机器视觉辅助的无人机空中加油相对导航

为准确获取无人机空中加油对接阶段的相对位姿信息,提出了一种机器视觉辅助的INS/GPS/MV 组合导航方案,研究了机器视觉图像的特征点提取与匹配算法. 引入相对惯导误差,建立了全局滤波器的增广状态方程,并根据杆臂矢量推导了GPS和机器视觉量测方程. 设计了基于联邦滤波器结构的全局多速率扩展卡尔曼滤波算法,以融合多速率传感器信息,并与标准EKF算法进行对比. 仿真结果表明,所提出的算法能有效融合惯导、GPS和机器视觉的测量信息,使导航参数的精度和输出带宽均满足导航系统的设计要求,有利于改善无人机的飞行品质,放宽对飞控系统的性能要求.     

应用联邦自适应UKF的卫星多传感器数据融合

在卫星自主导航系统中,一方面,系统状态模型存在难以准确建模的问题,要求信息融合算法具有一定的自适应性;另一方面,系统的量测模型通常具有较强的非线性,又要求信息融合算法在强非线性下保持较高的精度和鲁棒性. 针对以上两个问题,本文提出了基于星敏感器、红外地平仪、磁强计、雷达高度计、紫外敏感器的多信息联邦自适应UKF组合导航方案,该方案将多个导航传感器提供的信息在联邦滤波器里融合,并采用自适应UKF算法构建联邦滤波器的子滤波器. 采用这种方案,可有效组织并充分利用导航传感器提供的导航信息,并且系统模型具有一定的自适应性. 数字仿真结果表明,与传统的联邦卡尔曼滤波方法相比,该方法更适合于非线性较强、系统模型参数不准确的场合,有效提高了导航精度.     

组合导航直接滤波模型中的高斯粒子滤波

利用高斯粒子滤波技术和直接滤波模型实现了SINS/GPS组合导航系统的数据融合. 首先对高斯粒子滤波进行改进,选取合适的重要性函数并简化滤波流程,然后直接采用惯导参数和GPS伪距等变量建立组合导航直接滤波非线性模型. 讨论了SINS/GPS 组合导航系统中的高斯粒子滤波的具体实现方法. 实验结果表明,该滤波方法能较好地满足组合导航的精度要求. 和其他滤波方法相比,高斯粒子滤波对系统和噪声模型要求比较宽松,因此在直接滤波中有一定的优势.     

GPS/INS组合导航中的自适应滤波算法

研究了GPS/INS导航系统中的不确定噪声问题,给出了一种基于协方差匹配技术的自适应卡尔曼滤波算法,该法当测量噪声的协方差已知时可以自适应估计出系统噪声的协方差.它是在滤波过程中通过判定系统噪声的协方差是否发生了变化,若它发生了变化再估计出新的协方差,然后再按得到的噪声统计估计值计算新息序列的协方差阵,因此有效地提高了滤波结果的精度并消除了滤波发散现象.数字仿真表明效果良好.     

可量测序列影像的加权整体最小二乘导航

提出顾及观测方程系数矩阵误差的可量测影像定位定姿算法及其权值确定方法,实现了利用可量测序列视觉影像与DGPS/IMU 融合导航计算. 计算结果表明：采用加权最小二乘算法可较好地克服可量测序列影像定位定姿算法中系数矩阵误差的影响,精度高于最小二乘法,当GPS 失锁2.5 km 时可达到优于13 m的定位精度和
0.1m 的定姿精度.     

GPS/SST/SINS组合导航系统研究

提出了卫星/捷联星光/捷联惯导组合导航系统的方案和组合结构,采用改进的集中滤波对多传感器信息进行数据融合和导航状态的最优估计.该组合导航系统将捷联星光跟踪仪的姿态信息、高动态GPS的位置、速度信息与捷联惯导进行组合滤波,全面提高导航的姿态、速度和位置精度.同时该组合导航系统以弹道导弹为应用对象,设计并实现了基于弹道导弹的GPS/SST/SINS组合导航系统实时仿真平台,仿真结果表明该组合导航系统能提高导弹的导航精度,滤波算法稳定可靠.     

捷联惯导初始对准的超球体采样SRUKF算法

平淡卡尔曼滤波(UKF)在捷联惯导系统静基座大方位失准角初始对准中计算量大,且滤波数值不稳定. 针对这一问题,该文将超球体采样策略与平方根UKF(SRUKF)算法相结合,提出一种改进的SRUKF算法. 该算法在保证其滤波精度和UKF算法相当的前提下,通过引入超球体采样减少了采样点数,提高了计算速度. 并以协方差阵的平方根矩阵代替协方差阵参加递推运算,减少了计算机舍入误差,提高了滤波数值稳定性. 仿真结果表明,该算法在保证初始对准滤波精度的前提下降低了计算量,提高了滤波性能.     

