一种基于联邦滤波的SINS/GNSS/RA弹载多源组合导航算法

针对传统的惯性/卫星(SINS/GNSS)弹载组合导航系统导航信息源单一、易受干扰且鲁棒性差等问题,引入了雷达高度表(RA)作为新的信息源参与导航信息融合,并在发射惯性系下设计了一种基于联邦滤波的SINS/GNSS/RA弹载多源组合导航算法。仿真结果表明:本算法构建的组合导航系统具有良好的导航性能,在GNSS受干扰失效后,相较于传统SINS/GNSS组合导航系统,SINS/GNSS/RA组合导航系统依靠SINS/RA子滤波器,依旧能够在一定的时间范围内为导弹提供有效的定位信息,其表现出了更高的鲁棒性和可靠性。     

神经网络修正的速度约束辅助车载SINS定位算法

对于车载全球导航卫星系统(GNSS)/捷联惯性导航系统(SINS)组合导航系统，针对GNSS失效而SINS单独工作时仅使用速度约束辅助SINS其纵向位置误差逐渐发散的问题，提出一种神经网络修正的速度约束辅助车载SINS定位算法。通过径向基函数(RBF)神经网络预测SINS纵向位置误差修正系数，以提高SINS单独工作时的定位精度；此外，提出一种限定记忆指数加权实时估计量测噪声的自适应滤波算法。在人为设置GNSS失效以及真实隧道场景下进行车载试验，结果表明本文算法能够在不停车情况下在线修正SINS纵向位置误差，相比于速度约束与卡尔曼滤波相结合的常规算法，有效地提高了GNSS失效时的车载SINS定位精度。     

基于动态零速修正的SINS/ODO组合导航算法研究

全球导航卫星系统(GNSS)存在易遭屏蔽、易受干扰等缺点,故在GNSS信号缺失时,SINS系统的积累误差长时间得不到校正,传统的SINS/GNSS组合导航系统的导航性能迅速降低。当SINS采用微机电(MEMS)器件时,更是如此。为提高车载组合导航系统的导航精度,提出在GNSS信号拒止时,采用里程计(ODO)辅助SINS,并加以动态零速修正的方法,来提高系统的导航定位精度。跑车试验结果显示在GNSS短时拒止时,基于动态零速修正的SINS/ODO组合导航具有较高的导航定位精度。     

基于软件接收机的分布式深组合仿真系统研究

为实现高动态环境下组合导航系统稳定导航定位,设计基于软件接收机的分布式深组合导航仿真系统方案,采用改进的基于伪距、伪距率的组合滤波器校正SINS误差,并利用校正后的SINS信息对GNSS跟踪环路进行频率辅助。结合VC++和Matlab各自的特点,采用VC++与Matlab混合编程,搭建基于GNSS软件接收机的分布式深组合导航仿真系统,实现SINS与GNSS双向辅助。实验结果表明:高动态环境下,深组合导航系统能有效提高GNSS接收机动态跟踪性能,具有良好的组合导航定位能力。     

平流层飞艇的组合导航研究

针对平流层飞艇的飞行特点,提出SINS/GPS/陆标组合导航方法,给出SINS/陆标组合导航的观测模型,并将状态与偏差分离的估计算法与联邦滤波相结合,应用于SINS/GPS/陆标组合导航系统.数学仿真结果表明:新组合导航系统相对于SINS/GPS组合导航系统可以有效改善平台误差角的估计精度,同时,提出的简化状态与偏差分离联邦滤波算法能在保持滤波精度基本不变的前提下减少计算量.     

SINS/TACAN组合导航卡尔曼滤波算法

随着对飞行器飞行精度和可靠性要求的提高,单一系统已无法满足系统要求,而采用先进的算法,利用信息融合技术将导航系统进行组合,取长补短,提高系统的综合性能成为主流,并得到迅猛发展。导航系统也呈现多信息化、智能化、集成化的发展趋势。本文根据捷联惯导系统(SINS)和塔康系统(TACAN)不同的导航特性,在卡尔曼滤波的基础上,将二者组合起来,编写SINS/TACAN组合导航的滤波算法,并对该组合导航系统进行仿真,仿真结果表明:卡尔曼滤波下的SINS/TACAN组合导航系统,有很高的可行性。     

强机动条件下的弹载深组合ARCKF滤波方法研究

针对弹道导弹飞行中GNSS/SINS深组合导航系统呈现的强机动、非线性特性,引入了基于三阶球面-径向准则的容积卡尔曼(CKF)非线性滤波方法。同时,提出了一种自适应抗差容积卡尔曼滤波(ARCKF)算法,该算法运用抗差M思想,调节量测噪声阵,以抵御系统观测异常扰动,采用自适应因子对协方差阵进行调节,进一步处理动态扰动引入的误差。实验结果表明,该滤波算法有效提高了组合导航的动态性能,在加速度达到60g的强机动仿真环境中,仍能保持较高的导航精度和跟踪性能。     

