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。     

面向多元未知环境的基于深度高斯过程组合导航轨迹预测方法

传统惯导/卫导组合导航在多元复杂环境下易受干扰，从而导致观测量异常影响导航性能。以无人驾驶车辆为研究对象，展开提升组合导航系统导航精度的研究。采用深度高斯过程(deep Gaussian process, DGP)辅助估计位置的方法减小组合导航误差，提高定位性能。基于DGP的辅助导航方法不仅可以预测无人驾驶车辆的标称轨迹，同时可以预测各时刻位置可信区间的概率分布，为基于深度学习模型的数据融合预测方法提供了严格的理论解释性。真实历史数据下的多重对比实验表明，该算法较传统深度神经网络算法具有更高的精度和可靠性。基于DGP的辅助导航方式能有效提高全球卫星定位系统信号失锁时的导航模型性能，实验表明相对于纯惯性导航系统(integral navigation system, INS)解算和长短期记忆(long and short term memory, LSTM)进行导航信号补偿定位精度分别提高了97.32%和52.13%。     

基于信号传播修正的GNSS干扰源质心定位方法

针对广泛存在的全球卫星导航系统(global navigation satellite system, GNSS)干扰, 采用基于接收信号强度(received signal strength, RSS)的定位方法时, 存在RSS值提取难度大, 城市环境中不开阔、多径等复杂场景下定位误差大等问题, 提出一种基于载噪比加权和干扰信号传播误差修正的GNSS干扰源质心定位方法。该方法采用GNSS接收机输出的载噪比信息, 并采用神经网络的方法预测干扰信号传播影响因子, 通过质心加权实现GNSS干扰源的定位。实验结果表明, 该方法的定位精度得到显著提升。     

紧耦合GPS/INS组合导航技术仿真研究

提出了一种改进的惯性导航系统(inertial navigation system, INS)辅助GPS载波跟踪算法,设计了一种基于伪距/伪距率组合的信息融合算法,并对相应的算法进行了仿真验证。仿真结果表明：在紧耦合GPS/INS组合导航系统中,惯导对GPS跟踪环路的辅助,可以保证接收机环路滤波器在窄带宽下仍能正常工作;基于伪距/伪距率的GPS/INS信息融合方法,使组合导航系统在GPS接收机接收的卫星少于4颗的时候仍能有效地利用GPS导航信息,同时利用组合滤波器的输出对INS系统的误差进行修正,提高了整个组合导航系统的导航精度。     

基于伪距信息的GNSS双接收机抗转发式干扰检测算法

在协同应用的背景下,提出基于伪距信息的全球卫星导航系统(global navigation satellite system,GNSS)双接收机抗欺骗干扰检测算法。首先,建立真实信号与欺骗干扰信号的信号模型,进而得到伪距双差模型。然后,利用卫星钟差计算公式得到卫星钟差双差计算模型。根据载噪比选择卫星信号,对测量伪距进行修正并利用最小二乘法进行导航定位解算,得到载体在ECEF坐标系中的位置。由测量伪距结合导航电文计算得到卫星的位置,进而得到卫星与载体之间的距离。最后由伪距双差、卫星与载体的距离双差以及卫星钟差双差计算得到误差值,基于误差值的明显差异性实现对信号的检测与判别。利用双接收机进行实际试验并结合Matlab进行仿真实验,仿真结果验证了算法的有效性和可行性,对试验中的欺骗干扰信号均能有效识别。     

基于相对信息观测量的INS/USBL非线性组合导航方法

针对传统惯性导航系统/超短基线定位系统(inertial navigation system/ ultra short base line, INS/USBL)组合导航利用绝对位置做观测信息存在导航精度较低,且噪声异常引起抗干扰能力弱的问题,提出基于相对信息观测量的INS/USBL非线性组合导航方法。以INS解算的应答器相对于INS在基阵坐标系下的入射角、斜距信息与超短基线输出的入射角、斜距信息之差作为观测量建立量测方程。在改进Sage Husa算法基础上采用容积规则,设计一种适用于非线性系统的自适应容积卡尔曼滤波估计器。仿真结果表明,该方法定位精度较传统方法提升2.4倍,在噪声异常情况下,滤波收敛,组合导航性能稳定。     

