基于多区间参数修正的角速率姿态算法

姿态解算是惯性导航过程中的核心环节。针对惯组输出为角速率的情况, 参考单子样姿态算法的思路, 在角速度多项式拟合过程中利用前周期的部分角速率子样信息, 通过对多个不同拟合区间的角速度多项式积分来提取并修正对应采样周期的角增量信息, 进而利用角速率信息和多次修正后的角增量信息构造圆锥误差补偿结构。仿真结果表明, 新算法不仅可以提高姿态的解算频率, 且在一定圆锥频率范围内, 相较于传统算法的计算精度提高2~3个数量级。     

旋转捷联惯导系统的轨迹仿真算法

结合旋转捷联惯导的系统编排和载体运动模型,推导理相情况下旋转捷联惯导系统中惯性器件在任意角运动和线运动条件下的输出;在考虑了惯性器件的常值误差,随机误差,刻度系数误差,IMU安装误差以及旋转轴的安装误差对惯性器件输出的影响后,设计了系统的轨迹仿真算法.在相同运动条件和误差条件下,分别仿真了一般捷联惯导系统和旋转捷联惯导系统的惯性器件输出,并利用该输出进行了导航解算.结果表明:无误差条件下导航解算航线与预设的理想航线重合,该轨迹仿真算法准确合理;在给定的误差条件下,旋转捷联惯导系统精度提高一倍.算法可为旋转捷联惯导系统的误差分析、导航解算以及初始对准等技术研究提供惯性器件输出仿真.     

航向误差非线性预测的惯性行人导航零速修正算法

针对基于零速修正(zero velocity update, ZUPT)的行人导航算法无法对航向角进行观测导致航向角发散的问题，设计了一种基于ZUPT、零角速率修正和航向角误差非线性预测校正的惯性行人导航算法。首先通过广义似然比检测(generalized likelihood ratio test, GLRT)算法确定出零速区间；在检测到的零速区间内利用ZUPT算法构造速度误差观测量、利用零角速率修正(zero angular rate update, ZARU)算法构造角速率误差观测量，通过零速区间航向角误差观测模块构造航向角误差观测量，在非零速区间对航向角误差进行非线性预测；再利用卡尔曼滤波对零速区间内的速度、角速率、位置和航向角误差进行估计，利用估计误差对惯性行人导航系统进行误差修正；通过实际行人导航系统验证，在复杂运动状态下导航轨迹误差平均值仅为0.43 m,只占总路程的0.35%。在长航时行走的情况下导航误差仅为1.25%里程。所提算法无需增设其他传感器，无需限制行人的运动轨迹，具有良好的工程应用价值。     

机动天基平台惯性/天文组合导航的研究

为了实现机动天基平台的长时间、高精度和低成本自主导航,采用了低精度惯性导航系统和天文导航系统进行组合。以扩展卡尔曼滤波算法为基础,通过建立系统状态方程和量测方程,并进行量测方程的线性化,将捷联惯导和星敏感器分别测得的姿态信息进行数据融合,估计出组合导航系统的误差状态量,从而修正捷联惯导系统的导航参数。仿真结果表明,在1000s内,平台姿态角误差稳定收敛在20?,定位误差优于纯惯导解算,证实了该方案的实用性。     

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%。     

机动加速度辅助的航姿系统扩展卡尔曼滤波

低精度航姿系统一般采用基于重力场和地磁场矢量观测的6态扩展卡尔曼滤波,载体长时间机动时,模型存在较大误差,无法保持稳定的姿态精度。将载体机动加速度描述为当前统计模型,提出了一种机动加速度辅助的9态扩展卡尔曼滤波,其状态变量包括三个姿态角误差、三轴陀螺零偏误差和三轴载体加速度误差,观测量为三轴加速度误差和三轴地磁场误差。实验表明,将航姿系统固定在转台上产生0.6 g的向心加速度时,9态扩展卡尔曼滤波在对机动加速度进行稳定估计的同时,姿态精度保持在1度以内。     

