基于单探测器的低轨航天器X射线脉冲星导航算法

近年来脉冲星自主导航技术飞速发展,即将在低轨道(LEO)航天器开展验证。为了适应低轨航天器载荷轻量化、小型化的需求,研究了基于单探测器的X射线脉冲星导航扩展卡尔曼滤波算法,并针对单脉冲星导航和轮流观测多脉冲星导航两种方案,分别进行了算法仿真。仿真结果表明,仅观测单脉冲星无法实现长期自主导航,但能够将轨道预报误差降低25.9%,提高短期自主导航精度。而单探测器轮流观测多脉冲星可实现长期自主导航,其导航误差达到514 m,与多探测器同时观测多脉冲星传统算法相当。     

一种基于IDDF的多AUV协同导航算法研究

为提高多自主水下航行器(AUV)协同导航效果,克服由于水声通信限制引起的协同更新频率低,进而导致的先验估计误差大、协同导航效果差,以及大初始化误差条件下协同收敛速度慢的问题,提出一种基于迭代插值滤波(IDDF)的多AUV协同导航算法.该算法将迭代滤波技术与插值滤波(DDF)算法相结合,不仅降低了传统EKF(扩展卡尔曼滤波)算法模型截断化误差对滤波精度的影响,而且通过量测信息的迭代更新,保证了系统在弱可观测条件下量测信息的充分融合.仿真结果表明该算法明显改善了系统的协同导航效果,证明了该算法对于多AUV协同导航系统的有效性.     

基于改进自适应无迹卡尔曼滤波的国产民机导航数据滤波算法

针对国产民用飞机导航数据存在杂波不能准确测量的问题,提出一种基于改进自适应无迹卡尔曼滤波(adaptive unscented Kalman filter,AUKF)算法的导航数据滤波方法。将无迹卡尔曼滤波(unscented Kalman filter,UKF)与改进Sage-Husa次优无偏极大后验噪声估计器结合构造出改进AUKF,有效解决了在模型不确定或干扰信号统计特性不完全得知的情况下,滤波精度低甚至发散的问题,同时与维纳滤波器和小波阈值法滤波效果进行对比。选择ARJ21飞机实际运行的高度、经度及纬度数据进行仿真,结果表明：改进后的AUKF算法较其他滤波算法精度更高,有效提高了导航数据的可靠性。研究对提高国产民机导航定位精度具有重要意义。     

北斗卫星整网集中式自主定轨算法研究

由于分布式定轨算法只能得到局部次优解,为进一步提升北斗卫星自主导航算法精度,对北斗卫星整网 集中式定轨算法在轨实现方法进行研究。设计了基于推广卡尔曼滤波算法的整网集中式定轨算法及其在轨实 现流程,并利用北斗卫星上的龙芯1E300 处理器对算法精度及工程可行性进行了评估。仿真结果表明,整网集 中式算法精度优于分布式导航算法。且通过在龙芯1E300 处理器上仿真验证可知,集中式导航算法已具备星 上使用条件。     

差分X射线脉冲星自主导航研究

X射线脉冲星自主导航(XNAV)中,时间测量与转换误差会对导航精度产生不可忽视的影响. 本文在对XNAV算法研究的基础上,进一步研究了利用差分抑制时间测量与转换误差对导航精度的影响. 研究结果表明:双差能有效抑制时间测量误差对导航精度的影响,但是无法抑制时间转换误差对导航精度的影响;三差既能有效抑制时间测量误差对导航精度的影响,也能有效抑制时间转换误差对导航精度的影响.      

景象匹配辅助的GPS/SINS组合导航算法

为提高导航系统的精度和可靠性,在全球定位系统(GPS)、捷联惯导系统(SINS)和景象匹配传感器(SM)的观测信息是以不同采样率给出时,基于Kalman滤波技术,建立系统模型,利用分布式有反馈数据融合结构,提出一种有效的景象匹配辅助GPS/SINS 组合导航算法,即GPS/SINS/SM组合导航算法.理论分析和仿真结果均表明: 在导航定位和对状态的估计精度和可靠性方面, GPS/SINS/SM组合导航的结果均优于GPS/SINS或GPS/SM组合导航的结果,它们又优于单个系统Kalman滤波的结果.     