基于MEP-UKF的组合导航滤波算法

针对目前应用于SINS／GPS组合导航系统中的扩展卡尔曼滤波(Extended Kalman
Filter, EKF)存在精度低、实时性差的缺点,提出一种基于模型误差预测(Model Error
Prediction, MEP)的Unscented 卡尔曼滤波(Unscented Kalman Filter,
UKF)。MEP-UKF滤波算法将惯性器件测量误差作为模型误差使用MEP进行实时预测的同时,采 用UKF估计载体的姿态、速度及位置等误差信息,并反馈给SINS系统来校正导航参数。MEP-U KF不仅克服了UKF必须假设惯性器件误差为高斯白噪声的局限性,而且降低了SINS／GPS组合 导航系统状态变量的维数,大大缩短了导航解算的时间。仿真结果表明,MEP-UKF的收敛速 度和滤波精度均明显优于EKF,更好地满足了工程应用中对导航精度和实时性的要求。     

捷联惯导与星跟踪器组合导航算法研究

捷联惯导与小视场星跟踪器构成惯性/天文组合导航系统,核心思想是利用星体跟踪器的高精度测角信息设计滤波修正算法对捷联惯导的导航姿态、方位和位置误差进行滤波估计并修正,以限制捷联惯导系统导航误差随时间的发散,最终提高系统长航时导航的导航精度。在分析小视场星体跟踪器量测量与SINS导航误差之间关系的基础上,设计了两种不同的组合导航算法：位置+方位修正算法和误差角组合导航修正算法。在此基础上对两种算法的导航精度进行了理论分析,并通过长航时仿真飞行数据进行了仿真验证。结果表明：位置+方位修正算法不受载体的位置误差的影响,更适用于星体跟踪器间断工作的情况;误差角组合算法不受载体姿态误差的影响,更适用于SINS初始位置误差得到有效修正的情况。     

空间转移飞行器自主导航系统的信息融合方法

针对空间转移飞行器的工作环境和特点,分析了捷联惯性导航系统(SINS)、GPS和星敏感器(SS)的优缺点,提出了基于SINS/GPS/SS的空间转移飞行器自主导航系统的信息融合方法,该方法可取长补短,将GPS定位和星敏感器定姿精度高的优势辅助于捷联惯导系统,建立了组合导航滤波模型,利用联邦滤波组合导航中各子滤波器没有私有状态变量的特点,改进了联邦Kalman滤波器,可动态地选取并优化信息分配因子,便于实时处理。仿真结果表明,改进的联邦滤波算法能充分运用各导航系统的信息进行信息互补和信息融合,比传统的联邦滤波算法有更高的估计精度,可满足空间转移飞行器长时间的自主导航要求,是一种较理想的自主导航方案,具有重要的工程应用价值。     

捷联惯导系统级余度技术研究(上)

为提高捷联惯导系统(SINS)长时间工作的导航精度，分析了SINS的姿态角、飞行速度和定位三类基本误差，以及系统误差的表示方法。给出了SINS与全球卫星定位系统(GPS)、多普勒导航系统(DNS)组合导航系统的状态方程和误差分析，在给定条件下进行了仿真试验。在此基础上，采用残差X^2和状态X^2检验法，对SINS／GPS，SINS／DNS组合系统中子系统故障检测与隔离的原理和方法进行了研究，并用残差x。检验法对容错组合导航系统进行了仿真。结果表明，采用SINS／GPS，SINS／DNS组合系统可提高导航精度，用残差X^2检验法可判定发生故障的子系统并进行隔离。     

卫星信号缺失情况下GPS/SINS组合导航系统研究

针对GPS/SINS组合导航在复杂环境中出现的卫星信号不全情况,在分析SINS误差模型的基础上建立了组合导航的松组合和紧组合模型,采用无迹卡尔曼滤波对两种组合模式进行仿真实验.仿真结果显示,在卫星信号正常情况下,紧组合的导航精度高于松组合;在卫星信号缺失时,松组合转变为单纯的惯性导航,导航误差随时间积累,紧组合虽然误差增大,但在一定时间内仍能提供精确导航信息,提高了GPS/SINS组合导航适应复杂环境的能力.     

基于DSP+FPGA的超紧组合导航系统研究

载体在飞行过程中遇到高动态、障碍遮挡等情况时,GNSS接收机由于环路失锁或者收星数小于4颗无法正常工作。为改善组合导航系统性能,设计了一种基于DSP+FPGA的GNSS/SINS超紧组合导航系统,在利用惯性信息辅助GNSS跟踪环路的同时,引入外部高度信息,采用全维滤波方式进行信息融合。实验结果表明:该系统改善了接收机的动态性能,可在加速度为60g、加加速度为20g/s的高动态仿真环境下正常工作;在收星数少于4颗时,引入的外部高度信息可改善少星情况下的导航精度。     