车载GNSS失锁下基于BPNN的微陀螺误差估计及定位方法研究

针对在全球导航卫星系统(global navigation satellite system, GNSS)失锁阶段将微陀螺惯性系统作为备用定位系统时,由于微陀螺误差引起的定位误差发散问题,提出了基于后向传播神经网络(back propagation neural network, BPNN)的微陀螺误差估计及定位算法。在GNSS有效阶段为车辆提供定位信息,同时对微陀螺误差进行估计,并利用后向传播神经网络BPNN建立微陀螺误差预测模型,为GNSS失锁阶段车辆定位做准备;在GNSS失锁阶段,利用已建立好的微陀螺误差预测模型估计微陀螺误差,对微陀螺输出信息进行补偿,以抑制由陀螺误差引起的定位误差。最后利用仿真与试验验证了此方法的正确性与有效性。     

无源北斗/惯导组合导航算法研究

针对北斗卫导/惯导组合导航系统设计组合导航卡尔曼滤波定位算法,并对组合导航算法的可观性进行了分析,提出了引入伪距率和前后滤波伪距之差作为观测量改善组合导航系统的可观测性。基于高稳定度的用户时钟,通过仿真验证了伪距率和前后滤波伪距之差观测量都能提供伪距不能提供的额外观测信息,都可以将钟差由不可估计变为可估计,改善组合系统的稳定性,并且提高丢星时的滤波定位精度。因此,在北斗/惯导组合导航系统中引入伪距率或前后滤波伪距之差做观测量是必要而可行的。     

基于因子图的车载INS/GNSS/OD组合导航算法

针对车载多传感器组合导航系统中传感器有效性动态改变,以及传感器存在异步和时延的问题,提出了基于因子图的INS/GNSS/OD组合导航算法。采用因子图方法对惯性导航系统(inertial navigation system,INS)、全球导航卫星系统(global navigation satellite system,GNSS)、里程计(odometer,OD)进行建模,构建了INS/GNSS/OD组合导航系统因子图模型。采用变量消除算法将因子图转化为贝叶斯网络,并通过贝叶斯树的形式实现增量推理,确保了因子图算法的实时性。仿真结果表明,当传感器有效性动态改变,以及传感器存在异步和时延时,基于因子图的组合导航算法能够连续稳定地输出高精度的导航结果,满足了车载INS/GNSS/OD系统的要求。因子图算法具有很强的鲁棒性和灵活性,在处理多传感器信息融合问题中具有较大优势。     

基于UKF的新型北斗/SINS组合系统直接法卡尔曼滤波

针对传统的间接法卡尔曼滤波在北斗/捷联惯导(serial inertial navigation system, SINS)组合导航系统中无法实现较高的定位精度且计算的冗余度大的缺点,提出一种基于无迹卡尔曼滤波（unscented Kalman filter, UKF）的新型组合系统滤波算法。本算法以SINS输出的导航参数及平台误差角等作为系统状态,无源北斗输出的位置速度参数作为量测,采用改进的UKF方法进行数据融合,并直接计算组合系统导航参数的最优估计。实验结果表明,新算法可以降低对伪距误差模型的精确度要求,同时避免非线性系统状态方程的线性化,简化滤波参数的调整过程,从而有效地缩短组合导航系统的解算时间,提高定位精度。     

基于国密算法的伪卫星导航信号认证方法研究

全球导航卫星系统(global navigation satellite system, GNSS)有诸多优势，但在一些有物理阻隔或电磁干扰的领域，GNSS的可用性、可靠性、精确性出现明显不足，由此可以使用一种基于地面设备的伪卫星系统进行导航定位服务。伪卫星信号体制细节公开，使得接收机易受到多种欺骗干扰的攻击。为了使信号传输更加安全，提出一种使用导航电文加密方法的信号防伪认证方案，并从安全性、可靠性和认证效率几方面对该方案进行评估。分析表明，所提方案能在保证较好的认证实效的同时，维持较低的通信成本与计算成本，解决了伪卫星系统缺乏认证机制、存在安全隐患的问题。     

