SINS/GPS/BD2/DVL船舶组合导航联邦滤波算法研究

针对于船舶在长期高速度航行的过程中,捷联惯性导航SINS存在着误差积累,GPS和北斗导航容易受环境干扰,从而不能满足长期高精度导航定位需要,提出了 SINS/GPS/BD2/DVL 组合导航联邦滤波算法。建立了SINS、GPS、BD2、DVL的误差模型,研究了滤波器的组合形式,并详细阐述了联邦滤波器的算法。仿真结果验证了该组合导航方案的可行性和算法的有效性,具有重要的工程应用价值。     

基于自适应滤波的SINS/DVL组合导航系统

以水下运载体为研究对象,给出一种线性的捷联惯导系统(SINS)误差数学模型,根据多普勒测速仪(DVL)测速的误差特点建立其误差方程,并以捷联惯导系统为主导航设备建立SINS/DVL组合导航系统数学模型.考虑到DVL测速易受水中复杂环境的影响,将Sage-Husa自适应滤波算法引入SINS/DVL组合导航系统.针对Sage-Husa自适应滤波器长时间滤波后自适应程度下降的问题,引入滤波收敛判据对其进行改进,以自适应调节噪声估计器对不同时刻信息利用的权值.仿真结果表明:该基于自适应滤波算法的SINS/DVL组合导航系统稳定性好,且具有较高的导航精度.     

小型无人机SINS/GPS组合导航系统研究

根据SINS/GPS组合导航的基本原理,在一个装有微型化IMU模块的MUAV自驾仪上设计了MUAV的SINS/GPS组合导航系统的联邦滤波算法,并对该导航系统进行了静态和动态实验。实验结果表明:采用联邦Kalman滤波能够有效的消除导航参数误差,提高导航精度。该导航系统可以满足小型无人机的导航要求。     

光纤SINS/GPS组合导航系统分析

为提高光纤陀螺捷联惯导系统的精度,以光纤陀螺捷联惯导系统与全球定位系统（GPS Globle Position System）为研究对象,采用联邦卡尔曼滤波算法,构成了SINS/GPS(Strap-down Inertial Navigation Systerm/ Globle PositionSystem)组合导航系统。仿真结果表明,该算法能及时修正子滤波器的偏差,大大降低子滤波器的模型误差,进而提高整个滤波器的精度,并有效克服了滤波发散现象。     

SINS/GPS组合导航的机载SAR姿态算法

针对SINS/GPS组合导航定位系统中高分辨率机载SAR运动补偿问题,通过建立SINS/GPS组合导航定位系统误差模型开展机载SAR运动过程中姿态解算,根据SINS中姿态四元数微分方程特点,利用二次Padé逼近法构造一种四元数范数规范化计算公式,使四元数迭代计算过程中具备保范性,利用5阶CKF算法构建SINS/GPS组合导航定位系统的误差模型算法.仿真结果表明,与传统UKF、CKF模型算法相比,该算法收敛速度快,滤波精度高且计算量小,满足机载高分辨率SAR的姿态估算要求.     

轨道机动航天器SINS/GPS自主组合导航算法

为了实现空间机动目标的自主导航,提出了一种基于地心惯性坐标系的轨道机动航天器SINS/GPS自主组合导航算法.首先分析了轨道机动航天器的特点,选取地心惯性坐标系作为导航坐标系.然后建立了导航滤波器的状态方程以及量测方程,其中考虑了SINS系统平台失准角、加速度计误差、陀螺仪误差和加速度计的安装位置和航天器质心之间偏差的影响.最后进行了相关的数学仿真验证,仿真结果表明,该算法可以较准确地给出位置和速度导航信息.     

基于SINS/GPS/OD组合导航的列车定位方法的研究

本文设计了适合列车应用的SINS/GPS/OD组合导航系统,建立了联邦Kalman滤波模型和各子滤波器的数学模型。本文结合了联邦kalman滤波的优势,应用了容错滤波技术,提高了系统的容错能力和可靠性。最后通过仿真试验验证了该组合导航系统能为列车运行提供精确的导航参数。     

景象匹配辅助的GPS/SINS组合导航算法

为提高导航系统的精度和可靠性,在全球定位系统(GPS)、捷联惯导系统(SINS)和景象匹配传感器(SM)的观测信息是以不同采样率给出时,基于Kalman滤波技术,建立系统模型,利用分布式有反馈数据融合结构,提出一种有效的景象匹配辅助GPS/SINS 组合导航算法,即GPS/SINS/SM组合导航算法.理论分析和仿真结果均表明: 在导航定位和对状态的估计精度和可靠性方面, GPS/SINS/SM组合导航的结果均优于GPS/SINS或GPS/SM组合导航的结果,它们又优于单个系统Kalman滤波的结果.     

