GNSS/IMU组合导航观测量丢弃策略

传统的GNSS/IMU(global navigation satellitesystem/inertial measurement unit)组合导航系统采用固定速率更新策略,平等地对待每一个观测量。因而在受到突发干扰情况下,精度恶化的观测量可能影响到更新后的组合导航结果的精度。该文提出一个双门限的观测量丢弃策略,它同时监控估计量的误差累计程度和观测量的恶化程度。当估计量误差很低或者观测量恶化很严重时,把观测量丢弃掉,使组合导航系统工作在INS(inertial navigation system)单独导航模式。真实的外场试验结合仿真干扰表明:含观测量丢弃策略的扩展Kalman滤波(EKF)跟传统的固定更新速率EKF相比,在干扰条件下具有更低的误差。     

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。     

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.     

一种应用于GPS/低成本INS组合导航的自适应滤波算法

为了提高在全球卫星定位系统(GPS)接收机导航解更新间隔期间组合导航系统的定位精度,在分析了惯导系统(INS)误差模型的基础上,使用一种对噪声协方差矩阵进行实时自适应估计的算法改进了通常使用的标准Kalman滤波器。采集清华大学内的跑车实测数据,并使用自适应算法进行处理,结果表明:该方法可以有效地提高GPS导航解间隔期间组合导航系统的定位精度,整体定位精度可以提升近10%,在车辆行驶状态变化较大的路径中获得了最高达40%的位置精度提升。该方法易于实时实现,在实际工程实现中具有一定的应用前景。     

一种基于改进自适应卡尔曼滤波的GNSS/INS组合导航算法

在全球卫星导航系统/惯性导航系统(global navigation satellite system/inertial navigation system,GNSS/INS)组合系统中,状态模型误差和异常扰动的影响严重降低了标准卡尔曼滤波的性能,而基于预测残差自适应的卡尔曼滤波随计算次数的增加滤波效果降低,且使用统一的自适应因子调节不可靠。针对上述问题,提出一种改进算法,利用预测残差建立的统计量调节位置向量和速度向量,避免了其他参数对滤波的平衡作用;通过预测残差的概率密度建立马氏距离进行假设检验,在模型正常时使用标准卡尔曼滤波,模型异常时使用改进滤波算法;采用实测车载数据对标准卡尔曼滤波、单因子自适应滤波和本文的滤波方法进行评估,实验结果表明:改进的自适应卡尔曼滤波的滤波算法效果良好,证明了所提算法的有效性。     

基于恒星敏感器的组合导航技术在极地飞行保障中应用的仿真分析

在民航极地航线的快速发展背景下,分析了民航客机极地飞行时存在的导航保障能力不足问题,通过综合研究前人学者在极地导航领域的研究,提出了将基于恒星敏感器的天文导航系统(Celestial navigation system, CNS)引入民航中,与现有机载惯导系统(Inertial navigation system, INS)和全球卫星导航系统(Global navigation satellite system, GNSS)结合组成INS/GNSS/CNS组合导航系统。研究了该组合导航系统在格网坐标系下的结构和算法。仿真校验了该组合导航系统的保障能力。仿真表明：相比INS/CNS和INS/GNSS组合导航系统,本文提出的INS/GNSS/CNS组合导航系统不仅在正常工作时能输出精度更高的导航信息,在某一子系统如GNSS发生故障时还能在较长时间内保证较高的导航精度,仿真结果验证了本文所提出的组合导航系统能显著提升民航极地飞行的导航保障能力。     

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％.     

基于高性能DSP小型组合导航系统设计与实现

提出了一种利用微小型惯性测量单元（MIMU）、全球定位系统（GPS）以及三轴磁强计（TAM）所构成的小型组合导航系统设计方案.分别介绍了导航传感器的选择及系统的结构.设计了以TI高性能浮点DSP处理器为核心的导航计算机,完成数据采集和导航解算等功能,并根据导航系统误差模型融合各传感器信息,实现了基于Kalman滤波器的组合导航算法.通过原理样机的实测数据验证了方案的可行性.     

