基于鲁棒滤波的无人机着陆相对导航方法

针对无人机在移动平台上进行起降时的相对导航问题,提出了一种基于鲁棒高阶容积滤波的惯导/视觉相对导航方法。建立了相对导航系统模型,基于无人机与移动平台之间的相对运动给出了系统的相对惯导方程,并针对系统中传感器的量测特性给出了导航敏感器的测量方程。针对相对导航系统非线性较强且量测噪声不符合高斯分布等问题,在高阶容积滤波的基础上,结合Huber-based量测更新方程,设计了鲁棒高阶容积滤波相对导航滤波器,该方法具有较高的估计精度,且对混合高斯噪声有鲁棒性。相对姿态采用四元数表示,为保证四元数的归一化,在设计相对导航滤波器时采用修正的罗德里格斯参数表示姿态误差。仿真结果表明,该方法可以准确地给出无人机与移动平台之间的相对位置、速度和姿态信息,且估计精度高于扩展卡尔曼滤波、Huber-Based滤波以及高阶容积卡尔曼滤波。     

超宽带测距辅助的无人机近距离相对导航方法

针对无人机之间的相对导航问题,提出了一种基于超宽带/相对差分的相对导航方法,基于伪距测量和超宽带测量的特征,给出了无人机之间的双差、双差变化率、超宽带测距测速以及双机定位数据做差的量测方程,并根据近距离编队跟随飞行的场景设计了相对导航状态方程,结合扩展卡尔曼滤波器对相对状态进行估计,最后针对不同的相对导航配置和卫星可用情况进行了仿真。仿真结果表明,该方案的相对导航精度明显优于仅采用一种相对测量量的效果,且在可用导航卫星越少的情况下精度提升越明显,在仅有4颗可用星的情况下,X、Y、Z三个方向(地心地固系)的相对导航均方根误差分别降低了3.2、13.06、2.01倍。该方法可有效提升编队飞行等多无人机应用场景下的相对导航精度。     

基于自适应分类容错滤波的SINS/GNSS组合导航方法

针对SINS/GNSS组合导航在GNSS信号异常时出现的系统滤波精度和稳定性下降的问题,提出一种基于EKF的自适应分类容错滤波算法。该算法通过比较系统残差协方差矩阵的实际值与理论值来检测GNSS信号是否存在异常,然后对异常信号进行分类,并对不同类别的异常信号使用不同的加权矩阵进行修正,以减弱异常值对系统滤波精度的影响,同时在滤波过程中加入UD分解,使系统滤波性能更稳定。仿真结果表明:该算法能够有效降低GNSS输出异常信号对SINS/GNSS组合导航带来的不利影响并提高系统稳定性;在GNSS信号出现异常情况下,其导航精度相比EKF至少提高95.6%,相比REKF和AEKF分别至少提高44.5%和24.6%。     

基于模糊自适应强跟踪滤波的惯性/地磁组合导航方法

针对在量测噪声统计特性发生变化时,基于滤波算法的惯性/地磁组合导航系统存在精度下降甚至发散的问题,提出了一种基于模糊自适应强跟踪滤波算法的惯性/地磁组合导航方法,该方法通过制定模糊规则,实时监控系统残差变化,自适应地调整柔化因子的大小,即增强了滤波器对时变噪声的跟踪能力又保证了滤波器处理当前信息的能力.仿真结果表明:该方法能够很好地抑制纯惯性导航系统随时间累积的误差,而且在量测噪声统计特性发生变化时,系统误差没有出现明显的跳变,保证了整个导航系统的精度,提高了系统的鲁棒性.     

基于新息正交性自适应滤波的惯性/地磁组合导航方法

针对量测值存在野值以及量测噪声统计特性发生变化导致基于滤波的惯性/地磁组合导航系统滤波精度和稳定性下降的情形,提出一种基于新息正交性自适应滤波的惯性/地磁组合导航方法。首先通过新息过程正交性是否丧失进行量测值的野值辨识,然后对含野值量测值加权以减弱野值对系统滤波的不利影响,随后设置滑动窗口实时监测滤波器新息的动态变化以修正量测噪声方差,进而调整滤波器增益,提高系统的适应能力。仿真结果表明:在量测值存在野值以及噪声统计特性发生变化时,该方法能够抑制惯导系统的累积误差,并且得到的标准差指标相比标准EKF缩减至1/4左右,提高了组合导航系统的稳定性和适应性。     

非线性导航信息自适应估计方法研究

提出了一种模糊自适应非线性滤波（FUKF）方法，该方法通过一组确定的散布点集，计算新息协方差，然后根据新息在稳态滤波下的平稳遍历性质，确定模糊规则，在线调整噪声方差，有效地防止滤波器发散。将该方法应用到以DGPS／GPS／RLC／罗经等设备组成的舰船导航系统中，对各个传感器信息分别进行FUKF、EKF滤波，然后采用三种不同的方法，对实测数据进行数据融合状态估计，并对估计效能进行比较。仿真和试验结果表明，文中提出的方案对提高整个系统的精度和运算速度是行之有效的，而且使整个组合导航系统具有更高的可靠性和容错能力。     

