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％.     

GNSS/MIMU紧组合系统在无人机中的应用分析

航测行业应用对无人机作业时的定位精度、稳定性均有非常强的行业要求,不仅要求设备有厘米级的精确度,还要求高频输出设备速度和高精确度的三维姿态.针对单一的捷联式惯导系统或全球卫星定位系统都存在各自的不足点,在特殊的环境下无法满足当前无人机对高精度要求的现状,设计一款基于微惯性测量单元-MIMU的紧性组合系统,该定位系统利用集中式Kalman滤波器对其进行算法融合.通过实际定位对比实验实测数据表明:在WGS-84坐标系中XYZ 3个方向的位置误差RMS分别为2.2 cm、2.9 cm、4.8 cm;在俯仰、横滚、航向3个方向姿态误差RMS为0.07°、0.13°、0.2°,ENU 3个方向的速度误差RMS分别为0.032 m/s、0.065 m/s、0.286 m/s,该系统的定位误差可精确到厘米级别,能够满足无人机航测高精度的位置、姿态、速度需求,同时也满足企业对于其成本的追求.     

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。     

陆地车辆GNSS/MEMS惯性组合导航机体系约束算法研究

针对陆地车辆导航应用,基于速度特性建立了机体系约束用以提高卫星导航系统(GNSS)/微硅机械(MEMS)惯性组合导航系统的性能. 该约束将与车体运动方向相垂直的平面上的线速度近似为0,从而增加了组合系统的扩展卡尔曼滤波时间上连续的两维虚拟观测量,卫星信号失效时可保持滤波器的量测更新,当无外部观测量且车辆处于动态情况下,滤波可持续估计与反馈. 车载实验表明,组合系统在卫星信号失效30 s时,采用该算法可以将系统的定位精度提高约75%,姿态精度及速度精度也有相应的提高.      

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。     

星光导航原理及捷联惯导/星光组合导航方法研究

该文在分析星光导航原理的基础上,给出了捷联惯导/星光飞行器组合导航方案;推证了该组合导航系统的状态方程和观测方程,分析了星敏仪量测误差.结合高超声速跨大气层再入飞行体的模拟飞行轨道,进行了组合导航数学仿真.结果证实该方案能够利用星光导航信息对捷联惯导进行即时修正,表明捷联惯导/星光组合导航系统在较精确地获取载体姿态信息方面具有优越性.     

自适应滤波在GPS/IMU/MV组合导航系统中的应用

本文提出了一种自适应数据融合方法,该方法根据位置误差、角度误差和统计信息,采用模糊逻辑控制器对卡尔曼滤波器的增益矩阵K,测量误差协方差R,观测误差协方差Q进行实时修正,将卡尔曼滤波器调整到最优状态。仿真结果证明该方法比传统卡尔曼滤波具有更高的精度。     

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.     

与SAR同步的IMU/GPS组合导航系统的设计

应用IMU/GPS组合导航系统为SAR系统提供运动补偿参数时,数据与SAR之间的同步是非常重要的.基于实际应用提出一种可与SAR系统脉冲重复频率(Pulse Repetition Frequency: PRF)保持同步的IMU/GPS组合导航系统,解决了IMU/GPS组合导航系统不能与SAR同步的问题.     

基于激光点云特征的LiDAR-GNSS/IMU联合自动标定方法

车载多线激光雷达与GNSS/IMU系统间的数据融合可以提高智能驾驶定位系统的精度,两传感器间外部参数的标定是完成数据融合的前提.针对车辆传感器间外部参数手动测量困难、标定自动化程度低的问题,提出了一种不依赖标志物的自动标定方法,首先构建线、面两类特征点云地图并采用闭环约束减小累积误差,对两类点云地图分别提取面特征体素和线特征聚类,并将每一激光帧中的激光点与面特征体素和线特征聚类进行关联,结合基于运动标定的约束,构建最小二乘问题优化求解外部参数,最后通过实车实验验证了所提出算法的有效性和鲁棒性.     

