基于联邦滤波的SINS/GPS全组合导航系统研究

传统的捷联惯性导航系统(SINS)/全球定位系统(GPS)组合导航系统常采用位置速度组合模式,其可观测性与载体的飞行航迹有关,从而影响了整个组合导航系统的精度和可靠性.为了解决这一问题,提出了基于联邦滤波的SINS/GPS全组合导航系统方案,推导了姿态角误差和平台失准角之间的变换关系,建立了SINS/GPS全组合导航系统数学模型,最后采用联邦滤波算法进行组合导航仿真计算.通过对仿真计算结果的分析,证明基于联邦滤波的SINS/GPS全组合导航算法能够有效地提高系统的导航精度和可靠性.     

基于联邦滤波算法的无人机集群分层协同导航

为了解决传统单主从式无人机(unmanned aerial vehicle,UAV)相对导航结构因长机故障导致导航精度发散以及全连通协同导航算法计算量和通信负担较重的问题,提高集群导航稳定性以及导航信息的利用率,基于联邦滤波算法,提出了一种分层协同导航算法,并且根据导航精度将UAV集群分为长机层与僚机层,建立了UAV集...     

自适应联邦H∞滤波在水下组合导航系统中的应用

为了提高自主水下航行器组合导航系统精度,选择了捷联式惯性导航系统、多普勒速度声纳、电子磁罗经和海底地形匹配作为水下航行器组合导航系统导航传感器,建立了水下航行器组合导航系统的状态模型和导航传感器观测模型,提出了一种基于RBF神经网络进行联邦滤波信息分配的自适应联邦滤波信息融合方法并进行了计算机软件仿真试验,仿真实验结果表明:采用RBF神经网络进行信息分配系数的自适应调整的改进自适应联邦滤波器的水下航行器组合导航系统的导航姿态、速度和位置精度得到了提高,满足高精度水下组合导航的要求.新型信息融合方法克服了传统滤波容易发散的缺点,有效地提高了水下航行器组合导航系统的容错性能和导航精度.     

基于改进联邦滤波的故障隔离与系统重构

为解决故障隔离与系统重构(FIR)问题提出了改进的联邦滤波算法。采用带有备份主系统的联邦滤波结构,避免了由于主系统故障而引发灾难性后果,并针对这一结构提出了分级联邦滤波FIR策略,保证在任何一个子系统故障的情况下的滤波连续性和滤波结构完整,并提高了后续故障的检测能力。在融合算法上提出了分时融合反馈的联邦滤波信息分配方式,大大降低全局被污染的可能性,并提高了系统对渐变故障的检测能力。将该算法应用于多传感器组合导航系统中,仿真结果表明在任何一个子系统故障情况下,滤波器都能提供连续、准确的导航信息。     

改进的DGPS/INS/视觉组合导航算法研究

为了满足智能车辆的高精度、实时性和高可靠性的自主导航的需要,提出了一种GPS/机器视觉共同辅助SINS的多采样的智能车辆组合导航算法。该算法不仅包括GPS和SINS形成的位姿速度观测信息,还包括机器视觉形成的位置观测信息。在子滤波器中采用自适应选权滤波算法,抑制了滤波发散,提高了滤波精度。还提出了一种改进的基于估计协方差阵的奇异值分解的动态自适应调节信息分配系数的算法,可有效提高系统的状态估计精度。通过仿真实验验证,该导航系统能为智能车辆提供丰富的导航信息,实现了厘米级的导航精度和容错性,即使在GPS出现较长时间的中断时,仍能为智能车辆提供可靠的导航信息。     

基于地磁/光谱红移/太阳光信息的FAUKF自主定轨

针对地磁场模型精度低而引起的低轨卫星导航精度不高问题,提出了一种利用地磁、太阳光、光谱红移多源信息融合的低轨卫星自主导航方法。设计了基于地磁/光谱红移/太阳光信息的联邦自适应无迹卡尔曼滤波器(federal adaptive unscented Kalman filter,FAUKF)滤波自主定轨方案,提出了利用FAUKF滤波,选取太阳光矢量与地磁矢量的夹角的余弦值、地磁场强度、光谱红移信息为观测量,来估计卫星的速度和位置。仿真结果为位置精度465.38 m,该算法的精度要高于单纯的地磁导航,滤波的收敛性和稳定性较好,导航误差不随时间累积,有工程应用价值。     

基于SAR的组合导航系统仿真研究

针对地形辅助导航中SAR图像匹配高度通道不可观，及传统Kalman滤波器自适应性差的缺陷，提出引入GPS高度信息及自适应联邦Kalman滤波算法，设计基于自适应联邦滤波的SINS／GPS／TAN／SAR四组合导航系统。该方案能有效地提高系统的自适应性、导航精度和自主性。并且由于方位误差角是直接观测量，使得载体不需机动即可获得良好的惯导空中对准能力。同时，该方案还可以提供SAR系统所需的运动补偿信息，由此构成导舷设备与任务设备互补的双向信息融合系统。     

MPOS联邦实时组合算法

微小型位置姿态测量系统(micro position and orientation system, MPOS)是为成像载荷提供实时高精度运动补偿信息的关键装置，其测量精度严重制约成像精度的提升。针对MPOS集中滤波实时性差的问题，在基于双ARM (advanced reduced instruction set computing machines)硬件平台的基础上，采用联邦滤波实时组合算法对多组传感器数据进行最优信息融合。以微惯性测量单元为公共参考系统，双天线全球导航卫星系统(global navigation satellite system, GNSS)和磁强计作为子系统提供量测信息，将各个子系统得到的局部误差协方差及状态估计值在主滤波器中进行信息融合得到最优估计值。通过动态实验验证了基于联邦滤波实时组合方法的MPOS,其位置、速度、航向角及水平姿态角精度可达0.6 m, 0.03 m/s, 0.15°,0.04°。     

多源信息融合的组合导航自适应联邦滤波算法

全球卫星导航系统、捷联惯导、里程计、零速更新等多源信息的融合为地面移动测量系统提供了精确的位置和姿态参考信息。针对进行多源信息融合时,由于数学模型偏差和观测值粗差的影响,传统的联邦滤波不能有效隔离故障子系统的影响的问题,提出了利用验前新息计算联邦滤波的信息分配系数,基于联邦滤波和自适应滤波的等效性和抗差滤波原理,实现实时调整信息分配系数的自适应联邦滤波算法。通过一组车载数据的分析表明,自适应联邦滤波算法相对于传统联邦滤波算法,能有效地抵御观测值粗差和数学模型偏差的影响,显著提高了组合导航系统的精度和可靠性。     

卫星/惯性组合导航事后高精度融合算法研究

高精度的组合导航数据事后融合处理算法是多传感器信息融合处理的重要环节,是对导航系统性能进行评估分析的关键。研究了一种分两步进行的惯性/卫星组合导航信息事后高精度融合算法,在惯性/卫星组合导航卡尔曼滤波算法的基础上,利用最优固定区间平滑滤波算法对惯性/卫星组合导航信息进行再次平滑滤波融合,可以提高组合导航数据事后处理的精度。设计了仿真验证平台,对所提出的融合算法进行了仿真验证。仿真结果表明:基于卡尔曼滤波与固定区间平滑滤波实现的惯性/卫星信息事后融合算法有效、可行,可作为试飞性能评估中确定参考基准的方法。