基于非线性预测滤波的卫星姿态确定

为了提高卫星姿态确定系统的精度和可靠性,采用由姿态动力学与运动学方程构成的非线性卫星姿态运动模型,结合陀螺和矢量观测信息来确定卫星姿态。针对转动惯量变化等引起的模型不准确问题,研究基于预测滤波实现姿态估计的关键技术。仿真结果表明,在恰当选取加权阵的前提下,该方法可实时估计模型误差,当用低通滤波去除高频噪声的模型误差进行补偿后,大大削弱了模型不准确对姿态估计精度的影响,其估计效果明显优于传统的扩展卡尔曼滤波,由此验证了预测滤波在卫星姿态确定中的有效性和精确性。     

等效转动矢量法采样迭代频率选取方法

在捷联惯导中等效转动矢量的精度直接影响着姿态矩阵的精度，分析了等效转动矢量的迭代算法，推导出了Ｎ子样迭代算法，并进一步导出等效转动矢量的计算误差取决于采样频率。以典型圆锥运动为例，分析了采样频率与等效转动矢量的计算误差及圆锥运动的角速度的关系，并以仿真加以说明。     

基于改进四元数阻尼误差模型的SINS初始对准算法

针对传统捷联惯导系统(strapdown inertial navigation system, SINS)四元数非线性误差模型存在坐标系不一致的问题, 对姿态误差模型和速度误差模型进行改进, 将误差矢量统一投影至计算导航坐标系下。此外, 引入全球定位系统阻尼信息, 在阻尼SINS解算基础上, 结合四元数无迹估计器提出了一种改进四元数阻尼误差模型对准算法, 可应用于系泊状态下的SINS初始对准。仿真和车载试验结果表明, 在不同的大失准角下, 该改进算法相比传统四元数阻尼误差模型对准算法和欧拉角阻尼误差模型对准算法, 具有更好的对准精度、收敛速度以及稳定性。     

捷联惯导算法中螺旋理论的应用

算法定义了推力速度坐标系、重力速度坐标系、位置坐标系,以螺旋理论为数学工具,提出了一种新的捷联惯导算法。算法利用螺旋矢量描述空间中的旋转和平移,推导出对偶四元数表示的导航运动学方程,同时对载体的姿态、速度进行更新。设计的螺旋补偿算法包括了传统的圆锥补偿和划船补偿,有效地减小了刚体转动的不可交换性误差。仿真结果表明:在高动态环境中,采用高精度的惯性传感器时,新算法的性能优于传统算法。     

飞行器动力学信息辅助MEMS惯导系统

使用微机械电子(micro electro mechanical systems, MEMS)惯导系统(inertial navigation system,INS)的飞行器由于其MEMS惯性器件测量精度低,致使导航误差快速发散。针对该问题,提出了一种利用飞行器动力学(aircraft dynamics, AD)信息辅助MEMS惯导解算的方法。〖JP2〗它基于AD建立的飞行器运动模型和运动误差模型,利用实时解算的飞行器运动状态构建卡尔曼滤波器对MEMS惯导误差进行估计和修正。在此基础上,进一步考虑了INS/全球定位系统(global positioning system,GPS)组合导航时该方法的改进算法,提出了一种利用GPS定位信息和预测滤波器对飞行器动力学模型误差估计的方法。最后的半实物仿真实验结果表明,飞行器动力学信息辅助滤波器可以有效地减小系统误差,提高 MEMS惯导系统输出精度。     

提高无陀螺捷联惯导系统角速度解算精度的新方法

在无陀螺捷联惯导系统中，由于合弃陀螺而使系统具有很多优点，但角速度需从加速度计输出的信号中解算出来，且它的解算误差随时间而发散。所以，抑制角速度解算误差的发散，提高其解算精度是该项技术研发的关键。提出了一种在九加速度方案下提高角速度解算精度的新方法，它是一种利用冗余信息得到残余误差方程，再进行数值迭代的方法。该方法比建立噪声状态估计、利用卡尔曼滤波束修正姿态的方法简单而有效。仿真结果表明，利用此方法能明显提高系统角速度解算精度。     

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     

高动态飞行器姿态解算及三维视景仿真研究

建立了高动态飞行器姿态解算的数学模型,探讨了利用等效旋转矢量法解算姿态角的方法,并与四元数法进行了比较。建立了飞行器、地形、地物的三维模型,利用计算出来的数据进行飞行器的实时三维视景仿真模拟。三维视景仿真对直接观察、验证高动态飞行器的运动变化规律提供了极大的便利。     

