星载GPS低轨卫星跟踪数据的建模与仿真

在研究星载GPS低轨卫星系统的基础上，建立了星载GPS低轨卫星跟踪数据的仿真模型，编制了相应的计算机程序。仿真模型包括卫星参数模型、动力学模型和观测误差模型。仿真计算表明，卫星参数模型和动力学模型真实地反映了卫星的运动规律；误差模型反映了观测环境对信号的传播影响。同时可以调节和选择仿真模型的参数，仿真采用不同高度、具有不同星体参数的低轨卫星和具有不同误差大小的跟踪数据，这对于论证星载GPS定轨方案、评价定轨算法、设计GPS接收机等有一定的实用价值。     

数据融合技术在SINS/CNS/GPS复合制导中的应用

分析了导弹SINS/CNS/GPS复合制导系统的缺点,设计了一种新的组合制导方案,该方案分三个阶段:SINS导航段、SINS/CNS导航段和SINS/CNS/GPS导航段.在最后导航段采用了联邦滤波器的结构.在发射惯性坐标系下分别建立SINS/CNS和SINS/GPS子系统状态方程和观测方程,分别设计了UKF和KF滤波器,在数据融合前,先通过一致性检验判断GPS的干扰,然后采用信息分配原则进行数据融合.仿真实验表明该方案有较好的效果和适应能力.     

GALILEO原始观测数据仿真研究

对GALILEO卫星的运动情况进行了模拟,进而仿真出其全星座卫星系统.分别采用NeQuick模型和Hopfield模型分别对电离层误差和对流层误差进行了模拟.参照GPS对GALILEO卫星钟差和接收机种差进行了模拟.计算各颗GALILEO各卫星的Doppler频移以及对各颗卫星的伪距和载波相位观测值,最后生成RINEX观测文件.生成的观测文件能反应GALILEO观测的实际情况,是进行GALILEO/GPS组合导航以及载波相位模糊度解算等后处理研究的基础.     

检测前跟踪应用中的传感器观测数据仿真研究

检测前跟踪是低信噪比环境下目标检测与跟踪的有效方法,应用时通常基于未作门限处理的传感器原始观测数据,而非经典跟踪中的点迹.鉴于当前还没有系统的用于检测前跟踪的传感器仿真建模研究工作,针对实际应用中常见的雷达、声纳和红外三类传感器,建立检测前跟踪处理模型,并仿真产生了各类传感器在单、多目标场景下的原始观测数据.仿真试验表明,传感器模型仿真逼真度较高,为其它种类传感器的观测数据仿真提供了参考,也为检测前跟踪算法的研究提供了便利.     

SLAM问题中的自适应序贯数据关联

基于马氏距离的最近邻数据关联算法目前在SLAM中得到了广泛应用.通常假设关联对之间的马氏距离服从卡方分布,并根据设定的置信度来选择固定的数据关联阈值.但是通过使用真值运算的SLAM仿真证明关联对之间的马氏距离并非严格服从卡方分布,而是受路标分布、过程和观测噪声以及运动控制量大小的影响.对此提出利用观测数据和移动机器人状态等信息,通过虚拟关联来自适应地调整阅值的方法,并采用序贯关联方法防止路标丢失和增广滞后.仿真表明该方法可以很好地适应环境和噪声的变化,有效地防止虚假路标并降低观测丢弃率.     

非平稳时序分析在GPS伪距观测值建模中的应用

伪距观测值的仿真建模在GPS系统分析、误差消减等方面有很广泛的应用,原有的一些建模方法得到的仿真结果误差不能满足特定应用的需要.为此,提出了一种利用非平稳时间序列分析的方法,以达到减小仿真误差的目的.该方法通过对实际采集的GPS伪距数据的特征进行分析,采用自回归-求和-滑动平均(ARIMA)模型建模,并运用逆函数法对模型参数进行估计,最后通过Matlab编程进行了仿真,仿真结果表明利用该统计模型得到的仿真伪距与实际测量值的误差不超过3米,得到了较为满意的效果.     

