某型无人机GPS/Radio/DR组合导航中的滤波技术研究

针对某型无人机GPS Radio DR组合导航中各子系统的特点,提出一个分散集中化滤波方法。通过建立简化的无人机动力学及运动学模型,利用卡尔曼滤波对磁航向及空速信息进行处理,提高了航位推算(DR)的精度;由于无线电测量雷达中传动机构存在一定间隙,造成方位测量信息包含定频段的干扰,通过采用低通数字滤波器有效地抑制了干扰信号;利用GPS信息分别对滤波后的航位推算和无线电信息进行融合修正。仿真结果表明,经过融合后的无人机航迹精度明显得到了提高。     

车载DR导航的非线性滤波方法研究

针对扩展卡尔曼滤波方法(EKF)用于车载DR导航系统滤波中存在的一些缺点,将一种新的滤波方法—UKF滤波方法用于车载DR导航系统的非线性状态估计中。该滤波方法与EKF方法相比具有容易实现和滤波精度高的特点。通过非线性状态估计UKF方法大大提高了导航系统的精度。为了检验其有效性,将这两种方法分别对车载DR导航系统进行滤波仿真,仿真结果进一步表明UKF方法优于EKF方法,是一种理想的车载DR导航非线性滤波方法。     

基于抗差UD分解滤波的导航星座整网定轨方法

针对我国导航星座的自主定轨问题,提出基于抗差UD(upper triangular matrix diagonal matrix)分解滤波的导航星座整网定轨方法。该方法对卫星轨道参数进行整网估计,通过对所有观测资料加权以避免观测粗差的影响,并利用UD分解算法来避免对协方差矩阵的直接求逆而导致的计算机舍入误差过大从而滤波发散。推导了整网定轨的数学模型,给出了抗差UD分解滤波的详细步骤。通过性能分析和仿真计算表明了该方法的可行性与有效性。     

一种新的北斗/罗兰C组合导航滤波算法

改造后的罗兰C系统可作为伪卫星,与国内已有的北斗系统进行组合导航,在2颗卫星、2个罗兰台构成四伪距定位的基本定位方程的基础上,推导了该组合导航系统的一种直接迭代算法,设计了一种噪声实时估计卡尔曼滤波定位算法,通过对系统噪声和量测噪声进行实时估计,使系统统计特性更符合实际情况,提高了算法的精度.跑车试验定位结果表明,采用所设计的改进卡尔曼滤波算法后,定位结果得到明显改善.     

基于加速度补偿的惯性行人导航非零速区间姿态估计CKF算法

姿态估计是导航解算的基础,在基于足绑式惯性测量单元的行人导航系统中,由于足部运动加速度变化频繁且剧烈,使得常见的姿态融合算法精度下降。为了减小运动加速度对姿态解算的影响,通过数据分析定义了可以进行加速度补偿的拟合区间,在零速检测的基础上给出了拟合区间的判定方法,提出了对加速度计的输出进行一阶拟合补偿的方案,并设计了能完成后续行人导航姿态估计任务的容积卡尔曼滤波(cubature Kalman filter, CKF)算法,在非拟合区间则采用三子样旋转矢量法进行姿态更新。在数值仿真中,将所提算法与纯三子样旋转矢量法进行了对比分析,对算法精度进行了测试,在行人导航试验中验证了算法的有效性。试验结果表明,在行走过程中及出现较大运动加速度的情况下,加入加速度补偿的CKF姿态估计精度平均提高了35.3%。在矩形闭合路径试验中,起终点水平误差降低了56.3%,起终点高度误差降低了20.3%。     

车辆自主导航系统的双滤波器模型及其导航算法

给出了车辆自主导航系统的双滤波器模型及其航位递推算法 ,在导航解算的每步递推中 ,先用航向滤波器进行航向捕获 ,再用航位滤波器进行航位捕获。这种方法利用两个线性滤波器分别进行航向 /航位估计 ,避免了常规导航算法由于观测方程线性化引起的模型误差 ,算法稳定性好 ,且计算量较小。现场跑车试验表明 ,给出的双滤波器模型及其算法能够获得满意的导航精度     

基于正交变换的五阶容积卡尔曼滤波导航算法

针对高阶容积卡尔曼滤波在无人机导航等高维非线性系统中存在较大高阶采样误差的问题,提出了一种基于正交变换的五阶容积卡尔曼滤波(orthogonal transformed fifth-order cubature Kalman filter,OT5-CKF)。利用三角函数的正交性特点,对原有的容积点进行适当的容积变换,将变换后的容积点代入容积卡尔曼滤波(cubature Kalman filter, CKF)模型中。经分析,新的容积点可以极大地避免高维系统的高阶采样误差。最后,以无人机GPS/INS组合导航系统为应用背景,对三阶CKF、五阶CKF和OT5-CKF进行了仿真对比分析。结果表明,同等观测条件下OT5-CKF的滤波估计精度明显高于前两者。     

基于双欧拉角的UKF组合导航滤波算法

针对非线性滤波组合导航中四元数无迹估计器(unscented quaternion estimator,USQUE)规范性约束导致的算法计算量大、实时性差等问题,提出一种基于双欧拉角姿态表示的无迹卡尔曼滤波(dual-Euler un-scented Kalman filter,DEUKF)算法.通过正、反欧拉角相互切...     

