水下地形匹配导航中地形水深斜率序列研究

为提高水下地形匹配导航精度,针对传统地形特征参数在统计意义上局限性,根据经典TERCOM地形匹配算法的基本原理,提出了地形水深斜率序列这一地形特征参数,并从理论上证明了地形水深斜率序列均值越大,匹配误差越小,匹配导航性能越优的结论,从而进一步提出了结合路径的地形匹配区选取方法.仿真结果表明:地形水深斜率序列均值越大,匹配导航性能越优.同时,验证了基于地形水深斜率的地形匹配区选取方法的正确性和可行性,为水下地形匹配导航匹配区的选择和航迹规划提供理论依据.     

基于水下重力差异熵的导航匹配算法仿真研究

介绍了重力辅助导航发展概况, 阐述了采用地球物理特征的重力差异熵方法进行水下重力辅助导航算法设计及仿真实验方法研究。该算法基本思想是在导航匹配算法中, 将信息熵引入 自主水下运动载体( autonomous underwater vehicles ,AUV)重力辅助导航, 在重力数据库研究的基础上, 通过模板重力图与实时重力图的信息量差异以及模板重力梯度图差异, 修正水下惯性导航系统( inertial navigation system,INS)的误差。仿真实验结果表明, 利用重力差异熵辅助INS导航, 能够获得高精度的导航信息。因此, 基于水下重力差异熵的辅助导航, 可实现AUV 长航时隐蔽的高精度导航。     

基于EKF的无人潜航器航位推算算法

为了解决传感器的安装角偏离误差以及量测误差导致的无人潜航器(AUV)在水下自主航行时不能满足长时间导航定位的要求,对航位推算算法进行了研究.针对AUV在高纬度、长时间航行中曲率半径的变化,采用地球参考椭球体作为地球几何形状的数学描述;针对数据滤波实时性的要求,基于扩展卡尔曼滤波(EKF)对卫星导航系统(GPS)数据进行滤波,并利用AUV湖试数据对传感器的安装偏离误差进行了校正.对提出的导航算法进行了试验验证,结果表明AUV的自主导航定位精度为0.75%,满足设计要求,并优于改进前的航位推算算法.     

一种地形匹配导航区域的可导航性评价方法

单一地形特征参量对地形匹配导航区域可导航性的评价存在局限性,导致评价结果不能真实反映匹配区域可导航性的强弱.根据特征信息融合思想及关联度分析方法,通过引入向量关联度,选取地形特征信息统计参量中地形高程标准差、地形粗糙度、地形相关系数和地形信息熵进行融合,并构成地形特征参量集,利用灰色模糊综合决策理论对该特征参量集进行分析,进而提出一种灰色模糊综合决策的多指标评价方法.仿真结果表明:该方法在匹配区域可导航性的综合评价方面具有可行性,对于区域中匹配数量较多且地形高程数据量较小情况下均能做出正确评价,其评价结果可为地形可导航性分析、地形匹配导航区域选取以及航路规划等提供理论依据.     

基于多模自适应滤波算法在 装备组合导航系统的应用

为满足在复杂环境下装备导航定位需求,本文提出了一种对组合导航系统进行多源信息融合以获得高精度、高容错位置修正信息的设计方法.该方法通过改进联邦卡尔曼滤波算法和滤波器设计,建立一种基于北斗/GPS/SINS组合导航系统的多模自适应估计的联邦滤波器,通过多源数据优化融合有效提升装备组合导航系统精度及可靠性,为其提供准确的地理位置、周边地形以及道路交通等信息,帮助作战人员实时获取目标状态并引导精确导航,有效提升装备作战使用效能.仿真实验表明:该方法与单一模型的联邦滤波器相比,不仅能进一步提升系统的容错性及高精度定位能力,还便于对各导航子系统的故障进行隔离定位,具有较大的工程应用价值.     

平方根滤波在地形辅助导航中的应用

结合地形辅助导航的特点 ,给出了一个快速的平方根矩阵分解公式 ,应用该公式的平方根滤波地形辅助导航系统 ,不仅可避免由计算机截尾误差的积累和传播使滤波协方差矩阵失去正定性而导致的滤波发散 ,而且还避免了通常对角化平方根分解中不可缺少的求矩阵特征根和特征向量 ,以及特征向量的正交化、单位化等繁琐的计算过程     

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％.     

平方根滤波在地形辅助导航中的应用

结合地形辅助导航的特点,给出了一个快速的平方根矩阵分解公式,应用该公式的平方根滤波地形辅助导航系统,不仅可避免由计算机截尾误差的积累和传播使滤波协方差矩阵失去正定性而导致的滤波发散,而且还避免了通常对角化平方根分解中不可缺少的求左阵特征根和特征向量,以及特征向量的正交化、单位化等繁琐的计算过程。     

导航源可用性管理的模糊神经网络方法研究

对组合导航系统中导航源可用性管理问题应用模糊神经网络方法进行了研究，并以GNSS卫星导航系统、TAN地形辅助导航系统为例作了仿真运算。结果表明，所应用的模糊神经网络方法能根据不同的现实条件对导航源进行有效的实时管理；该方法实时性好，可靠性高，而且具备自适应学习能力，有一定的应用价值。     

水下无人航行器精确导航滤波算法研究

根据UUV长时间在水下航行的特点设计了一种组合导航系统,给出了系统的结构和滤波算法．理论分析及计算机仿真结果均表明,应用该组合导航系统可大大提高潜器的导航定位精度和隐蔽性。     

