基于平方根UKF的车辆组合导航

针对扩展卡尔曼滤波(EKF)在车辆导航中存在着计算复杂、线性化误差大等缺点,将一种新的非线性滤波方法--平方根UKF方法(SRUKF)用于车辆GPS/DR组合导航中.和普遍采用的EKF方法相比,SRUKF方法不仅提高了车辆组合定位的精度和稳定性;而且不需要模型的具体解析形式,避免了复杂的Jacobi-an矩阵的计算,算法更简单,也更加易于实现.为了检验其有效性,将两种方法分剐对车辆GPS/DR组合导航系统进行滤波仿真,仿真结果进一步表明SRUKF方法明显优于EKF方法,是车辆组合导航中一种更理想的非线性滤波方法,真正实现了车辆低成本、高精度的实时定位.     

OAS/INS/GPS/APS舰艇组合导航系统设计与仿真

舰艇高精度导航需求日益迫切，设计的组合导航系统可以使舰艇在水上水下一些特殊环境下实现高精度航向和定位测量。系统设计和利用了三种新型导航系统作为导航分系统，分别为光学标校系统(OAS)、水声定位系统(APS)和GPS姿态测量系统。为了克服惯性导航系统(INS)系统的积累误差以及GPS、APS和OAS系统各自的缺陷，采用联邦卡尔曼滤波技术，设计了OAS／INS／GPS／APS组合导航系统滤波算法，仿真结果验证了算法的有效性，表明基于上述系统的组合导航系统可以获得较高的航向定位精度。     

面向多元未知环境的基于深度高斯过程组合导航轨迹预测方法

传统惯导/卫导组合导航在多元复杂环境下易受干扰，从而导致观测量异常影响导航性能。以无人驾驶车辆为研究对象，展开提升组合导航系统导航精度的研究。采用深度高斯过程(deep Gaussian process, DGP)辅助估计位置的方法减小组合导航误差，提高定位性能。基于DGP的辅助导航方法不仅可以预测无人驾驶车辆的标称轨迹，同时可以预测各时刻位置可信区间的概率分布，为基于深度学习模型的数据融合预测方法提供了严格的理论解释性。真实历史数据下的多重对比实验表明，该算法较传统深度神经网络算法具有更高的精度和可靠性。基于DGP的辅助导航方式能有效提高全球卫星定位系统信号失锁时的导航模型性能，实验表明相对于纯惯性导航系统(integral navigation system, INS)解算和长短期记忆(long and short term memory, LSTM)进行导航信号补偿定位精度分别提高了97.32%和52.13%。     

基于联邦滤波的SINS/GPS全组合导航系统研究

传统的捷联惯性导航系统(SINS)/全球定位系统(GPS)组合导航系统常采用位置速度组合模式,其可观测性与载体的飞行航迹有关,从而影响了整个组合导航系统的精度和可靠性.为了解决这一问题,提出了基于联邦滤波的SINS/GPS全组合导航系统方案,推导了姿态角误差和平台失准角之间的变换关系,建立了SINS/GPS全组合导航系统数学模型,最后采用联邦滤波算法进行组合导航仿真计算.通过对仿真计算结果的分析,证明基于联邦滤波的SINS/GPS全组合导航算法能够有效地提高系统的导航精度和可靠性.     

紧耦合GPS/INS组合导航技术仿真研究

提出了一种改进的惯性导航系统(inertial navigation system, INS)辅助GPS载波跟踪算法,设计了一种基于伪距/伪距率组合的信息融合算法,并对相应的算法进行了仿真验证。仿真结果表明：在紧耦合GPS/INS组合导航系统中,惯导对GPS跟踪环路的辅助,可以保证接收机环路滤波器在窄带宽下仍能正常工作;基于伪距/伪距率的GPS/INS信息融合方法,使组合导航系统在GPS接收机接收的卫星少于4颗的时候仍能有效地利用GPS导航信息,同时利用组合滤波器的输出对INS系统的误差进行修正,提高了整个组合导航系统的导航精度。     

SAR/INS/TAN组合导航系统中的滤波算法研究

多传感器组合是提高导航系统定位精度和增强系统容错性的有效手段。在分析惯性导航系统(INS)、合成孔径雷达(SAR)和地形辅助导航系统(TAN)各自特点的基础上,提出了SAR/INS/TAN组合导航系统的组合滤波方案并建立了相应的组合导航系统数学模型。同时,针对图像匹配和TAN所固有的非等间隔量测输出滞后的特点,研究了一种多传感器信息融合的卡尔曼滤波算法,以有效解决此类非等间隔量测滞后的问题。仿真分析可见,该组合滤波算法能大大提高导航精度,是一种行之有效的方法。     

