基于EMD-小波随机消噪模型的GPS/INS组合导航

为提高GPS/INS组合导航精度,提出了EMD-小波INS随机误差削弱模型.首先分析了GPS/INS组合系统的误差特点,给出组合导航的基本原理.基于EMD的多尺度结构,结合小波分解理论,提出基于EMD-小波的GPS/INS组合导航技术路线.采集新南威尔士大学校园内的实测数据,分别选用1s与2s的GPS采样信息和100 Hz的INS数据,进行融合试验.用随机模型消噪前后的INS数据计算导航解,并与GPS测量的位置进行比较,分析误差分布情况.结果表明,滤波后的INS自主导航解要优于滤波前.当GPS更新周期为1 s时,X,Y,Z方向上导航精度分别提高9.07％,13.89％,35.14％,残差最大值分别减小2.62％,19.54％,31.23％.当GPS更新周期为2s时,X,Y,Z方向上导航精度分别提高17.82％,23.46％,22.48％,残差最大值分别减小14.34％,28.85％,17.48％.     

GPS/INS相对导航鲁棒扩展卡尔曼滤波方法

针对绕飞模式下追踪器与合作目标间的GPS/INS组合相对导航问题,考虑追踪器的惯量阵存在不确定性,为提高相对导航系统的精确性和稳定性,提出了一种GPS/INS组合相对导航的鲁棒扩展卡尔曼滤波算法. 该算法采用近似线性化方法将相对导航系统中的非线性函数进行泰勒级数展开,并将线性化引起的模型误差作为不确定项来处理,结合鲁棒卡尔曼滤波算法,设计了GPS/INS组合相对导航的鲁棒扩展卡尔曼滤波算法. 仿真结果表明,该方法相对位置的估计精度为0.1 m,相对姿态的估计精度为0.001°,相对导航精度很高,且对追踪器惯量阵存在的不确定性具有很好的鲁棒性.      

基于脉冲响应模型的GPS失效解决方法

INS/GPS组合导航系统具有较高的导航定位精度,但在GPS信号失效时,导航定位误差会显著漂移.为解决此问题,提出了一种基于脉冲响应模型的GPS失效解决方法.首先,使用基于傅里叶基神经网络的频谱分析方法建立起INS系统机动信号与INS/GPS组合导航系统机动信号之间的频域传递函数;然后,将此频域传递函数转换到时域,得到时域脉冲响应模型;将得到的时域脉冲响应模型与INS机动信号卷积,将卷积之后的信号作为INS/GPS组合导航系统在GPS信号失效时的过渡信号.仿真实验证明,该模型可以有效抑制INS/GPS组合导航系统在GPS信号失效时的定位误差漂移.     

自适应UKF算法及其在GPS/INS组合导航中的应用

提出了一种自适应无迹Kalman滤波(UKF)算法.针对UKF受初始值误差和动力学模型异常扰动误差影响的问题,将自适应估计原理引入到UKF算法,将动力学模型信息对导航解的贡献进行合理调整.计算结果表明,在GPS/INS松组合导航系统数据处理时,UKF算法略优于扩展Kalman滤波(EKF),自适应UKF算法优于自适应EKF算法,自适应UKF算法能够很好地抑制动力学模型误差对导航解的影响,进一步提高导航解的精度和可靠性.     

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.     

一种SINS/GPS紧组合导航系统的改进自适应扩展卡尔曼滤波算法

针对自适应扩展卡尔曼滤波算法中系统噪声协方差矩阵与量测噪声协方差矩阵不能同时被估计的问题,提出了一种改进的自适应扩展卡尔曼滤波算法.该算法基于残差,主要对滤波算法中的自适应估计器进行改进,改进后可以实时估计系统噪声.基于该算法,设计了新的滤波器并应用在SINS/GPS紧组合导航系统上,可随着系统中噪声的变化而自动地调节协方差矩阵.最后,分别用扩展卡尔曼滤波和改进的自适应扩展卡尔曼滤波对SINS/GPS紧组合模型进行仿真,结果表明改进的自适应的扩展卡尔曼滤波比扩展卡尔曼滤波的定位误差与测速误差更小,滤波的稳定性更好.      

