一种实时移除MEMS陀螺仪噪声的精准航姿技术

MEMS-IMU包括三轴陀螺仪和三轴加速度计，陀螺仪的噪声导致MEMS-IMU的航姿不精确，并由此导致外部加速度呈现较大的误差。针对该问题，提出一种实时移除陀螺仪噪声的技术：方向余弦矩阵的第3列和陀螺仪的偏置同时设为状态向量，用于在线获取陀螺仪的噪声；加速度计的外部加速度和测量噪声均被设为测量余量，以便于在任意运动轨迹时能测量重力向量。陀螺仪和加速度计的测量结果通过卡尔曼滤波器融合，前者估算状态向量，后者校准状态向量的误差。通过比较MEMS-IMU在任意伪静态时的航姿和外部加速度验证本技术的可行性，实验结果表明俯仰角、横滚角、航向角和外部加速度的最大误差分别为0.5°、0.2°、2°和0.2 m/s²，该结果远好于仅用陀螺仪的航姿误差和外部加速度误差。     

基于惯性传感器与WiFi的室内行人轨迹推算

为了实现室内无GPS情况下行人的运动轨迹推算,设计了一种基于智能手机惯性元件和WiFi的室内行人轨迹推算算法.该算法基于粒子滤波,利用手机加速度计和陀螺仪进行步态检测和每步旋转角度推算,并使用了一种基于WiFi强度变化趋势的WiFi地标策略.实验结果显示,使用该算法优化后的行人轨迹收敛,接近真实的运动轨迹.在仅使用惯性传感器和WiFi的情况下,可以有效地控制陀螺仪误差积累,完成固定手机姿态的行人轨迹推算.     

基于粒子滤波和概率神经网络的步行者定位参数校正

采用粒子滤波器融合全球卫星导航系统GPS和可穿着传感器的测量值,并利用概率神经网络作为分类器,依据从固定时长加速度采样中提取的特征,识别步行者的动作状态,减小了航向角测量误差、步幅估计误差和步数统计误差对航位推算结果的影响,校正了定位参数.通过分析加速度的振动特征估算步行者实时步幅,采用时长比例等效的方法同步采样,进一步优化了系统模型.实验表明,该方案具有较好的定位效果.     

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.     

一种基于微机械电子系统惯性传感器室内行人航位推算算法

在室内行人定位中,行人航位推算(pedestrian dead reckoning,PDR)由于不需要外部辅助信息,而被广泛应用。针对传统室内PDR存在步长局限性等问题,提出了一种基于微机械电子系统(micro electro mechanical system,MEMS)传感器的行人航位自适应拟合推算算法。该算法选用六位置法和卡尔曼滤波器(Kalman filter,KF)作为对加速度计和陀螺仪原始数据误差处理方案。通过过零检测和步态短时不变性计算脚的运动状态;并结合加速度自适应拟合行进距离,最后利用位置推算解算行人的运动轨迹。仿真结果表明,该算法在95 m运动距离内,最大误差不超1.5 m,具有良好精确性和灵活性,适用于实际的室内行人定位。     

一种基于MEMS惯性传感器室内行人航位推算算法

在室内行人定位中,行人航位推算 (Pedestrian Dead Reckoning, PDR)由于不需要外部辅助信息,而被广泛应用。针对传统室内PDR存在步长局限性等问题,提出了一种基于微机械电子系统(Micro Electro Mechanical System, MEMS)传感器的行人航位自适应拟合推算算法。该算法选用六位置法和卡尔曼滤波器(Kalman Filter, KF)作为对加速度计和陀螺仪原始数据误差处理方案。通过过零检测和步态短时不变性计算脚的运动状态,并结合加速度自适应拟合行进距离,最后利用位置推算解算行人的运动轨迹。仿真结果表明,该算法在95 m运动距离内,最大误差不超1.5 m,具有良好精确性和灵活性,适用于实际的室内行人定位。     

水下攻泥器随钻姿态惯性测量方法

结合水下攻泥器钻头实际工作情况,提出了一种基于捷联惯性系统,通过扩展卡尔曼滤波算法进行钻头姿态测量的新方法. 该方法以加速度与角速度低频值作为观测量对误差进行校正,对钻头姿态进行推算. 测试结果表明,该钻头姿态测量方式是可行的,能够在不增加传感器情况下极大地提高捷联惯性系统的导航精度,使航向角的漂移从20°/h减小到3°/h.     

