一种基于GPS/INS全组合的航向自适应滤波算法

首先基于陆地导航讨论了GPS/INS全组合系统,分别在载体动态和静态两种情况下对比分析了全组合和紧组合的姿态矫正效果。实验结果表明全组合模式的航向角精度较紧组合有明显提升,且当载体由动态转为静态时,全组合模式能够克服紧组合航向角缓慢发散的现象。其次针对载体大角度转向时组合系统动力学模型异常增大的问题,提出了一种对航向角进行自适应修正的全组合滤波算法,仿真实验结果表明:该方法能够一定程度上削弱载体大角度转向时动力学模型异常的影响,航向精度有一定提高。     

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。     

基于BP神经网络组合导航融合算法

文章针对卡尔曼滤波算法的缺陷,建立了组合导航系统模型,提出了基于BP神经网络修正卡尔曼量噪权值的自适应卡尔曼滤波法,对量测噪声统计特性进行了自适应调整,并与传统卡尔曼算法进行计算机仿真比较。结果表明,基于BP神经网络的卡尔曼滤波器在一定程度上抑制了数据的发散,提高了导航精度。     

面向小推力变轨的天文组合自主导航方法

针对小行星探测任务对导航系统自主性强、实时性高的需求,研究了一种面向小推力变轨的天文组合自主导航方法。根据工程实践分析并建立了电推进变轨过程中的动力学模型,给出了天文测角测速组合的小行星探测自主导航方案。为克服小行星探测器推力的不确定性,提出了采用自适应交互式多模型无迹卡尔曼滤波(AIMM-UKF)算法,以较少的模型个数实现对导航系统状态的覆盖,克服了模型集合先验信息不准确对导航精度的影响,提高了组合导航系统的鲁棒性和抗干扰能力。最后,通过数学仿真对组合导航算法的性能进行了验证,结果表明本文提出的组合导航方法估计精度更高、计算消耗更小,可满足小行星探测工程任务对导航系统自主性、实时性和高精度的需求。     

星光/惯性组合制导方案与位置误差分析

根据捷联星光制导双星方案和星光/惯性组合制导基本原理,提出了一种以惯性导航为主、星光制导为辅的导弹组合导航方法。建立了组合导航位置误差计算模型。对星光惯性组合制导精度的分析表明,该法提高了对星光导航测量信息的利用度,改善了导航精度。     

基于进化神经网络的组合导航系统滤波算法研究

组合导航系统中,卡尔曼滤波算法的估计特性依赖于精确的系统模型和准确的外观测数据.任何一个条件不满足将导致滤波精度下降甚至发散.为此,本文引入进化神经网络和自适应卡尔曼滤波技术.仿真结果证明,文中所提算法能够有效克服常规卡尔曼滤波的缺点,并保持较高的精度.     

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.     

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。     

基于精确星光大气折射观测模型的轨道摄动研究

基于星光折射间接敏感地平自主导航方法,改进了现有的大气密度模型和固定高度(25km)的观测模型,建立了自适应连续高度(20km～50km)的星光折射观测模型,并在此观测模型的基础上深入分析研究了影响导航精度的各种轨道摄动力,包括地球形状各阶摄动力、不同高度的大气阻力摄动力、太阳光辐射压力等.提出一种精简的大气模式--静止变标高球面大气,解决了由于高层大气密度的求解复杂,使大气阻力摄动模型不精确的问题,由此取得了较好的导航定位精度.利用UKF和EKF两种不同非线性算法,对考虑各种摄动力后的导航定位精度进行全面的计算机仿真实验,并就仿真结果进行了误差分析,同时研究了各种有关参数对导航精度的影响.     

耦合位置误差的机载惯性/星光组合算法研究

针对星敏测量输出的是惯性系下姿态信息,无法直接应用于实际的机载地理系下姿态组合导航,提出了地理系下耦合位置误差的机载惯性/星光组合滤波算法。该算法分析了
惯性姿态到地理系姿态之间的相互转换关系,在建立的地理系下姿态线性化量测方程基础上,通过引入导航位置误差转换矩阵,建立了星敏测量的惯性姿态到惯性导航计算输出的地理系姿态之间的耦合误差模型;同时针对姿态观测时高度通道不可观的特点,增加了气压高度输出为系统的观测量;实现了基于星敏测量的惯性系下姿态对地理系下惯性导航误差的直接修正。姿态耦合误差仿真结果表明该组合导航算法设计成功可行,为星敏在机载环境下的组合导航应用提供了新的思路。
     

基于光学/脉冲星的木星探测转移段自主组合导航

提出一种基于光学/X脉冲星的木星探测器转移段自主组合导航方案。该方案在探测器转移段动力学模型的基础上,以地球、火星、木星、木星卫星以及X射线脉冲星作为观测目标,从待观测目标的几何分布、视星等以及导航精度几个方面,分析光学自主导航待观测目标的可观测条件和可观测度,优化选取最优的光学观测目标;结合X射线脉冲星观测信息,构建光学/X射线脉冲星组合导航方案;结合无迹卡尔曼滤波算法,应用于木星探测转移段,实现探测器位置和速度估计。从数学仿真结果来看,该组合导航方案状态估计精度显著优于单独使用光学导航或者X脉冲星导航系统。     

