DGPS/INS Data Fusion for Land Navigationa

The interest for land navigation has increased for the recent years. With the advent of the Global Position System (GPS) we have now the ability to determine the absolute position anywhere on the globe. The problem is that the GPS systems work well only in open environments with no overhead obstructions and they are subject to large unavoidable errors when the reception from some of the satellites are blocked. This occurs frequently in urban environments, forests and tunnels. GPS systems require at least four "visible" satellites to maintain a good position fix. In many situations in which higher level of accuracy is required, the navigation cannot be achieved by GPS alone. This paper discusses the design of a reliable multisensor fusion algorithm using GPS and Inertial Navigation System in order to decrease the implementation cost of such systems on land vehicles. The major contribution of this paper is in the definition of the possible developments and research axes in land navigation.     

组合导航系统新息自适应卡尔曼滤波算法

全球定位系统(GPS)量测噪声的不稳定变化将造成惯性导航系统(INS)/GPS舰用组合系统卡尔曼滤波器性能下降,在对自适应卡尔曼滤波器分析的基础上,提出了一种新的基于新息估计的自适应卡尔曼滤波算法.该算法通过计算新息方差强度的极大似然估计最优估计,将新息方差计算直接引入卡尔曼滤波器的增益计算.仿真结果表明,本文方法较标准卡尔曼滤波器可以提高系统精度和抗干扰能力.     

一种组合导航的自适应信息融合算法

以GPS/INS组合导航系统为应用背景,针对组合导航系统信息融合的精度与稳定性要求,将简化的Sage-Husa自适应滤波算法与指数加权衰减记忆滤波算法相结合,提出了一种改进的自适应信息融合算法.仿真表明,改进的自适应算法解决了噪声统计特性和模型参数不易确定的问题,能够有效的保证信息融合的精度和稳定性.在算法仿真的基础上,对在VC 6.0环境下算法进行了改进,给出了GPS/INS组合导航系统的结构及软件框架,通过实验验证了改进的自适应算法的实际应用价值.     

IMM-SRUKF在GPS/INS组合导航中的应用

针对无迹卡尔曼滤波(UKF)鲁棒性不强的问题,结合全球定位系统/惯性导航系统(GPS/INS)紧组合模型特点,提出了基于交互式多模型(IMM)的混合平方根无迹卡尔曼滤波(SRUKF)算法.该算法采用交互式多模型结构,克服了模型不确定性因素的影响;采用平方根滤波技术,解决了协方差矩阵难以保持正定的问题.同时,考虑到内部滤波器与线性/非线性模型不匹配,引入混合滤波思想,对SRUKF进行了优化.将新算法应用于紧组合模型进行仿真,结果表明:新算法能够以适当的时间复杂度,获得较强的鲁棒性能,适用于复杂的导航环境.     

自适应UKF算法及其在GPS/INS组合导航中的应用

提出了一种自适应无迹Kalman滤波(UKF)算法.针对UKF受初始值误差和动力学模型异常扰动误差影响的问题,将自适应估计原理引入到UKF算法,将动力学模型信息对导航解的贡献进行合理调整.计算结果表明,在GPS/INS松组合导航系统数据处理时,UKF算法略优于扩展Kalman滤波(EKF),自适应UKF算法优于自适应EKF算法,自适应UKF算法能够很好地抑制动力学模型误差对导航解的影响,进一步提高导航解的精度和可靠性.     

GPS/INS相对导航鲁棒扩展卡尔曼滤波方法

针对绕飞模式下追踪器与合作目标间的GPS/INS组合相对导航问题,考虑追踪器的惯量阵存在不确定性,为提高相对导航系统的精确性和稳定性,提出了一种GPS/INS组合相对导航的鲁棒扩展卡尔曼滤波算法. 该算法采用近似线性化方法将相对导航系统中的非线性函数进行泰勒级数展开,并将线性化引起的模型误差作为不确定项来处理,结合鲁棒卡尔曼滤波算法,设计了GPS/INS组合相对导航的鲁棒扩展卡尔曼滤波算法. 仿真结果表明,该方法相对位置的估计精度为0.1 m,相对姿态的估计精度为0.001°,相对导航精度很高,且对追踪器惯量阵存在的不确定性具有很好的鲁棒性.      

