一种多传感器组合导航系统的改进异步融合算法

针对多传感器组合导航系统中各子导航传感器数据采样率不同且呈有理数倍的这一特殊问题，提出了一种组合导航系统的信息融合算法。首先将多传感器组合导航系统的原始状态方程变换成状态数据块向量与当前状态向量之间的关系，进而构成新的状态方程，而原始量测方程表达为与状态数据块向量之间的关系，进而构成新的量测方程。然后基于具有尺度与小波特性的矩阵算子，给出了改进异步融合算法的具体实现步骤。最后将该算法应用于CNS/GNSS/SINS/高度表多传感器组合导航系统。仿真结果表明，相对于传统算法，位置、速度和姿态精度可分别提高约20%、15%和10%，验证了本算法的高精度特性和可行性。     

发射系下的SINS/CNS/GNSS组合导航UKF滤波算法

弹载系统的组合导航系统模型常建立在发射惯性坐标系下,且捷联惯性/天文导航/卫星导航（SINS/CNS/GNSS）是一种目前研究较多的组合模式。该组合导航系统的状态方程具有强非线性的特点,常用的滤波方法为扩展卡尔曼滤波（EKF）。为了提高组合导航系统的精度及可靠性,对该组合导航系统的无迹卡尔曼滤波（UKF）模型进行了设计,直接将姿态、位置与速度参数作为状态的一部分,利用CNS及GNSS提供的姿态与位置构成量测方程,并详细给出了姿态样本点的生成、均值及方差的生成过程。仿真结果表明,相对于EKF算法,采用UKF算法后各导航参数的精度可提高约20%~30%,并且系统的实时性也可以得到保证。     

无反馈多级式多传感器组合导航系统

传统的多传感器组合导航系统大都采用集中式、分布式与混合式信息融合方法,而多级式信息融合算法是上述3种算法的发展,可完成高层次空间融合。文章首先研究了基于无反馈信息的多传感器组合导航系统的多级式信息融合算法,然后理论分析证明该算法与无反馈形式的联邦卡尔曼滤波算法等价,最后以SINS/GPS/ SST/高度表多组合导航系统为例,对上述算法及结论进行了仿真与验证。     

Lyapunov自适应滤波及其 在INS/SMNS组合中的应用

为克服在惯导/景像匹配导航系统(INS/SMNS,Inertial Navigation System/Scene Matching Navigation System)组合导航系统中随着匹配点增多最小二乘法易出现发散的缺点,提出了一种基于多输入多输出(MIMO,Multi-Input-Multi-Output)系统的改进型Lyapunov自适应滤波算法.该方法利用观测方程信息,通过定义滤波误差和预测误差获得算法的递推公式,而算法的稳定性和收敛性可由Lyapunov稳定性理论来证明.以INS/SMNS组合导航系统为例进行了仿真验证,和递推最小二乘算法相比该算法简单、可靠,而且滤波的性能优于递推最小二乘算法.     

一种无人机视觉导航方法及其滤波算法改进

设计了一种无人机视觉/惯性组合导航系统,将无人机和地标点的运动模型作为状态方程,视觉信息作为观测量构建了与之对应的滤波模型.在滤波处理上,采用了复杂加性噪声模型对系统噪声进行建模处理;将小波分析引入到UKF(Unscented Kalman Filter)滤波中得到小波-UKF滤波算法,以此克服视觉观测噪声对滤波的影响;采用最大后验概率准则(MAP,Maximum A Posterior)自适应估计观测噪声协方差阵,并将其反馈到滤波过程中克服了小波处理后观测噪声方差阵不易确定的不足.仿真结果证明:对滤波算法的改进可以有效地提高滤波估计的精度.     

一种用于GPS/DR组合定位的非线性滤波算法

建立了适用于车辆导航系统的基于UKF(Unscented Kalman Filter)的GPS/DR(Global Positioning System/Dead Reckoning)组合定位滤波模型及算法.针对系统状态方程为线性、观测方程为非线性的特点,提出了一种将UKF和EKF(Extended Kalman Filter)相结合的非线性滤波算法.结合后的算法和原有UKF算法相比减少了在时间更新阶段的运算量,并且由于采用基于Unscented变换的思想来处理系统观测方程的非线性问题,避免了EKF引入的线性化误差,提高了滤波精度.仿真结果证明:算法在减少运算量的同时,仍具有较高的滤波精度,且明显优于EKF,因而能够满足车辆导航系统占用资源少、滤波精度高的要求.      

