SINS/GPS组合导航系统选星算法

选星算法是SINS/GPS组合导航定位系统中一个重要的步骤。在最佳选星算法的基础上,提出了一种适用于基于伪距、伪距率的SINS/GPS紧耦合组合系统的选星算法。该算法通过ENU（东北天）坐标系中几何矩阵及几何精度因子的定义,利用星历给出的卫星在ENU坐标系中的高度角和方位角解算出最佳四颗导航定位卫星,即基于G矩阵的选星算法。通过与两种常规选星算法的对比,验证了本算法具有较强的工程实用性。此外又推导了基于G矩阵的伪距、伪距率的SINS/GPS组合系统量测方程。该算法避免了求解卫星的位置,从而有效减少了计算量。     

MEMS-IMU/GPS组合导航中的多模态Kalman滤波器设计

一般的Kalman滤波器要求有准确的动态和统计模型,而低成本的MEMS-IMU性能随着温度急剧变化,故在MEMS-IMU/GPS组合导航系统中使用一般的Kalman滤波器存在很多的局限性。针对低成本的MEMS-IMU/GPS组合导航系统,提出了多模态自适应滤波算法在MEMS-IMU/GPS组合导航系统中的应用;针对普通的多模态算法中的问题,采用修正的多模态自适应滤波算法来提高MEMS-IMU/GPS组合导航系统的性能。使用静态实时测试数据,验证了所提出的算法。测试结果表明,与普通Kalman滤波器相比,修正的多模态滤波算法提高了MEMS-IMU/GPS组合导航系统的性能;采用所提出的算法,MEMS-IMU/GPS组合导航系统的短时间静态位置精度小于5m(标准差),速度精度小于0.1m/s(标准差),姿态角精度小于0.5°(标准差)。     

GPS中一种选星方法及实验分析

在分析已有选星方法的基础上,提出了一种可变加权的综合几何精度因子选星算法。理论分析和实验结果表明：采用该方法选星进行导航定位计算的精度和速度均优于以搜索4颗卫星组合的最小几何精度因子为计算准则的常规选星方法,且具有简单实用、工程易实现的优点,具有较强的适应性。     

一种GPS最优选星及伪距定位方法

在现有GPS的选星方法和伪距导航方程的基础上,提出了一种新的GPS选星方法和直接解算导航算法。先对现有的GDOP(几何精度因子)值选星法进行了简述,然后用卫星的仰角阀值筛选得到参与选星的卫星,再用星座四面体选星法进行最优选星,并提出了一种直接定位解算算法。最后用GPS星历数据进行选星试验,试验结果表明,四面体选星法计算简单有效,与现有的GDOP值选星法结果完全一致,直接定位解算算法精度可以达到10 m级,并且快速直接,对GPS的高精度快速定位具有参考意义。     

基于实时调节GPS射频前端采样周期的INS辅助GPS组合导航方法

为了提高GPS卫星接收机在高动态环境下的跟踪能力,提出了一种基于GPS射频前端采样周期实时调节的INS辅助GPS组合导航方法。首先通过组合滤波器将INS导航信息和GPS导航信息进行融合,修正INS导航信息误差。然后利用修正后的INS导航信息和GPS导航电文,实时计算出载体相对于每颗卫星的多普勒频移,并将得到的多普勒频移换算为GPS中频信号载波的波长变化。最后根据载波的波长变化实时调节GPS接收机射频前端ADC的采样时间间隔,补偿因为多普勒频移导致的中频数字信号采样点变化,隔离多普勒频移对GPS接收机跟踪环路的影响。仿真结果表明,此方法可以在不改变传统GPS接收机跟踪环路结构的前提下,显著提升GPS接收机的高动态性能,即使在多普勒频移变化率为5000 Hz/s的情况下,GPS跟踪环路仍能可靠工作。     

基于软件GPS接收机的高动态跟踪环路设计

介绍了三阶载波跟踪环路的设计方法,并在MATLAB软件上通过低动态实验和高动态仿真实验对设计的跟踪环路性能进行验证。低动态实验采用中频信号采样器采集的真实GPS信号,高动态实验采用GPS信号仿真器生成的高动态仿真信号。实验结果表明,基于软件GPS接收机设计的二阶载波跟踪环路可满足一般低动态要求,而三阶载波环路则可满足载体相对于卫星加速度为10个g的高动态要求。     

基于深组合应用的GPS接收机设计

为了能在GPS接收机的基带信号处理部分引入SINS的辅助信息,并且灵活进行接收机的参数设定和加载新的信号处理算法,提出了一种基于FPGA/DSP平台的GPS接收机设计。用Xilinx的Spartan 3E-1600完成RF数据的采集和AGC控制,对采集数据进行相干累加计算;用TI公司TMS320系列的VC6727完成基带信号处理和PVT解算。同时,基于对低价、小尺寸的考虑,RF前端用分立元件进行设计。该接收机尺寸小,功耗低,参数控制灵活,有较好的通用性和兼容性,并且提高了动态性能和抗干扰能力。     

基于H∞的双滤波算法在GPS/SINS组合导航系统中的研究

针对GPS/SINS组合导航系统的滤波算法误差较大,对常用的卡尔曼滤波算法进行了总结和分析,在此基础上,提出一种将H^∞后置滤波和H^∞前置滤波相结合的方法,形成H^∞双滤波算法.以GPS/SINS组合导航系统为例进行了仿真,结果表明此方法既能抑制滤波发散,又能提高滤波精度.     

