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。     

基于速度阻尼的天文／惯性组合导航技术研究

简要介绍了天文／惯性组合导航系统的基本原理,采用速度阻尼技术阻尼惯性导航系统的舒拉周期误差,为天文导航系统提供高精度的姿态信息,从而利用天文导航信息估计补偿惯性导航系统的陀螺漂移,同时,速度阻尼克服了天文导航不能估计补偿加速度计误差的缺点,使天文／惯性组合导航的各种误差得到补偿修正,解决了天文／惯性组合导航长航时导航条件下导航精度不高的问题;对研制的天文／惯性组合导航系统远洋航行的数据进行半物理仿真,仿真分析结果表明：基于速度阻尼的天文／惯性组合导航技术可以实现天文／惯性组合导航系统的长航时高精度组合导航。     

一种新的惯性／天文组合导航方法研究

针对传统的惯性／天文组合定位定向法不能有效修正惯性导航系统传感器误差所造成的导航误差，研究了一种新的惯性／天文组合导航方法。利用天文导航系统的量测，在初始对准后估计并补偿加速度计偏置误差，在组合导航过程中闭环修正陀螺漂移误差，进而提高组合导航的姿态、速度及定位精度。仿真结果表明了该方法的有效性，并通过与传统组合方法仿真结果的比较，证明了此方法的优越性。     

MC-ROV导航系统研究

针对研制的新型模态切换水下机器人(Mode-Converted ROV, MC-ROV),设计了一套以MEMS器件为主的微惯性组合导航系统,包括陀螺仪、加速度计、磁力计、深度传感器及微处理器等。系统采用互补滤波方法抑制陀螺漂移,设计卡尔曼滤波器计算姿态角。本文采用了改进的自适用卡尔曼滤波器,增大新近数据的作用,减小陈旧数据的作用,避免滤波发散,提高导航精度。水池实验表明结合互补滤波、自适应卡尔曼滤波能够获得比较精确、稳定的水下机器人导航信息。同时,基于实测数据进行的算法仿真表明改进后的渐消记忆指数加权自适应卡尔曼滤波可以在一定程度上改善导航效果。     

全固态捷联式惯性/天文组合导航技术

传统惯性/天文组合导航的工作原理一般有天文测星输出的ψ角直接解析并校正惯导速度、位置和ψ角作量测估计并间接校正惯导速度、位置两种。针对这两种工作原理中未充分利用可观测度较大的陀螺常值零偏估计信息而导致长航时、短航时组合导航效果不理想的问题,提出全固态捷联式惯性/天文组合导航技术,将捷联式惯导和大视场星敏感器固连,以欧拉误差角作为Kalman滤波器的量测信息,实时估计并反馈陀螺常值零偏用于校正捷联惯导系统,可快速有效抑制各种由陀螺漂移引起的误差。实测数据仿真表明:以欧拉误差角作为Kalman滤波器的量测信息可使经度误差、纬度误差、航向角误差和陀螺常值零偏快速稳定、收敛,长航时试验中可使经度误差不大于0.5 nmile、纬度误差不大于0.2 nmile、航向误差30″,短航时试验中可使经度误差不大于0.25 nmile、纬度误差不大于0.12 nmile、航向误差20″。因此,该算法对于长时导航和短时导航都具有良好的适应性,具有实用价值和研究意义。     

改进的自适应衰减卡尔曼滤波算法

SINS/GPS组合导航系统的融合算法主要是卡尔曼滤波,卡尔曼滤波实现最优估计的前提是系统的模型和随机噪声信息必须准确已知。实际情况下,大部分系统的模型和随机噪声信息不完全可知,这可能会导致滤波器估计精度下降。针对这一问题,根据求解遗传因子的方法不同对传统的自适应衰减卡尔曼滤波进行改进,提出一种改进的自适应衰减卡尔曼滤波。改进后的算法分别适用于系统噪声统计模型不准确可知和量测噪声统计模型不准确可知两种情况,分别对应于两种滤波算法,并且二者具有统一的滤波框架。仿真结果表明,改进的自适应衰减卡尔曼滤波比卡尔曼滤波精度较高,有效解决了因为噪声模型不准确导致的精度下降问题。     

激光捷联惯导系统高程通道滤波模型设计

针对传统航位推算算法中里程计俯仰安装误差角难以精确辨识,以及高程通道定位精度较差等问题,提出利用高度计作为辅助手段的激光捷联惯导／航位推算／高度计组合导航算法,并设计了高程通道的滤波模型。该算法基于Kalman滤波最优估计理论,利用气压高度计量测信息对SINS／DR组合系统高程通道进行估计补偿,以达到高程通道精确定位的目的。试验表明,经高度阻尼后系统高程定位精度达到3m。     

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。     

天文/卫星组合点校捷联惯性导航系统算法研究

捷联式惯性导航系统通常采用卫星导航系统的位置、速度信息对惯导解算误差进行校正,但对于水下载体惯性导航系统而言,由于只能获得点位置信息,对惯导的校正精度以及校正参量有限。针对上述问题,提出了基于天文/卫星组合校正捷联式惯导技术,通过卫星精确定位信息和天文快速观测信息,全面修正惯导系统误差、提高导航精度。仿真结果表明,基于天文/卫星组合校正算法对惯导进行校正,相对于传统校正算法精度可提高约50%。     

