表明,在没有卫星信号的情况下,与单独使用KF相比,FOS/KF可以有效提高导航精度,经过补偿后的平均水平速度误差仅为0.034 m/s,定位误差可基本保持在10 m以内,实现了非线性条件下的高精度自主导航。     

基于惯导及声学浮标辅助的水下航行器导航定位系统

针对纯惯导系统误差发散和无线电信号在水下衰减快从而无法精确定位的问题,设计了一种基于声学浮标辅助惯导的水下定位系统,该系统由惯导系统和声学定位系统组成,其中声学定位系统由若干个浮标构成水听器阵,浮标的经纬度坐标由GPS提供,浮标完成对接收到的声源信号的处理,利用互相关测时延差的方法来进行定位。由于水下噪声、混响等因素会造成接收到的多路声信号出现模糊互相关峰,因此对接收信号应进行频域加权处理。最后利用声学系统的定位信息来校正惯导的误差。仿真结果表明:与基本互相关方法相比,加权处理能有效提高时延差的精度,所提出的惯导和声学浮标辅助设备导航系统能够使定位误差小于2 m,保证了水下航行器能够长时间在水下航行。     

基于不等式约束卡尔曼滤波的双MIMU导航位置校正方法

为了实现GPS信号缺失下的单兵自主导航,提出一种基于微惯性测量技术(MIMU)的单兵导航方案。由于惯性导航时误差随着时间而积累,提出了基于双MIMU的单兵导航位置校正方法,通过将两个MIMU分别固联在单兵的双脚上,根据行走时候的步态特性,利用基于假设检验和极大似然估计的零速检测器,进行零速检测修正。结合单兵行走时最大步长约束,设计一种最大步长分解约束下的卡尔曼滤波椭球约束算法,进一步校正单兵导航位置估计。研究结果表明,采用最大步长分解约束不等式卡尔曼滤波的双MIMU单兵导航方案,与未加约束时相比双脚位置均方根误差下降了41.46%。     

一种车载组合导航系统的联邦滤波新算法

针对车载GPS/DR组合导航系统的特点,提出了一种新的联邦滤波算法.子滤波器由两个滤波器构成:一个是卡尔曼滤波器,另一个是Unscented卡尔曼滤波器(UKF),它们分别处理GPS子系统和DR子系统的信息.UKF是一种较新的非线性滤波方法,相对传统的非线性滤波器EKF具有更高的滤波精度和更高的计算效率.联邦滤波器的信息分配因子采用一种基于观测误差的最小均方误差形式,最佳地融合了传感器的输出信息.这种结构降低了联邦滤波器的计算难度和计算量,提高了组合导航系统的可靠性和容错性.仿真结果表明,提出算法的定位精度很高,与UKF算法的效果相当.     

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。