概率神经网络多历元残差RAIM算法

民用航空领域中，为提高接收机自主完好性监测(receiver autonomous integrity monitoring, RAIM)算法对故障偏差的检测能力，降低最小可检测偏差，提出了一种概率神经网络多历元残差RAIM算法。该算法基于概率神经网络构建4层故障卫星检测模型，利用方差膨胀模型建立伪距残差故障类与无故障类训练样本，通过粒子群优化算法优化概率神经网络的平滑参数以满足误警率要求，从而计算输入多历元伪距残差与故障类和无故障类训练样本的相似程度，判断卫星是否出现故障。仿真实验结果表明，优化平滑参数可提高所提算法故障检测性能。相比加权最小二乘RAIM算法和高级RAIM(advanced RAIM, ARAIM)算法，所提算法在不同故障情况下可提高小伪距偏差的检测性能，降低不同故障情况下的最小可检测偏差。     

GNSS自适应阵列天线引入误差的分析与估算

自适应阵列天线作为全球卫星导航系统(global navigation satellite system, GNSS)抗干扰应用中的重要工具,已经得到了广泛应用。然而,自适应阵列天线在抑制干扰的过程中,破坏了GNSS信号的完整性,给GNSS接收机测量引入了新的误差。首先从理论上分析测量误差的来源,然后通过仿真分析自适应阵列天线对接收机码相关函数的影响,最后提出一种码/载波相位偏差估算方法,并进行了引入测量误差大小的估算。实验结果表明,自适应阵列天线引入的测量误差具有不确定性,主要是由码相位偏差引起的,引入的伪距误差甚至达到几十米。在高精度应用中,这些误差必须被消除或补偿。     

里程计辅助的车载SINS行进间对准方法

针对全球定位系统(global positioning system, GPS)信号易缺失且在战时难以保证可靠性的实际情况，为实现车载武器系统快速发射和自主对准的要求，提出了一种里程计辅助的车载捷联惯性导航系统(strapdown inertial navigation system, SINS)行进间对准算法。该算法推导了一种载体坐标系下的系统量测方程，相比现有的导航坐标系下的量测方程，具有更好的性能；同时，为保证对准算法的鲁棒性，设计了一种里程计两级故障检测隔离方案，可有效对里程计故障信息进行检测，并自适应地给出相应的应对策略，实现容错对准。算法的可行性和有效性通过数值仿真和跑车实验进行了验证。验证结果表明，新算法可以很好地隔离故障量测信息，在陀螺零偏稳定性为0.005°/h时，600 s的姿态对准精度优于0.01°,方位对准精度优于0.05°,可以满足系统行进间对准的要求。     

基于抗差扩展卡尔曼滤波和外推-积累的RAIM方法

为了提高接收机自主完好性监测(receiver autonomous integrity monitoring, RAIM)算法对微小缓变伪距偏差的检测能力,提出一种基于抗差扩展卡尔曼滤波和外推-积累的RAIM方法。该方法结合了新息外推法和累积历元法在检测微小缓变伪距偏差上的优势,即在新息外推法的基础上,累加多个历元的检验统计量,来更有效地检测微小缓变伪距偏差;同时,利用抗差扩展卡尔曼滤波对偏差进行抗差处理,提高了定位精度。仿真结果表明,相比较于传统RAIM方法、新息外推法以及累积历元法,新的RAIM方法均提高了对微小伪距偏差正确检测的概率,缩短了对缓变伪距偏差的检测延时,且经过伪距偏差修正后定位精度提高。     

