GPS／DNS组合导航系统研究

通过误差分析的方法，给出了用卫星全球定位系统ＧＰＳ的位置、速度信息作为观测量的ＧＰＳ／ＤＮＳ组合导航系统的数学模型。在此模型的基础上应用卡尔曼滤波器，估计出导航参数误差并对系统进行校正，从而实现了ＧＰＳ与多普勒导航系统（ＤＮＳ）的组合。ＧＰＳ／ＤＮＳ组合导航系统克服了多普勒导航系统定位误差随时间发散的缺点，使得导航精度与时间无关，弥补了ＧＰＳ实时性的不足。仿真结果表明，该组合方案可获得高的导航定位精度。该系统丰富了组合导航系统内容，且体积小、成本低，便于工程实现，具有实用价值。     

余度MEMS-IMU/GPS组合导航系统

对采用余度配置的MEMS-IMU/GPS组合导航系统进行了研究。分析了微小型组合导航系统的特点和误差模型,针对惯性/GPS伪距组合导航模式下,卡尔曼滤波器需要对量测方程线性化的缺点,提出了基于改进平淡粒子滤波的滤波算法。该算法采用权值控制参数决定粒子是否进入平淡卡尔曼滤波器,有效降低了滤波计算量,并和UPF算法精度相当。研究表明,改进平淡粒子滤波算法对系统性能有明显提高,在GPS信号受到遮挡、暂时不可用的情况下,具有较好的抑制误差作用,适合余度微惯性/GPS组合导航系统的应用。     

DESIGN & REALIZATION ON GPS/INS INTEGRATED NAVIGATION SYSTEM

讨论了应用卡尔曼滤波器的ＧＰＳ／ＩＮＳ组合导航系统，其中包括理论、方案与实际的ＩＮＳ和ＧＰＳ接收机的结合，研究的重点是对系统误差的建模及组合的实现，以及松组合和紧组合等各种组合方式等。该ＧＰＳ／ＩＮＳ组合导航开发系统，可以有效和经济地用于组合导航系统的研究和设计，在实际应用中起到了非常有效的作用。该系统不仅仅是一个计算机辅助设计软件，而且可以对实际获得的惯导和ＧＰＳ数据进行半物理仿真。开发系统的核心软件可以方便地转换成实际组合系统中的工程应用软件。应用结果表明，开发系统的设计思想和组合方案是成功的，可以取得良好的导航结果。     

容错导航系统的一种联合滤波器结构及其算法

本文提出了一种采用联合卡尔曼滤波器结构的容错导航系统的滤波算法。这种在多处理机环境下并行处理的分布式滤波算法有效地解决了具有多子系统的容错导航系统的实时要求。主滤波器的状态联合算法保证了获得系统最优公共状态估值。基于联合滤波器结构,水文提出了容错导航系统的故障检测与隔离(FDI)算法,将故障检测隔离决策归结为各子系统的状态估值与基于系统特性及先验噪声模型的状态估值之间的均值一致性检验问题。FDI算法决策并隔离发生故障的子系统对整个系统性能的影响。基于公共状态量的概念,简化了FDI算法的计算。     

Kalman滤波技术在磁航向和捷联惯性组合系统初始对准中的应用

研究了磁航向和捷形惯性组合系统初始对准的设计方法。该方法能在初始对准过程中用卡尔曼滤波器估计出陀螺仪的随机常值漂移，从而提高了系统的对准精度。文中给出了系统的状态方程和测量方程，建立了完全闭环控制的卡尔曼滤波器，最后给出了二组不同条件下的模拟结果。     

惯性速度辅助下GPS／捷联惯导组合系统性能研究

ＧＰＳ／惯性导航组合系统目前正得到越来越广泛的应用，但ＧＰＳ接收机载波环失锁时，码环的速率辅助信息来自惯导系统，由于惯性速度的不精确性及伪距测量误差和它之间的相关性，将可能导致组合系统工作的不稳定，本文根据码环的工作特性，在组合卡尔曼滤波器中考虑了码环的跟踪误差，利用ＧＰＳ／捷联惯导组合系统的导航性能，结果表明，ＧＰＳ／捷联惯导组合系统中，若消除了伪距测量误差与惯性速度误差之间的相关性，将可较显著     

GPS／捷联惯性组合导航的半物理仿真算法

讨论了ＧＰＳ／捷联惯性组合导航的原理和特点，针对其理论仿真和工程实现中的衔接问题，提出了一种半物理算法，该算法既继承了理论仿真方便，直接的优点，又充分利用的实测数据，可脱离实时环境对各种结构和参数进行设计和调试，一旦系统调试成功，就可以将全套核心软件直接转移到导航计算机中，因此本算法具有简便，经济，省时，可操作性和可比较性强等优点。本文给出了半物理算法的原理和方案，讨论了组合卡尔曼滤波器的设计和Ｇ     

解耦分布式滤波器在惯导初始对准中的应用

介绍了一种采用Ｌｕｅｎｂｏｒｇｃｒ标准变换阵的最优分布式卡尔曼滤波器及其在捷联惯导系统（ＳＩＮＳ）初始对准中的应用．该滤波器是由原高阶系统通过Ｌｕｃｎｂｅｒｇｅｒ标准变换阵变换后组成的．把系统分割成ｍ。个彼此解耦的低价子系统，从而形成了ｍ个独立的子滤波器，适用于多微处理器并行计算，大大提高了滤波的实时性。本文还对高阶系统中出现的不可观测状态的滤波作出处理。     