基于神经网络的室内外场景识别方法

针对目前室内外场景识别方法所面临的低精度、低可靠性和低稳定性的问题,提出了一种基于神经网络算法的高精度室内外场景识别的方法.该方法利用智能手机内置的光传感器、磁传感器和全球导航卫星系统(global navigation satellite system,GNSS)模块采集训练数据,根据卫星数量、高度角、信噪比数据在室...     

基于激光SLAM的AGV路径规划仿真分析

利用激光SLAM进行AGV导航具有路径灵活多变、环境适应性强、易维护等优点。激光AGV导航的技术关键在于路径规划的精度与效率。对两种常用的激光SLAM算法进行理论分析,应用MATLAB模拟激光SLAM导航AGV沿直线路径行走和在复杂环境中行走的地图构建与路径规划。仿真结果表明,基于无迹卡尔曼滤波的SLAM算法比基于扩展卡尔曼滤波算法的SLAM算法有更好的准确性,且两种算法数据处理时间相差不大,即基于无迹卡尔曼滤波算法在保证运行速度的同时有着更高的精度。     

基于高斯-粒子滤波的SLAM算法提取果实特征

针对传统农作物采摘方式落后、采摘效率低、果实特征识别精度低等问题,提出了一种基于SIFT的果实特征匹配算法.对导航机器人采集的果实图像进行去噪与特征提取,然后对不同传感器采集到的含有一定角度偏差的图像进行匹配,得到较精准的特征位置:提出了一种高斯-粒子滤波(Gauss-Particle Filter,Gauss-PF)的SLAM(Simultaneous Localization and Mapping)算法.仿真实验表明,通过增大噪声协方差及特征位置初值误差验证算法的精度,PF和Gauss-PF算法的误差均随时间逐渐降低,且在x,y方向,后者误差均小于1 cm.新的算法具有较强的稳定性与较高的定位精度.最后在同等条件下,基于单个果实特征位置(0,0)的特征进行x,y方向2次观测,并采用Gauss-PF和PF算法对观测值进行量测估计,实验表明新算法均能在(0,0)的较小邻域[-1,1]cm误差范围内对其进行估计,高于PF算法的精度[-2,2]cm.     

超声波绝对定位的全方位移动机械手导航研究

为提高全方位移动机械手(ODMM)导航的效率和精度,提出了基于超声波绝对定位的导航策略,策略包括绝对定位的奔向目标行为与避障行为.相对于传统的导航策略,该策略的优势在于可以时时精确定位,时时调整自己的航向与速度.同时,提出采用单冗余信息融合(FSRI)法来提高超声波的绝对定位精度,并将基于FSRI法的绝对定位应用到ODMM导航上.仿真与实验结果证明,基于超声波绝对定位的导航算法是正确的,可大大提高ODMM的导航效率和精度.     

特征点提取算法比较及四旋翼平台验证

针对视觉导航中存在的图像特征点提取精度与用时之间的矛盾,对几种常用的特征点提取算法(Harris,SIFT,SURF)进行了论述,并针对SIFT算法和SURF算法进行了比较,同时搭建了四旋翼验证平台,利用四旋翼实验平台,针对自然环境中的实物测试了上述两种算法的提取精度与用时,结果表明SURF算法是视觉导航中综合考虑匹配的正确率及实时性的较优选择.     

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.      

一种基于模型转换的GLONASS历书预报算法

通过对GLONASS历书预报算法的研究,提出了一种基于模型转换的GLONASS历书预报算法. 该算法采用最小二乘估计方法将一天内的GLONASS卫星精密轨道数据拟合成一组轨道根数,采用建立的历书转换模型将该组轨道根数转换成GLONASS历书参数. 采用STK(satellite tool kit)软件产生的精密轨道数据对该算法进行了验证. 同时将该算法应用于GLONASS导航信号模拟器并用JAVAD 112T商用接收机进行长时间的实测. 结果表明,该算法简便、有效且准确度高,完全满足导航用户对历书预报精度的需求.      

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.     