无源北斗/惯导组合导航算法研究

针对北斗卫导/惯导组合导航系统设计组合导航卡尔曼滤波定位算法,并对组合导航算法的可观性进行了分析,提出了引入伪距率和前后滤波伪距之差作为观测量改善组合导航系统的可观测性。基于高稳定度的用户时钟,通过仿真验证了伪距率和前后滤波伪距之差观测量都能提供伪距不能提供的额外观测信息,都可以将钟差由不可估计变为可估计,改善组合系统的稳定性,并且提高丢星时的滤波定位精度。因此,在北斗/惯导组合导航系统中引入伪距率或前后滤波伪距之差做观测量是必要而可行的。     

MIMU/GPS组合导航技术研究

介绍了MIMU/GPS组合导航系统的基本工作原理,推导了以惯导误差系数为状态参数的组合导航系统误差状态方程,应用卡尔曼滤波技术实现了MIMU/GPS组合导航计算.仿真试验表明:采用惯导误差系数代替惯导测量误差作为状态参数进行滤波计算的MIMU/GPS组合导航方法,在技术上是可行的.     

改进的DGPS/INS/视觉组合导航算法研究

为了满足智能车辆的高精度、实时性和高可靠性的自主导航的需要,提出了一种GPS/机器视觉共同辅助SINS的多采样的智能车辆组合导航算法。该算法不仅包括GPS和SINS形成的位姿速度观测信息,还包括机器视觉形成的位置观测信息。在子滤波器中采用自适应选权滤波算法,抑制了滤波发散,提高了滤波精度。还提出了一种改进的基于估计协方差阵的奇异值分解的动态自适应调节信息分配系数的算法,可有效提高系统的状态估计精度。通过仿真实验验证,该导航系统能为智能车辆提供丰富的导航信息,实现了厘米级的导航精度和容错性,即使在GPS出现较长时间的中断时,仍能为智能车辆提供可靠的导航信息。     

基于UKF的新型北斗/SINS组合系统直接法卡尔曼滤波

针对传统的间接法卡尔曼滤波在北斗/捷联惯导(serial inertial navigation system, SINS)组合导航系统中无法实现较高的定位精度且计算的冗余度大的缺点,提出一种基于无迹卡尔曼滤波（unscented Kalman filter, UKF）的新型组合系统滤波算法。本算法以SINS输出的导航参数及平台误差角等作为系统状态,无源北斗输出的位置速度参数作为量测,采用改进的UKF方法进行数据融合,并直接计算组合系统导航参数的最优估计。实验结果表明,新算法可以降低对伪距误差模型的精确度要求,同时避免非线性系统状态方程的线性化,简化滤波参数的调整过程,从而有效地缩短组合导航系统的解算时间,提高定位精度。     

基于四元数平方根UKF算法的SINS/GPS紧组合导航系统研究

在较大初始姿态误差角下,针对SINS/GPS紧组合导航系统扩展卡尔曼滤波（extenthed Kalman filter, EKF）算法定位精度下降的问题,提出了一种基于四元数的平方根无迹卡尔曼滤波（square root unscented Kalman filter, SRUKF）算法。为解决SRUKF算法中四元数正交规范化的限制,通过构造姿态矩阵代价函数将四元数预测均值问题转化为代价函数最小时的四元数向量求解问题,保证了均值四元数的规范化;利用乘性四元数误差表示四元数预测值与均值之间的距离,求取四元数的预测协方差矩阵,保证了算法的合理性。在此基础上,给出了SINS/GPS紧组合系统四元数平方根无迹卡尔曼滤波算法的具体步骤。在较大初始姿态误差角下的仿真实验结果表明,与EKF算法相比,该算法精度更高,稳定性更强。     

干扰条件下自适应滤波定位精度分析

在干扰条件下,单纯采用自适应滤波(adaptive Kalman filter, AKF) 或扩展卡尔曼滤波器(extensive Kalman filter, EKF) 在全球导航卫星系统/惯性测量单元(global navigation satellite systems/inertial measurement units, GNSS/IMU)组合导航的运用中都无法达到系统精度最优。为了指导组合导航系统的数据融合滤波器设计,获取AKF和EKF定位性能的经验数值是十分必要的。首先推导出EKF和一种AKF算法--新息序列自适应估计(innovation based adaptive estimation, IAE)的数学模型和计算公式。然后提出了一种实际数据结合仿真的验证方法。针对不同的干扰程度造成的精度降低的测量值,比较AKF算法跟普通EKF在GNSS/IMU组合导航数据融合中的定位精度性能。试验和仿真得到了在实验所采用的IMU精度条件下,自适应滤波在组合导航方面的定位性能的经验曲线以及IAE与EKF定位精度存在的临界点。     