移动卫星通信系统组合姿态估计算法

针对宽带移动卫星通信系统传感器直接融合姿态估计算法易受外界因素干扰、估算误差难以校正的问题,提出了一种移动卫星通信系统组合姿态估计算法。该算法以移动卫星地球站载体的位置误差、速度误差和姿态误差为系统状态量,建立了9状态的组合导航姿态估计模型;通过使用GPS航向角辅助观测解决了组合姿态估计算法航向角可观性弱、姿态角估计值易发散的问题;通过将转弯判断规则和Sage-Husa自适应控制算法进行融合,降低了GPS航向角测量误差对姿态估计的影响,提高了组合姿态估计算法的精度。实验结果表明:移动卫星通信系统组合姿态估计算法计算简单、实时性好,姿态估计精度优于传感器直接融合算法,其姿态估计误差可控制在±0.5°以内,最小均方误差值小于0.4,满足低成本宽带移动卫星通信波束对准要求。     

采用双天线GPS/INS系统的汽车侧偏角和轮胎侧偏刚度估测法

介绍了测姿原理,分析了采用单天线GPS/INS组合测量方式的运动学卡尔曼滤波器在车辆侧倾和传感器发生漂移时存在的加速度偏差测量的延时问题,提出了直接测量车辆侧倾角和传感器漂移的双天线GPS/INS测量方法,并利用该测量方法对车辆和轮胎的侧偏角以及轮胎的侧偏刚度进行了估测.测试结果表明:采用双天线GPS方法测量的侧偏角和...     

GPS/GLONASS组合定位时间系统同步偏差

为研究GPS/GOLNASS组合定位中两个不同时间系统转换到UTC时间系统后存在微小的同步偏差问题,采用方差分量估计的方法解算GPS/GLONASS组合定位系统中不同时间系统的同步偏差,并进行实例计算与分析.研究结果表明:GPS/GLONASS组合定位的精度要优于GPS单系统,GPS与GLONASS的时间系统(各自转换为UTC时间)存在190～270 ns的系统偏差,且使用不同接收机观测的数据进行计算所得到的系统偏差存在一定的差异.     

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.     

陆基MMS中GPS/INS滤波器的探讨

陆基MMS(移动测图系统)是为满足现代工程建设和地理信息系统建立对数据采集的实时化和周期化要求而设计的3S(GPS,GIS,RS)集成系统.陆基MMS一般采用GPS(全球定位系统)和INS(惯性导航系统)的组合系统对载体进行定位,再由其它测图传感器获取载体与所测目标的相对空间位置关系,从而最终测取目标的地学空间位置.因此GPS/INS组合系统的精度对整个MMS的精度影响很大.目前,GPS/INS组合系统普遍采用卡尔曼滤波对两者的观测值进行滤波,但这种方法有不足之处.本文回顾了卡尔曼滤波在GPS/INS中的应用,提出了相应的改进方法,进而为改善MMS精度提出了举措.     

延时估计误差对间接学习结构预失真器的影响

间接学习结构数字基带预失真器的实现需要估计模拟链路延时,而链路延时估计算法存在估计误差,此误差对预失真器性能的影响目前未有相关研究。该文以邻近信道功率比(ACPR)和归一化均方误差(NM SE)两项指标作为衡量标准,研究了延时估计误差对间接学习结构预失真器补偿性能的影响。结果表明,间接学习结构预失真器对延时估计误差敏感,在N yqu ist采样的预失真器系统中,只有当估计误差不超过系统采样间隔的1/64时,才能保证此预失真器能够有效地实现功放线性化。     

GPS／INS组合系统在飞船自主定位中的应用

为了提高绕地飞船的自主定位精度，又不至于增大定位系统的体积和重量，采用紧密组合方式构成了GPS／INS定位系统，研究了在绕地飞船自主定位中的应用，根据绕地飞船运动的实际情况建立了误差状态方程和组合观测方程，仿真分析表明，建立的GPS／INS组合导航系统模型既能保证定位的高精度，又能满足目标的高动态。     

基于时钟同步的单向延时测量方法

针对传统测量单向延时的方法在非对称网络环境下误差较大的情况,提出了一种互联网端到端单向时延测量方法(eliminate queuing delay algorithm,EQD).首先通过基于频率补偿的方法求解排队延时,然后采用消除排队延时的策略提高计算时钟偏差的准确性,从而提高了端到端单向延时的测量精度.在两条不同的链路环境下验证EQD算法,并与GPS测量结果进行对比.实验结果表明,该算法能有效消除网络不对称和网络拥塞的影响,极限误差小于往返链路真实单向延时差值的20%,相对于传统的基于时钟偏差测量单向延时的方法在测量精度上提高了30%.     