基于循环神经网络的车载DR状态估计

由于噪声的不确定性和自身的非线性特征,通过航位推算系统(DR)精确地估计车辆的状态是实际车辆组合导航中最困难的部分。提出了一种基于循环神经网络的方法,和传统的扩展卡尔曼滤波(EKF)方法相比,该方法不仅提高了系统定位的准确性和自适应抗干扰能力;而且不需要模型的具体解析形式,避免了复杂的 Jacobian 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,将两种方法分别对车辆 DR 导航系统进行滤波仿真,仿真结果进一步表明该神经网络方法明显优于 EKF 方法,是车载 DR 导航中一种更理想的非线性滤波方法。     

三段判别域与最小二乘拟合的抗差滤波算法

组合导航系统卫星信号在传播过程中容易受到干扰导致卫星导航观测值出现故障。对于此问题, 提出一种基于最小二乘拟合原理的抗差滤波算法, 根据检测量的分布状态将故障分为三段判别域, 分别为无故障、偏差和超差的情况。无故障时不做处理, 出现偏差时对观测值进行降权处理, 对于超差情况, 用前几个时刻的观测值组成的拟合函数进行一个时刻的外延, 代替当前时刻的故障观测值。仿真结果表明, 三段判别域相对于两段判别域多了对偏差情况的处理, 提高了导航精度。连续时间内发生超差情况时, 相比于使用降权法, 基于最小二乘拟合的抗差滤波算法导航精度更高, 稳定性更好。     

IAE-adaptive Kalman filter for INS/GPS integrated navigation system

1 .INTRODUCTIONInertial navigation system(INS) and Global posi-tioning system ( GPS) are two major navigationsystems now widely usedfor marine applications a-round the world. Considering both systems pos-sess complementary working characteristics , abooming attention is focused on finding effectivemethods to combine the two different systems toconstituteintegrated navigation system with higheraccuracy and better performance .Information likeGPS position and velocity are often chosen as…     

基于鲁棒滤波的组合导航系统动基座对准

基于采用旋转组件的SINS/GPS组合导航系统,讨论了系统中的旋转组件转速误差和GPS信号延迟带来的时间不同步问题,针对这些扰动造成的系统模型误差,提出将基于极小极大准则的H∞滤波用于组合导航系统的动基座对准。通过对载体在不同运动方式下的动基座对准仿真,对Kalman滤波和H∞滤波的性能进行比较,证明H∞滤波算法具有对准时间快,精度高,抗干扰能力强的特点。     

SINS/CNS/GPS integrated navigation algorithm based on UKF

A new nonlinear algorithm is proposed for strapdown inertial navigation system (SINS)/celestial navigation system (CNS)/global positioning system (GPS) integrated navigation systems. The algorithm employs a nonlinear system error model which can be modified by unscented Kalman filter (UKF) to give predictions of local filters. And these predictions can be fused by the federated Kalman filter. In the system error model, the rotation vector is introduced to denote vehicle’s attitude and has less variables tha...     

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。     

基于互补滤波器的MEMS/GPS/地磁组合导航系统

针对低成本、高性能、高可靠性导航系统的迫切需求,设计并实现了一种基于互补滤波器的微机电系统(micro electro mechanical system, MEMS)/全球定位系统(global positioning system, GPS)/地磁组合导航系统。通过精确地器件标定,提高了MEMS陀螺仪、加速度计输出数据的准确性;根据MEMS惯性导航系统解算的姿态角、速度、位置结果,结合GPS及地磁的输出,设计了组合导航系统;依据载体的运动状态,设计了自适应调整截止频率的互补滤波器数据融合方法,实现了组合导航系统的定姿定位;最后,对组合导航系统进行静态、动态测试试验,实际测试结果表明,组合导航系统能够达到较高的导航精度。     

基于鲁棒EKF的MEMS-INS/GNSS/VO组合导航方法

针对传统惯导/卫导组合导航在复杂环境下易受干扰,观测量异常从而影响导航性能的问题,提出了基于鲁棒扩展卡尔曼滤波(extended Kalman filter, EKF)的组合导航方法。设计了基于微惯性导航系统(micro-electro-mechanical system-inertial navigation system, MEMS-INS)、全球导航卫星系统(global navigation satellite system, GNSS)及视觉里程计(visual odometry, VO)的融合框架,给出了在GNSS信号失效情形下的导航滤波模型,并将EKF与Huber方法结合,克服观测量受噪声干扰时对导航性能的影响,以提升系统鲁棒性。经仿真和KITTI数据集验证,MEMS-INS/GNSS/VO组合导航方法在GNSS信号失效时仍能输出较高精度导航结果,且可以较好克服异常观测值对系统的影响,具有较高可靠性和鲁棒性。     

基于四元数平方根UKF算法的SINS/GPS紧组合导航系统研究

在较大初始姿态误差角下,针对SINS/GPS紧组合导航系统扩展卡尔曼滤波（extenthed Kalman filter, EKF）算法定位精度下降的问题,提出了一种基于四元数的平方根无迹卡尔曼滤波（square root unscented Kalman filter, SRUKF）算法。为解决SRUKF算法中四元数正交规范化的限制,通过构造姿态矩阵代价函数将四元数预测均值问题转化为代价函数最小时的四元数向量求解问题,保证了均值四元数的规范化;利用乘性四元数误差表示四元数预测值与均值之间的距离,求取四元数的预测协方差矩阵,保证了算法的合理性。在此基础上,给出了SINS/GPS紧组合系统四元数平方根无迹卡尔曼滤波算法的具体步骤。在较大初始姿态误差角下的仿真实验结果表明,与EKF算法相比,该算法精度更高,稳定性更强。