基于Hu矩的水下地形二维特征匹配辅助导航方法

相比于以单波束测深原理为基础的ICCP、TERCOM等一维序列匹配辅助导航方法,基于多波束测深系统的二维阵列匹配算法增加了原始地形信息的丰富度,可以用来提高地形辅助匹配导航系统的精度和适用性。通过归一化灰度转换,使实时扫测地形和原始数据库地形分别形成待匹配的模板灰度图和背景灰度图,采用圆窗口化搜索策略,分别计算实时图和子图的Hu矩,保证了相同地形特征的旋转不变性。通过归一化互相关算法衡量两个地形的相似性,得到匹配地形,实时的辅助主惯导修正误差。仿真表明,利用此匹配算法在实时扫测地形平坦区域和特征明显区域均能成功匹配;位置误差均在5个网格以内,能容忍的系统信噪比最小为9 d B,抗噪声能力强;Hu矩的抗旋转特性大大提高了此方法的适用性,能够满足高精度水下地形匹配辅助导航系统的苛刻要求。     

一种改进的粒子滤波算法在SINS初始对准中的应用

在实际工程环境中,针对捷联惯导系统(SINS)大失准角初始对准中噪声统计特性未知的问题,设计了一种基于H?滤波算法的鲁棒无迹粒子滤波算法(RUPF)。通过将无迹卡尔曼滤波算法(UKF)和鲁棒环节引入到粒子滤波(PF)的重要性密度函数中,得到了RUPF算法,提高了算法的鲁棒性。通过半物理实验,将RUPF算法与无迹粒子滤波算法(UPF)在SINS静基座大失准角对准中的性能进行了比较,在不同实验条件下,航向失准角精度至少提高了40%,对准精度优于0.05°,对准时间减少了约50 s。实验结果表明,RUPF算法可以以较高的精度和较快的速度完成大失准角初始对准,且对准精度和对准速度均优于UPF算法。     

基于粒子群优化的UKF在SINS/GPS组合导航中的应用

针对组合导航中使用传统Kalman滤波方法时噪声协方差矩阵参数需要耗时耗力反复试验得到的问题,提出利用粒子群优化算法对卡尔曼滤波器的滤波参数Q和R进行寻优后用于组合导航的方法。将滤波参数Q和R作为粒子进行寻优,将粒子群算法优化得到的滤波参数值作为卡尔曼滤波器输入参数,用于SINS/GPS组合导航系统。仿真实验结果表明,12次实验中粒子群算法搜索出的参数均值分别为0.0208(°)/h、94.7827?g,接近所设置的噪声参数值与标准参数值0.02(°)/h、100?g。半物理实验结果表明,在实际系统中,与经验参数值用于卡尔曼滤波器相比,粒子群算法优化得到的滤波参数值位置估计精度提高了15%~30%,从而提高了组合导航性能。     

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%。     

基于半比特交替和FFT组合的GPS软件接收机弱信号捕获算法

研究了在弱信号条件下GPS软件接收机的捕获算法,对传统的捕获算法进行了介绍,分析了其在弱信号捕获中的不足之处,通过块叠加的方法对传统算法进行改进,使信号检测能力得到了提高,同时大大降低了捕获的运算量,缩短了长时间积分捕获算法的运行时间。分析了算法的积分增益和损耗,利用假设检验的思想,根据信号分量会扩散到附近频率的事实,最大峰值和其附近±13个频率点上的相关值作为信号分量,以此生成信号检测量,根据此检测量来判定信号的存在。最后利用仿真的GPS信号在Matlab平台上对算法进行了验证。结果表明,通过10 ms的相干积分和5次非相干累加,可以成功捕获信噪比为-35 dB左右的微弱信号,采用块叠加改进后,算法的运行时间缩短了1/3以上。     

系统容错技术在水下航行器组合导航系统中的应用

为了提高水下航行器组合导航系统长时间远航程水下导航的可靠性和精度,采用了捷联惯性导航系统、多普勒速度声纳、地形匹配模块和TCM2电子磁罗经构成组合导航系统.采用容错联邦卡尔曼滤波对水下航行器组合导航系统进行信息融合、故障诊断与系统重构,在设计联邦滤波算法基础上,结合组合导航信息融合方案,详细分析了故障检测方法,给出了水下航行器容错联邦滤波结构和故障检测算法,进行了仿真实验,并对仿真结果进行了分析.仿真结果表明:联邦滤波方法对系统故障能够及时检测并且有效隔离了故障传感器,对系统进行了重构,提高了系统的导航精度和可靠性.     

基于四元数自适应卡尔曼滤波的快速对准算法

针对捷联惯导初始对准问题,提出了一种具有干扰抑制能力的四元数自适应卡尔曼滤波初始对准算法。通过将初始对准问题转化为Wahba姿态确定问题,直接建立四元数的滤波模型,并采用自适应卡尔曼滤波对初始时刻姿态四元数进行估计,利用姿态四元数更新求出当前姿态来实时地反映载体的姿态变化。针对直接构建量测模型导致收敛速度慢的问题,提出一种基于最优四元数估计法构造K矩阵原理的改进算法。利用三轴转台模拟不同的摇摆环境进行实验,转台实验表明了改进算法具有较快的收敛速度和良好的稳定性及精度,中等精度的惯导系统在150s至200s的对准时间内,航向角均值误差小于2'。     

遗传优化小波神经网络在组合导航系统中的应用

实时性是组合导航系统的一个重要指标，而神经网络的优化学习问题是决定网络效率的关键技术。遗传优化小波神经网络不仅继承了小波分析良好的局部性及其神经网络的学习和推广能力，而且具有遗传算法全局寻优的特点，是多层前向神经网络学习的一种理想算法。将它应用于组合导航系统中并进行了仿真，结果表明，该算法能够根据实际情况自适应确定网络结构，实时性好，精度与常规方法相当。     

基于低成本组合导航定位系统的新融合滤波算法

设计了一种可用于地面交通工具或机器人的低成本组合导航定位系统，提出了基于该系统的新信息融合方法，将模糊卡尔曼滤波算法和地图匹配技术联合起来。仿真结果表明：模糊卡尔曼滤波算法相当于一数据平滑处理窗口，具有比常规卡尔曼滤波算法更高的精度。     

基于C-SVM的组合导航系统故障诊断算法

为了提高捷联惯性组合导航系统的可靠性,将聚类支持向量机(C-SVM)应用于故障诊断技术,基于SINS/DVL/MCP/TAN组合导航系统建立了C-SVM故障诊断模型,将SINS/MCP、SINS/TAN和SINS/DVL三个子滤波器的相关特征量(残差值和状态检测函数)作为样本对C-SVM进行训练,并应用交叉验证法选择参数组.根据训练好的C-SVM模型分别对三个传感器进行故障诊断,若发生故障则屏蔽相应传感器的输出信息,利用其余的传感器进行重构.仿真结果表明,C-SVM的故障诊断正确率较高,特别是当训练样本数有限的情况下也能够达到较好的性能,克服了传统的神经网络在训练样本数较少时推广性能不足的问题,因此是一种理想的故障诊断技术.