采用BP神经网络的惯导初始对准系统

针对随机系统，提出了基于多层神经网络的滤波器，并将其用于惯导初始对准中。采用ＢＰ网络替代初始对准系统中的闭环卡尔曼滤波器，可以确保系统的误差状态始终为小量，实现了惯导初始对准中的滤波与校正功能。仿真结果表明，这种方法简化了系统运算的代数结构，提高了系统状态估值运算的实时性，而对准系统的精度又与原来采用滤波器的精度相当。     

基于模糊调节无迹卡尔曼滤波器的地磁定轨研究（英文）

地磁定轨系统适合于对仪器复用率要求高的微纳卫星使用。考虑到地磁定轨系统的性能受限于地磁偏差,本文设计了模糊调节器,并构建了模糊调节无迹卡尔曼滤波器。将地磁偏差建模为随机游走,并将其变化率作为调节器的输入量,经模糊处理后,自适应调节滤波器的参数。SWARM-A卫星的实测数据实验表明,该算法可有效提升地磁偏差的估计精度,从而提升地磁定轨系统的性能。相较于传统的无迹卡尔曼滤波器,该算法的收敛速度更快,精度也更高,其位置误差均方根值为3.1 km.     

A FAST KALMAN FILTER FOR INTEGRATED GPS/INS BASED ON U-D FACTORIZATION

研究了基于Ｕ－Ｄ分解的快速Ｋａｌｍａｎ滤波算法，并将它应用到一个２１状态的ＧＰＳ／ＩＮＳ组合导航系统工程实现中。常规的Ｋａｌｍａｎ滤波器已广泛应用于ＧＰＳ／ＩＮＳ组合系统，但由于系统建模误差和计算舍入误差，Ｋａｌｍａｎ滤波器在工程应用中会出现发散现象。为了解决这个问题，本文推导了一个基于Ｕ－Ｄ的扩展Ｋａｌｍａｎ滤波器。此外，由于高阶组合系统计算量大，导致基于Ｕ－Ｄ分解的滤波器在实时应用中有困难，为此，本文提出了一种快速的滤波算法来节省计算时间。文中设计了一条近于实际的飞机航迹来仿真。结果表明，本文所提的滤波算法能有效地克服组合系统滤波器发散问题，并减少计算时间近６９％。     

基于Kalman滤波的SINS／GPS组合导航系统的误差分析

本文对SINS／GPS系统误差模型进行了推导,在失准角小角度情况下惯性系统误差模型的基础上提出了一种基于Kalman滤波的SINS／GPs组合导航系统的二维误差分析方法。采用工程上较易实现的松耦合的组合方式,建立了位置、速度组合导航模型,并对速度组合、位置组合、速度位置组合方式进行了仿真对比分析。     

城市多功能车辆导航监控系统

针对智能运输系统对车辆导航定位和综合信息采集的要求,提出了一种集成高精度车辆导航系统和车载"黑匣子"的多功能车辆导航监控系统.首先分析了该多功能系统的结构和原理,进而研究融合"蓝牙"路标辅助车辆定位的GPS/DR/MM/BB组合高精度导航定位方案和GPS/DR最优卡尔曼滤波组合算法.大量的实际跑车试验结果表明该系统方案是可行的.它不仅能够进行高精度的导航定位,同时有效地实现了"黑匣子"行驶记录功能.     

基于卡尔曼滤波技术的相对导航技术之研究

本论文主要是研究卡尔曼滤波参数混合技术应用于民用飞机相对导航系统。文中重点在于讨论两架飞机相对位置误差的演变。因此首先研究了飞机绝对导航位置误差的演变。讨论了惯导系统(INS)和卫星定位系统(GPS)的卡尔曼滤波混合。此外，讨论相对导航条件下参数混合以及在下列两种不同的情况下的混合结果：1、飞机间相互传送本机混合后的导航数据；2、未经混合的导航数据传送后再混合。采用MATLAB进行仿真，得到不同方式的导航系统相对位置估计误差演变。     

发射系下SINS/GPS/CNS组合导航系统联邦粒子滤波算法

传统的扩展卡尔曼滤波(Extended Kalman filter, EKF)算法应用于未来高超、空天飞行器的组合导航系统时,因其模型线性化展开会导致模型不准确,从而引起导航精度下降;采用蒙特卡洛方法来实现递推贝叶斯估计问题的粒子滤波(Particle filter,PF)算法能有效避免引入线性化误差,具有一定的优势。据此,针对高超、空天飞行器在发射过程中通常需要直接获得发射惯性系下的高精度导航参数的需求,提高发射惯性系下弹载组合导航系统滤波算法的精确性就尤为重要,PF滤波算法无需对非线性系统进行线性化展开即可直接实现对非线性系统的状态误差估计。为此,本文将PF滤波算法引入空天飞行器SINS/GPS/CNS多信息融合组合导航系统,设计了发射系下基于联邦滤波器的PF滤波算法,实现了对组合导航系统状态参数的直接建模估计。算法仿真结果表明,相较于发射系下SINS/GPS/CNS组合导航系统联邦EKF滤波算法,PF滤波算法有效提高了组合导航系统滤波精度。     

集模式分散滤波及其应用

把集模式的思想用到了分散滤波中，并针对有关文献中加权因子的选取存在的必须凭经验进行的问题、对集模式分散滤波的加权因子的确定提供了一种方法，即利用状态量的误差协方差的特征值平方来确定加权因子。利用本文介绍的集模式分散滤波方法对INS/GPS/TAN组合导航系统进行了仿真。仿真结果表明，本文介绍的滤波方法具有较高的精度，因而不失为一种可行的滤波方法。