光纤SINS/GPS组合导航系统分析

为提高光纤陀螺捷联惯导系统的精度,以光纤陀螺捷联惯导系统与全球定位系统(GPS Globle PositionSystem)为研究对象,采用联邦卡尔曼滤波算法,构成了SINS/GPS(Strap-down Inertial Navigation Systerm/Globle Position System)组合导航系统.仿真结果表明,该算法能及时修正子滤波器的偏差,大大降低子滤波器的模型误差,进而提高整个滤波器的精度,并有效克服了滤波发散现象.     

基于联邦卡尔曼滤波的某舰船组合导航系统的设计

为了得到更高精度的导航信息,在某船现有的固定指北惯性导航系统的基础上,将惯导与GPS结合,设计了一种基于联邦卡尔曼滤波的舰船用组合导航系统,研究了该组合导航系统的数据处理方法,并对该组合方式进行仿真,验证了可行性.     

改进的强跟踪卡尔曼滤波器在MSINS/GPS组合导航中的应用研究

通过深入分析次优渐消因子的解算原理,提出了一种无须先验知识的多时变渐消因子估计方法,用于改进强跟踪卡尔曼滤波算法,并将其应用于MSINS/GPS浅组合中。采用多个次优渐消因子,分别对不同的数据通道进行渐消,可以有效提高滤波算法的跟踪能力。仿真结果表明,改进的强跟踪卡尔曼滤波算法解决了量测相关、初值选取敏感性等问题,可以提高系统的实时性、鲁棒性。     

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。     

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.     

GPS/DR组合定位技术的仿真研究

根据DR传感器误差的数学模型,将其误差参数作为状态变量,建立了基于'当前'统计模型的GPS/DR组合定位的卡尔曼滤波模型.仿真结果表明该算法在多种情况下均可使定位精度保持在较高范围内,完全可以满足普通车辆的定位要求.     

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。     

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.     

自适应滤波在GPS/IMU/MV组合导航系统中的应用

本文提出了一种自适应数据融合方法,该方法根据位置误差、角度误差和统计信息,采用模糊逻辑控制器对卡尔曼滤波器的增益矩阵K,测量误差协方差R,观测误差协方差Q进行实时修正,将卡尔曼滤波器调整到最优状态。仿真结果证明该方法比传统卡尔曼滤波具有更高的精度。     

基于自适应滤波的SINS/DVL组合导航系统

以水下运载体为研究对象,给出一种线性的捷联惯导系统(SINS)误差数学模型,根据多普勒测速仪(DVL)测速的误差特点建立其误差方程,并以捷联惯导系统为主导航设备建立SINS/DVL组合导航系统数学模型.考虑到DVL测速易受水中复杂环境的影响,将Sage-Husa自适应滤波算法引入SINS/DVL组合导航系统.针对Sage-Husa自适应滤波器长时间滤波后自适应程度下降的问题,引入滤波收敛判据对其进行改进,以自适应调节噪声估计器对不同时刻信息利用的权值.仿真结果表明:该基于自适应滤波算法的SINS/DVL组合导航系统稳定性好,且具有较高的导航精度.     

MINS/GPS组合导航系统设计与实验

设计了一套MINS/GPS组合导航系统实验样机,可实时输出导航位置、速度和姿态信息。以GPS接收机的秒同步脉冲(PPS)与串口通信协议尾字节作为对齐标志,完成MINS与GPS时间同步;利用GPS的速度信息进行车载实验初始方位角对准,并利用横向约束条件标定惯导与车体间的方位安装误差角;设计了基于虚拟噪声的现场最优标定方法。以上措施均有效提高了系统的精度和可靠性。车载实验结果表明:无GPS辅助时,纯惯性导航在120 s时刻满足短时间惯性导航精度要求;组合导航定位精度在30min内与GPS相当。     

MINS/GPS组合导航系统设计与实验

设计了一套MINS/GPS组合导航系统实验样机,可实时输出导航位置、速度和姿态信息。以GPS接收机的秒同步脉冲(PPS)与串口通信协议尾字节作为对齐标志,完成MINS与GPS时间同步;利用GPS的速度信息进行车载实验初始方位角对准,并利用横向约束条件标定惯导与车体间的方位安装误差角;设计了基于虚拟噪声的现场最优标定方法。以上措施均有效提高了系统的精度和可靠性。车载实验结果表明,无GPS辅助时,纯惯性导航在120s时刻满足短时间惯性导航精度要求;组合导航定位精度在30min内与GPS相当。     

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。     

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％.     

旋转捷联惯导系统的可观测性分析

推导了静基座条件下仅利用速度误差作为观测量的惯导系统的可观测组合状态.比较分析认为,仅利用速度误差作为观测量和利用速度误差、位置误差作为观测量对惯导姿态误差和元件等效零偏的估计是等效的.利用将系统近似为分段线性定常系统的方法对旋转惯导系统的可观测性进行研究,结果表明,连续旋转提高了系统状态的可观测性,等效东向和北向加速度计零偏成为可观测量;在对准过程中对其进行补偿,系统的对准精度和速度明显提高.     

基于联邦Kalman滤波的Wi-Fi/GPS车辆组合定位系统

针对全球卫星定位系统(GPS)在密集城市地带、隧道、室内停车场等环境下不可用及Wi-Fi定位精度不足的问题,提出了一种Wi-Fi/GPS组合定位系统.该系统基于联邦Kalman滤波器,先通过两个并行的局部滤波器获得Wi-Fi、GPS定位子系统的局部最优估计,再由主滤波器融合得到最优全局估计.仿真结果表明:较之单独使用G...     

基于卡尔曼滤波的GPS导航系统故障检测

提出了一种将卡尔曼滤波器与神经网络相结合的导航系统故障检测结构.针对GPS系统的非线性特点,利用扩展卡尔曼滤波推算状态的预测值,并与实际观测值进行比较得到残差,同时采用Elman网络构成时延神经网络,利用残差的当前值及前多个历元的历史值进行故障检测.最后,计算机仿真验证表明,与χ2卡方检测方法比较,该结构不但可以快速检测出系统故障,提高故障检测的概率,而且能进行有效的故障隔离,具有很好的容错性能.     

新的非线性滤波算法在GPS/DR组合导航中的应用

为解决传统粒子滤波算法中样本贫化的问题,提出一种新的粒子滤波算法.在重要性采样过程中,利用最新测量值,结合UKF滤波来产生粒子滤波中的建议分布;同时在再采样过程中,用高斯混合模型表示后验状态密度,引入最大期望(Expectation Maximization,EM)算法来获得该后验状态密度的参数,从新的参数分布中进行采样得到样本粒子,取代传统的再采样过程.把新算法应用到车辆组合导航系统中,仿真结果表明新算法的有效性.     

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.