GNSS/INS紧组合的新息优化抗差估计欺骗检测算法

针对传统的新息抗差估计欺骗检测算法对缓慢增长的斜坡式欺骗检测时间较长甚至检测不敏感等问题,提出了一种GNSS/INS紧组合的新息优化抗差估计欺骗检测算法。所提出的算法对缓慢增长的斜坡式的新息检测量进行了优化,结合抗差估计自适应调整增益矩阵并合理选择“检测窗口”,进一步提高了对缓慢增长的斜坡式欺骗干扰的检测效率和检测性能。仿真结果表明,在检测单通道0.1?m/s缓慢增长的斜坡式欺骗时,所提算法检测时间较新息抗差估计欺骗检测算法平均缩短了30%以上,漏检率为0;在检测多通道时,检测时间平均缩短了30%,漏检率为0,虚警率平均降低了18.5%。所提算法在检测缓慢增长的斜坡式欺骗干扰时,具有检测快、漏检率和虚警率低的优势,对无人机应用领域具有重要意义。     

MEDLL辅助的GNSS/INS系统欺骗信号辨识方法

受欺骗的卫星导航信息与惯导系统组合滤波,会导致错误的惯性器件误差修正量,最终组合导航系统也会被欺骗干扰影响。针对这一问题,提出了一种基于MEDLL算法的改进的GNSS/INS组合导航模式,能够实现欺骗信号的辨识和抑制,保证组合导航信息的可靠性。GNSS接收机通过MEDLL算法同时估计接收的全部卫星信号参数,当欺骗干扰存在时,MEDLL算法可同时估计出两路信号参数,并判定欺骗干扰存在;MEDLL估计的信号参数生成两组输出伪距信息与惯导系统定位信息提供的参考伪距进行比较,实现欺骗信号的辨识。在200次实验测试中,对于牵引速率大于2 m/s的牵引式欺骗信号,4 s内成功辨识的次数为200次。同时,与传统的GNSS/INS组合导航系统相比,提出的MEDLL辅助的组合导航模式能够有效减小欺骗信号的影响,定位结果稳定在真实位置附近。     

INS辅助的GNSS欺骗干扰辨识与抑制方法

GNSS欺骗干扰已经成为导航装备应用中面临的重要威胁之一。现有的基于INS/GNSS组合的抗欺骗算法大多只进行欺骗检测,不能恢复正确的定位结果。针对该问题,将多径抑制算法中的Multi-correlator结构用于真实信号和欺骗信号的参数估计,利用INS短期精度高的特性,实现欺骗信号的辨识。然后将辨识结果反馈跟踪环路抵消欺骗信号,保证接收机跟踪环路始终锁定真实卫星信号。最后,在INS/GNSS组合导航解算过程中引入抗差卡尔曼滤波算法,减小参数估计和辨识结果中粗差对定位结果的影响。利用公开数据集进行试验测试,欺骗干扰条件下定位误差由600?m降为10.0?m,而且在GNSS信号中断90?s重新恢复后,所提算法依旧能够实现欺骗信号的辨识和抑制。试验结果表明所提算法能够保证接收机在欺骗条件下锁定真实卫星信号,连续输出高精度的导航和授时信息。     

面向城市复杂环境的GNSS/INS高精度图优化算法

在城市复杂环境下，GNSS接收机易受到建筑物遮挡、多路径效应等多种因素影响，导致信号出现粗差或者拒止情况，从而对GNSS/INS组合导航系统的精度和鲁棒性造成影响。提出了一种具备粗差在线检测的GNSS/INS图优化组合导航算法，提高城市环境条件下的组合导航系统性能。基于信息之间存在关联性的特点，设计了一种卫星信号滑窗粗差检测与拟合替换算法，抑制卫星粗差影响；构建了GNSS位置、速度因子和改进的IMU预积分因子，实现了组合导航信息非线性优化。仿真和车载数据试验表明，针对卫星信号中存在粗差的情况，所提算法的定位精度相比扩展卡尔曼滤波和传统图优化算法提升90%以上，可以辅助导航系统获得较好的状态估计效果；针对GNSS拒止的情况，该算法的位置定位精度相比扩展卡尔曼滤波算法提升30%以上。     

