基于ZIHR航向角修正方法的行人导航算法

在行人导航系统中,零速修正(zero velocity update, ZUPT)方法能够准确计算出速度误差和水平姿态角误差,但是航向角误差却因其不可观难以估计而极易发散。为了解决航向角误差极易发散的问题,提出了零积分航向角速率(zero integrated heading rate, ZIHR)修正方法。推导发现在零速状态下相邻航向角差值和陀螺的漂移及航向角误差存在一定的关系,将此差值作为量测值,在ZUPT的基础上扩展一维量测,将卡尔曼滤波得到的估计值进行反馈校正。通过多组微机电系统(micro-electro mechanical system, MEMS)实物实验验证:提出的ZIHR修正方法能够很好地解决MEMS 惯性器件漂移导致的误差累积问题,多组实验的定位误差均小于总行程的2%。     

重力扰动对高精度激光陀螺惯导系统ZUPT的影响分析与补偿

高精度激光陀螺惯导系统广泛应用于车载自主定位定向当中。当不存在外部测速设备的条件下,一般采用零速修正（zero velocity update,ZUPT）对导航误差的发散过程进行约束。常规ZUPT导航算法中重力矢量采用正常重力模型计算获得,忽略了重力扰动对导航精度的影响。考虑到车载自主导航系统对定位精度的要求,本文从重力扰动对惯性导航误差的影响机理分析入手,指出重力扰动是影响高精度ZUPT导航精度的最主要误差源之一。设计提出了两种适用于车载应用的重力扰动实时补偿方案,并在重力扰动变化剧烈的山区地带进行了长距离车载试验。试验结果表明,对于同一组跑车数据,导航时间2 h ZUPT间隔10 min,激光陀螺惯导系统的水平定位精度由补偿前的8.93 m提高到了补偿后的3.75 m,高程定位精度由补偿前的1.63 m提高到了补偿后的0.80 m。重力扰动补偿方法具有重要的工程应用价值。     

速度约束辅助车载捷联惯导系统零速校正算法

捷联惯导系统(strapdown inertial navigation system, SINS)动态误差源众多,常规零速校正(zero-velocity update, ZUPT)方法难以取得理想效果。利用车辆正常行驶过程中横向和法向速度为零的约束条件,在考虑惯导系统与载车安装偏差角的基础上,推导了速度约束辅助的ZUPT算法模型。利用光纤SINS进行了2h的车载导航试验,间隔10min停车,零速校正得到的水平和高程定位精度均优于10 m。所提算法可以正确估计安装偏差角、惯性器件误差和初始方位误差,工程实用性强。     

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%。     

一种基于抗差滤波的行人导航算法研究

行人导航系统(pedestrian navigation system, PNS)通常采用全球定位系统(global positioning system, GPS)和航位推算(dead reckoning, DR)组合导航的方式进行定位,因此其定位精度易受GPS定位误差特别是定位粗差的影响。为了减小这种影响,提高行人导航系统定位精度,采用了一种基于抗差滤波的GPS/DR组合行人导航算法。该算法首先对DR系统误差建模,获得行人导航系统卡尔曼滤波模型,再通过GPS与DR系统观测量之差,估计当前观测噪声与先验统计特性的符合程度,利用等价权实时调整观测权值,以避免观测粗差对组合导航精度的影响。最后通过对实测数据的分析表明,在GPS定位误差较大或含粗差情况下,该方法较卡尔曼滤波算法能明显抑制定位误差的影响,将定位精度提高5 m左右,能够在不增加硬件的基础上有效提高GPS/DR组合行人导航精度。     

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。     

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     

静基座速率偏频激光陀螺捷联惯导系统快速高精度初始对准算法

针对惯性器件误差对初始对准精度的影响,提出了基于速率偏频激光陀螺捷联惯导系统的快速高精度初始对准算法。首先,研究了初始对准阶段惯性器件的误差特性;然后,建立了激光陀螺标度因数和加速度计零偏的二次非线性误差模型,并对其进行在线估计和补偿;最后,采用卡尔曼滤波方法对激光陀螺零偏残差进行估计,得到系统初始对准姿态矩阵。实验结果表明,该算法可以有效消除激光陀螺标度因数误差、零偏误差和加速度计零偏误差等因素对初始对准精度的影响,初始对准时间为3 min时水平姿态角对准精度为2″,偏航角对准精度优于30″,精度和快速性均得到显著提高。     

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.     