一种联邦滤波在定姿系统中的应用研究

以SINS／GPS／TCM2电子罗盘组合定姿系统作为研究对象．建立了SINS、GPS、TEM2电子罗盘的数字模型,根据联邦滤波器的结构组成,以SINS作为参考系统,分别与GPS、电子罗盘组成2个滤波器．运用联邦滤波器算法对定姿系统进行了数据仿真,结果表明,联邦滤波的滤波精度与集中卡尔曼滤波精度相同,同时证明了不同的信息分配系数会导致子滤波精度发生改变,而对全局滤波精度没有影响．     

GPS/INS/TAN组合导航系统建模与仿真

组合导航系统是提高导航系统性能价格比的有效途径,随着信息融合技术的发展,联邦滤波理论由于可以灵活地设计出精度最优或容错能力最强的组合导航系统,已受到导航界的高度重视, 在研究分析联邦卡尔曼滤波器的算法和结构特点的基础上,提出一种适用于GPS/INS/TAN组合导航系统工程应用的联邦卡尔曼滤波方案,该方案采用无复位结构既保证了容错能力,又兼顾到了导航精度和运算速度,并对组合导航系统的各分系统、子滤波器及主滤波器进行了数学建模、仿真研究和分析,结果表明:在确保整个组合系统可靠性的前提下,导航精度有了明显提高.     

基于多模自适应滤波算法在 装备组合导航系统的应用

为满足在复杂环境下装备导航定位需求,本文提出了一种对组合导航系统进行多源信息融合以获得高精度、高容错位置修正信息的设计方法.该方法通过改进联邦卡尔曼滤波算法和滤波器设计,建立一种基于北斗/GPS/SINS组合导航系统的多模自适应估计的联邦滤波器,通过多源数据优化融合有效提升装备组合导航系统精度及可靠性,为其提供准确的地理位置、周边地形以及道路交通等信息,帮助作战人员实时获取目标状态并引导精确导航,有效提升装备作战使用效能.仿真实验表明:该方法与单一模型的联邦滤波器相比,不仅能进一步提升系统的容错性及高精度定位能力,还便于对各导航子系统的故障进行隔离定位,具有较大的工程应用价值.     

联邦自适应滤波在SINS/北斗/星敏感器组合导航系统中的应用

本文以无反馈模式的联邦自适应滤波器为基础 ,构建了SINS/北斗 /星敏感器组合导航系统 .由于组合导航的系统模型参数往往与实际的物理参数有偏差 ,因此在采用常规卡尔曼滤波时 ,组合的效果往往很差 .针对实际系统应用分析了适用于系统噪声阵未知情况下的SalychevO联邦自适应滤波算法 ,仿真表明 ,与修正信息分配系数的联邦自适应滤波方法相比 ,本文的方法更适合于系统状态噪声阵未确定时的滤波系统 ,能有效提高导航精度     

基于变分贝叶斯原理的SINS/GPS组合导航VB-CKF滤波算法

系统量测噪声统计量不准确能引起组合导航系统滤波精度下降甚至发散,在变分贝叶斯原理的基础上,以容积卡尔曼滤波(CKF)为基础滤波器,导出基于变分贝叶斯的自适应容积卡尔曼滤波(VB-CKF)算法,仿真结果表明：在SINS/GPS组合导航系统中,VB-CKF算法较CKF算法能有效减少系统量测噪声统计量变化对滤波精度的影响,是一种具有广泛应用前景的SINS/GPS组合导航滤波算法。     

导航系统中量测滞后异步多传感器集中滤波算法

为解决异步多传感器组合存在的信息更新频率不同步,借鉴联邦滤波子滤波器的结构设计,提出在集中滤波器内根据组合时刻量测值的不同,选择相应量测矩阵进行切换的方法实现多传感器的异步组合.同时在该算法的基础上,利用非延时量测信息补偿滞后量测的方法,解决了多传感器组合量测滞后的问题.该算法在GPS/CNS/SINS组合导航实时仿真系统的应用表明,量测矩阵的切换对系统状态变量的滤波迭代没有不利影响,补偿量测滞后的方法对降低滤波误差有明显作用,滤波结果精度较高.     