陆地车辆GNSS/MEMS惯性组合导航机体系约束算法研究

针对陆地车辆导航应用,基于速度特性建立了机体系约束用以提高卫星导航系统(GNSS)/微硅机械(MEMS)惯性组合导航系统的性能. 该约束将与车体运动方向相垂直的平面上的线速度近似为0,从而增加了组合系统的扩展卡尔曼滤波时间上连续的两维虚拟观测量,卫星信号失效时可保持滤波器的量测更新,当无外部观测量且车辆处于动态情况下,滤波可持续估计与反馈. 车载实验表明,组合系统在卫星信号失效30 s时,采用该算法可以将系统的定位精度提高约75%,姿态精度及速度精度也有相应的提高.      

基于UKF的INS/GPS组合导航系统仿真

通过Unscented卡尔曼滤波(UKF)算法,研究INS/GPS紧耦合组合导航系统中滤波算法的问题,避免了对非线性的系统方程进行线性化。同时将自适应原理引入UKF,给出了一种自适应UKF算法。将EKF、UKF和自适应UKF分别应用到INS/GPS组合导航系统的滤波中。仿真结果表明,相比UKF算法,自适应UKF算法进一步提高导航解的精度和收敛速度,同时系统的鲁棒性也得到了提高。     

GPS/INS在火车安全告警系统中的应用

为了弥补目前火车车辆运行中人工统计调度工作量大、效率低等缺陷，提出了一种基于全球定位系统和惯性导航技术(GPS／INS)的火车安全告警系统的设计方案；重点讨论了GPS／INS在信息融合时所使用的卡尔曼滤波方法，避免了独立的惯性导航系统无限位置误差和GPS的1Hz慢速数据修正的问题；利用原有国家铁路网数据库进行数据修正，进一步提高了系统的精度．在此基础上设计的火车安全告警系统就能够简捷、准确地计算车辆运行里程，当车辆达到维修等级时自动进行报警提示，从而降低火车车辆调度工作的工作量及运行风险．     

基于置信度加权的INS／BD／GPS组合导航信息融合

针对联邦卡尔曼滤波算法存在的不足,将标准卡尔曼滤波方法和置信度加权方法相结合,应用于组合导航系统.该方法利用了自适应神经网络模糊推理技术非线性、快速实时、自适应学习的优点,将滤波器的输出数据进行置信度判别,得到各个子系统加权值,最后进行加权融合得到全局输出.仿真结果表明:基于ANFIS神经网络置信度加权的组合导航信息融合技术在一定程度上抑制了数据的发散,提高了导航精度.     

GPS/INS集成的数据处理

介绍了GPS和INS集成的数据处理方法.描述了作为适当算法的卡尔曼滤波的作用.讨论了建立卡尔曼滤波器的基本变量,最后探讨了卡尔曼滤波的多模型估计算法.     

一种应用于GPS/低成本INS组合导航的自适应滤波算法

为了提高在全球卫星定位系统(GPS)接收机导航解更新间隔期间组合导航系统的定位精度,在分析了惯导系统(INS)误差模型的基础上,使用一种对噪声协方差矩阵进行实时自适应估计的算法改进了通常使用的标准Kalman滤波器。采集清华大学内的跑车实测数据,并使用自适应算法进行处理,结果表明:该方法可以有效地提高GPS导航解间隔期间组合导航系统的定位精度,整体定位精度可以提升近10%,在车辆行驶状态变化较大的路径中获得了最高达40%的位置精度提升。该方法易于实时实现,在实际工程实现中具有一定的应用前景。     

组合导航信息融合算法的研究

以GPS／INS组合导航系统为应用背景,推导了“当前统计”模型下卡尔曼滤波方程的关键矩阵。阐述了卡尔曼滤波器的主要参数对组合导航信息融合效果的影响;给出了组合导航系统的松耦合设计框图;根据实验测得的数据采用基于卡尔曼滤波的信息融合算法,通过对算法改进前后东向误差和北向误差的分析,说明算法改进后的定位精度比改进前高约30％．     