IAE-adaptive Kalman filter for INS/GPS integrated navigation system

1 .INTRODUCTIONInertial navigation system(INS) and Global posi-tioning system ( GPS) are two major navigationsystems now widely usedfor marine applications a-round the world. Considering both systems pos-sess complementary working characteristics , abooming attention is focused on finding effectivemethods to combine the two different systems toconstituteintegrated navigation system with higheraccuracy and better performance .Information likeGPS position and velocity are often chosen as…     

SINS/CNS/GPS integrated navigation algorithm based on UKF

A new nonlinear algorithm is proposed for strapdown inertial navigation system (SINS)/celestial navigation system (CNS)/global positioning system (GPS) integrated navigation systems. The algorithm employs a nonlinear system error model which can be modified by unscented Kalman filter (UKF) to give predictions of local filters. And these predictions can be fused by the federated Kalman filter. In the system error model, the rotation vector is introduced to denote vehicle’s attitude and has less variables tha...     

基于自适应航迹融合算法的GPS／SINS紧组合导航系统研究

针对开环校正GPS/INS组合导航系统卡尔曼滤波器在长时间工作条件下滤波精度下降的问题,提出了基于自适应航迹融合算法的紧组合GPS/INS导航系统方案.设计了一个与GPS/INS滤波器并行的独立GPS滤波器,利用自适应航迹融合算法对两个滤波器输出的局部航迹进行融合,从而得到系统航迹.数学仿真结果表明,该方案能够有效提高导航系统的导航精度和容错能力.     

基于UKF的低成本SINS/GPS组合导航系统滤波算法

针对MIMU的精度不高,会带来较大的初始对准误差角,如果继续采用传统的小干扰线性方程就会给滤波带来很大误差,甚至发散。针对这个问题,对低成本SINS/GPS组合导航系统建立了基于四元数误差模型的非线性滤波方程,并采用了UKF非线性滤波方法。针对四元数误差模型单纯使用UKF方法无法估计加计零偏和陀螺漂移的问题,提出将UKF和EKF相结合的算法,仿真结果表明,比起扩展卡尔曼滤波以及采用传统小干扰线性方程的卡尔曼滤波,这种方法能够提高姿态误差角特别是方位误差角的估计精度。     

飞行器动力学信息辅助MEMS惯导系统

使用微机械电子(micro electro mechanical systems, MEMS)惯导系统(inertial navigation system,INS)的飞行器由于其MEMS惯性器件测量精度低,致使导航误差快速发散。针对该问题,提出了一种利用飞行器动力学(aircraft dynamics, AD)信息辅助MEMS惯导解算的方法。〖JP2〗它基于AD建立的飞行器运动模型和运动误差模型,利用实时解算的飞行器运动状态构建卡尔曼滤波器对MEMS惯导误差进行估计和修正。在此基础上,进一步考虑了INS/全球定位系统(global positioning system,GPS)组合导航时该方法的改进算法,提出了一种利用GPS定位信息和预测滤波器对飞行器动力学模型误差估计的方法。最后的半实物仿真实验结果表明,飞行器动力学信息辅助滤波器可以有效地减小系统误差,提高 MEMS惯导系统输出精度。     

卫星/惯性组合导航事后高精度融合算法研究

高精度的组合导航数据事后融合处理算法是多传感器信息融合处理的重要环节,是对导航系统性能进行评估分析的关键。研究了一种分两步进行的惯性/卫星组合导航信息事后高精度融合算法,在惯性/卫星组合导航卡尔曼滤波算法的基础上,利用最优固定区间平滑滤波算法对惯性/卫星组合导航信息进行再次平滑滤波融合,可以提高组合导航数据事后处理的精度。设计了仿真验证平台,对所提出的融合算法进行了仿真验证。仿真结果表明:基于卡尔曼滤波与固定区间平滑滤波实现的惯性/卫星信息事后融合算法有效、可行,可作为试飞性能评估中确定参考基准的方法。     

修正并行式多传感器不敏多假设跟踪算法

为了有效解决非线性系统中的多传感器多目标跟踪问题,提出了一种修正并行式多传感器不敏多假设滤波算法。算法运用概率数据互联的思想对各传感器的估计量进行概率加权,克服了并行式多传感器算法的误差积累现象,得到了一种修正的多传感器并行式算法。各传感器中量测点迹与航迹的数据互联问题通过多假设方法予以解决,并通过不敏卡尔曼滤波器完成非线性系统中的目标跟踪。仿真结果表明,从跟踪精度及稳定性方面看,所提出的算法性能要优于MSJPDA/EKF算法。