航弹SINS/GPS组合导航系统半实物仿真试验设计

针对某型远程航空弹药SINS/GPS组合导航系统的组成,设计了SINS/GPS组合导航的半实物仿真试验框架结构,探讨了在试验过程中多机时钟同步的问题,检验了捷联惯导系统导航计算机的解算性能和GPS信息的修正效果.试验结果表明,捷联惯导系统的算法正确,解算精度和解算时延满足控制系统的要求,GPS信息修正效果良好,SINS/GPS组合导航系统可以应用到航空弹药的制导与控制系统中.     

车载GPS/DR组合导航系统卡尔曼滤波方法的改进

将全球定位系统(GPS)和航位推算法(DR)两种定位方式结合,实现车辆GPS/DR组合定位系统的自适应信息融合.联合卡尔曼滤波器存在数学模型不确定性和误差模型的随机性的缺点,提出改进方法是采用联邦滤波器,并引入利用模糊推理建立的模糊自适应联邦滤波器,提高了系统的精度和功能.     

基于联邦滤波的组合导航故障诊断与容错研究

论述了车载BD-2/SINS组合导航的系统级故障诊断方法,包括残差χ2检验方法和状态χ2检验方法。针对状态χ2检验原理的不足,提出一种基于卡尔曼滤波器组的改进的状态χ2检验方法。文中构建了基于联邦滤波的车载BD-2/SINS组合导航的故障诊断系统结构,将残差χ2诊断和改进的状态χ2诊断方法加以整合,能够实现对BD-2/SINS组合导航硬故障和软故障的诊断,并针对无故障、硬故障和软故障三种不同情况分别进行了仿真研究和分析。     

基于BP神经网络的GPS/SINS姿态测量融合算法

针对传统全球定位系统/捷联惯性导航系统(global positioning system/strapdown inertial navigation system,GPS/SINS)组合系统信息融合技术存在的不足,设计了适用于GPS/SINS组合系统姿态测量的反向传播(back-propagation,BP)神经网络模型,并在标准BP算法基础上,采用限制初始权值和阈值?动态删减隐含层节点数和修改激活函数的改进算法,从而减小BP算法在GPS/SINS组合姿态测量过程中的训练误差,提高网络训练的相应速度及精度?最后通过算法仿真和分析结果图得出改进后的BP神经网络算法在GPS/SINS组合姿态测量系统中高效可行,且测姿性能优越?     

组合导航系统UKF滤波算法设计

将平淡Kalman滤波(UKF)方法应用于低成本SINS/GPS/MC组合导航系统,建立了系统的非线性误差方程,并设计了相应的UKF算法与滤波器;针对组合导航中捷联惯性导航子系统的反馈修正,提出了一种根据误差角对四元数进行修正的方法.试验结果表明,本文设计的UKF效果优于集中Kalman滤波,且采用四元数反馈修正方法后较大地提高了滤波精度.     

基于EKF的GNSS/SINS组合导航系统应用

针对单一定位系统无法得到连续、稳定可靠的导航信息的问题,将全球卫星导航系统(GNSS)与捷联惯性导航系统(SINS)进行组合,并利用扩展卡尔曼滤波(EKF)算法对这两种导航系统的定位信息进行融合,以获得更加稳定、精确的定位结果。将GNSS与SINS组合,可以弥补GNSS卫星信号失锁、数据更新频率低、无法获得姿态信息以及SINS定位误差累积等单导航系统定位的不足。通过车载实验采集定位数据,并分别进行SINS单独导航及GNSS/SINS组合导航解算,由实验结果可以看出,与SINS单独导航相比,GNSS/SINS组合导航系统的定位误差能快速收敛,并保持较高的精度,其中位置误差精度达到厘米级,速度的最大误差大约在0.1m·s-1以内,姿态的最大误差大约在0.2°以内。