基于高性能DSP的小型组合导航系统设计与实现

提出了一种利用微小型惯性测量单元(MIMU)、全球定位系统(GPS)以及三轴磁强计(TAM)所构成的小型组合导航系统设计方案.分别介绍了导航传感器的选择及系统的结构.设计了以TI高性能浮点DSP处理器为核心的导航计算机,完成数据采集和导航解算等功能,并根据导航系统误差模型融合各传感器信息,实现了基于Kalman滤波器的组合导航算法.通过原理样机的实测数据验证了方案的可行性.     

组合导航系统中异步多传感器信息融合算法

针对组合导航系统中多个传感器采样频率不同且存在量测滞后的问题,提出一种基于多尺度数据分块的组合导航信息融合算法.建立最高采样率下的系统模型,通过状态和观测的分块得到基于多尺度的系统模型,利用不同尺度上的观测信息在各尺度上进行Kalman滤波,并经融合最终获得基于全局的状态估计值.将该算法用于SINS/DVL/TAN组合导航系统仿真,结果表明,在异步多传感器量测的情况下,基于多尺度数据分块的信息融合算法与非等间隔Kalman滤波算法相比,北向速度最大误差减小24.1%,纬度最大误差减小23.8%,东向速度最大误差和经度最大误差均略有减小.因此,信息融合算法具有较高的滤波精度,有利于提高系统的导航定位精度.     

基于一阶高斯-马尔科夫模型的IMU零偏相关时间对GNSS/INS组合导航结果的影响

GNSS(global navigation satellite system)/INS(inertial navigation system)组合导航中,Kalman滤波的最优估计性能受状态模型及其参数设定影响。IMU(inertial measurement unit)的零偏和比例因子误差通常建模为一阶高斯-马尔科夫过程,而模型中的相关时间参数比较难以获得且影响不明确。因此,以IMU零偏模型为例,通过仿真低中高三种不同精度等级的IMU数据,并对比仿真GNSS中断内的导航漂移误差,研究了相关时间参数对GNSS/INS组合导航结果的影响。结果表明:当相关时间参数接近其真值时,组合导航结果在总体上趋于最优表现;中高等级IMU的加速度计零偏相关时间的影响相对较大;但总体来说,相关时间对组合导航结果影响较弱。该研究成果可为后续IMU误差模型的参数设定和优化策略设计提供一定的实验依据和研究基础。     

一种动对动相对定位中平滑惯导辅助模糊度解算策略

针对基于单频载波相位的动对动相对定位中实时模糊度固定可靠性不高的问题,本文提出了一种基于DGNSS/INS紧组合的平滑惯导辅助模糊度解算策略,以提高低成本接收机高精度定位的普适性。首先,基于伪距和载波相位观测量构建动对动相对定位模型;其次,对惯性导航数据进行卡尔曼滤波处理,并利用滤波平滑后的惯导位置预测卫地距重构双差观测方程并构造惯导位置约束方程,继而获得较高精度浮点解及其协方差阵,采用LAMBDA算法进行整周模糊度固定及Ratio检验;最后,由DGNSS/INS紧组合算法对惯性误差进行反馈校正,以维持惯性高精度导航。实测数据实验结果表明,对比没有惯导辅助、有惯导辅助和经滤波平滑后的惯导辅助结果,本文采用的方法可以有效地提高模糊度浮点解精度,减小模糊度搜索空间,提升整周模糊度固定成功率,三种方法下模糊度固定成功率分别为92.3%,99.1%和99.6%,并最终实现厘米级动态相对定位。     

基于差分GILS进近系统的导航精度分析

通过研究飞机在低可见视程条件下的进近问题,力图充分利用全球卫星导航系统的能力,使机场在不需要更新陆基无线电导航系统的情况下从I类盲降标准提升到II类及以上的相同或可比拟的运行标准。通过对某航空公司飞行数据的分析,为提高飞机进场水平导航精度和完好性,提出了组合应用差分全球卫星导航系统GNSS(global navigation satellite system)和仪表着陆系统ILS(instrument landing system)下滑道的进近体制模型,即为GILS(GNSS and ILS-glideslope)进近系统。利用Kalman滤波的方法,将仪表着陆系统数据和差分全球卫星导航系统的定位数据融合,通过数学建模,仿真模拟飞机进近航迹。仿真和实际验证试飞数据表明,该方案可有效提高飞机的水平导航精度和完好性水平,有潜力将CAT I标准提升为类CAT II水平。     