量测噪声不确定情况下的水下多目标稳健方位跟踪

提出了使用Sage-Husa算法估计量测噪声的集势化概率假设密度(CPHD)滤波方位跟踪方法,实现了量测噪声不确定情况下多水下声学目标的稳健方位跟踪。首先,将水下目标方位的变化建模为Singer模型,利用传统目标方位估计方法的结果作为量测值,将方位估计误差看作量测噪声,建立了方位量测模型。然后,给出了CPHD滤波水下多目标方位跟踪算法,该算法利用上一时刻的方位跟踪结果和目标方位变化模型预测目标方位,并利用量测值和量测模型对预测值进行更新得到方位跟踪结果。最后,考虑到量测噪声方差为决定跟踪性能的重要参数,利用改进的Sage-Husa算法在跟踪过程中实时自适应地估计不确定量测噪声的方差,从而实现了多目标的稳健方位跟踪。经海试数据验证,所提出算法将目标方位测量的平均最优子模式分配(OSPA)误差从10°以上降低至2°,显著提高了方位测量精度。所提水下多目标稳健方位跟踪方法能够有效提高量测噪声不确定情况下的方位跟踪性能。     

基于粒子滤波的INS／GPS组合导航滤波算法

针对INS／GPS组合导航系统中噪声统计特性不准确时,现有的卡尔曼滤波工作性能会降低的问题,提出了一种基于粒子滤波的INS／GPS组合导航滤波算法。仿真结果表明该算法能有效降低统计特性不准确对系统造成的不利影响。     

基于大气偏振光特性辅助定向的自主导航方法

针对惯性系统(INS)与卫星组合导航容易受到干扰的局限性,为提高海上作战船舰的自主导航能力,提出基于全天域大气偏振光特性辅助定向自主导航方法。在分析全天域偏振光中性点的运动规律的基础上,采用两点一线原理使用中性点确定载体航向角并结合电磁计程仪(LOG)测得的航速信息辅助惯性系统进行导航,采用卡尔曼滤波最优算法对组合导航系统进行了信息融合。matlab仿真结果表明基于全天域偏振光中性点/LOG/INS组合导航方法能够有效抑制INS导航定位误差,使船舰航向角误差稳定在0.6,水平速度误差稳定在0.7 m/s,水平位置误差稳定在10 m,增强了船舰的自主导航性能,并且具有高度的隐蔽性和抗干扰能力,具有一定的军事工程应用价值     

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。     

基于二进制比特串描述符的惯性组合导航高速景象匹配算法

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、航向偏差的要求,提出了一种基于二进制比特串描述符的高速景象匹配算法,尤其适合于计算资源有限的景象匹配场合.算法首先提取环绕中心极值局部特征,然后计算特征点的二进制比特串描述符,接着利用描述符之间的汉明距离进行快速特征匹配.最后,利用分组采样一致算法和最小二乘算法获取高准确度的航向和位置偏差信息.景象匹配性能评价实验表明：在匹配适应性、匹配速度、准确度和鲁棒性方面,算法都很优越,在参考图为250×250 pixels,实测图为160×160 pixels情况下,整个算法的计算约为40 ms,可以满足景象匹配导航系统高速匹配修正的要求,优于传统的景象匹配算法.     

视觉技术辅助的无人机自主着陆组合导航研究

为提高无人机自主着陆过程中导航系统的自主性与精确性,设计了一种视觉辅助惯导组合导航方法。该方法以惯导误差方程为过程方程,以着陆过程中单目摄像机2个时刻所得地面特征点投影之间的双视图几何约束为量测方程,构建了非线性滤波器;利用SR-UKF方法实现了惯导误差估计,提高算法效率的同时有效地避免了UKF中由于矩阵开方运算导致的滤波失效;最后根据估计结果校正了惯导导航数据。仿真结果表明:该方法能够提高导航系统精度,使误差降低到惯导系统的8%左右。     

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。     

星图识别算法的优化设计与实现

在INS／CNS组合导航系统中,为了有效实时地用CNS的输出姿态信息校正INS的陀螺漂移,必须提高CNS中星图识别算法的运行速度。提出了一种改进的三角形星图识别方法,基三角形识别成功后,增加一颗附加检测星,计算出附加检测星和基三角形的三个星点的角距值。分析结果表明传统的星图识别算法在主频为600MHz的DSP6414上运行需要300ms左右的时间,算法改进后,只需40-80ms,数据输出率提高到10Hz。改变的算法在不存在伪星的情况下成功识别率近100％,存在伪星时,可以有效去除伪星。同时,解决了传统星图识别算法在嵌入式系统中实现难、耗时长的问题。该算法可以实时地校准惯导系统的误差。     

自适应混沌蚁群径向分析算法求解重力辅助导航匹配问题

针对现有重力导航匹配算法的匹配精度、匹配率受惯导初始位置误差影响较大以及实时性较差等不足,提出了一种基于自适应混沌蚁群径向分析的实时重力辅助导航匹配算法,新算法引入改进的连续域蚁群算法进行优化模型求解,通过进行连续域蚁群算法的信息素的自适应调整,同时对蚁群算法的搜索策略、计算参数、局部信息素进行混沌自适应处理,最终达到提高算法搜索效率、匹配率、抗噪性能的效果,实验结果表明,新算法对惯导初始误差不敏感,匹配率高,实时性强。     

星体跟踪星图识别算法

针对天文/惯性组合导航中对星敏感器快速姿态测量的要求,提出了一种基于星体跟踪的星图识别算法应用于星敏感器姿态测量。建立了基于星区的导航星库便于快速搜索导航星。实验结果表明,该算法比传统星图识别算法有着明显的优点,识别速度快,识别成功率高。