卡尔曼滤波地形辅助导航防止发散问题研究

对卡尔曼滤波地形辅助导航的发散原因作了分析,通过地形拟合误差的去相关法采用一种扩充状态变量的系统,实验证明此系统能够有效地减少发散的发生     

地形特征匹配辅助导航方法研究

对传统的地形轮廓匹配辅助导航算法进行了如下改进：首先在景象匹配的基础上对飞行区域作出预测,其次利用实测高程度列和预测高程序列匹配,对飞行器进行实时定位和下一时刻的航迹预测;最后利用递堆和缩小匹配网格搜索范围等手段减少计算量。该方法提高了地形轮廓匹配的实时性和精度,增加了飞行器超低空飞行的可靠性和机动性。     

Using local geopotential model to implement underwater passive navigation

A main aspect of underwater passive navigation is how to identify the vehicle location on an existing gravity map, and several matching algorithms as ICCP and SITAN are the most prevalent methods that many scholars are using. In this paper, a novel algorithm that is different from matching algorithms for passive navigation is developed. The algorithm implements underwater passive navigation by directly estimating the inertial errors through Kalman filter algorithm, and the key part of this implementation is a Fourier series based local geopotential model. Firstly, the principle of local geopotential model based on Fourier series is introduced in this paper, thus the discrete gravity anomalies data can be expressed analytically with respect to geographic coordinates to establish the observation equation required in the application of Kalman filter. Whereafter, the indicated gravity anomalies can be gotten by substituting the inertial positions to existing gravity anomalies map. Finally, the classical extended Kalman filter is introduced with the differences between measured gravity and indicated gravity used as observations to optimally estimate the errors of Inertial Navigation System (INS). This navigation algorithm is tested on simulated data with encouraging results. Although this algorithm is developed for underwater navigation using gravity data, it is equally applicable to other domains, for example vehicle navigation on magnetic or terrain data.     

A local geopotential model for implementation of underwater passive navigation

A main aspect of underwater passive navigation is how to identify the vehicle location on an existing gravity map, and several matching algorithms as ICCP and SITAN are the most prevalent methods that many scholars are using. In this paper, a novel algorithm that is different from matching algorithms for passive navigation is developed. The algorithm implements underwater passive navigation by directly estimating the inertial errors through Kalman filter algorithm, and the key part of this implementation is a Fourier series-based local geopotential model. Firstly, the principle of local geopotential model based on Fourier series is introduced in this paper, thus the discrete gravity anomalies data can be expressed analytically with respect to geographic coordinates to establish the observation equation required in the application of Kalman filter. Whereafter, the indicated gravity anomalies can be gotten by substituting the inertial positions to existing gravity anomalies map. Finally, the classical extended Kalman filter is introduced with the differences between measured gravity and indicated gravity used as observations to optimally estimate the errors of the inertial navigation system （INS）. This navigation algorithm is tested on simulated data with encouraging results. Although this algorithm is developed for underwater navigation using gravity data, it is equally applicable to other domains, for example vehicle navigation on magnetic or terrain data.     

水下航行器组合导航定位系统设计研究

为解决航行器编队水下航行时的导航定位问题,针对主航行器设计了单体导航定位系统,对于编队中的从航行器,应用水声定位及通信传输模块进行绝对定位,以此完成整体编队导航定位,并给出了整体设计思想和软件流程.通过实验数据对导航精度进行分析,比较了简易DR算法和卡尔曼滤波算法,论证了方案的可行性、可靠性和导航的精确性.     

基于RB-GSPF算法的地形辅助导航

为了解决地形辅助导航中面临的高维、强非线性问题,提出了基于Rao-Blackwell框架的RB-GSPF算法。该算法将原系统中的线性Gauss子结构分离出来,使用经典的Kalman滤波器处理,而剩下的强非线性部分通过Gauss和粒子滤波器处理,这种结构上的分解既发挥了Kalman滤波器对于线性Gauss系统的最优性,又利用了GSPF算法结构上的优点。理论及实验分析表明:该算法与粒子滤波器相比,在降维的同时提高了定位精度,减少了粒子数目;与Rao-Blackwellised粒子滤波器(RBPF)相比,其算法结构具有更好的并行性,从而在运算量上具有优势。     

蚁群算法在辅助导航重力匹配中的应用

重力匹配算法是实现重力辅助惯性导航系统的关键技术之一。针对传统重力匹配方法由于复杂度高、应用范围小等缺陷而导致很难实现精确、快速匹配的问题,将改进的蚁群优化算法应用于重力匹配的搜索过程,并将多普勒测速仪提供的速度信息作为限制条件对蚁群搜索过程进行约束,异常精度一定的条件下,可降低误配率。仿真结果表明,该匹配算法在重力特征显著的区域具有较高的匹配率,收敛性更好,可以达到更加精确的匹配定位,从而实现重力辅助导航。     

GPS视觉导航系统中多级实时匹配算法研究

为了解决GPS导航中存在的精度低、不稳定和移动通信定位代价高的问题,引入了图像的外极限约束和多级实时匹配算法。该算法根据特征点对图像进行分级处理,首先匹配特征比较明显的点,再利用已匹配点的数据通过外极限约束确定后面几级像素点的视差范围,使得算法能够覆盖绝大部分点的真实视差,对于少部分落在搜索范围之外点的匹配,主要靠中值滤波去除。实验表明,多级实时匹配算法定位精确性和匹配速度优于传统的区域匹配算法。