基于极大似然估计法的磁力计误差补偿算法

针对现有三轴磁力计误差补偿速度慢、需要外部辅助设备、磁力计和惯性传感器组合存在多传感器轴位敏感重合误差问题,提出了一种基于极大似然估计法(maximum likelihood estimation,MLE)的快速有效的磁力计误差补偿算法.根据传感器组合系统中误差来源建立测量误差模型,建立高斯分布的极大似然参数估计模型,用牛顿最优法解算出误差补偿参数,并给出求解理想初始值的算法.仿真数据显示,补偿后的磁力计航向角解算精度达到0.81°,相比补偿前精度提高94.9％.实验结果表明,该算法可简单快速的实现误差补偿,多传感器轴位敏感重合误差得到校准.     

车载GPS/DR/电子地图组合定位导航研究

针对单一导航定位手段的精度和使用范围在车辆导航定位技术中的局限性,提出了采用GPS、DR与电子地图组合导航的方案.经过对GPS/DR/电子地图组合导航定位方法地深入研究,表明GPS/DR电子地图组合导航是一种较为理想的车辆导航方式,它克服了GPS信号受阻时定位间断或失效的缺点,又避免了航位推算定位误差随时间的积累,提高了导航定位的精度并扩展了使用范围.     

一种组合导航的自适应信息融合算法

以GPS/INS组合导航系统为应用背景,针对组合导航系统信息融合的精度与稳定性要求,将简化的Sage-Husa自适应滤波算法与指数加权衰减记忆滤波算法相结合,提出了一种改进的自适应信息融合算法.仿真表明,改进的自适应算法解决了噪声统计特性和模型参数不易确定的问题,能够有效的保证信息融合的精度和稳定性.在算法仿真的基础上,对在VC 6.0环境下算法进行了改进,给出了GPS/INS组合导航系统的结构及软件框架,通过实验验证了改进的自适应算法的实际应用价值.     

基于UKF的战术数据链通信延时与补偿算法

针对战术数据链在信息传输过程中通信延时和量测信息的非线性问题, 结合当前统计模型提出了一种基于无迹卡尔曼滤波算法的延时补偿算法。将非线性变换引入到状态预测中,
在状态预测的基础上加入延时补偿程序, 完成对延时的补偿, 且该算法对非线性量测模型进行更新, 避免了量测模型线性化带来的精度降低。分析了战术数据链产生延时的原因及其对攻击决策的影响, 建立了机动目标的当前统计模型, 采用无迹卡尔曼滤波算法对目标进行跟踪, 在该算法对状态预测的基础上加入延时补偿算法, 对机动目标的位移、速度进行补偿,仿真结果表明该方法有效。     

多传感器信息融合技术在INS/GPS组合导航系统中的应用

针对INS／GPS组合导航系统在数据处理时存在的计算量大和故障数据相互干扰的问题,提出了一种基于信息融合的导航参数最优估计滤波方法。文中首先介绍了信息融合的基本原理、关键技术以及常用方法,然后以INS／GPS组合为例,对组合导航系统的工作原理和模型建立进行了分析．最后对基于联合卡尔曼滤波的多传感器信息融合算法进行了论述与分析．该方法可提高导航系统的计算精度和速度．有较好的容错性和环境适应性,可有效地提高导航系统的精度和可靠性,为融合导航系统的数据分析和处理提供了一个有效途径。具有实际使用价值。     

GPS／INS组合系统自适应滤波算法

研究了GPS/INS组合系统在高动态运动目标定位中的应用。根据组合系统建立状态方程，GPS观测量构成观测方程。自适应滤波过程中，通过观测数据对观测噪声进行估计，再用Sage-Husa算法在对动态噪声进行估计的同时实现状态滤波估计。计算机仿真验证了这种滤波算法的有效性。