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。     

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SAR的组合导航系统仿真研究

针对地形辅助导航中SAR图像匹配高度通道不可观，及传统Kalman滤波器自适应性差的缺陷，提出引入GPS高度信息及自适应联邦Kalman滤波算法，设计基于自适应联邦滤波的SINS／GPS／TAN／SAR四组合导航系统。该方案能有效地提高系统的自适应性、导航精度和自主性。并且由于方位误差角是直接观测量，使得载体不需机动即可获得良好的惯导空中对准能力。同时，该方案还可以提供SAR系统所需的运动补偿信息，由此构成导舷设备与任务设备互补的双向信息融合系统。     

MIMU/GPS组合导航技术研究

介绍了MIMU/GPS组合导航系统的基本工作原理,推导了以惯导误差系数为状态参数的组合导航系统误差状态方程,应用卡尔曼滤波技术实现了MIMU/GPS组合导航计算.仿真试验表明:采用惯导误差系数代替惯导测量误差作为状态参数进行滤波计算的MIMU/GPS组合导航方法,在技术上是可行的.     

一种新的北斗/罗兰C组合导航滤波算法

改造后的罗兰C系统可作为伪卫星,与国内已有的北斗系统进行组合导航,在2颗卫星、2个罗兰台构成四伪距定位的基本定位方程的基础上,推导了该组合导航系统的一种直接迭代算法,设计了一种噪声实时估计卡尔曼滤波定位算法,通过对系统噪声和量测噪声进行实时估计,使系统统计特性更符合实际情况,提高了算法的精度.跑车试验定位结果表明,采用所设计的改进卡尔曼滤波算法后,定位结果得到明显改善.     

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。     

H~∞自适应滤波的理论分析及其在导航系统中的应用研究

由于双星系统的误差模型未知,且稳定性较差,采用Kalman滤波实现惯导/双星组合导航时,其滤波特性较差。而H自适应估计对模型的不定性和干扰信号的统计信息不需做任何假设,而使它在工程实践中有广泛的应用。本文研究了H自适应滤波,并将其应用到惯导/双星组合导航系统中。该方法是通过从输入干扰信号到估计误差间的最大能量增益的最小化找到一种H最优估计策略来保证滤波器的鲁棒性。利用双星和惯导的实测数据进行仿真实验,并和递推最小二乘法、最小均方法进行比较。仿真结果表明,H自适应滤波的鲁棒性优于其它两种算法。     

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。     

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。     

多源信息融合的组合导航自适应联邦滤波算法

全球卫星导航系统、捷联惯导、里程计、零速更新等多源信息的融合为地面移动测量系统提供了精确的位置和姿态参考信息。针对进行多源信息融合时,由于数学模型偏差和观测值粗差的影响,传统的联邦滤波不能有效隔离故障子系统的影响的问题,提出了利用验前新息计算联邦滤波的信息分配系数,基于联邦滤波和自适应滤波的等效性和抗差滤波原理,实现实时调整信息分配系数的自适应联邦滤波算法。通过一组车载数据的分析表明,自适应联邦滤波算法相对于传统联邦滤波算法,能有效地抵御观测值粗差和数学模型偏差的影响,显著提高了组合导航系统的精度和可靠性。     

卫星/伪卫星/惯性组合着舰导引算法

针对舰载机安全着舰对高精度、高可靠性着舰导引系统的迫切需求,研究了卫星/伪卫星/惯性组合着舰导引技术,基于几何精度因子(geometric dilution of precision, GDOP)计算提出了伪卫星在舰船上的布设方案,并设计了其导航电文结构。研究了卫星/伪卫星/惯性组合着舰导引算法,利用卫星及伪卫星的双差分载波相位信息,采用改进的模糊度最小二乘去相关平差(least squares ambiguity decorrelation adjustment,LAMBDA)迭代算法解算其双差分整周模糊度,并基于舰载机运动模型建立滤波方程解算出舰机相对运动信息,再与惯导数据进行信息融合得到高精度的导引信息。仿真结果表明,提出的卫星/伪卫星/惯性着舰导引技术横向定位误差在0.3m以内,纵向定位误差在0.1m以内,高度定位误差在0.3m以内,可以满足舰载机着舰的要求,与卫星/惯性组合导引相比,该组合方式大大提高了垂直方向的定位精度,这对于确保安全着舰极为重要。并且,提出的着舰导引技术不仅精度高,而且工作连续可靠、抗干扰能力强,对保障舰载机着舰安全有重要的意义。     

INS/双星组合导航系统仿真平台研究

建立了INS／双星组合导航系统仿真研究平台，提出了双星系统中2种误差的建模方法，即定位信息滞后误差和接收机定位零偏的建模方法，并详细地介绍了跑车试验方案、软件设计和测试，为INS／双星组合导航系统的仿真／半物理仿真研究提供了一个仿真平台。     

OAS/INS/GPS/APS舰艇组合导航系统设计与仿真

舰艇高精度导航需求日益迫切，设计的组合导航系统可以使舰艇在水上水下一些特殊环境下实现高精度航向和定位测量。系统设计和利用了三种新型导航系统作为导航分系统，分别为光学标校系统(OAS)、水声定位系统(APS)和GPS姿态测量系统。为了克服惯性导航系统(INS)系统的积累误差以及GPS、APS和OAS系统各自的缺陷，采用联邦卡尔曼滤波技术，设计了OAS／INS／GPS／APS组合导航系统滤波算法，仿真结果验证了算法的有效性，表明基于上述系统的组合导航系统可以获得较高的航向定位精度。     

基于INS辅助CLAMBDA与AFM的GPS/INS组合导航测姿方法

为了提高全球定位系统(global positioning system,GPS)定姿的性能及成功率,将带约束的最小二乘降相关平差法(constrained least squares ambiguity decorrelation adjustment,CLAMBDA)与模糊度函数法(ambiguity function method,AFM)两种算法相结合,同时利用惯性导航系统(inertial navigation system,INS)姿态信息进行辅助,提出了一种GPS/INS组合定姿方法。在CLAMBDA解算过程中,将INS姿态信息与GPS载波相位和码伪距联合解算浮点解,然后再进行固定解搜索,如果姿态解算错误,则用AFM算法得到的姿态角进行替换。其间,用INS姿态信息缩小AFM的搜索范围。之后,GPS/INS进行组合滤波。通过实际系统跑车实验表明,相比于原算法,该算法能有效提高GPS定姿的成功率。     

模糊度固定解PPP/INS紧组合模型

差分全球定位系统(difference global positioning system, DGPS)与惯性导航系统(inertial navigation system,INS)所构成的组合定位测姿系统已广泛应用于高精度移动测量领域,但由于需要基准站支持,该系统作业范围有限、作业复杂且成本高。模糊度为浮点解的精密单点定位(precise point positioning,PPP)与INS所构成的组合系统,虽不需要架设基准站,但定位精度有限且收敛时间较长,其原因就在于模糊度为浮点解。针对以上问题,提出将模糊度为固定解的PPP与INS进行紧组合,给出了该新组合详细的观测模型和系统模型。实测车载组合导航实验对新组合进行了验证,结果表明,仅用单台GPS接收机,只需约10余分钟就能获取首次固定解;一旦实现固定,新组合的位置误差迅速由分米级降低到稳定的厘米级。     

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。     

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。