Optimal Nonlinear Filter for INS Alignment

IntroductionKalman filtering(KF) is a popular tool for solvingestimation problems,but its optimality heavilydepends on the model linearity.Although KF canbe extended to extended Kalman filtering(EKF)for nonlinear systems,its performance relies onand is limited by the model linearization. Forhighly nonlinear systems,linearization may causevery large model errors that may even result indivergence of the filtering process. Despite themany papers on nonlinear filtering theory,theimplementation…     

基于GPS/INS组合导航的改进自适应渐消卡尔曼滤波算法

基于GPS/SINS组合导航系统的模型不准确或者量测噪声多变所产生的滤波发散问题,研究了自适应渐消卡尔曼滤波对于滤波发散的抑制作用,文章提出一种利用新息协方差估计值和量测值实时自适应计算渐消因子的方法,用它调节卡尔曼滤波方程中预测误差协方差阵和增益矩阵,调整历史新息和当前新息的权重达到抑制滤波发散的目的。该算法能有效减少严格收敛判据推导渐消因子的计算量和限制条件,有效利用了当前新息值。仿真验证表明,提出的算法能有效抑制滤波发散,并且比常规卡尔曼滤波效果更佳。     

陆用捷联惯导系统/里程计自主式组合导航技术

利用里程计辅助捷联惯导系统构成一种自主式组合导航系统.用捷联惯导系统解算出的速度和里程计所测量的速度之差作为观测量,利用闭环卡尔曼滤波技术进行误差估计与校正,并给出了仿真结果.仿真结果表明,该组合导航系统可有效地减小速率、经度和纬度、航向角和姿态角及航迹推算下的位置等导航参数的累积误差.     

INS/GNSS组合导航系统中高度阻尼问题的研究

INS／GNSS组合导航系统是目前组合导航中的主要系统之一,而高度阻尼是其中的一个重要问题。由于惯性系统的高度通道是不稳定的,必须引入气压高度表或大气数据中心等外部高度信息进行阻尼。本文通过对捷联惯性导航系统及INS／GNSS组合系统进行Monter-carlo仿真,研究在捷联系统如何设计高度阻尼网络及网络中参数的选取方法,以及该网络在组合系统的卡尔曼滤波中如何进行处理．并给出实际的仿真结果。     

基于EMD-小波随机消噪模型的GPS/INS组合导航

为提高GPS/INS组合导航精度,提出了EMD-小波INS随机误差削弱模型.首先分析了GPS/INS组合系统的误差特点,给出组合导航的基本原理.基于EMD的多尺度结构,结合小波分解理论,提出基于EMD-小波的GPS/INS组合导航技术路线.采集新南威尔士大学校园内的实测数据,分别选用1s与2s的GPS采样信息和100 Hz的INS数据,进行融合试验.用随机模型消噪前后的INS数据计算导航解,并与GPS测量的位置进行比较,分析误差分布情况.结果表明,滤波后的INS自主导航解要优于滤波前.当GPS更新周期为1 s时,X,Y,Z方向上导航精度分别提高9.07％,13.89％,35.14％,残差最大值分别减小2.62％,19.54％,31.23％.当GPS更新周期为2s时,X,Y,Z方向上导航精度分别提高17.82％,23.46％,22.48％,残差最大值分别减小14.34％,28.85％,17.48％.     

一种新的惯性/GPS组合导航系统随机干扰处理方法

研究动力学系统波动算法的简化和改进方法,用该方法对陀螺漂移,加速度计误差等随机干扰进行统计描述,巧妙地运用卡尔曼滤波除组合导航系统的波动型干扰,简化原算法,使计算量比原算法减少,通过对惯性／GPS组合导航系统中的波动法和卡尔曼滤波的比较及计算机仿真研究表明,新的改进波动算法与原算法几乎一样有效,波动型随机干扰的估算精度高于标准卡尔曼滤波。     

飞行过程中惯导系统的随机振动响应分析

用有限元方法建立某飞行器惯导系统动力学分析的计算模型。进行了该模型在自由状态与边界约束状态下的模态参数计算 ,以及基础激励下的随机振动响应分析。通过对橡胶减振器进行三维实体有限元建模 ,研究了橡胶减振器连接刚度和阻尼特性参数对惯导系统响应的影响 ,并将计算结果与试验数据进行了比较。