水下重力匹配定位算法综述

随着重力测量和水下导航技术的发展,惯性/重力匹配导航技术因其精度高、自主性强和航时长等优点,已成为水下自主导航的重要研究方向。惯性/重力匹配导航系统主要由惯性导航系统、重力实时测量、海洋重力场背景图和重力匹配定位算法构成。重力匹配定位算法通过将实时测量的重力异常值与构建的重力场背景图进行匹配,得到水下运载体当前时刻的位置信息,是惯性/重力匹配导航技术的核心。本文详细介绍了重力匹配算法的技术发展现状,重点分析了具有代表性的ICCP算法、SITAN算法、矢量匹配算法及其衍生算法,并对惯性/重力匹配水下自主导航技术的未来发展进行了展望。     

一种基于集中滤波的SINS/DVL/USBL 水下组合导航算法

针对水下运载体的长时间高精度导航问题,提出一种基于集中滤波的捷联惯性导航系统(SINS)/声学多普勒测速仪(DVL)/超短基线(USBL)水下组合导航方法,建立了杆臂在线估计的SINS/DVL速度观测模型和SINS/USBL相对量测信息观测模型,并利用参考信息判定结果实时更新量测方程及维数,既能保证精度,还能一定程度上减少运算量。理论仿真和湖面试验表明,本算法能够实现长时间高精度的水下导航定位,具有可行性。     

一种基于相对测量信息的SINS/USBL组合导航算法

针对使用传统位置匹配算法解决SINS/USBL组合导航的问题,需要先利用USBL输出信息实时求解出载体的绝对位置,设计了一种基于相对测量信息的SINS/USBL组合导航算法.该算法无需求解绝对位置,直接利用超短基线系统原始输出的高度角、方位角和斜距等相对测量信息进行卡尔曼滤波组合导航,且在滤波器设计时能够根据传感器测量精度对滤波参数进行设计,更有针对性.通过理论数据仿真和湖面试验数据处理,证明了该组合导航算法能够在一定程度上提高导航精度,具有可行性.     

基于概率数据关联的地磁匹配算法

针对轮廓匹配算法存在的虚定位问题,在轮廓匹配算法的基础上,提出了一个新的分批地磁匹配方法——基于概率数据关联滤波的地磁匹配算法。算法把满足一定条件的相关值作为滤波器的有效量测,把巡航导弹的位置作为状态变量,建立了基于概率数据关联的地磁匹配模型,利用概率数据关联滤波算法计算巡航导弹的位置坐标。仿真结果表明,该算法有效地降低了虚定位发生的概率,正确匹配率、导航效果均优于轮廓匹配算法。     

水下单信标导航航路规划和最优航路接近方法

相比于传统的长基线和超短基线等导航方式，水下单信标导航具有布放简单的优点，但其导航精度有待进一步提高。为此，提出了单信标导航的航路规划方案，通过泰勒级数展开推导了水平位置精度因子的表达式，并分析了导航点和声信标的相对几何位置关系对导航精度的影响，最终提出了航路规划方案。在此基础上，还提出了自主水下航行器(autonomous underwater vehicle，AUV)从其他位置接近最优航路的方法，包括两部分：一是建立以时延为观测量的滤波模型，利用滤波算法实时获取AUV的位置估计值；二是基于可观测度分析结果对最优航路接近过程的轨迹进行了设计。二者的结合使得AUV高效率且高精度地逼近最优航路。仿真证明了采用所提出的航路规划方案和最优航路接近方法可以提高导航精度，航路规划方案使得AUV位置估计的均方根误差近似为2 m。     

基于TERCOM-ICP联合算法的水下地形匹配方法研究

水下地形辅助导航一直是应用于AUV的热点和前沿问题，有助于修正惯导随时间积累的定位误差，以实现精确的导航定位。对经典地形匹配方法TERCOM算法进行了简单的介绍，引入点云配准领域的ICP算法，针对多波束测深系统可以获取地形剖面的特点，提出了一种TERCOM-ICP联合匹配算法。首先使用TERCOM算法粗匹配，将粗匹配后的大致位置作为指示输入ICP算法中进行精匹配，通过仿真实验对TERCOM算法的匹配结果和ICP算法的匹配时间作对比分析。仿真结果表明：TERCOM-ICP算法可以有效提高水下地形匹配精度，经过仿真实验测试，平均匹配误差可以达到20 m以内，所用时间在160 s以内，验证了该算法应用在水下地形匹配领域的可行性，更好地满足了水下辅助导航的要求。     

地磁导航技术研究进展

地磁场是地球的固有资源,利用地磁场匹配进行导航是一种新型导航技术.与传统的惯性导航和卫星导航比较,地磁导航具有无积累误差、抗干扰、隐蔽性好、导航信息丰富等优势.文章介绍了地磁导航的3个基本要素,即磁场测量技术、地磁模型以及定位与导航技术.分析了弱磁场磁力仪在地磁导航中的应用及其优缺点,讨论了地磁场模型和地磁匹配算法,展望了地磁导航技术的应用前景.     