INS/GNSS/VO组合导航系统复合型异常检测与容错算法

INS/GNSS/VO导航系统的异常输出常由外部扰动引起,表现为幅值较小的突变信号或者增长速率较慢的斜坡信号。为了增强异常检测算法的检测能力,提高组合导航系统在外部干扰情况下的导航精度,提出一种INS/GNSS/VO组合导航系统复合型异常检测与容错算法。在非全局融合阶段使用状态卡方检测法对量测信息进行异常检测与隔离;在全局融合阶段,构建检测统计量的归一化阈值比,作为量测噪声方差阵的权重系数,对子滤波器进行加权量测更新。街道场景中的离线测试结果表明,所提算法的导航误差均值与标准差相对于其他的异常检测与容错算法分别减小了9.6%与2.7%,提高了组合导航系统的异常检测能力和容错性能。     

单频GPS/BDS/MEMS IMU紧组合模糊度固定抗差模型

针对高精度GNSS/INS组合定位中,伪距多路径误差严重影响模糊度固定效率及系统定位精度的问题,引入抗差估计函数,建立INS辅助GPS/BDS模糊度快速固定抗差模型。首先建立了单频GPS/BDS/INS紧组合动力学模型以及观测模型,继而研究了紧组合系统INS辅助下GNSS模糊度快速分解模型,分析了伪距观测值粗差对于模糊度参数估值的影响。为减弱异常观测值对于模糊度固定成功率的影响,提出了附有INS定位约束的模糊度解算抗差算法。最后利用实测导航定位数据验证了算法的有效性。结果表明:对比不考虑观测值粗差影响的模糊度固定算法,模糊度固定抗差算法显著提高了模糊度固定的可靠性,抗差算法的模糊度固定效率不受粗差值大小的影响;对于模拟的伪距多粗差情形,抗差算法对GPS/INS、BDS/INS和GPS/BDS/INS三种组合方案的模糊度固定Ratio均值分别提高了100.8%、47.7%以及19.5%;在INS定位松约束条件下,抗差算法提高了模糊度固定成功率。     

INS/GNSS/Vision组合近距空中加油相对导航算法

针对空中加油近距对接阶段GNSS信号易受遮挡丢失的问题,考虑引入Vision导航系统,提出一种INS/GNSS/Vision组合的高精度容错相对导航系统,为空中加油近距对接任务提供高精度的双机相对导航信息。该系统采用联邦滤波器结构融合导航传感器信息,利用滑动窗口构建时变量测噪声的容错滤波结构,并基于子滤波器协方差的奇异值分块计算信息分配系数。仿真结果表明,所设计的容错导航系统与单独的INS/GNSS和INS/Vision系统相比,相对位置、速度和姿态的估计精度都有所提高;同时在GNSS出现软故障时,系统可以提供稳定、可靠的相对导航信息,有效提高了INS/GNSS/Vision组合近距空中加油相对导航系统的导航精度、鲁棒性和容错性,相对位置精度较基于常规故障隔离联邦滤波算法提高70%以上,满足了空中加油对接导航需求。     

一种单目视觉ORB-SLAM/INS组合导航方法

针对惯性/卫星组合导航系统在卫星导航失效时无法使用的问题,提出了单目视觉ORB-SLAM/INS组合导航方法,用于扩展组合导航系统在强干扰环境和室内环境的应用范围。该算法分为两个阶段:初始化阶段,当ORB-SLAM形成闭环时设计算法在线估计单目视觉ORB-SLAM算法的尺度因子;导航阶段,ORB-SLAM系统输出的位置信息经过尺度变换后作为观测量进行卡尔曼滤波,估计INS导航系统的误差状态量从而修正惯导系统的误差。设计了硬件和软件平台对提出的组合导航方法进行试验验证。跑车实验结果表明:所设计的ORB-SLAM/INS组合导航系统具有较高的定位精度,导航时间6 min定位误差为1.162 m,且不随时间漂移,具有很强的应用价值。     