基于简化SSKF的SINS/GNSS紧耦合算法

针对捷联惯导(strapdown inertial navigation system,SINS)/ 全球卫星导航系统(global navigation satellite system,GNSS)紧耦合滤波算法中状态方程线性、观测方程非线性的特点,对超球面单型卡尔曼滤波器(spherical simplex Kalman filter,SSKF)进行了简化:采用普通卡尔曼滤波的状态矢量预测和SSKF的观测值预测及滤波更新完成滤波计算,省去了SSKF状态矢量预测时sigma点生成和对每个sigma点进行状态矢量预测和加权求和的过程,在不损失滤波精度的基础上缩短了滤波计算耗时。经过数学仿真验证,在SINS/GNSS紧耦合中,简化SSKF与SSKF几乎可到达一致的滤波估计精度,而且简化SSKF的计算耗时更短,效率更高。     

信号级GNSS/SINS超紧组合导航仿真平台设计

超紧组合是全球卫星导航系统(global navigation satellite system, GNSS)和捷联惯性导航系统(strapdown inertial navigation system, SINS)组合中最深层次的信息融合方式。由于需要重新设计GNSS接收机内部的捕获跟踪环路以接收SINS的辅助信息, 超紧组合的工程实现较为困难。从信号级层次出发研究超紧组合的难点在于得到同源且同步的GNSS和SINS信号, 并打开GNSS接收机的捕获跟踪环路。为此, 构建了信号级GNSS/SINS超紧组合仿真平台, 分别设计了载体轨迹发生器、GNSS中频信号发生器、惯导解算器、GNSS软件接收机、组合导航滤波器等关键环节, 从而攻克了上述技术难关。该仿真平台不仅验证了超紧组合在高动态应用方面的优越性, 同时也为其迈向实际应用奠定了坚实的基础。     

基于冗余量测的GNSS多路径误差抑制算法

针对惯性/卫星组合导航系统中,全球卫星导航系统(global navigation satellite system,GNSS)量测受多径效应影响的问题,提出了一种基于冗余量测的GNSS多径误差抑制方案。该方案包含了一个基于量测新息的GNSS多径误差卡方检验器和一个自适应Kalman滤波器。首先,通过卡方检验来判断量测新息零均值的特性丧失与否以检测GNSS量测中的多径误差。当检测到量测中存在多径误差时,自适应滤波器根据惯性导航系统的冗余量测估计出当前GNSS测量噪声协方差阵,以合理调节量测权重,增强滤波性能。最后,通过仿真与实际跑车试验,验证了该方案能够有效抑制GNSS多径误差,提高了导航精度。     

基于穿越时刻的前向散射雷达网目标参数估计

基于全球导航卫星系统(global navigation satellite system, GNSS)的外辐射源雷达是当前雷达界关注的热点。本文首先建立了以GNSS为辐射源的前向散射雷达(forward scatter radar, FSR)网模型，实现了仅利用目标穿越多个基线时刻来估计目标运动参数，并从理论上证明了最小组网构型；然后推导了参数估计的精度，并通过仿真分析了穿越时刻误差、站址误差、发射/接收站布局、目标高度等对目标参数估计精度的影响。仿真结果表明，在考虑系统实际参数测量误差和站址误差条件下，目标位置估计误差可达百米量级，可以满足预警要求，所得结论对天发地收模式下FSR网系统构建具有参考意义。     

基于高度计辅助的GNSS欺骗干扰检测

气压高度计可以获得精确高程数据,且不受外界电磁干扰,利用气压高度计辅助全球导航卫星系统(global navigation satelite system,GNSS)进行欺骗检测具有显著优势。为了评估气压高度计在GNSS欺骗检测中的能力并提高检测概率,首先对系统误差进行建模分析,并利用差分整合移动平均自回归(autoregressive integrated moving average,ARIMA)模型对气压高度计和GNSS测量结果进行处理。同时,通过计算欧氏距离构建数据空间,提出一种基于移动方差的自适应门限检测方法。试验结果表明,在虚警率为10^-6的情况下,检测率达到了92%,所提方法能够在高程信息上有效监测潜在的欺骗威胁,增强了GNSS系统的可靠性。