基于伪距、伪距率的GPS/SINS容错组合导航系统

为了提高组合导航系统的容错性和可靠性 ,本文采用基于伪距、伪距率的GPS/SINS组合导航系统 ,详细推导了该组合导航系统的模型 ,并通过仿真验证了当有效定位卫星数目小于四颗时 ,该组合方法仍可以利用GPS信息修正SINS的导航误差 ,满足一定的导航精度需求。并通过可观性分析 ,说明了不同有效卫星数目对导航精度的影响     

基于GNSS通道差分的紧组合滤波方法研究

在基于伪距、伪距率的常规紧组合导航系统中,若GNSS出现时钟异常等情况,则会引起伪距、伪距率误差异常,从而导致组合导航精度下降;与松组合滤波器相比,常规紧组合滤波器扩充了状态变量的维数,增加了运算复杂度,降低了组合滤波的实时性.本文提出了一种双通道降维滤波算法,其中状态变量不再包含伪距、伪距率误差;以GNSS通道伪距、伪距率差分信息作为观测量.通过仿真表明,采用双通道降维滤波算法可以有效削弱时钟异常等的影响,并且有效提高组合滤波的实时性.     

一种惯性辅助卫星导航系统及其完好性检测方法

针对传统的卫星导航/捷联惯导(GNSS/SINS)紧耦合组合系统中SINS测量影响所有的观测量,以及SINS故障不能被隔离的缺点,给出了一种新的惯性辅助卫星导航紧耦合组合结构及其完好性检测方法.设计了紧耦合系统结构和卡尔曼滤波器,将SINS测量转换为虚拟伪距,作为GNSS伪距测量的扩展,并设计了基于滤波新息的残差检验法(RCTM)和自主完好性检测外推法(AIME)来进行完好性检测.该紧耦合方法可以通过虚拟卫星的选择降低几何精度因子,在提高导航精度的同时便于完好性检测.仿真结果表明惯性辅助卫星导航新方法可以有效地提高导航精度,RCTM法对于阶跃故障和快变的斜坡故障检测是非常有效的,而AIME法对于慢变的斜坡故障检测具有更好的性能.     

利用虚拟观测提升自动转移飞行器导航精度

针对自动转移飞行器(ATV)自主导航过程中的高精度要求,提出了一种利用加表虚拟观测信息辅助捷联惯性(SINS)/天文(CNS)的组合导航方案。该算法利用了ATV无动力轨道飞行时的完全失重条件来改进SINS导航动力学方程,并获取加表零偏虚拟观测信息,从而实现导航状态的精确估计。不同更新率SINS/CNS/虚拟观测等多源信息融合采用了扩展Kalman滤波方法。ATV典型轨道仿真结果表明,虚拟观测信息的引入使ATV纯惯性导航定位、定速精度分别提升了82.33%和93.87%,使SINS/CNS组合导航定位、定速精度分别提升了98.35%和98.72%,定姿精度相应地维持不变。加表虚拟观测的引入使SINS在不增添其他传感器的情况下提升了导航精度,降低了SINS对外测信息的依赖性,具有重要实用价值。     

多传感器信息融合技术在SINS／GPS／TAN组合导航系统中的应用

阐述了多传感器信息融合理论应用于组合导航系统的一般原理和方法。建立了SINS／GPS／TAN组合导航系统的联邦滤波模型，其中SINS／GPS子滤波器的状态变量为24维，SINS／TAN子滤波器的状态变量为23维，公共状态为18维。对组合导航系统的联邦滤波进行了仿真研究，仿真结果表明，基于信息融合的联邦滤波算法不仅解决了“维数灾难”问题，而且滤波精度相当高。可以满足导航制导系统的需要。     

基于简化联邦CKF的INS/GNSS组合导航算法

针对高精度INS/GNSS组合导航子系统模型为部分非线性的问题,提出了一种新的简化联邦CKF滤波算法。该算法将容积卡尔曼滤波(Cubature Kalman Filter,CKF)的计算过程融入到联邦滤波结构框架中,并针对子系统模型存在部分非线性问题,对算法的时间更新过程进行了简化,简化后直接用状态转移矩阵计算一步预测和预测协方差矩阵,避免了采用求容积点近似计算的复杂过程及协方差矩阵分解。最后,建立了INS/GNSS紧组合导航模型,对提出的算法进行了仿真验证,将仿真结果与联邦UKF算法、联邦CKF算法进行对比。仿真结果表明,相比于联邦UKF和CKF算法,所提算法在保证滤波精度的情况下,有效减小了计算量,改善了组合导航系统的性能。     

基于SINS/BDS的抗差组合导航技术研究

无人车在城市峡谷环境下,BDS卫星信号易出现干扰或拒止、惯组易受到震荡输出野值,此时导航系统会出现较大误差。针对此状况,本文提出一种基于SINS/BDS的组合导航抗差算法,重点分析了关于BDS卫星信号和惯组数据的有效性判断及异常状况下的处理策略,并在常规KF基础上加入了基于新息的方差匹配自适应滤波技术,可在线实时调整量测噪声大小以提升系统稳定性和鲁棒性,有效减小异常情况下的导航误差。最后进行了半实物仿真试验,验证了整个系统算法的可靠性和导航精度。