惯导系统的零速校正技术研究

针对传统零速校正中存在的问题,提出了改进的曲线拟合法和滤波估计法.改进的曲线拟合法通过对惯导系统误差模型的分析,解耦出速度误差项的舒拉部分.从而更准确地拟合出速度误差曲线.改进的滤波估计法引入偏差去耦技术在零速校正期间估计出陀螺漂移,并利用速度信息快速估计出方位误差角.仿真分析表明,两种方法都可以有效提高惯导系统的性能.     

车载导航系统动态高精度初始对准技术

针对载车在运动状态下的初始对准问题,提出了利用航位推算算法进行精对准的新方法,阐述了航位推算轨迹和真实轨迹相似的原理。在载车初始粗对准之后,行驶一段路程到达一位置已知点,由航位推算结果并运用相似性原理求出初始粗对准的航向误差角,从而修正航向角达到精对准的目的。最后通过跑车试验验证了对准方法的有效性,当载车起始点和位置已知点间距离为6 km左右时,初始对准航向角可达到角分级精度。     

基于DBZP差分相干的GPS信号捕获算法

针对弱信号环境下全球定位系统(global position system, GPS)信号捕获问题,提出了一种基于双块零拓展（double block zero padding, DBZP）差分相干捕获算法。该算法将快速傅里叶变换（fast Fourier transform, FFT)、DBZP、差分相干及频率误差修正等4项技术有机结合,从而有效减小了在FFT计算过程中由大多普勒频移引起的码片速率变化而造成的相关功率损失,同时也削弱了残余多普勒频率造成的功率损失。实验表明,算法能明显提高系统捕获性能,在仿真数据集下,与直接FFT差分相干算法相比,捕获灵敏度提高了约2.8 dB,并在给定的积分时间及载噪比下,捕获频率误差的标准差小于20 Hz;在实验数据集下,与直接FFT差分相干算法相比,捕获结果信噪比提高了约3 dB。     

SINS/CNS组合导航半实物仿真系统及其实验研究

因航天实验费用大,组合导航系统的性能及算法很难都通过飞行实验进行测试,为此提出了一种高性能捷联惯性/天文组合导航半实物仿真系统。该系统遵循硬件功能模块化和软件流程一体化的设计思想;利用轨迹发生终端生成标称轨迹数据,作为信息处理统一参考源;采用时间软同步并行采集惯、性、天文系统真实误差数据;通过平滑处理,结合标称轨迹数据完成性能测试。它具有强的灵活性和可扩展性,利用其可有效地降低组合导航系统的实验成本,缩短研制周期;这对研究组合导航系统的算法性能、系统特性和工程应用等具有重要理论和实践意义。     

地形起伏地区雷达导航图几何校正方法

合成孔径雷达(synthetic aperture radar,SAR)应用于导航系统可以提高导航精度,然而地形起伏地区SAR图像固有的几何畸变使得导航误差增大。鉴于在地形起伏地区难以获得高精度的地面控制点,提出了一种适合于地形起伏地区SAR导航图的三步几何校正法。首先,利用数字高程模型（digital elevation model, DEM）在斜距平面内校正地形引起的距离位置误差。然后,在地距平面内校正斜地比例误差。最后,根据航向角将实时图由载体坐标系变换到导航坐标系。对算法进行了详细的描述,并分析了算法的复杂度和精度,最后根据实测DEM数据做了仿真实验,验证了算法的有效性和精确性。     