SAR图像的自适应边缘保持去噪滤波

针对目前SAR图像斑点噪声滤波算法在噪声去除和边缘保持方面同时性上的不足,该文基于SAR图像噪声识别和边缘检测,提出适用于同质区域和边缘区域的自适应SAR图像去噪滤波方法. 该方法根据SAR图像斑点噪声、边缘位置、边缘方向信息,动态改变滤波器模板的尺寸和形状,实现SAR图像斑点噪声去除,同时保持图像边缘和纹理信息与细微结构. 以2010年8月15日北极地区RADARSAT-2 SAR HH图像为例,将本文的方法与典型空域滤波法进行对比分析,定量分析结果表明所提方法的可行有效.     

滤波角速率输入的圆锥误差补偿

为了提高光纤陀螺捷联惯性导航系统精度,提出了滤波角速率输入的圆锥误差补偿方法。根据滤波前后物理量圆锥效应的不同,分析滤波圆锥误差准则,并依据滤波角速率求取滤波角增量的算法,推导了滤波角速率输入的捷联惯性导航系统圆锥误差补偿中的误差补偿系数和误差主项。结合光纤陀螺特性的对比仿真结果表明,滤波角速率输入圆锥误差补偿算法精度比传统姿态算法精度高2～3个数量级。滤波角速率输入圆锥误差补偿算法更贴近工程,对提高角速率陀螺构建的捷联惯性系统精度具有重要理论和工程意义。     

基于偏振光/DVL/SINS的水下机器人自主导航方法

针对未知海域中水下机器人难以实现自主导航的问题,提出了一种基于偏振光/多普勒测速/SINS组合的自主导航方法。依据水下偏振光相机测向原理建立了偏振光/SINS姿态组合系统,依据多普勒测速原理建立了多普勒/SINS速度组合系统,并基于联邦Kalman滤波器实现了组合导航系统的信息融合。通过仿真实验验证,本文提出的组合导航方法相比于现有组合方法具有更好的定位精度和容错能力,能够满足水下机器人进行无源自主导航时的精度和可靠性的要求。     

SINS/北斗/星敏感器组合导航系统研究

将北斗卫星导航系统和星敏感器共同运用到组合导航中,以无反馈模式的联邦滤波器为基础,构建了SINS/北斗/星敏感器组合导航系统.根据北斗和星敏感器的特点,分析了系统产生量测延时和异步的原因,并对系统的量测延时和异步问题提出了解决方案.仿真表明,该组合导航系统具有较高的精度和容错性能.为北斗定位系统在国防上的应用提供了一条新思路.     

基于比力积分匹配的惯导系统传递对准

某些机载装备的传递对准过程要求在机体升空阶段进行. 受飞行速度的限制,采用传统匹配方案使传递对准精度受到很大影响. 本文提出一种适合机体低速运行条件的“比力积分“匹配方案,利用主子惯导比力差的积分作为卡尔曼滤波的观测值,未引入陀螺误差,且SINS仅作比力积分计算,减少了SINS对准期间的计算量,保证了传递对准的实时性. 在考虑安装误差角和挠曲变形角的条件下建立了系统误差的数学模型. 仿真结果表明,该方案能在机体低速运行 条件下有效提高机载装备的传递对准精度,对于中低精度的捷联惯导系统有工程实用价值.     

卫星导航系统与气压高度计的信息处理与融合

提出一种卫星导航系统与气压高度计的高度数据融合算法. 利用ARIMA(autoregressive integrated moving average)模型信号降噪技术对卫星导航系统和气压高度计的高度信号进行降噪处理. 建立高度测量系统的状态方程和量测方程,并结合卡尔曼滤波对高度数据进行第1 次融合,再利用递推加权最小二乘法对高度数据进行第2 次融合,得到精度更高的飞行高度信息. 实测数据分析结果表明：该算法所获得的高度信息与气压高度计、卫星导航系统相比,标准差降低一半以上,有效地提高了测量精度,可满足飞行器对高度测量信息的要求.     

潜用惯导系统误差估计技术研究

根据中、小型潜艇的实际航行特点,利用最小二乘递推估计方法,设计了一种简单可行的INS误差估计方法.理论分析和仿真结果表明,通过合理选择采样周期,该方法能很好地估计出INS系统的速度误差和计程仪速度误差.最后,本文还对该方法的实用性进行了分析,为在潜艇上的实际应用奠定了基础.     

渐消递推滤波辅助光谱分析：最佳自适应算法

研究了Ｋａｌｍａｎ渐消递推最佳滤波辅助光谱辨析。基于Ｋａｌｍａｎ滤波达到最优时其新息序列互不相关的性质，提出了一种新的渐消滤波─—最佳自适应算法。通过在线自适应地调整遗忘因子从而使滤波（器）在存在模型误差或受到外扰时仍保持收敛性和最优性。用于重叠峰的辨识，能取得更好效果。