基于不完全观测数据的多速率多传感器数据融合

研究了一类时变线性动态系统,在不同传感器以不同采样率对同一目标进行观测,并且各个传感器的观测数据存在不规律丢失情况下,给出了一种有效的信息融合方法。该方法通过数学推导,将多速率传感器数据融合转化为单速率传感器数据融合问题,并采用修正的联邦Kalman滤波器进行状态估计。新算法不需要对状态或观测进行扩维,计算量适当,从而保证了算法的实时性。在观测数据丢失的时刻,采用外推的观测值代替错误的观测数据,从而避免了传统算法的发散。理论分析和仿真实验验证了算法的有效性。     

一种机载GPS高速率定位数据输出算法

为满足高动态环境的需要 ,提出了一种适用于机载全球定位系统 (GPS)高速率定位数据输出的算法。该算法先对GPS数据进行抑制随机误差的预处理 ,再用三次样条函数进行插值或逼近 ,通过样条函数的表示 ,实现任意速率的输出。该方法可以在事后处理中弥补GPS数据输出速率低的不足 ,由于利用了载机运动特性的先验信息 ,因此输出参数精度比传统的插值方法要高。仿真结果表明了本算法的正确性和有效性     

基于卡尔曼滤波的CDMA/GPS数据融合算法分析

针对无线定位技术的广泛应用,提出了一种改进的GPS/CDMA数据融合算法。该算法利用卡尔曼滤波实现了CDMA蜂窝网系统和GPS定位数据融合,提出高移动目标的事实上的位精度。借助移动目标的运动矢量模型、CDMA定位误差模型、GPS定位误差模型建立了CDMA和GPS定位状态方程,给出了数据融合的数学模型和融合算法。重点研究了利用卡尔曼滤波实现定位数据的融合。算法分别对GPS定位参数和CDMA定位参数进行滤波处理,然后对滤波后的数据融合。通过仿真表明滤波后两者定位精度都有大幅度的提高,数据融合后定位精度得到进一步的提高。     

基于模糊预测系统的观测数据野值剔除方法

针对观测数据序列中影响数据处理和分析的野值,提出了一种在线辨识和剔除野值的方法。该方法利用梯度下降法构造最小均方准则下最优的观测序列模糊预测系统,从而获得预测值与观测值的残差序列,然后基于狄克松准则快速辨识并剔除观测数据中的异常值。对实测数据的仿真实验表明:该方法能够准确跟踪观测信号的变化,适合于各种观测信号单个性野值的辨识和剔除。     

基于UKF的高动态GPS信号参数估计研究

为了更好地适应高动态环境给GPS信号接收模型带来的非线性特性,提出了一种基于Unscented卡尔曼滤波(Unscented Kalman Filter,简称为UKF)技术的高动态GPS信号参数估计方法。在分析高动态GPS载波相位模型和UKF原理的基础上,设计了高动态UKF估计器,对高动态GPS信号的相位、多普勒频率、频率变化率和频率二阶导数等参数进行了估计。通过仿真分析了该估计器的估计性能,仿真结果表明该方法在高动态环境中可以很好地跟踪GPS接收机动态信号。     

中程空空导弹火控系统评定基准研究

通过讨论某型半主动雷达制导中程空空导弹的五自由度模型的建立和仿真 ,得到了该型导弹的精确弹道数据和攻击区仿真图形 ,为该型导弹的弹道和攻击区数据的试飞评定奠定了基础。给出的模型和设计方法也可用于其它型号中程空空弹的火控仿真计算 ,具有一定的通用性。     

网格环境下大规模交通仿真及应用研究

网格为大规模的交通仿真提供了高性能的计算资源.在网格环境下大规模仿真从模型的准确性、运算的高效性、系统的可用性等方面都得到了很大的提升.通过对海量流动车辆的GPS历史数据的整合,并结合实时GPS数据估计出大范围的时变OD矩阵.通过Web Service的应用使仿真成为一种互联网上的服务.通过并行计算使得后台的仿真计算能力得到了提升.     

