循环神经网络辅助GNSS/SINS组合导航方法及性能分析

针对GNSS信号中断时组合导航系统误差迅速发散的问题,提出了使用循环神经网络(RNN)来辅助组合导航系统的方法,RN N可以分别基于当前和过去的位置以及速度样本进行训练,使神经网络更好地处理系统中的时序信号,从而能够更加精确地预测SINS的位置和速度误差.采用无人机飞行试验数据验证了该算法在卫星信号中断时导航精度平均提升了77％,并且满足导航所需的实时性要求,与传统的径向基神经网络辅助的组合导航系统相比,其位置和速度的均方根误差平均降低了39％.     

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.     

基于小波神经网络的组合导航系统初始对准技术

针对SINS/GPS/MCP组合导航系统初始对准中GPS失锁时系统精度下降的问题,引入基于神经网络和小波技术的解决方案,将相关特征量经小波去噪后作为神经网络的训练样本.基于该方案建立了系统滤波模型,包括捷联惯性系统失准角、速度和位置误差方程以及速度航向匹配的状态方程和量测方程.为了验证该方案的有效性,分别对GPS失锁、加入神经网络修正和引入小波去噪技术3种情况进行了仿真,结果发现:神经网络修正可解决速度精度变差的问题;经小波去噪后对神经网络重新训练,各项指标都有所提高.可见,基于小波的神经网络方法可提高神经网络逼近模型的程度,进而提高对准精度.     

基于SINS/星敏感器的组合导航模式

针对利用捷联惯导系统导航的不足,提出了一种基于捷联惯导系统/星敏感器的新组合导航模式,来提高飞行器导航的精度和速度.利用星敏感器得到恒星星光矢量在星敏感器CCD光敏面上的星像点及其在导航星库中对应的坐标值,然后分别进行坐标变换得到星光矢量在数学平台坐标系和地理坐标系中的坐标角度值.以Kalman滤波为基础,将所得到的星光坐标角度值和姿态角速度进行数据融合,估计出组合导航系统的误差状态量,进而修正捷联惯导系统的位置、速度和姿态角参数.详细推导了SINS/星光的组合导航算法,并通过仿真证实了该方案可提高导航系统的精度和速度,有较好的容错性和环境适应性,具有实际使用价值.     

基于故障状态检测的惯性/卫星信息融合技术

为了提高惯性/卫星组合导航系统的可靠性及导航信息的精度,设计了SINS/GPS/Galileo/RDSS组合导航多信息融合方案,采用基于概率分布的残差χ2故障检测方法提高组合导航系统的容错性和可靠性.在此基础上采用了基于故障状态检测的新型自适应信息分配算法,并建立导航系统的数学模型,给出其状态方程、测量方程.最后将新算...     

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。     

IMU/计程仪/重力组合导航系统信息融合方法

针对现代战争环境对导航系统高自主性、高隐蔽性的要求,提出了IMU/计程仪/重力无源组合导航方式.深入研究了IMU/计程仪/重力组合导航系统的信息融合方法,设计了该系统的工作模式.采用扩展卡尔曼滤波进行各传感器信息的融合.根据导航系统对实时性的要求,建立了系统的低阶误差状态方程;将厄特弗斯效应的影响考虑到滤波器设计中,建立了系统的重力观测方程;将计程仪的速度与惯性速度进行融合,建立了系统的速度观测方程;在不增加系统成本的条件下,进一步利用加速度计输出估计水平姿态,建立了系统的姿态观测方程.在此基础上,设计了相应的信息融合策略.实际系统的机载试验结果表明,IMU/计程仪/重力组合导航系统算法正确、性能良好,可以有效地控制惯导系统位置和速度误差的累积,满足长时间一定精度的导航要求.     