X射线源/地心矢量观测的卫星自主导航应用

针对X射线探测器的卫星自主导航应用,提出基于X射线源/地心矢量观测的航天器自主天文导航方法。研究了X射线源/地心矢量自主导航原理并给出自主导航系统方案。通过X射线源和地心矢量提取,合成了X射线星光角距和星光仰角观测模型。对X射线源矢量方位观测误差和地心矢量方位观测误差引起的系统观测量残差进行了理论分析,并将其建模为缓变量。建立了卫星运动状态方程模型,并将无迹卡尔曼滤波(unscented Kalman filter,UKF)算法应用于自主导航过程中,针对观测量周期与导航周期异步的情况给出了导航解算方案。近地圆轨道卫星的自主导航仿真结果验证了该方法的有效性。     

基于PSO-BP神经网络的广播星历轨道误差预测模型

在卫星导航数据处理实践中,发现广播星历轨道误差中客观存在不确定性的规律现象,针对这种不能用确定数学模型表示的误差信息,建立基于粒子群优化反向传播(back propagation,BP)神经网络的轨道误差预测模型。通过粒子群算法对BP神经网络的初始权值和阈值进行全局寻优,利用广播星历解算出的卫星空间位置和速度,并结合时间信息和摄动改正数对神经网络进行训练和测试。结果表明该模型对广播星历轨道误差具有较好的拟合能力和预测效果,用该模型对卫星位置解算提供误差补偿,可有效提高卫星定轨精度,降低系统级误差。     

动力学模型系统误差及其协方差阵的随机加权拟合法

在现有的基于移动窗口函数模型和随机模型系统误差自适应拟合方法的基础上,提出一种基于移动窗口动态导航模型系统误差的随机加权拟合法,在相同的窗口内给出了相应的状态预报向量协方差阵的随机加权拟合。由于动力学模型系统误差难以直接修正,采用修正状态估计误差向量及动力学模型误差向量的方法,实现对动力学模型系统误差的修正,然后利用修正后的动力学模型及相应的协方差阵进行导航滤波计算,有效地抑制动力学模型系统系统误差的影响,提高导航解算的精度。仿真结果证明,采用随机加权拟合后的算法精度优于未进行拟合的卡尔曼滤波和自适应卡尔曼滤波算法。     

基于ESPRIT-LS的幅相补偿参数估计算法

幅相补偿是多频带雷达信号融合一维距离成像中的关键问题,其补偿的精度直接影响了信号融合的最终效果。分析了多雷达信号融合中的幅度相位模型,并基于旋转不变技术提出一种新的幅度相位补偿参数估计方法。该方法首先对幅相补偿模型进行预处理,使得处理后的阵列导向矢量具有旋转不变特性,然后采用ES-PRIT-LS算法同时估计多个雷达的幅相补偿参数。仿真结果表明该算法具有较高的估计精度,受噪声影响较小。     

通道幅相误差条件下的相干信源波达方向估计

针对通道幅相误差条件下的相干信源波达方向(direction of arrival, DOA)估计问题,提出一种基于互相关矢量的误差校正和解相干算法。首先对阵列的状态转换进行时延控制,使两个子阵的接收数据保持旋转不变特性。再利用阵列互相关矢量元素的错位比值实现了误差系数估计,将误差校正后的互相关矢量重构为一个等效协方差矩阵即可实现解相干。进一步对不同时延可能导致的角度偏移进行了分析。仿真结果表明,该算法能够实现通道幅相误差的精确校正及解相干,且DOA估计性能接近于无幅相误差条件下的空间平滑类算法。     

基于降阶模型的GPS/PINS组合导航试验研究

卡尔曼滤波器的计算负担与其阶数的三次方成正比，为了研究GPS／PINS（Platform Inertial Navigationsystem）组合导航系统的性能，基于卡尔曼滤波器降阶模型，设计了GPS／PINS实时组合导航跑车试验系统，跑车试验过程中实时采集GPS的位置和速度信息以及平台惯组的加速度和姿态角等信息，进行滤波解算，实时输出解算结果。为评估二者的组合效果，同时接入差分高精度GPS，跟组合结果进行比对。试验结果表明，基于降阶模型的组合导航系统可以满意的完成导航任务。