RBFNN辅助卡尔曼滤波在GPS/SINS组合导航中的应用

为了克服传统卡尔曼滤波对观测噪声必须为零均值白噪声过程的依赖,针对工作于恶劣环境下的飞行器、舰船等运动载体的组合导航系统,提出了利用神经网络的自学习、自组织、自适应能力来辅助传统卡尔曼滤波器的方法。对所建立的BP神经网络和基于正交最小二乘(OLS)算法的RBF神经网络的收敛速度进行了比较。最终选择收敛较快的RBF神经网络辅助卡尔曼滤波器,仿真结果表明该方法能够抑制滤波器发散,提高了导航定位精度。     

双天线GPS/SINS组合导航系统设计

本系统作为浅组合导航系统的一种,利用了双天线定向GPS与光纤陀螺的组合,以基于DSP+FPGA多处理器结构作为导航计算机平台,在原有的位置与速度基础上加入了姿态作为第三个量测量,应用卡尔曼滤波算法将GPS姿态信息作为对惯性导航系统数据的初始值和修正。设计的系统通过跑车实验验证后表明达到了设计要求,具有实时性好,运算精度高等优点。     

平台惯导／GPS组合导航实验研究

本文介绍由某平台惯导系统与ＴＡＮＳⅡ ＧＰＳ接收机组成的组合导航原理样机研制调试情况。首先简要介绍ＩＮＳ和ＧＰＳ接收机通信接口设计；然后是ＩＮＳ／ＧＰＳ组合导航卡尔曼滤波器设计；最后，实验室及车载组合导航实验，验证了组合方案的有效性。研究结论对远程导弹中制导有现实意义。     

SINS/GPS/TACAN机载综合导航定位系统设计

在现代空战中,捷联惯性导航系统(SINS)、全球定位系统(GPS)和塔康(TACAN),单独利用各导航信息都存在着弊端.为此,提出了3种导航源综合的导航系统设计方案.信息融合技术采用广义联邦滤波技术来完成,状态矢量为导航参数误差,并建立准确数学模型.各个子滤波器(局部滤波器)采用间接滤波方式工作,完成状态矢量局部估算;...     

卡尔曼滤波实现车载GPS/DR组合导航

陆地车辆是在二维平面内运动的,而在车载GPS接收机和DR组合装置中,测量值是在不同的坐标系中得到的,通过对坐标系转换和测量误差分析得到组合系统的整体状态方程和测量方程,由于这些状态方程和测量方程都是关于状态的非线性函数,用广义卡尔曼滤波器来实现GPS/DR组合导航的实时求解。最后在行驶车辆上采集数据并进行仿真试验,结果表明这种组合系统能够大大提高系统实时定位精度和容错能力。     

CDKF在GPS/SINS组合导航系统非线性模型中的应用

GPS/SINS组合导航系统模型的非线性会导致扩展卡尔曼滤波（EKF）的估计精度降低。而中心差分卡尔曼滤波（CDKF）的新型非线性滤波方法,则利用插值公式对非线性系统的状态估计进行逼近,从而减小线性化误差对系统精度的影响。针对GPS/SINS导航系统的特点,建立了一种非线性误差模型,并将EKF与CDKF分别应用于组合导航系统模型中进行仿真比较。仿真结果表明,该算法简单易实现,且能满足系统在非线性模型下的导航要求,并具有较高的精度和收敛性。     

BP神经网络辅助的SINS/GPS组合导航姿态误差补偿方法研究

针对SINS/GPS组合导航姿态估计精度不足问题,提出一种BP神经网络辅助的导航姿态估计的补偿方法。首先,以QR分解Kalman滤波的增益矩阵并构建其降维特征向量;然后,以此为输入,以姿态估计误差为期望输出对BP神经网络进行训练;最后,利用BP神经网络的输出辅助修正SINS/GPS组合导航的姿态估计结果。数值仿真表明,相对于仅依赖传统Kalman滤波的方法,使用降维特征向量训练的BP神经网络获得补偿误差的SINS/GPS组合导航系统姿态估计可大大降低计算耗时,同时精度可提高两个数量级,对提高SINS/GPS组合导航精度具有较高参考价值。     

联邦卡尔曼滤波在SINS／GNSS／数字罗盘组合导航系统中的应用

针对SINS／GNSS／数字罗盘组合导航系统的特点,设计了用于该系统的联邦卡尔曼滤波器。该滤波器具有全局最优性,其结构遵循信息分配原则,其算法改善了数值计算的稳定性。理论分析及试验结果表明,该联邦卡尔曼滤波器满足系统的定位导航精度,且在实际应用中方法可行。     