约束无迹粒子滤波及其在车辆导航中的应用

针对城市高楼密集区,卫星导航信号易被干扰或遮挡、航位推算长期定位误差积累导致车辆组合导航定位精度差的问题,提出一种约束无迹粒子滤波算法。首先,该算法利用无迹卡尔曼滤波对实时状态的均值和方差进行估计,生成的高斯分布作为粒子采样的重要性函数,克服了粒子滤波重要性函数难以选取的问题。其次,采用从观测方程中提取约束条件、构建约束方程的方法,解决约束条件难以构造和新增约束方程导致算法计算量激增的缺陷。再次,通过构造拉格朗日函数,得到无迹粒子滤波的状态估值投影到约束平面的最小值。然后,设计车辆组合导航系统的车辆运动约束方程和道路约束方程,对状态估计值进行约束,修正误差大的估计值,提高了状态量的估计精度。最后,将提出的约束无迹粒子滤波应用到全球定位系统/航位推算车辆组合导航系统中进行仿真验证,并与无迹粒子滤波和自适应无迹粒子滤波进行比较。结果表明:提出的算法估计得到位置误差均值控制在1.5 m左右,而2种比较算法估计得到的位置误差均值控制在3 m左右;提出算法的位置误差估计精度明显优于2种比较算法,车辆组合导航定位性能得到了改善。该方法为驾驶人提供了可靠的反馈信息,避免了交通事故的发生,从而减小了人员伤亡和经济损失。     

基于单频伪距、伪距率全球定位系统/惯性导航系统紧组合导航系统

单频单系统型接收机的造价成本较低。为了迎合低成本的需求,并且解决在城市环境下因高楼大树遮挡导致全球卫星导航系统可见卫星数不足而无法定位的情况,设计了基于单频伪距、伪距率GPS/INS紧组合导航系统;详细推导了该组合导航系统的模型,并通过实验验证了当可见卫星数充足时,该系统的精度较高;当可见卫星数不足4颗时,该组合导航系统仍然可以有效的定位导航,满足一定的导航精度需求。     

基于单频伪距、伪距率GPS/INS紧组合导航系统

单频单系统型接收机的造价成本较低,为了迎合低成本的需求,并且解决在城市环境下因高楼大树遮挡导致全球卫星导航系统可见卫星数不足而无法定位的情况,本文设计了基于单频伪距、伪距率GPS/INS紧组合导航系统,详细推导了该组合导航系统的模型,并通过实验验证了当可见卫星数充足时,该系统的精度较高;当可见卫星数不足4颗时,该组合导航系统仍然可以有效的定位导航,满足一定的导航精度需求。     

高斯混合粒子滤波器在静基座捷联惯导系统初始对准中的应用

为解决传统粒子滤波算法中影响状态估计性能的采样枯竭问题,提出一种高斯混合粒子滤波(GMPF)算法,基于Sigma点卡尔曼滤波(SPKF)和粒子滤波的特点,采用加权EM算法取代传统粒子滤波的再采样过程,减弱了采样枯竭的影响,增强了算法的估计性能.对捷联惯导系统静基座大方位失准角初始对准的仿真结果表明,该算法的估计精度优于扩展卡尔曼滤波.     

基于EPEA的SINS大失准角非线性初始对准方法

基于欧拉平台误差角(EPEA)的概念描述了理论导航坐标系到计算导航坐标系之间的失准角,推导了捷联惯导系统(SINS)在大失准角情况下进行初始对准的非线性误差模型.在系统噪声和量测噪声均为加性噪声且量测方程为线性方程时,给出了带阻尼解算的简化扩展卡尔曼滤波(EKF)算法和简化无迹卡尔曼滤波(UKF)算法,同时分析了不同失准角情况下初始对准过程的异同.静基座状态下的Monte Carlo仿真结果表明,大失准角和大方位失准角情况下,EKF和UKF算法都能满足对准要求,其中UKF算法较EKF算法具有对准时间更快、对准精度更高和适用范围更广的优点;小失准角情况下,由于捷联惯导系统的线性化误差变小,二者的对准时间和对准精度基本相同.     