GFMIMU/GPS组合导航系统信息融合技术研究

GFMIMU/GPS(Gyroscope Free Micro Inertial Measurement Unit/Global Positioning System)组合导航系统具有抗高g值冲击、低成本、长寿命、较高精度等优点,在低成本精确制导武器和微小型无人机具有广阔的应用前景。针对工程应用中信息融合的精度和实时性两方面的要求,运用基于模型误差预测的扩展卡尔曼滤波MEP-EKF(Extended Kalman Filter base on Model Error Predictive)方法,将MEMS(Micro Electromechanical Systems)加速度计的误差作为模型误差来考虑,对GFMIMU/GPS组合导航系统进行建模仿真,将其与EKF和UKF(Unscented Kalman Filter)方法进行了仿真比较,在方位误差角的估计上取得了比他们精度高的仿真结果,而且MEP-EKF所需时间是UKF的10%.     

基于自适应航迹融合算法的GPS／SINS紧组合导航系统研究

针对开环校正GPS/INS组合导航系统卡尔曼滤波器在长时间工作条件下滤波精度下降的问题,提出了基于自适应航迹融合算法的紧组合GPS/INS导航系统方案.设计了一个与GPS/INS滤波器并行的独立GPS滤波器,利用自适应航迹融合算法对两个滤波器输出的局部航迹进行融合,从而得到系统航迹.数学仿真结果表明,该方案能够有效提高导航系统的导航精度和容错能力.     

基于平方根UKF的车辆组合导航

针对扩展卡尔曼滤波(EKF)在车辆导航中存在着计算复杂、线性化误差大等缺点,将一种新的非线性滤波方法--平方根UKF方法(SRUKF)用于车辆GPS/DR组合导航中.和普遍采用的EKF方法相比,SRUKF方法不仅提高了车辆组合定位的精度和稳定性;而且不需要模型的具体解析形式,避免了复杂的Jacobi-an矩阵的计算,算法更简单,也更加易于实现.为了检验其有效性,将两种方法分剐对车辆GPS/DR组合导航系统进行滤波仿真,仿真结果进一步表明SRUKF方法明显优于EKF方法,是车辆组合导航中一种更理想的非线性滤波方法,真正实现了车辆低成本、高精度的实时定位.     

基于UKF的低成本SINS/GPS组合导航系统滤波算法

针对MIMU的精度不高,会带来较大的初始对准误差角,如果继续采用传统的小干扰线性方程就会给滤波带来很大误差,甚至发散。针对这个问题,对低成本SINS/GPS组合导航系统建立了基于四元数误差模型的非线性滤波方程,并采用了UKF非线性滤波方法。针对四元数误差模型单纯使用UKF方法无法估计加计零偏和陀螺漂移的问题,提出将UKF和EKF相结合的算法,仿真结果表明,比起扩展卡尔曼滤波以及采用传统小干扰线性方程的卡尔曼滤波,这种方法能够提高姿态误差角特别是方位误差角的估计精度。     

GPS/速率方位惯性平台组合导航系统仿真研究

重力仪通常是在一个2轴水平平台上放置一个重力敏感器构成.如果在速率方位平台上放置一个重力敏感器,那么就能构成一个集导航与重力测量功能为一体的导航重力测量系统.该系统再加上一个GPS接收机,就构成了具有精确的重力测量和定位功能的系统.为此本文对GPS/速率方位惯性平台组合导航系统进行了研究,给出了该组合系统的计算方程、误差方程和计算机仿真结果.仿真结果表明由中低等精度的加速度计、陀螺仪和GPS构成的组合导航系统能够满足重力测量和导航要求.     

MIMU/GPS组合导航建模及GPS时间延迟补偿算法研究

针对MIMU/GPS组合导航误差状态方程建模问题,利用惯导误差系数替代惯导测量误差作为状态向量,推导了新的组合导航误差状态方程。然后针对MIMU/GPS组合导航的数据时间同步问题,提出了一种新的GPS时间延迟补偿算法。该算法将GPS信息真实时间点上的MIMU状态参数与GPS信息进行组合滤波,并结合卡尔曼滤波状态转移矩阵将组合滤波的结果递推到当前时刻,作为MIMU下一步计算的初值,解决了组合导航数据的时间同步问题。仿真计算表明:新的组合导航模型具有较高的计算精度,时间延迟补偿算法有效可行。