GPS/INS延时估计与基于残差重构的延时补偿算法

传感器采样延时是多传感器信息融合过程中面临的一个重要问题,全球定位系统/惯性导航系统(GPS/INS)的组合导航系统是智能汽车常用定位方式,但常面对GPS采样延时的问题,因而会造成对INS误差状态的错误估计,影响定位定速的精度.本文针对该问题,在传统的GPS/INS松耦合组合导航模型的基础上提出一种延时估计和补偿的算法.首先建立延时估计模型,估计时间同步误差,然后构建残差传播方程,利用残差重构的方式进行延时补偿,实现基于软件的时间同步.根据试验中对速度、位置误差及均方根误差的分析,改进的滤波算法有效地降低了GPS采样延时引入的误差,提高了定位和定速的精度.     

GNSS/INS紧组合算法实时性改进与嵌入式验证

针对GNSS/INS实时紧组合导航系统中存在的GNSS数据延迟以及组合更新解算耗时过长的问题,基于Kalman滤波理论,提出了一种在完成了滞后的观测更新后将误差状态向量一步转移到当前时刻的Kalman滤波数学模型.为了验证改进模型的有效性,首先,在Windows平台上,利用车载实测GNSS观测数据和IMU观测数据对比分析了使用改进模型解算与标准Kalman模型解算在GNSS信号中断时段内的导航误差,分析结果表明,2种模型的导航误差相当,说明了改进模型对时间延迟处理的正确性.然后,在DSP硬件平台上,基于改进模型实现了GNSS/INS实时紧组合导航系统,并进行了车载测试,实测结果表明:相对于标准Kalman模型,所提出的改进模型能够在保障紧组合导航系统精度的前提下,将输出导航结果的时间延迟减少到最小,保障了组合导航结果的实时性.     

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.     

H∞滤波在GPS/INS组合导航系统中的应用研究

根据H∞鲁棒滤波理论,提出了基于H∞滤波技术的GPS/INS全组合导航系统,利用了GPS和INS提供的位置、速度和姿态信息,并对该系统的滤波算法进行仿真.仿真结果表明,在GPS/INS组合中采用H∞滤波,不仅保证了组合系统导航精度,提高了滤波的鲁棒性,而且能够防止滤波发散.     

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XPNAV和SINS的容错组合导航系统

提出一种基于脉冲星导航和捷联惯导的容错组合导航系统.捷联惯导具有自主性和不间断性的优点,可弥补脉冲星导航滤波周期较长的缺陷;脉冲星导航的长期稳定度好,可抑制捷联惯导的误差随时间发散.该系统根据轨道动力学模型和SINS估计航天器的状态,利用脉冲星导航的观测量分别修正估计误差,通过相位残差检测天体遮挡等因素引起的故障,利用联邦扩展卡尔曼滤波融合导航信息.仿真实验结果表明:同脉冲星导航方法相比,该方法具有更高的精度和更短的滤波周期,且不受天体遮挡的影响.     

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.      

卡尔曼滤波在无人机导航系统的应用

无人机具有在三维空间中的机动能力,能够进入人类很难到达的环境中完成许多危险的任务。针对无人机在未知环境中短暂GPS丢星的导航问题,根据GPS、惯性导航系统的各自优、缺点,设计了一种集中式卡尔曼滤波组合,即采用一个共同的卡尔曼滤波器对GPS和INS进行信息融合。测量数据取自最优估计后的GPS数据,滤波方程的状态矢量是惯性导航系统参数误差状态和GPS导航参数误差状态的组合,用来对原系统校正,增加了无人机导航系统的可靠性,提高了系统的精度和抗干扰能力。对保证无人机长久飞行及面临短暂丢星等方面具有较强的现实应用意义。     

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.     

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.     

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.     

基于联邦卡尔曼滤波的某舰船组合导航系统的设计

为了得到更高精度的导航信息,在某船现有的固定指北惯性导航系统的基础上,将惯导与GPS结合,设计了一种基于联邦卡尔曼滤波的舰船用组合导航系统,研究了该组合导航系统的数据处理方法,并对该组合方式进行仿真,验证了可行性.     

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。     

组合导航信息融合算法的研究

以GPS／INS组合导航系统为应用背景,推导了“当前统计”模型下卡尔曼滤波方程的关键矩阵。阐述了卡尔曼滤波器的主要参数对组合导航信息融合效果的影响;给出了组合导航系统的松耦合设计框图;根据实验测得的数据采用基于卡尔曼滤波的信息融合算法,通过对算法改进前后东向误差和北向误差的分析,说明算法改进后的定位精度比改进前高约30％．     

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.     

组合导航系统中模糊自适应卡尔曼滤波器的设计

为了解决常规卡尔曼滤波法存在的不足,给出了用模糊推理系统与卡尔曼法相结合的方法。该方法通过监视理论残差和实际残差的协方差一致程度,应用模糊系统不断调整滤波器的增益系数,对卡尔曼滤波器进行在线自适应控制,最终实现最优估计。通过对INS/GPS组合导航系统的计算机仿真,结果表明该方法是有效、实用的。     

GPS/INS integration: A performance sensitivity analysis

Inertial Navigation System (INS) and Global Positioning System (GPS) technologies have been widely used in a variety of positioning and navigation applications. Both systems have their unique features and shortcomings. Therefore, the integration of GPS with INS is now critical to overcome each of their drawbacks and to maximize each of their benefits. The integration of GPS with INS can be implemented using a Kalman filter in such modes as loosely, tightly and ultra-tightly coupled. In all these integration modes the INS error states, together with any navigation state (position, velocity, attitude) and other unknown parameters of interest, are estimated using GPS measurements. In a high performance system it is expected that all these unknown states will be precisely estimated. Although it has been noted that both the quality of the GPS measurements and the trajectory and/or manoeuvre characteristics of the problem will have impacts on system performance, a systematic sensitivity analysis is still lacking. This paper will address this issue through real data analyses. The performance analysisresults are very relevant to system design and platform trajectory and/or manoeuvre optimisation.     

惯性/北斗组合导航系统的鲁棒H∞滤波

为提高惯性/北斗组合导航系统的精度, 将鲁棒H∞滤波算法应用于惯性/北斗组合导航系统中, 该算法可克服模型的不确定性对滤波精度的影响, 并将滤波器的设计问题转化为线性矩阵不等式约束的凸优化问题。仿真试验最终表明, 鲁棒H∞滤波算法应用于组合导航系统是有效的。