信息综合导航滤波研究

本文将信息综合原理应用于综合导航滤波计算。针对导航系统设计的不同要求研究了多种信息综合结构及其在导航中的应用方法,并通过模拟仿真对所设计的各种导航算法进行了仿真验证。     

基于容错惯性网络的相对导航方法

为了满足对外部环境精确探测、侦查的要求,先进的多载荷通用飞机通常搭载多种载荷设备。针对机翼挠曲变形、载荷设备子IMU精度低且易发生随机故障的情况,提出一种基于容错惯性网络的相对导航方法。首先,建立挠曲变形下多节点IMU之间动态转换模型以构成冗余测量信息,进行基于广义似然比检测的最小二乘融合,提高测量数据的可靠性和精度。其次,利用惯性网络间的局部运动信息进行相对导航解算,并建立误差估计与补偿模型。仿真结果表明,所提方法在惯性传感器发生随机故障的情况下,可有效完成主、子节点间的高精度相对运动估计,三个方向的相对位置估计误差分别为0.0646 mm、0.0634 mm和0.7377 mm。     

基于自适应强跟踪滤波的捷联惯导/里程计组合导航方法

针对大型轮式车行驶过程中里程计标度发生较大变化,无法满足车载定位定向系统给里程计分配的误差要求,研究了一种非线性滤波方法。以容积卡尔曼滤波为算法框架,引入强跟踪滤波渐消因子的基本理论,提出了捷联惯导/里程计组合导航的自适应强跟踪滤波算法,达到实时自适应估计并补偿里程计标度误差的目的。仿真分析和跑车试验验证了该方法的有效性,新方法比传统强跟踪滤波更进一步消除了里程计误差的影响。试验结果表明该方法使得捷联惯导/里程计组合导航的定位精度提高了两倍以上,达到了惯性元件的理论精度。     

个人导航融合建筑平面信息的粒子滤波方法

针对低成本IMU自主个人导航系统方位漂移的问题,提出了一种融合鞋式IMU、楼层平面图的个人导航解决方案,为实现精度较高的室内相对定位设计了一种新的辅助粒子滤波算法。引入卡尔曼滤波+粒子滤波的级联框架,底层卡尔曼滤波器在捷联解算的基础上,利用零速修正技术估计IMU的位置和姿态;上层粒子滤波器提取步行中每一步的步长和方位变化作为量测,建立相应的步行运动模型融入非线性地图匹配技术。考虑室内应用情境,通过对传递粒子的多步推演预测和选择性剔除,推导了一种新的粒子滤波算法。采集低精度IMU的室内行走数据验证了算法的有效性:约300 m行程的室内导航最终位置误差不超过0.3 m。表明提出的级联滤波算法框架能有效解决建筑平面信息辅助情形下的个人导航问题,新设计的粒子滤波算法有助于提高个人导航系统连续位置测定的精度和可靠性。     

基于指数渐消遗忘因子的组合导航自适应滤波算法

量测信息异常导致的噪声统计特性变化容易引起组合导航滤波精度下降甚至发散.针对Sage-Husa自适应滤波算法估计系统量测噪声参数性能对遗忘因子依赖性强的问题,提出了基于指数渐消遗忘因子的自适应滤波算法.在对故障检测函数判断量测噪声统计特性研究的基础上,构建了基于指数函数的动态遗忘因子模型,提升量测信息异常情况下的导航精...     

集群无人机定位信号的自适应GM-CBMeMBer滤波算法

针对集群无人机导航定位信号通信过程中,易混入实际随机噪声,而传统GM-CBMe MBer滤波算法处理会导致滤波器发散的问题,提出了一种用于集群无人机定位信号的自适应GM-CBMe MBer滤波算法。首先,构建对应的数学模型,通过观测模型和量测模型对信号进行跟踪、滤波。在此基础上,利用随机有限集和衰减因子实现对噪声的动态处理和进一步预测,结合预测值进行迭代更新,直到滤波过程结束。同时,引入高斯项的剪枝合并来提高滤波精度。实验结果表明,改进算法与传统算法相比较,在集群无人机定位航迹上的杂波点有所减少,总体平均误差降低了26.6%。同时,方法简单易行,便于工程实现。     

基于扩展卡尔曼滤波的X射线脉冲星相对导航方法

X射线脉冲星作为一种天然时间基准,具有良好的周期稳定性,在深空探测航天器自主导航方面具有重要的应用前景。针对绝对导航的整周模糊度求解问题和相对导航的预报相位、标称轨道存储问题,提出了一种改进的相对导航方法,将前一时刻的航天器位置作为相对导航基准,建立航天器轨道动力学模型,采用扩展卡尔曼滤波算法,确定航天器的位置。最后,进行了数学仿真研究,仿真结果表明:脉冲星相对导航改进方案的导航精度达到1 km,滤波器一致渐进稳定,能够快速抑制初始误差和轨道根数的干扰,验证了导航方案的正确性和可行性。     