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     

基于星间链路的分布式导航自主定轨算法研究

针对脱离地面支持自主定轨的导航应用需求,提出了基于星间链路双向测距的自主导航定轨算法。文章分析了导航星座星间链路双向伪距测量模型,给出了分布式自主定轨数据流程,设计了导航星座基于星间链路分布式自主定轨算法。根据国际卫星导航服务组织公开的真实GPS系统事后精密星历,对本文设计的自主定轨算法进行仿真验证,结果表明：采用该设计的自主导航算法在自主定轨90天末期,用户测距误差（URE）达到30 m左右,验证了该设计的自主定轨算法具有较高的自主定轨精度。     

基于自适应滤波的光谱畸变误差抑制方法

为降低天文光谱畸变误差对多普勒测速导航精度的影响,设计结合非线性Sage-Husa噪声估计器及抗差扩展卡尔曼滤波器(Robust Extend Kalman Filter,REKF)的自适应滤波算法。当系统模型可靠时,抗差滤波能够通过预测残差判断异常量测并降低其权重;当系统模型噪声先验信息不准确时,通过Sage-Husa噪声估计器估计系统噪声协方差阵Q阵,以保证抗差滤波的效果。此外,结合多普勒测速导航及X射线脉冲星导航进行组合导航,以提高位置估计精度。仿真结果表明,该算法能够在系统模型噪声先验信息不准确的情况下有效控制光谱畸变造成的量测误差对导航精度的影响。     

多星座组合导航自适应信息融合滤波算法

针对多星座卫星组合导航,提出了一种双重自适应联合卡尔曼滤波算法,采用描述机动载体运动的"当前"统计模型,首先建立一种基于载体加速度方差自适应的动态定位卡尔曼滤波模型,并分别对GPS,GLONASS和GALILEO系统设计相应的自适应子滤波器,然后采用有重置的联合自适应滤波器对各个子滤波器进行数据融合处理,各子滤波器的信息分配系数根据各卫星导航系统输出的几何精度因子(GDOP)进行自适应调节.通过对GPS/GLONASS/GALILEO多星座组合导航系统的仿真,分析对比了加权平均滤波、常规联合滤波和本文提出的双重自适应滤波.结果表明:该双重自适应算法有效提高了组合导航系统的精度和可靠性,能更好地适应于量测噪声不断变化的卫星组合导航系统.     

惯性/偏振光组合定姿技术研究

惯性导航系统是一种全参数、全天候的自主导航系统,但其姿态误差随时间发散。太阳光在大气中传播时在天空具有稳定的偏振模式,惯性/偏振光组合定姿系统就是利用偏振光中的方位信息实现惯性导航系统姿态角误差的估计。研究了惯性/偏振光组合定姿系统模型,利用跑车试验数据对所设计的组合定姿系统进行了仿真。结果表明:惯性导航系统引入偏振光导航信息后,可以有效地抑制惯性导航姿态角误差发散的趋势,提高姿态精度,满足中等精度姿态参考系统的需求。     

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.     

基于广义卡尔曼滤波的伪距组合GPS/INS导航

提出了一种利用广义卡尔曼滤波进行GPS/INS组合导航的技术 ,同时给出了一种最优选星算法。采用间接的反馈校正设置 ,直接利用伪距数据和不受噪声污染的星历数据。利用该方法 ,组合导航精度高 ,在导航过程中若丢失GPS信息 ,短时间内单纯INS的导航精度仍能保持。恢复GPS信号后组合系统继续正常工作。     

GPS/INS紧组合系统导航性能研究

为了提高组合导航的精度和抗干扰性,采用了直接利用GPS接收机原始测量信息（伪距、伪距率）的紧组合方式,详细推导了该组合导航系统的模型,根据全球定位系统（GPS）的误差模型及惯性导航系统（INS）在地固系中的误差方程,以伪距差为量测输入,设计了GPS/INS组合导航系统的卡尔曼滤波器。仿真结果表明,该组合方法可以充分利用GPS的信息修正INS的导航误差,与此同时,INS可以辅助GPS重新快速捕获卫星信号,满足一定的导航精度需求。提高了组合导航系统的容错性,对各种载体的精确导航与制导具有一定的现实意义。     

模糊超球神经网络辅助组合导航融合算法

研究了应用线性网络对组合导航多传感器信息进行融合的方法,在此基础上提出了一种神经网络组合导航容错算法。该算法将局部滤波器状态估计的模糊超球隶属函数引入网络,在线调整融合网络权值,实现全局估计的自适应性和容错性。仿真表明,该融合算法有较高的估计精度,在传感器故障时,能够及时检测出并在融合网络中予以隔离,不致影响全局估计。