基于平淡卡尔曼滤波器的微小卫星姿态确定算法

针对扩展卡尔曼滤波（EKF）在线性化过程中会引入误差的问题，采用平淡卡尔曼滤波器（UKF）进行了系统滤波器设计；提出一种构建虚拟观测量的方法，并分析了其噪声特性．虚拟观测量与高精度器件量测量搭配可实现对姿态的校正．以太阳敏感器、微电子机械系统（MEMS）陀螺、磁强计为姿态敏感器件，构建了定姿滤波器并用STK（Satellite Tool Kit）数据进行了仿真．结果表明，所提出方法能有效地提高定姿性能，采用UKF的系统定姿误差与EKF相当，但收敛时间、稳定性要优于EKF．     

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。     

组合导航系统新息自适应卡尔曼滤波算法

全球定位系统(GPS)量测噪声的不稳定变化将造成惯性导航系统(INS)/GPS舰用组合系统卡尔曼滤波器性能下降,在对自适应卡尔曼滤波器分析的基础上,提出了一种新的基于新息估计的自适应卡尔曼滤波算法.该算法通过计算新息方差强度的极大似然估计最优估计,将新息方差计算直接引入卡尔曼滤波器的增益计算.仿真结果表明,本文方法较标准卡尔曼滤波器可以提高系统精度和抗干扰能力.     

北斗卫星导航系统对定位测量数据的影响

北斗卫星导航系统是中国自主研制的全球卫星导航系统,然而北斗卫星导航系统对GNSS测量数据精度有何影响的研究较少,本文主要研究有无北斗卫星导航定位系统参与下,对GNSS测量数据的点位中误差及点位精度所带来的影响。研究表明,在有北斗的参与下,数据的点位中误差明显偏小,更接近已知点位的坐标,且数据质量稳定。     

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。     

一种改进的自适应USQUE组合导航姿态估计方法

针对传统四元数无味卡尔曼滤波(unscented quaternion Kalman filter,USQUE)算法的量测噪声统计未知及时变引起滤波发散精度降低等问题,提出一种变分贝叶斯自适应四元数无味卡尔曼滤波算法(variational Bayesian-based adaptive USQUE,VB-AUSQUE).通过变分贝叶斯高斯迭代近似估计,获取近似的量测噪声协方差矩阵滤波先验条件.仿真和舰载测试表明:在捷联式惯性导航系统/全球定位系统(strapdown inertial navigation system/global navigation satellite system,SINS/GNSS)组合导航系统中,VB-AUSQUE算法能有效减少系统量测噪声未知及时变问题对姿态估计精度的影响,相比常规算法具有更高的精度.     

基于简化差分插值滤波的编队卫星相对导航

将一种基于Stirling内插公式的非线性差分插值滤波(Divided Difference Filter-DDF)算法的简化形式(Simplified Divided Difference Filter-SDDF)应用到编队卫星相对导航中.该算法通过对非线性系统方程进行多项式展开并取有限差分插值项进行近似.数值仿真结果表明:该算法相对于EKF(Extended Kalman Filter)算法有明显的优势,有较高的滤波精度、更快的收敛速度和较好的稳定性,其中相对位置估计相比EKF提高79%、相对速度提高52%,对编队卫星相对导航具有一定应用价值.     

基于GNSS卫星信号的多基SAR系统性能

为解决基于GNSS卫星信号的星机多基SAR系统信噪比低的问题,提出几种改善系统信噪比的方法.分析了GNSS卫星信号源的信号特性及GPS信号的雷达模糊函数,研究其作为多基SAR系统发射信号的适用性,推导了雷达方程,并分别对点、面目标的信噪比进行分析.结果表明:作为系统照射源的GNSS信号具有良好的距离、速度分辨特性.采用适当的信号处理方法,可有效改善系统信噪比,满足多基SAR成像的要求.