GPS 动态滤波的新方法

本文提出一种ＧＰＳ动态定位滤波的新方法。该方法直接从ＧＰＳ接收机输出的定位结果入手，将各种误差因素的影响等效为输出定位结果的总误差，视为有色噪声，建立线性卡尔曼滤波模型对位置和速度信息进行估计。与以往采用的非线性卡尔曼滤波器相比，滤波后定位误差明显减小，且模型简单，系统运算量降低，实时性较好。另外，为了提高滤波器的动态性能，还提出了一种有效的次优加权自适应卡尔曼滤波算法     

基于软件GPS平台的高动态数字中频信号模拟与实现

在有限的实验条件下,为验证高动态软件GPS接收机信号的捕获和跟踪模型,提出了一种基于软件GPS接收平台的高动态GPS数字中频信号模拟方法.介绍了软件GPS接收平台的基本结构框架,并根据高动态环境下伪随机码的多普勒效应及本地振荡器的频率误差对接收信号的影响,推导并建立了一种较精确的高动态GPS数字中频信号模型.为使模型适用于更加复杂的环境,通过设置接收信号的噪声幅值来调整信噪比大小,以确定所需的信号强度;在信号参数的设置过程中调整入射信号与反射信号的幅度比值及反射信号的时间延迟参数,以模拟不同程度的多路径效应对中频信号的影响.仿真结果表明了该方法的有效性.     

INS/GPS组合导航系统的数据精确同步方法

对来自不同导航传感器的数据进行同步化处理是进行滤波、信息融合的重要前提。对几种INS／GPS组合导航系统的数据同步处理方法进行研究,分析各自的优点和不足。针对浅组合导航系统,提出了由美国NI公司PXI-6608计数器／定时器、GPS接收机及PXI控制器组成的设计方案,分析了其同步实现的原理和方法。该同步方案的精度可达400ns,适用于高精度要求的应用场合。     

不同动态条件下组合导航系统的时间同步

基于不同精度的惯性测量组件和全球定位系统,以及不同运动条件下的GPS/捷联惯性导航系统组合导航系统,对于时间同步误差精度的要求也是不一样的。但目前大多数的时间同步方案对于不同精度和动态强度的对象都采取统一的补偿方法,没有做到具体问题具体分析,从而会产生硬件成本高或软件算法复杂的问题。为了在特定对象和使用环境的情况下寻找最适合、成本最低的组合导航系统时间同步方案,首先分析了时间同步误差对系统精度的影响,然后在低动态、中动态和高动态的情况下分别给出适合的硬件或软件同步方法(分别为方法 1、方法 2和方法 3),最后对于每种方案进行了跑车试验或软件仿真,结果证明在低动态和低系统精度的环境下,通过应用三种方法对于提高系统精度效果不明显;中动态环境下方法 2和方法 3较方法 1在姿态角和速度精度上提高了约50%,定位精度提高约20%;高动态下方法 3显示出了非常明显的效果,较方法 1在各项精度上提高超过70%。     

SINS/GPS组合导航序贯滤波算法

针对SINS／GPS的速度、位置组合方式中，GPS接收机的位置测量误差相关的问题，提出了一种序贯形式的Kalman滤波算法。这种算法既具有计算量小的优点，又能克服由于GPS位置测量误差相关性带来的滤波性能变差的问题，实现对SINS／GPS组合系统信息的有效融合。通过仿真证明了该算法的有效性。     

一种具有鲁棒性的滤波算法在I NS/GPS组合导航系统中的应用研究

研究了一种虚拟状态滤波算法与UD分解法相结合的方法，并将其应用于组合导航系统的导航参数估计过程中。仿真结果表明：虚拟状态滤波与UD分解相结合的方法，可以有效地抑制滤波发散，增强系统对环境的适应性，大大提高组合导航系统的快速性。     

GPS/INS/TRN组合导航系统信息融合技术研究

本文提出了一种基于信息融合技术的巡航导弹组合导航系统方案,并对系统组合方式、 以及相关的信息融合技术进行了初步讨论。基于信息融合的组合导航方案可以充分地利用各 种导航传感器的信息,有效地提高导航系统的精度。同时,系统的重构能力保证了系统的可靠 性。     

高动态载体高精度捷联惯导算法

捷联惯导系统的精度是导航的关键.传统的捷联惯导算法受惯性传感器更新速率限制,其精度和实时性在高动态下受到极大影响.在研究传统捷联惯导算法的基础上,建立了统一的捷联惯导微分方程,并提出了基于一次采样的四阶龙格库塔捷联算法,降低了惯性器件采样频率对捷联解算周期的限制.利用设计的基于DSP的半物理仿真系统验证表明,该算法能有效满足高动态下捷联惯导算法的实时性要求,定位精度提高约1倍,具有重要的工程应用价值.     

UKF在深组合GPS/INS导航系统中的应用

采用联邦滤波的深组合GPS/INS导航系统预滤波器量测模型具有很强的非线性,导致扩展卡尔曼滤波（EKF）的预滤波器估计精度不高。Unscented卡尔曼滤波（UKF）方法是一种非线性分布近似方法,它使用有限数量的sigma点去逼近整个非线性动态系统的分布可能,从而避免了对非线性测量模型进行线性化,具有较高的精度和较好的鲁棒性。在分析深组合导航系统预滤波器模型和UKF原理的基础上,设计了基于UKF滤波算法的预滤波器,对码相位误差、载波相位误差、载波频率误差、载波频率变化率等参数进行估计,同时将UKF和EKF算法进行了仿真比较。结果表明,在深组合导航系统中使用UKF滤波比EKF有更高的导航定位精度。