扩展卡尔曼滤波在陆基无线电导航系统定位解算中的应用

分析了卡尔曼滤波应用于陆基无线电导航定位解算中的原因，并将扩展卡尔曼滤波引入陆基无线电导航定位解算，设计建立了无线电导航系统的状态模型和观测模型，同时分析了由于测量误差和模型误差引起的滤波发散问题，并针对滤波发散问题提出几种改善方法，以提高系统的跟踪精度，最后给出仿真实例和结果分析。     

基于H∞滤波的无源北斗/INS对准技术研究

无源北斗/惯导（INS）组合导航系统中,INS噪声特性和模型存在不确定性,不能很好的满足Kalman滤波对系统的要求,造成滤波系统对误差状态估计不准,影响了对准精度。本文研究了对系统噪声和模型等不确定性具有较强鲁棒性的H∞滤波算法,建立了无源北斗/INS组合对准误差模型,并分别采用H∞滤波、常规卡尔曼滤波和衰减记忆滤波进行了比较仿真。结果表明,采用H∞滤波可以进一步保证对准的快速性和对准精度,在实际应用中有较高参考价值。     

基于UKF的INS/GPS组合导航系统仿真

通过Unscented卡尔曼滤波(UKF)算法,研究INS/GPS紧耦合组合导航系统中滤波算法的问题,避免了对非线性的系统方程进行线性化。同时将自适应原理引入UKF,给出了一种自适应UKF算法。将EKF、UKF和自适应UKF分别应用到INS/GPS组合导航系统的滤波中。仿真结果表明,相比UKF算法,自适应UKF算法进一步提高导航解的精度和收敛速度,同时系统的鲁棒性也得到了提高。     

基于H_∞滤波的船用无源北斗/INS对准技术研究

无源北斗/惯导(INS)组合导航系统中,INS噪声特性和模型存在不确定性,不能很好地满足Kalman滤波对系统的要求,造成滤波系统对误差状态估计不准,影响了对准精度。研究了对系统噪声和模型等不确定性具有较强鲁棒性的H∞滤波算法,建立了无源北斗/INS组合对准误差模型,并分别采用H∞滤波、常规卡尔曼滤波和衰减记忆滤波进行了比较仿真。结果表明,采用H∞滤波可以进一步保证对准的快速性和对准精度,在实际应用中有较高参考价值。     

MEMS惯性器件误差系数的Allan方差分析方法

全球卫星导航系统和惯性导航系统（GNSS/INS）组成的组合导航系统已经在很多应用场景下发挥了巨大的作用,随着组合导航系统的发展,低成本INS也得到了广泛的应用,微机电系统（MEMS）惯性器件在组合导航系统的应用当中也日益受到重视,MEMS惯性器件体积小,功耗低,便于低成本系统的实现.但是MEMS惯性器件的误差较大,为了对其误差项进行分析和识别,可以使用Allan方差方法对惯性器件长时间测量数据进行处理.本文分析了MEMS惯性器件具有的典型误差项,介绍了Allan方差分析方法的原理和实现方法,利用该方法可以对MEMS惯性器件的各个误差项进行辨识.通过对一种商用级MEMS陀螺仪和加速度长时间实测得到的数据进行处理和分析,验证了Allan方差分析方法应用于误差项辨识的可行性,并给出了该MEMS惯性器件的各个误差项识别结果.使用Allan方差方法得到的误差项系数可以直接应用于惯性器件误差建模,对于GNSS/INS组合导航系统的实现和改进有重要意义.     

基于严密Helmert方差分量估计的动态Kalman滤波

针对Kalman滤波模型推导了严密的Helmert方差分量估计公式.在此基础上,构建了方差分量估计辅助的Kalamn滤波解,改进的Kalman滤波与标准Kalman滤波的计算过程基本相同.推导了方差分量估计对Kalman滤波解的影响.理论推导和计算结果均表明,Helmert方差分量估计辅助的Kalman滤波能够合理调控动力学模型误差的影响,合理平衡观测信息与动力学模型信息对Kalman滤波解的贡献,提高状态参数估计的精度;严密Helmert方差分量估计与简化Helmert方差分量估计辅助的Kalman滤波解基本等效.     

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。