基于萤火虫群优化的空间非合作目标相对导航粒子滤波算法

研究了空间非合作目标相对导航算法,针对标准粒子滤波的重采样过程导致的粒子贫化现象及其造成的相对导航精度下降问题,分析了萤火虫优化算法的运行机制,提出一种基于萤火虫智能优化算法的改进粒子滤波算法。改进算法通过优化粒子滤波的重采样过程,使粒子群智能的向高似然区域移动,同时在低似然区域也合理保留了部分粒子,保证了粒子的多样性,提高了样本的整体质量。仿真结果表明,改进算法导航精度较标准算法提高了39.35%,达到稳定精度所需粒子数较少,有效抑制了粒子贫化问题。     

基于自适应滤波的水下SINS/相控阵DVL组合导航算法设计

针对远程自主水下航行器的远程性和自主性,加之水下环境复杂,其导航和定位的精度很难保证的特点,设计一种基于相控阵DVL的自适应滤波的SINS/DVL组合导航算法。基于相控阵DVL特点,推导了速度观测方程,并对降维滤波器进行了设计和时空误差进行修正。采用50型激光陀螺研制出工程样机,并进行了河试试验和海试试验,试验结果表明采用自适应滤波算法能够进一步提高SINS/DVL自主导航的精度,并且SINS/DVL自主导航精度优于2‰D(D为航程),为远程水下航行器提供一种自主好、精度高、价格适中的导航手段。     

组合导航中模糊自适应Kalman滤波算法分析

以SINSiGPS组合导航系统为背景，在对Kalman滤波原理和工程应用进行深入分析的基础上，总结了该方法的不足，提出了应用神经网络和模糊推理技术对系统噪声、观测噪声和其相关阵进行直接调控的方法。该方法根据新息和新息方差的变化，实时调整自适应因子，间接改变Kalman滤波器的当前观测量和过去信息的比例关系。仿真结果表明，该算法对模型和噪声干扰有较强的自适应性，能够有效抑制滤波发散，在不损失原有精度的前提下，提高了系统的鲁棒性。     

基于高斯粒子滤波与消息传递的协同导航方法

针对无人机群协同导航问题,提出了因子图框架下基于高斯粒子滤波和消息传递算法的无人机 群协同导航方法。所提方法利用因子图描述无人机群导航状态与自身量测以及相对导航信息之间的关 系,并通过高斯粒子滤波实现因子图中节点之间的消息传递,完成无人机群导航状态的最大后验概率 估计。仿真结果表明所提出的方法实现了机载多源传感信息与相对导航信息的有效融合,定位精度相 比于基于因子图和粒子化消息传递的混合和积算法（H-SPAWN）提高 50%以上。     

自适应非线性滤波及其在图像导航中的应用

本文首先介绍了飞行器末制导中采用图像导航的原理和方法，给出了系统模型。针对图像导航的实际情况，提出了自适应非线性Sage-Husa滤波，能在线估计系统的常值偏差及噪声方差。将滤波算法应用到图像导航中，进行仿真，滤波收敛，结果令人满意。     

基于因子图的无人机集群分布式协同导航方法

针对密集集群无人机的协同导航问题,提出了一种基于因子图优化的无人机群协同导航方法。结合无人机自身的导航信息和无人机之间的测距信息,将无人机群协同导航信息融合问题转换成因子图模型,给出了基于消息迭代策略的因子迭代方法,为每架无人机建立局部因子图,实现了协同导航信息分布式处理和位置优化。仿真试验结果表明,所提出的方案实现了集群无人机协同信息的分布式处理,且无人机群位置精度相对于未优化时提升3倍。所提出的方法可有效提高密集集群等多无人机应用场景下的定位精度。     

基于灰色模型和改进粒子滤波的无人机视觉/INS导航算法

为了提高无人机视觉/INS组合导航系统的位姿估计精度,提出了一种基于灰色模型和改进粒子滤波的无人机视觉/INS导航算法。首先,针对视觉传感器数据易受外界因素干扰的问题,利用灰色预测理论建立基于视觉的位姿解算数据灰色模型,减小视觉解算数据误差对导航精度的不利影响;然后,引入萤火虫算法改进粒子滤波的重采样过程,并采用改进后的粒子滤波算法实现并提升视觉/INS组合导航系统的位姿解算精度。最后,自主搭建了四旋翼无人机实验平台。实验结果表明,采用扩展KF滤波的无人机组合导航算法将位姿估计的误差控制在3.2 cm内,所设计算法可以将误差控制在2.3 cm内,无人机位姿估计精度水平提高了39%。