基于模糊自适应滤波的水下INS/DVL组合导航研究

由于水下环境的复杂性,多普勒测速(DVL)误差的均值和噪声方差等统计特性均存在跳变现象,影响了INS/DVL组合导航精度。为此提出了一种基于模糊自适应滤波的水下INS/DVL组合导航算法,通过实时监测滤波残差的均值变化以及滤波残差方差与理论滤波残差方差的不一致程度,利用隶属度函数在线修正多普勒测速偏差以及量测噪声的统计特性。本文改进了已有模糊自适应滤波算法未考虑观测误差均值跳变以及对残差方差变化过于敏感的问题,并对DVL零偏跳变进行了修正。试验表明,所提出算法对多普勒测速误差的均值和噪声方差跳变具有较强的适应性,能够有效提高水下INS/DVL组合导航精度。     

改进的特征匹配雷达视频运动目标跟踪算法

针对密集杂波和复杂多目标情况下,特征匹配跟踪算法定位跟踪精度较低的问题,提出一种改进的特征匹配雷达视频运动目标跟踪算法。首先,从单帧雷达图像检测结果中提取目标的面积、位置、不变矩信息,在运动目标得到判定后,利用卡尔曼滤波的预测位置以及上一帧特征信息进行目标匹配;然后,根据匹配位置和预测位置给出目标估计位置,并进行特征信息更新;最后,输出目标的特征信息、位置信息和运动参数。利用某型导航雷达上采集的实测数据验证了算法的有效性。     

一种导弹捷联惯导/地磁/雷达高度表组合导航方法

基于雷达高度表和磁强计的测量信息,提出一种弹道导弹捷联惯导/地磁/雷达高度表组合导航方法。以磁强计测量值与磁场模型的磁场强度值之差和高度表与惯导解算高度之差作为量测,只用一个观测表达式即可同时包含载体的姿态及位置信息。引入状态反馈,利用混合校正的Kalman滤波得到系统导航信息的最优估计。仿真结果表明,该算法能有效抑制捷联解算误差的发散,当磁强计精度为100nT,雷达高度表精度为50m时,仿真1000s后姿态精度优于20′,定位精度为2.68 km。该导航方法自主性高,精度较高,具有一定工程应用价值。     

基于联邦滤波的SINS/GNSS/OD/高度计多源组合导航算法研究

针对城市情况下车载导航时单一导航源易受干扰的问题,提出了一种基于自适应联邦Kalman滤波的多源组合导航算法.该模型具有两级结构,由子滤波器进行各信息源局部估计后,通过主滤波器进行最优融合估计.融合具有不同工作特点的导航传感器的输出信息组成多源信息组合导航系统,从而提高了导航系统的精度和鲁棒性,且通过故障诊断算法实时检测并隔离故障信息源.给出了联邦滤波算法设计,并进行了实际车载实验.实验结果表明,该算法能够提高导航系统的稳定性及精度.     

水下复杂环境下基于SINS/USBL/DVL多源信息融合的组合导航算法

针对复杂水下声场环境下高精度、长航时导航与定位的需求,构建了捷联惯性导航系统(SINS)/超短基线(USBL)相对测量信息的观测方程和SINS/声学多普勒测速仪(DVL)的观测方程,提出了一种融合SINS/USBL/DVL多源信息的组合定位算法.为解决声学量测信息不确定引起的导航性能下降的问题,充分考虑水声野值所导致的...     

基于联邦滤波的多源融合导航算法

在复杂多变环境下,单一导航源的定位性能和鲁棒性会受到一定的影响。针对汽车、小型飞行器在城市、峡谷、卫星信号缺失或被遮挡以及导航信息源繁多等情况,研究了基于联邦滤波的多源融合导航算法。该算法综合利用了各种不同的信息源,经过多传感器的高度集成、多信息源的数据融合,生成时空基准统一且具有抗干扰、连续、可靠的PNT服务信息。设计的联邦滤波器采用两级结构,在子滤波器中进行局部估计后,在主滤波器中进行最优合成。此外,每个子滤波器加入了故障诊断算法,且结合自适应滤波理论进行信息因子的自适应分配,有效提高了故障检测能力。最后,通过实验验证了不同信息源组合的有效性,表明所设计的基于联邦滤波的多源融合算法可以提供稳定、可靠以及高精度的多源融合定位服务,具有一定的研究意义和实际价值。     