深空天文测角测速组合导航滤波算法研究

针对天文光谱测速导航量测中存在的常值量测误差、慢时变量测误差、光谱畸变量测误差,提出了扩维自适应容积卡尔曼滤波算法.本文通过状态扩维将常值测速量测误差及慢时变测速量测误差作为状态量之一,在导航滤波中进行同步估计并在量测中进行补偿.针对天体表面活动导致的光谱畸变量测误差,通过Sage-Husa噪声估计器对滤波算法中的量测噪声协方差阵进行自适应估计以降低含该误差量测的影响.同时,为了进一步提高导航的精度,将天文光谱测速信息与天体方向矢量信息结合,并通过联邦滤波器进行信息融合.以火星接近段为背景的仿真结果表明,该算法能够有效抑制上述量测误差对导航精度的影响,实现高精度天文自主导航.     

约束无迹粒子滤波及其在车辆导航中的应用

针对城市高楼密集区,卫星导航信号易被干扰或遮挡、航位推算长期定位误差积累导致车辆组合导航定位精度差的问题,提出一种约束无迹粒子滤波算法。首先,该算法利用无迹卡尔曼滤波对实时状态的均值和方差进行估计,生成的高斯分布作为粒子采样的重要性函数,克服了粒子滤波重要性函数难以选取的问题。其次,采用从观测方程中提取约束条件、构建约束方程的方法,解决约束条件难以构造和新增约束方程导致算法计算量激增的缺陷。再次,通过构造拉格朗日函数,得到无迹粒子滤波的状态估值投影到约束平面的最小值。然后,设计车辆组合导航系统的车辆运动约束方程和道路约束方程,对状态估计值进行约束,修正误差大的估计值,提高了状态量的估计精度。最后,将提出的约束无迹粒子滤波应用到全球定位系统/航位推算车辆组合导航系统中进行仿真验证,并与无迹粒子滤波和自适应无迹粒子滤波进行比较。结果表明:提出的算法估计得到位置误差均值控制在1.5 m左右,而2种比较算法估计得到的位置误差均值控制在3 m左右;提出算法的位置误差估计精度明显优于2种比较算法,车辆组合导航定位性能得到了改善。该方法为驾驶人提供了可靠的反馈信息,避免了交通事故的发生,从而减小了人员伤亡和经济损失。     

融合双轴加速度计与单轴陀螺仪的滚转角测试方法

实时高精度滚转角信息对提高高速旋转弹药制导精度尤为重要。由于弹体纵轴存在高速旋转,若纵轴采用大量程陀螺,则会带来较大的输出噪声,同时不可避免地存在累积误差,导致滚转角测量精度不高。为解决这个问题,提出了一种融合双轴正交加速度计与单轴陀螺仪的滚转角测试方法,纵轴采用大量程陀螺进行滚转角测量,双轴正交加速度计测量横轴和竖轴上的加速度,利用低通滤波提取重力投影测量滚转角,由加速度计得到的滚转角作为观测量,基于卡尔曼滤波（KF）融合两种方式得到滚转角信息,利用加速度计修正陀螺仪从而提高滚转角测量精度。为验证算法的有效性,进行了弹道仿真实验,实验结果表明：在6.68秒的外弹道飞行过程中,单独使用加速度计测量滚转角精度为（RMSE标准）15.58°,单独使用陀螺测量滚转角精度为1.36°,融合算法精度为0.57°,且不存在累积误差。实验表明,该算法具有重要的工程应用价值     

车辆无陀螺航位推算系统的导航原理及其算法

建立了利用车辆内部传感器取代惯性敏感器获得航向、速度信息的车辆航位推算（DR）系统的系统方程和观测方程,并采用描述机动载体运动的当前统计模型,给出了基于自适应卡尔曼滤波的车载无陀螺DR系统的导航算法,在导航算法中,对原始测量数据进行组合运算获得线性形式的观测方程,避免了目前常用导航算法由于观测方程线性化引起的模型误差,算法稳定性较好,且计算量小,现场跑车试验表明,给出的车载无陀螺DR系统的模型及其导航算法能够获得满意的导航精度。     

基于加速度计和陀螺仪的波浪测量方法

针对实验室中波浪参数的测量,研究了惯性传感器加速度计和陀螺仪的性能,提出一种基于加速度计和陀螺仪的波浪测量方法。利用惯性导航系统中的坐标系转换、信号的数值积分以及趋势项处理等算法,对惯性传感器获取的加速度信号进行处理得到垂向位移,从而计算出波高值,并对比分析了高通滤波算法和滑动平均算法对趋势项的消除效果。试验结果表明,利用惯性传感器加速度计和陀螺仪的测量方法获得地理坐标系下的垂向位移曲线,与波高传感器的实测曲线吻合较好,且滑动平均算法对趋势项的消除效果更好。所以,基于加速度计和陀螺仪的波浪测量方法可满足于实验室的波浪测量。     

A Precise Algorithm for Non-Integer Harmonics Analysis Based on FFT and Neural Network

By means of an artificial neural network (ANN) model, higher measurement accuracy of integer harmonics can be obtained. Combining the windowed fast Fourier transform (FFT) algorithm with the improved ANN model, we present a new precise algorhhm for non-integer harmonics analysis. According to the result obtained from the Hanningwindowed FFT algorithm, we choose the initial values of orders of harmonics for the neural network. Through such processing, the time of iterations is shortened and the convergence rate of neural network is raised thereby. The simulation results showthat close non integer harmonics can be separated from a signal with higher accuracy and better real-time by using the algorithm presented in the paper.     