基于EKF的GNSS/SINS组合导航系统应用

针对单一定位系统无法得到连续、稳定可靠的导航信息的问题,将全球卫星导航系统(GNSS)与捷联惯性导航系统(SINS)进行组合,并利用扩展卡尔曼滤波(EKF)算法对这两种导航系统的定位信息进行融合,以获得更加稳定、精确的定位结果。将GNSS与SINS组合,可以弥补GNSS卫星信号失锁、数据更新频率低、无法获得姿态信息以及SINS定位误差累积等单导航系统定位的不足。通过车载实验采集定位数据,并分别进行SINS单独导航及GNSS/SINS组合导航解算,由实验结果可以看出,与SINS单独导航相比,GNSS/SINS组合导航系统的定位误差能快速收敛,并保持较高的精度,其中位置误差精度达到厘米级,速度的最大误差大约在0.1m·s-1以内,姿态的最大误差大约在0.2°以内。     

对电文翻转不敏感的导航信号载噪比估计算法

对于导航接收机而言,获取通道信号载噪比可辅助其提升跟踪精度和定位速度。但在使用传统的宽窄带功率比值法做载噪比估计时,由于该方法对导航电文数据比特的符号翻转敏感,导致其估计精度较低且运算量大。针对这一问题,提出一种对电文翻转不敏感的导航信号载噪比估计算法,该算法立足于在通道稳定跟踪时信号能量集中在I路,且噪声能量均等分散在I、Q两路,使用I、Q路信号能量做载噪比估计。首先,通过公式推导得出其运算表达式,再经计算机仿真确定最佳的单次积分时长和运算组数。结果表明,相较于宽窄带功率比值法,虽然该算法总积分时间略长,但对导航电文翻转不敏感,估计精度可提升5.72 dB或更高。在总积分时间相等的条件下,算法运算量相较于宽窄带功率比值法降低了33.6%。所提算法不仅提高了估计精度,同时降低了运算量,在导航接收机中有一定的应用前景。     

基于性能导航中基于数值分类的RAIM算法改进

卫星接收机完好性监测(RAIM)根据基于性能导航运行方式提出,确保导航精度及系统完好性的方法.该文重点论述基于性能导航运行下RAIM预测中提高故障检测识别率的监测性能的算法改进.根据导航卫星完好性概念及RAIM预测原理,分析了在基于性能导航运行中,RAIM性能产生异常的情况,采用数值分类法建立RAIM故障监测识别的改进算法.该算法计算量小,在故障卫星监测、识别方面均具有一定可靠性,可为提高RAIM性能提供理指导.     

基于AUV的航迹追踪自适应UKF算法

无迹卡尔曼滤波算法(UKF,unscented kalman filter)是一种常见的(AUV,autonomous underwater vehicle)加权统计线性回归航迹追踪算法,其算法冗余度低于(EKF,extended kalman filter)、(PF,particle filter)及(PSO,particle swarm optimization)等数值优化算法,且算法效率较高。然而,UKF控制算法中的系统采样时间间隔通常会被设置为常数,由此可能会产生预测值的误差累积,从而影响导航预测结果的精度。因此,笔者提出了基于AUV的航迹追踪自适应无迹卡尔曼滤波算法(AUKF,adaptive unscented kalamn filter algorithm),以期降低预测算法的累积误差。该预测方法依据标准UKF算法的原理,通过构造相应的约束、判断与反馈机制,调整系统状态方程中每一步的采样间隔t,从而提升算法的航迹追踪精度并减少过程噪声及传感器噪声对预测过程的影响。最后,通过仿真实验与结果对比,近一步验证了之前所提出的设想。     

车辆无陀螺航位推算系统的导航原理及其算法

建立了利用车辆内部传感器取代惯性敏感器获得航向、速度信息的车辆航位推算（DR）系统的系统方程和观测方程,并采用描述机动载体运动的当前统计模型,给出了基于自适应卡尔曼滤波的车载无陀螺DR系统的导航算法,在导航算法中,对原始测量数据进行组合运算获得线性形式的观测方程,避免了目前常用导航算法由于观测方程线性化引起的模型误差,算法稳定性较好,且计算量小,现场跑车试验表明,给出的车载无陀螺DR系统的模型及其导航算法能够获得满意的导航精度。     

无线传感器网络IRBS时间同步优化算法

针对无线传感器网络参考广播时间同步(RBS)算法网络同步精度低和网络能耗开销较大的问题,提出了一种改进的参考广播同步算法IRBS(Improved References Broadcast Ring Synchronization)。该算法是在RBS算法的基础上,采用最大后验法估算不相邻接收节点之间相位偏差,然后采用最小二乘法拟合对时间偏差和频率偏差进行补偿。仿真结果显示,改进的算法同步精度优于RBS算法,且网络开销和能耗也显著减少。