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%。     

基于递推最小二乘估计的CNS/INS组合导航系统初始对准

针对CNS/INS组合导航系统中缩短初始对准时间的问题,设计了一种CNS/INS组合导航系统组合对准新方法。在CNS/INS姿态四元数组合算法的基础上,推导CNS/INS组合系统线性化状态方程,分析了INS和CNS姿态四元数差值构建量测方程。利用递推最小二乘原理实现了对该组合系统的信息融合,设计了基于该估计原理的组合导航系统初始对准方法,考虑到大气层内动基座条件下对于星敏感器造成的干扰因素增加了加权处理环节,最后通过仿真实验验证了递推加权最小二乘法在处理组合导航系统初始对准中的有效性。仿真结果表明在微晃基座条件下,与传统的滤波方法相比较该估计方法能够有效地缩短约25%的对准时间。     

一种新的自适应UKF算法及其在组合导航中的应用

为了提高组合导航系统的滤波精度,提出一种带噪声统计估计器的自适应UKF滤波算法。该算法根据协方差匹配原理,利用UKF滤波算法的残差序列与新息序列,在线估计、调整系统过程噪声和量测噪声的统计特性,提高UKF的自适应能力,克服了标准UKF在系统噪声统计未知或不准确情况下滤波精度下降甚至发散的问题。将提出的算法应用于SINS/BDS组合导航系统进行仿真验证,并与标准UKF和抗差UKF进行比较,结果表明,提出的自适应UKF得到的水平位置误差和天向误差分别在[?6.2 m,?6.4 m]与[?9.8 m,?8.6 m]以内,滤波性能明显优于标准UKF与抗差UKF,提高了组合导航系统的解算精度。     

联邦滤波信息分配新方法

总结了联帮滤波器理论的基础和实现方法,提出了一种基于矩阵范数进行信息动态分配的联帮滤波新算法。设计了一种由INS、GPS和Doppler测速雷达构成的多传感器组合导航系统,在新的信息分配因子准则下,对多种融合速率时的组合系统进行了仿真。仿真结果表明：该方法可以达到与集中式卡尔曼滤波十分接近的全局估计效果,并且该方法有助于简化组合导航系统的故障检测和隔离算法。     

基于GPS/INS不同测量特性的自适应卡尔曼滤波算法

在GPS/INS组合导航系统中,针对现有自适应滤波算法对GPS测量噪声估计准确性、可靠性不高的问题,提出了一种基于GPS、INS不同测量特性的自适应卡尔曼滤波算法.该算法基于GPS和INS不同的测量性质,利用惯导系统的短期高精度性,获得对GPS测量噪声统计特性自适应估计.仿真结果表明,该算法能够在GPS测量噪声统计特性未知或发生变化的情况下,适时地跟踪GPS测量噪声,准确估计滤波系统的观测噪声协方差阵R,其滤波精度和鲁棒性明显优于改进的sage-husa自适应算法,特别是在采用低精度INS情况下,能够有效克服改进的sage-husa自适应算法滤波发散的现象.     

基于神经网络的组合导航系统状态估计

在干扰大的外界环境中,传统滤波法对组合导航系统进行状态估计的精度难以满足要求,为此提出了引入Elman神经网络。描述了它的状态估计的设计方法,对如何获取训练样本及网络的训练算法给予了详细的介绍,并把优化后的算法与原有方法进行仿真对比。最后以INS/GPS组合导航系统为例,分别用传统滤波法与Elman神经网络法进行状态估计。仿真结果证明了该法的有效性和实用性。     

基于UKF的INS/GNSS/CNS组合导航最优数据融合方法

为了提高INS/GNSS/CNS组合系统的导航精度,提出了一种基于UKF的多传感器最优数据融合方法。该方法具有两层融合结构,第一层中,GNSS和CNS分别通过两个局部UKF滤波器与INS组合,以并行的方式获得INS/GNSS和INS/CNS子系统的局部最优状态估值;第二层中,根据线性最小方差准则推导出一种矩阵加权数据融合算法,对局部状态估值进行融合,获取系统状态的全局最优估计。提出的方法无需采用方差上界技术对局部状态进行去相关处理,克服了联邦卡尔曼滤波(FKF)及其优化形式存在的缺陷。仿真结果表明,相比于FKF,提出方法的导航精度可至少提高36.4%;相比于UKF-FKF,其导航精度也可至少提高21.0%。     