基于GPS与超宽带的室内外无缝定位改进算法

结合GPS、惯性导航技术以及超宽带(UWB)技术,提出基于定位信号数量和信号强度的定位方法切换策略.根据切换策略,将伪距测量、Chan-Taylor协同算法以及行人航迹推算算法进行松散组合,得到优化后的定位算法.通过实验验证了切换策略的可行性,优化了室内外交界区域的定位轨迹,为室内外无缝定位技术提供了思路.     

基于改进强跟踪滤波器的微小型水下机器人船位推算

针对微小型水下机器人低速航行时的水下导航问题,提出一种基于改进强跟踪滤波器的船位推算方法.引入Sage-Husa量测噪声估计器以及自适应调节因子,通过改善渐消因子的大小,使得微小型水下机器人在机动性能较低情况下仍能加强滤波器的跟踪能力,提高滤波精度.以SY-1载体为研究对象进行的仿真试验验证了该方法的可行性和有效性.     

UKF和UPF在惯导初始对准中的应用研究对比

捷联惯性导航系统是新型航位推算系统,在惯导系统执行工作任务之前需要进行初始对准,以保证系统的正常运行。对捷联式惯导系统,初始对准就是确定初始时刻的姿态阵,利用惯性元件的输出信息,选用合适的滤波方法,将计算的导航坐标系与真实导航坐标系的失准角估计出来,来修正姿态矩阵,使计算坐标系与真实坐标系尽可能重合。在实际的导航系统中,状态方程和量测方程通常都是非线性的,对于非线性特性,传统的解决方法是利用EKF滤波算法,但它只适用于弱非线性模型的估计,系统的非线性越强,引起的估计误差就越大,甚至会引起滤波发散。为此提出两种滤波算法UKF与UPF,并将两者进行了仿真对比,结果表明UPF算法比UKF算法收敛速度更快,估计精度更高。     

基于D-S证据推理的车辆导航系统地图匹配算法

研究地图匹配算法中的匹配道路的选择问题,提出基于D-S证据推理理论的地图匹配算法.根据D-S证据推理的基本原理,结合车辆行驶情况,给出当前时刻车辆位置信息和方向信息的基本概率分布函数的设计方法.按照D-S合成公式,对位置和方向信息进行融合,并根据融合结果选择匹配道路.在设计方法中,引入位置信息和方向信息的可靠性参数.仿真结果表明,该方法是行之有效的,通过适当地调整可靠性参数的值,就能识别出车辆所在的道路.     

基于改进的稀疏降噪自编码网络的三维模型识别方法

针对海量数据挖掘中三维模型特征识别准确率较低的问题, 提出一种改进的稀疏降噪自编码神经网络模型. 先基于改进的稀疏降噪自编码方法构建深度神经网络模型, 再利用无监督预训练方法及受限的拟牛顿计算方法对自编码神经网络进行训练, 最后采用softmax回归和得到的特征训练最终的分类器. 结果表明: 该方法对有噪声的三维模型特征信息具有较好的鲁棒性; 与栈式自编码神经网络和自学习神经网络相比, 该方法识别率较高.     

运动分类步频调节的微机电惯性测量单元室内行人航迹推算

行人航迹推算(pedestrian dead reckoning, PDR)作为一种新兴的导航定位方法, 因其不易受外界环境因素影响而受到广泛关注. 针对室内行人航迹推算, 采集并分析了微机电惯性测量单元(micro-electro-mechanical system-inertial measurement unit, MEMS-IMU)数据, 设计了运动分类的区间对称步频检测, 并建立了步频调节的步长估计模型, 最后提出了运动分类步频调节的MEMS-IMU室内行人航迹推算, 从而实现较精准的定位. 针对不同个体, 对步频调节的步长估计模型进行个性化标定, 以进一步提高室内行人航迹推算性能. 验证结果表明: 与传统峰值非线性方法相比, 运动分类步频调节的MEMS-IMU室内行人航迹推算的定位误差降低了32.6%, 使短距离室内行人航迹推算在无其他定位技术支持的情况下具有较高精度.