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%。     

基于地磁场的高精度自主导航方法

地磁场矢量可描述成卫星的位置函数,利用三轴磁强计观测地磁场矢量或模,可实现近地卫星在任何运行状态下的自主导航,但是由于地球磁场模型存在不确定性和长期变化性,三轴磁强计存在安装误差和未知比例因子等误差因素,所以目前单一使用三轴磁强计进行自主导航精度有限。提出一种利用地磁场信息在轨修正地磁场模型高斯系数和标定三轴磁强计模型误差的新方法,通过将三轴磁强计与地磁场模型参考值的矢量和模分别作差,推导两种差值与地磁场模型高斯系数和三轴磁强计模型误差参数的数学关系,设计先进滤波算法得到高斯系数及误差参数的最优估计,实时修正地磁场模型和三轴磁强计模型。以某低轨卫星利用地磁场进行自主导航为例,利用数值仿真验证在轨修正后地磁场模型和标定后三轴磁强计模型,并对3种自主导航方法进行仿真结果的分析和比较,论证所设计方法既提高系统导航精度、收敛性和稳定性,又有利于工程实际应用。     

前向神经网络学习速率的白适应算法

学习速率是控制神经网络学习过程的一个重要参数，影响神经网络的稳定性和快速性．提出了一种能够满足实时性要求的神经网络学习速率的自适应算法，并证明了在该学习速率下，神经网络的学习过程是Lyapunov意义稳定的。试方法通过为神经网络的输出增加一个输出修正量来补偿多个未知因素对学习误盖的影响，从而构造使学习误差快速收敛到零的学习速率自适应算法。通过对神经网络在线逼近一个非线性对象的过程进行仿真，结果证明了该方法的有效性。     

最优弹道形成制导的分析解

本文介绍一种关于导弹弹道中段和末段的混合制导规律,以提高导弹的射程及其优良的拦截特性。文中导出了中段和末段三维飞行的闭环非线性最优制导规律的解析解。这种混合制导规律在中制导段目标方向发生变化时能迅速修正导弹的弹道。在从中段转到末段时,航向误差可以达到零。这种制导的算法取反馈形式,既可用于惯性坐标系,又可用于寻的坐标系。此算法在弹上实现起来相当简单,已经成功地用于在线工作。     

前向神经网络学习速率的自适应算法

学习速率是控制神经网络学习过程的一个重要参数,影响神经网络的稳定性和快速性。提出了一种能够满足实时性要求的神经网络学习速率的自适应算法,并证明了在该学习速率下,神经网络的学习过程是Lyapunov意义稳定的。该方法通过为神经网络的输出增加一个输出修正量来补偿多个未知因素对学习误差的影响,从而构造使学习误差快速收敛到零的学习速率自适应算法。通过对神经网络在线逼近一个非线性对象的过程进行仿真,结果证明了该方法的有效性。     

考虑SAR量测特性的弹载SINS/SAR组合导航滤波算法

在弹载捷联惯性导航系统(strapdown inertial navigation system, SINS)/合成孔径雷达(synthetic aperture radar, SAR)组合导航系统中, 针对量测输出时间间隔不同及SAR量测滞后的问题, 提出一种利用曲线拟合法解决量测滞后的非等间隔无迹卡尔曼滤波(unscented Kalman filter, UKF)算法。首先，在UKF的基础上, 利用系统状态转移矩阵的特性, 根据SAR有无量测输出选择是否进行量测更新, 解决了量测不同步的问题。然后，利用曲线拟合补偿法拟合SAR输出信息, 获得SAR量测信息滞后的补偿算法。最后，以弹载SINS/SAR组合导航系统为研究对象, 验证所提算法的有效性。仿真结果证明，该算法得到的东向位置误差的绝对值为5.12 m, 航向角误差绝对值为6.63″, 北向速度误差绝对值为0.08 m/s, 相比于传统UKF算法有效提升了组合导航系统滤波精度。