INS／ESGM／Doppler组合导航系统中的Kalman滤波方法

根据战略核潜艇对水下组合导航系统的战术要求及可能的配备,建立了INS/ESGM/Doppler组合导航系统的工作模式,推导了该组合系统的集中式Kalman滤波算法,通过数字仿真将INS/ESGM/Doppler组合导航系统与INS/ESGM组合导航系统的性能进行了详细的比较,说明将多普勒测速系统引入组合导航系统并应用Kalman滤波技术,可有效地分别改善ESGM系统、INS系统及单纯的INS/ESGM组合系统的精度。     

基于非线性最小二乘估计的eLoran/INS/磁传感器组合导航方法

为实现不依赖GNSS系统的高精度导航系统,提出了一种基于非线性最小二乘估计的e Loran/INS/磁传感器组合导航方法。利用INS/磁传感器等传感器稳定性好,高频噪声低的特点,降低eLoran导航系统受传播路径影响导致的定位误差;同时所提方法可以校准其它传感器的零点偏移。首先利用INS系统估计载体当前的状态(包括姿态、位置),再通过高斯-牛顿法,求解载体状态的最小二乘解,从而使各物理量(磁场矢量、重力矢量和位置)在当前估计的载体坐标系内计算的数值与传感器的测量结果之间误差达到最小。最后,利用传感器的零点偏移在误差项中变化缓慢的特点,通过低通滤波估计零点偏移并进行校准。所提方法具有运算量小,解算精度高的特点。仿真试验结果显示所提出方法可将罗兰导航系统定位误差从100 m提高至6.1 m(2σ),证明了该系统具备独立于GNSS系统提供高精度导航定位的潜力。     

基于高斯过程的中心差分卡尔曼滤波在BDS/INS组合导航中的应用

针对扩展卡尔曼滤波器在BDS/INS组合导航系统模型不确定时精度下降的问题,提出了一种基于高斯过程的中心差分卡尔曼滤波算法(GP-CDKF)。在训练数据有限的情况下,用中心差分卡尔曼滤波(CDKF)来估计组合导航系统的状态向量;同时高斯过程可以考虑CDKF中的噪声和不确定性。因此,将高斯过程引入到CDKF中,可以进一步提升导航性能。试验结果表明,GP-CDKF与CDKF算法相比,东向、北向位置误差分别降低16.4%、57.1%,东向、北向速度误差分别降低15.9%、23.3%,说明GP-CDKF算法在动态系统状态估计方面优于CDKF算法。将GP-CDKF应用于BDS/INS组合导航系统中,可以有效提高导航性能。     

应用于城市环境的MEMS-INS/GPS紧耦合组合导航抗差滤波器（英文）

为了提高MEMS-INS/GPS紧耦合组合导航系统在城市区域中因为GPS信号短时中断或被干扰时的性能，提出了一种基于Kalman滤波的抗差滤波器模型-Kalman抗差滤波器。在Kalman抗差滤波流程中，构建了具有误差检测和分离功能的Kalman滤波器来应对包括伪距和伪距率等GPS测量的突发故障，通过自适应因子向量调整测量噪声获得高精度的导航解。在城市公路上开展了现场试验，对Kalman抗差滤波器的可用性进行了测试。相较于常规的Kalman滤波器，使用Kalman抗差滤波器的紧耦合组合导航系统水平位置误差下降超过30%，高程位置误差的降低大约50%，速度误差下降了17.5%。Kalman抗差滤波器能够有效的降低城市区域中MEMS-INS/GPS紧耦合组合导航系统的导航解误差。     

多传感器多尺度融合估计在组合导航系统中的应用

基于某一给定尺度上的动态系统和不同尺度上的观测系统建立了多传感器的多尺度融合估计模型及算法，并将此算法应用于GPS／INS组合导航系统中，获得了比仅在单一尺度上进行估计更好的结果，有效地提高了组合导航系统的精度。