鲁棒Kalman滤波及其在水下组合导航中的应用

在水下捷联惯导(SINS)/多普勒计程仪(DVL)组合导航系统中,当外部辅助信息受到野值等非高斯噪声污染时,选取调节因子γ为固定值将会降低基于Huber方法的鲁棒Kalman滤波(HRKF)算法的精度和鲁棒性。针对此问题,提出了一种基于马氏距离(MD)算法的调节因子自适应的鲁棒Kalman滤波(HRAKF)算法。首先利用MD算法对正常/异常的观测量进行辨识;进而建立γk递推关系式,并根据量测噪声特性对γ值进行实时调整;最后利用γk求取Huber权函数,并对量测噪声阵进行修正。选取8000s船载实测数据,分别利用Kalman滤波(KF)、HRKF及HRAKF算法进行水下组合导航半物理仿真试验。试验结果初步表明:在观测量受到野值或混合高斯分布噪声污染时,相较于KF和HRKF,HRAKF可实现更高精度、更加稳定的组合导航。     

地磁定位方法综述

地磁导航具有可用区域广泛、无累积误差、无源和隐蔽性强等优势,是未来定位导航与授时(PNT)体系中潜在的重要导航定位手段之一。地磁导航技术包括磁场信息的测量、地磁基准图的建立和地磁定位方法的设计3个重要内容。本文主要围绕地磁定位方法,调研总结了当前主流的地磁滤波、地磁匹配和磁场同时定位与构图(SLAM)三类方法的原理及技术发展路线,重点分析了不同方法的优缺点、适用场景、时效性、对磁图和传感器的需求,并对地磁定位方法的发展方向进行了展望。     

地磁定位方法综述

地磁导航具有可用区域广泛、无累积误差、无源和隐蔽性强等优势,是未来定位导航与授时（PNT）体系中潜在的重要导航定位手段之一。地磁导航技术包括磁场信息的测量、地磁基准图的建立和地磁定位方法的设计3个重要内容。本文主要围绕地磁定位方法,调研总结了当前主流的地磁滤波、地磁匹配和磁场同时定位与构图(SLAM)三类方法的原理及技术发展路线,重点分析了不同方法的优缺点、适用场景、时效性、对磁图和传感器的需求,并对地磁定位方法的发展方向进行了展望。     

Pseudo-linear inertial navigation algorithm

A new method is illustrated for processing the output of a set of triad orthogonal rate gyros and accelerometers to reconstruct vehicle navigation parameters (attitude, velocity, and position). The paper introduces two vectors with dimensions 4 × 1 as velocity and position quaternions. The navigation equations for strapdown systems are nonlinear but after using these parameters, the navigation equations are converted into a pseudo-linear system. The new set of navigation equations has an analytical solution and the state transition matrix is used to solve the linear time-varying differential equations through time series. The navigation parameters are updated using the new formulation for strapdown navigation equations. Finally, the quaternions of velocity and position are converted into the original position and velocity vectors. The combination of the coning motion and a translational oscillatory trajectory is used to evaluate the accuracy of the proposed algorithm. The simulations show significant improvement in the accuracy of the inertial navigation system, which is achieved through the mentioned algorithm.     

测绘导航高精度定位关键技术及应用

人工智能(AI)、卫星导航及室内定位三大技术的快速发展持续推动测绘科技向智能化、学科交叉、信息融合的方向发展。指出了装备虚拟化与数据处理多样化将成为测绘导航的基本形态，拓展了测绘学科的内涵与外延。智能滤波是未来测绘导航定位理论发展的重要方向，AI芯片将成为测绘导航装备的关键部件，从而提高滤波效率与产品的实用性。给出了车载导航模组研制的技术流程，提出了模组原始信息同步采集与延时补偿、自适应定位算法及嵌入式固件时间分片优化等关键技术，研制了覆盖分米、厘米及毫米级定位精度的无缝组网定位、车载导航及变形监测模组，并研发了相应的终端系统，针对相应的应用领域，给出了各自应用的解决方案，以及具体的应用案例。     

合作环境下基于惯性/里程计/Lidar融合的UGV导航方法

近年来，无人车在巡检、探测等方面的应用愈发广泛,且应用环境愈发复杂。在这些应用中，无人车必须对自身的位姿进行准确估计，以确保作业安全、高效完成。其中，可在复杂环境下适用的自主导航能力是核心关键技术。提出了一种基于惯性/里程计/激光雷达的地面无人车导航方法，区别于传统的激光雷达SLAM方法，该方法根据已知的几何结构特征进行定位，避免了因有效点数量稀少而导致的匹配误差。同时对惯性/里程计/激光雷达的融合算法进行了研究，提高了自主导航系统的鲁棒性和准确性。最后，在Gazebo中搭建了相应的仿真环境，并进行了算法验证。仿真结果表明，该方法能够实现无人车在巡检过程中实时可靠的自主导航，具有较好的工程应用价值。