基于卫星导航/惯性单元松耦合的低速智能电动汽车航向角估计

低速智能电动汽车近年来发展迅速,组合定位技术是其关键技术,航向角估计是组合定位技术中重要组成部分。基于低速智能电动汽车,提出了GNSS(global navigation satellite system)/IMU(inertial measurement unit)组合的航向角估计方法。介绍了GNSS/IMU松耦合条件下的航向角估计方法,提出基于IMU的航向角积分方法,推导了松耦合条件下误差动态与测量模型。针对GNSS信号质量时变问题,使用残差自适应卡尔曼滤波算法对航向角误差进行估计。针对GNSS信号质量设计了航向角误差反馈修正策略。通过在不同GNSS信号条件下进行的多组实车试验,验证了所提出的航向角估计算法的有效性。     

Optimal Nonlinear Filter for INS Alignment

IntroductionKalman filtering(KF) is a popular tool for solvingestimation problems,but its optimality heavilydepends on the model linearity.Although KF canbe extended to extended Kalman filtering(EKF)for nonlinear systems,its performance relies onand is limited by the model linearization. Forhighly nonlinear systems,linearization may causevery large model errors that may even result indivergence of the filtering process. Despite themany papers on nonlinear filtering theory,theimplementation…     

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.      

基于SoC的GNSS接收机多系统兼容技术研究

分析了GPS,GLONASS,BD,Galileo多系统兼容的意义、可行性和关键问题,提出了基于SoC的GNSS接收机多系统兼容方法,通过中频采样技术、扩展时频二维展开的微弱信号快速捕获技术及基于存储码技术的相关通道、基于SoC的信号处理等方法,解决多系统在采样、捕获、跟踪、处理等方面的兼容问题;前端配备兼容型天线和射频,实现了多卫星导航系统兼容;并给出了基于SoC的GNSS接收机多系统兼容的实现结构及处理流程,搭建验证系统,实现了对各导航信号的兼容跟踪.     

GNSS诱偏系统转发器的布阵高度分析

在全球导航卫星系统（global navigation satellite system,GNSS）转发诱偏系统中,系统响应存在实时性差的问题,这会造成转发的导航参数与真实运动状态存在变化率的偏差。为分析该偏差与转发器布阵高度的关系,将真假点位移变化量的二范数作为映射偏差的评价指标并构建了目标函数,推导了目标函数最小化求解过程。得到布阵高度与系统映射偏差成负相关的结论,并通过对接收机运动轨迹和邻域映射情况的仿真实验,验证了结论的正确性。该结论为诱偏系统减小映射偏差提供了优化的理论依据。     

GNSS软件接收机算法设计与仿真测试

从GNSS（global navigation satellite system）软件接收机的总体结构出发,阐述了GNSS软件接收机基本原理,设计了GNSS软件接收机的信号相关器及其工作流程,介绍了基于FFT的码并行搜索策略,在信号跟踪中详细给出了载波环路中的鉴相器和鉴频器设计。对于导航定位解算,讨论了各项误差的处理方法,包括钟差和简化的等效对流层误差模型,并给出了最小二乘法的具体实现步骤。仿真结果表明,软件接收机中采用伪码并行捕获方法、DLL环与FLL环辅助下的PLL环路算法可获得良好的效果。在考虑星钟误差、对流层误差、电离层误差和地球自转引起的偏差等误差源的条件下,最小二乘法解算的单点定位结果满足要求。     

城市峡谷环境下GNSS卫星可见性快速预测方法

城市峡谷环境下全球导航卫星系统（GNSS）性能显著下降,通过建立三维城市模型来预测卫星的可见性是该环境下进行GNSS性能分析最为常见的方法之一.为解决三维城市模型数据量大,使得卫星可见性预测计算消耗大量时间的问题,提出了一种快速预测城市中建筑是否遮挡卫星信号的方法.该方法通过分析三角面元的法向量方向、三角面元与用户的相对位置关系以及历史遮挡关系,减少了计算量并缩短了计算时间.仿真结果表明,该方法的相交判断计算次数为传统方法的7.21%,消耗的总计算时间为传统方法的22.38%,平均相对误差为1.89%.该方法具备计算效率高、准确性高的优点.      

基于时频分析的GNSS连续波干扰检测

GNSS(Global Navigation Satellite System)信号在传播的过程中会受到各种连续波的干扰,以至于接收机很难根据GNSS信号进行准确的导航和定位。GNSS接收机接收到的信号是近平稳或者非平稳的,其统计量是时变函数。因此只了解信号在时域或频域的全局特性是远远不够的,还需要知道信号频谱随时间变化的情况。为了分析和处理非平稳信号,文章引入了时频分析的方法,利用其可以同时描述信号在时间和频率的能量密度和强度;通过短时傅里叶变换和Wigner-Ville分布分别处理被连续波干扰的GNSS信号,它们都能够捕获GNSS信号中连续波干扰的频率,再通过滤波器滤除连续波的干扰;利用Wigner-Ville分布和短时傅里叶变换,通过Matlab仿真分别检测GNSS信号中连续波干扰的频率,并比较两者性能的差异。     

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.