SINS／GPS／EMC组合导航系统信息融合技术研究

基于无复位(No-Reset)联邦Kalman滤波信息融合算法,提出并且探讨了组合导航应用过程中的信息融合问题.在建立的相关误差模型基础上,对所设计的采用联邦Kalman滤波技术的SINS/GPS/EMC组合导航系统进行了计算机仿真.结果表明,采用无复位联邦滤波结构的SINS/GPS/EMC组合导航系统能充分融合系统各种导航传感器的信息,能发挥它们各自的优点,互相取长补短,有效地提高导航系统准确度和可靠性.     

基于多传感器的卫星自主导航信息融合算法

通常卫星上装有较多的自主导航传感器,如何将其信息有效的组织并充分利用,是卫星自主导航的关键问题。采用信息融合技术把两种或多种导航系统组合起来,应用最优估计理论,形成最优组合导航系统,有利于充分运用各导航系统的信息进行信息互补和信息合作,已逐渐成为了导航定位技术的发展方向。文章针对星敏感器、红外地平仪、雷达高度计、紫外敏感器组成的卫星自主导航系统的特点,提出了一种基于联邦卡尔曼滤波技术进行轨道确定的信息融合算法。仿真结果表明,该方案能够获得较高的定轨精度,有效抑制滤波发散,整个系统的运算速度和收敛速度也有所提高。     

基于视觉的无人作战飞机自主着陆导航方案

提出了基于视觉的无人作战飞机自主着陆组合导航方案.基于视觉的自主着陆 组合导航系统,可以根据视觉、惯导、高度表等传感器系统的特点,融合各机载传感器的测 量信息,在不依赖外部导航信息的情况下,得到无人作战飞机(UCAV)相对于跑道的着陆导 航信息.由于视觉信息在导航系统中的重要作用,对计算机视觉算法及其实时性进行了讨论 .对如何将视觉信息与惯导、高度表信息融合,构造多速率扩展Kalman滤波器进行了阐述. 通过自主开发的"UCAV自主着陆实时仿真验证平台"对该方案进行仿真,得到了满意的结果.      

基于遗传算法的多模型Kalman滤波算法 及应用研究

基于长航时无人机惯性/天文/卫星(INS/CNS/GPS)组合导航系统模型,针对复杂环境所引起的系统模型参数变化导致单一固定参数滤波器精度降低问题,提出了一种基于遗传算法的多模型自适应Kalman滤波算法,并与单一模型下的Kalman滤波器方法进行了比较.仿真结果表明,与采用单一模型的Kalman滤波算法相比,该方法不仅能大大提高导航系统的精度和可靠性,而且还可以较好地辨识出组合导航系统惯性器件噪声统计模型参数.      

弹道导弹的捷联惯性/天文组合导航方法

针对传统的捷联惯性/天文(SINS/CNS)组合导航系统不能精确估计加速度计偏置而导致导航误差发散的问题,提出一种基于星光折射间接敏感地平的捷联惯性/天文(SINS/RCNS)组合导航方法。利用星敏感器测量星光折射角,结合大气折射模型得到的折射视高度来抑制位置误差的发散。推导了基于星光折射新的量测方程,分析了折射星数目与导航精度的关系,当使用多颗折射星时能够精确估计加速计偏置,从而能够完全抑制位置误差的发散,并对系统进行可观测性分析。通过卡尔曼滤波实现了状态估计。仿真结果表明:本文方法的导航精度优于传统方法,有效抑制了位置误差的发散,验证了本文方法的有效性。     

基于SINS/CNS组合导航系统的多模型自适应估计算法

针对单一模型滤波器在未知或不确定的系统参数下适应性较差的问题,提出了一种新的基于多模型自适应估计(multiple model adaptive estimation,MMAE)的滤波方法。该方法利用改进的卡尔曼滤波代替传统的卡尔曼滤波,比如扩展卡尔曼滤波(extended Kalman filter,EKF)和无迹卡尔曼滤波(unscented Kalman filter,UKF)。EKF和UKF被用来作为多模型自适应估计的子滤波器,从而实现对非线性系统的状态估计。同时,还将该方法应用于基于弹道导弹模型的组合导航中实现了系统仿真。仿真结果表明,与传统的EKF和UKF算法比较,改进的滤波方法可以解决传统模型滤波器适应性差的问题,并提高系统的导航精度。     