基于加权自适应平方根容积卡尔曼滤波的GPS/INS组合导航方法

针对GPS/INS组合导航系统中,由于量测噪声统计的不确定性导致平方根容积卡尔曼滤波器(SCKF)滤波精度下降甚至发散的问题,该文提出一种基于加权的自适应SCKF(WASCKF)方法。该方法首先利用移动开窗理论对SCKF新息的协方差阵进行最大似然估计,实现对测量噪声统计特性的在线调整;然后,利用加权理论,依据窗口内不同时刻信息的有用程度的不同而设置相应的权值,增强对窗口内有用信息的利用。最后,将WASCKF方法应用于GPS/INS组合导航系统中进行仿真验证,并与SCKF和ASCKF方法进行比较,结果表明,在测量噪声统计存在不确定情况下,该文所提出方法的速度误差和位置误差的均方根均小于SCKF和ASCKF方法,能够有效地提高GPS/INS组合导航系统对量测噪声统计不确定的自适应能力与导航性能。     

GPS／INS组合车辆导航系统的两种卡尔曼滤波结构

为了解决GPS信号失锁引起的无法定位和INS积累误差引起的长时间漂移问题,以GPS/INS组合导航系统的数据融合理论作为基础,卡尔曼滤波作为主要融合方法,对进入组合车辆系统的GPS定位数据与INS定位数据分别进行估计、修正和融合,推导出GPS/INS组合导航系统的状态方程、测量方程和递推滤波方程,同时对分散滤波结构和联合滤波结构进行仿真比较,结果表明后者的定位精度高于前者。     

基于自适应滤波器的MIMU/GPS组合系统的研究

设计了微惯性测量单元/卫星导航(MIMU/GPS)组合导航系统原理样机。针对低成本MIMU/GPS组合导航中的Kalman滤波器设计滤波参数(包括系统噪声方差阵Q和测量噪声协方差阵R)影响的问题,系统的分析了Kalman滤波器参数的选取对系统状态变量的估计精度和收敛性能的影响。根据分析设计了自适应估计技术的Kalman滤波器。试验结果表明:对于低成本MIMU/GPS组合导航采用自适应估计技术估计可得到满意的性能,在静态条件下,位置精度优于5 m(标准差),速度精度优于0.1 m/s;系统提供水平姿态角精度优于0.2°;航向角精度优于0.5°(磁罗盘辅助)。     

一种低成本的SINS/GPS紧密组合导航

针对高速、高机动弹道导弹中捷联惯性导航系统/全球卫星定位系统(SINS/GPS)紧密组合导航系统在信息融合时,存在由于接收机时钟差引起量测信息值突变及量测数据时间同步的问题,提出了一种伪距差分的方法,能有效消除量测值的突变,保证滤波器收敛。在此基础上,采用多项式拟合外推的方法达到了时间同步精度要求。最后对改进后的系统进行静态和动态跑车实验,实验结果表明,该系统的水平位置精度达到了10 m,速度精度达到了0.2 m/s,提高了系统的导航精度,验证了该方法的有效性。     

联合卡尔曼滤波器在数据融合中的应用

介绍多传感器数据融合中联合卡尔曼滤波器的设计步骤，并将此方法用于舰船组合导航系统，计算机仿真和理论分析表明，该滤波器可以做到全局最优，其结构遵循信息分配原则，提高了系统的数值稳定性和容错性，减小了数据传输的工作量与计算量，便于计算机实现，能够满足组合导航系统需要。     

SINS/视觉组合导航系统融合算法

捷联惯性导航系统(SINS)/视觉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必须准确已知。对于SINS/视觉组合导航系统,获取量测信息需经图像处理、特征点提取和匹配等过程,使量测噪声统计模型不完全可知,这会导致卡尔曼滤波器的估计精度下降。因此,该文提出一种改进的自适应两级卡尔曼滤波,根据求解遗传因子的不同方法对传统自适应两级卡尔曼滤波进行改进。改进后的算法分别适用于系统噪声统计模型和量测噪声统计模型不准确可知两种情况,且二者具有统一的滤波框架。仿真结果表明,改进的自适应两级卡尔曼滤波比卡尔曼滤波精度高,有效解决了SINS/视觉组合导航系统因噪声统计模型不准确导致的精度下降问题。     

舰载机惯导快速传递对准的联邦滤波器设计

针对舰载机快速反应的要求,提出速度+姿态+角速度匹配的快速传递对准方法。基于联邦滤波的分散化并行滤波思想,设计了一种基于高斯马尔可夫估计的最优加权最小二乘的传递对准联邦滤波器,有效解决集中卡尔曼滤波进行传递对准时存在的状态维数高、计算量大和滤波更新率低的问题。给出了此方法的数学模型,设计了快速传递对准联邦滤波器结构和信息融合算法,并在舰载条件下进行了仿真验证。仿真结果表明,采用该文提出的联邦滤波器与集中滤波器精度相当,且快速性好。主滤波器在4s内完成了对失准角的估计,而子滤波器在1s内就完成了对舰体静、动态挠曲变形角的估计,估计精度均在2′以内,计算量也减小了。