车载GPS/DR组合导航系统的数据融合算法

建立了车载GPS/DR(全球定位系统/航位推算)组合导航系统自适应联合Kalman滤波的数学模型,研究了综合运用子系统状态评估、自适应信息分配、误差补偿、迭代扩展Kalman滤波、抗野值干扰、U-D协方差分解滤波等技术来提高精度和可靠性的融合滤波算法;针对滤波发散的问题,引入了一种在线估计观测噪声统计特性的自适应滤波方法.理论分析和半物理仿真结果表明,所设计的算法在精度、可靠性、适应性、实时性等方面效果都很好.      

一种考虑GPS信号中断的导航滤波算法

针对无人机惯性（INS）/GPS组合导航系统,考虑导航过程中存在的GPS数据中断的问题,设计了一种改进的滤波算法。首先建立了无人机导航运动学模型,再将传统的扩展卡尔曼滤波（EKF）技术和强跟踪滤波结合,利用模糊理论中的隶属度函数设计了一种模糊强跟踪扩展卡尔曼滤波（STEKF）算法。仿真结果表明,所设计的改进算法能够快速适应GPS信号突变,即当GPS信号从故障状态恢复到正常状态时,改进算法相较普通EKF算法能更快速地收敛到稳定状态,重新完成对飞行状态的估计。同时相较普通EKF和强跟踪扩展卡尔曼滤波算法,改进算法具有更高的滤波精度。      

一种组合导航系统快速滤波方法及半物理仿真

在利用卡尔曼滤波器对数据进行处理时,协方差矩阵的预报运算过程需要的计算量最大,每一步迭代的计算量与n3(n为状态矢量维数)成正比,约占整个卡尔曼滤波过程70%的CPU时间.协方差阵预报计算过程中,数据输入输出所需要的传递工作量也最大.由于微小型飞行器导航系统采用小体积、低功耗、低成本的微处理器作为导航计算机,为了保证导航实时性的要求,提出了一种降维滤波器加矩阵外积法的快速滤波方法来减少MIMU(Micro Inertial Measurement Unit)/GPS(Global Positioning System)/MMC(Micro Magnetic Compass)组合导航滤波算法的计算量,以提高算法的实时性.半物理仿真试验结果表明:此种算法不仅可以提供较为满意的导航精度,而且大大减小了计算量,提高了系统的实时性.      

Optical/radio/pulsars integrated navigation for Mars orbiter

In this paper, we address the issue of the integrated navigation algorithm with different combination of measurements for Mars orbiter. First, system dynamic model and navigation measurement models using optical measurement information, radio measurement information and X-ray pulsars measurement information are respectively established. Second, optical/radio/pulsars integrated navigation algorithm is proposed, and observability analysis of the integrated navigation system is also conducted. Third, adaptive extended Kalman filter is adopted to fuse measurement information and suppress measurement and process noise to optimally estimate the state of Mars orbiter. Monte Carlo simulation results show that optical/radio/pulsars integrated navigation can effectively improve the navigation accuracy and satisfy the navigation requirements of Mars orbiter.     

MCAV/IMU integrated navigation for the powered descent phase of Mars EDL

Pin-point landing is considered as a key technology for future manned Mars landing and Mars base missions. The traditional inertial navigation system (INS) based guidance, navigation and control (GNC) mode used in the Mars entry, descent and landing (EDL) phase has no ability to achieve the precise and safe Mars landing, so novel EDL GNC methodologies should be investigated to meet this goal. This paper proposes the MCAV/IMU integrated navigation scheme for the powered descent phase of Mars EDL. The Miniature Coherent Altimeter and Velocimeter (MCAV) is adopted to correct the inertial bias and drift and improve the performance of integrated navigation. Altitude and velocity information derived from MCAV and the lander’s state information sensed by inertial measurement unit (IMU) are integrated in extended Kalman filter algorithm. The validity of the proposed navigation scheme is confirmed by computer simulation.