北斗/罗兰C组合导航非线性滤波算法研究

北斗/罗兰C组合可以实现无源三维导航定位.建立了组合导航系统状态方程和量测方程,针对量测方程为非线性的情况,分别应用扩展卡尔曼滤波(EKF)和Unscented卡尔曼滤波(UKF),设计了滤波算法,仿真结果表明,采用UKF方法比EKF方法能改善定位效果,该方法已经成功应用在工程实践中.     

基于UKF与修正罗德里格参数的GPS/陀螺组合姿态确定

提出了一种用于GPS/陀螺组合姿态确定的Unscented卡尔曼滤波(UKF)方法.采用姿态的修正罗德里格参数(MRPs)表示法,以消除状态误差方差阵的奇异性,建立了GPS/陀螺组合姿态估计系统的模型.仿真结果表明:与基于扩展卡尔曼滤波(EKF)相比,UKF的收敛速度更快、精度更高,且不同滤波器初值对稳态精度的影响较小.     

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Unscented滤波的伴飞卫星自主相对导航滤波器

为提高导航滤波器的稳定性和计算精度,根据卫星自主导航原理,构造了基于Unscented Kalman滤波（UKF）的伴飞卫星自主相对导航滤波器,建立了算法模型。仿真结果表明：UKF的滤波精度优于扩展Kalman滤波（EKF）,且无需计算量测方程的Jacobi矩阵,计算量小、易于实现。     

利用UKF的航天器自主导航方法研究

UKF(Unscented卡尔曼滤波)是一种新型的直接针对非线性系统的滤波方法。用星敏感器和地平仪测量星光与地平之间的“星光仰角”为观测量的天文自主导航方法,其状态方程和量测方程都是非线性的,使用以往的EKF(推广卡尔曼滤波)进行导航滤波,需将上述两方程分别线性化,故精度较低。本文提出在航天器天文自主导航系统中采用UKF方法,并从仿真计算结果中看到,导航精度有显著提高。     

基于X射线脉冲星自主导航中UKF滤波算法的仿真研究

基于X射线脉冲星的航天器导航是新的自主导航技术.鉴于该导航系统所建的状态方程和测量方程都是非线性的,本文给出在X射线脉冲星导航中采用UKF(Unscented Kalman Filter)算法仿真研究,并与传统的EKF(Extended Kalman Filter)算法进行对比分析,仿真结果显示,采用UKF算法时的导航精度比EKF算法有显著提高.     

无人机GPS／SINS／双星组合导航浅析

分析了GPS、SINS导航系统的各自优缺点，提出了将我国自主研制的双星导航系统运用于GPS／SINS组合导航系统中，形成新的GPS／SINS／双星导航定位系统，并利用卡尔曼滤波建立了系统误差模型，该组合导航系统安全可靠，满足在DPS或双星信号短期无效情况下定位导航的精度要求。     

一种基于磁强计的卫星自主导航方法研究

以地磁场强度矢量的模为观测量,将Unscented卡尔曼滤波(UKF)用于近地卫星的磁测自主导航。给出了包括采样点生成、时间更新和量测更新的滤波模型,以及卫星瞬时轨道根数的计算公式。仿真结果表明,UKF滤波方法优于扩展卡尔曼滤波(EKF),精度更高。     

陀螺罗经和计程仪辅助的GNSS/SINS松组合导航系统

针对GNSS/SINS组合导航系统在全球导航卫星系统(GNSS)失效情况下,系统导航误差会因捷联式惯性导航系统(SINS)的误差积累而迅速扩大的问题,提出一种基于卡尔曼滤波(KF)的GNSS/SINS/GC/VL松组合导航系统及算法。该算法利用引入的航向和航速信息建立滤波方程,可以实现在滤波后对SINS进行误差修正。仿真结果表明,有陀螺罗经和计程仪辅助的GNSS/SINS组合导航系统在GNSS失效情况下,其定位误差比传统GNSS/SINS松组合的定位误差小。     

发射惯性坐标系下误差角与数学平台失准角的推导与仿真

基于状态空间法的捷联惯性/天文组合导航系统(SINS/CNS)需要数学平台失准角作为观测值参与滤波估计,工程实际只能得到SINS、CNS二者的姿态误差角.以弹道导弹为背景,在发射惯性坐标系下分别推导了四元数和欧拉角形式的姿态误差角与数学平台失准角之间的相互转换矩阵.建立了弹道导弹SINS/CNS数学模型,并采用EKF和UKF算法验证了该转换矩阵.仿真结果表明误差转换矩阵的正确性.     

SINS/DGPS/Magnetometer组合导航研究

本文针对SINS/DGPS/Magnetometer全组合系统进行了研究,建立了相应的误差模型和系统观测模型。应用扩展卡尔曼滤波算法将GPS测量方程和SINS动态线性化,进行SINS验前状态估计及其误差协方差时间更新。仿真结果表明:本文提出的组合导航系统能够给出载体的高精度姿态信息,位置误差和速度误差也较小。     

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.     

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。     

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。     

基于模糊自适应卡尔曼滤波的INS/GPS 组合导航系统算法研究

针对车载组合导航系统量测噪声统计特性随实际工作条件的不同而变化的特点,提出了一种基于模糊自适应卡尔曼滤波的车载INS/GPS组合导航算法。该方法通过监视理论残差与实际残差的比值是否在一附近,应用模糊推理系统不断的调整量测噪声协方差阵的加权,对卡尔曼滤波的量测噪声协方差阵进行递推在线修正,使其逐渐逼近真实噪声水平,从而使滤波器执行最优估计,提高导航系统的精度。对车载组合导航系统的仿真结果表明,这种算法对时变的量测噪声具有较强的自适应性,进而精度比常规卡尔曼滤波也大为提高,是一种可行的车载组合导航算法。     

基于GPS RTK技术的惯导平台误差模型辨识

对在惯导平台车载试验误差模型辨识中使用全球卫星定位系统（GPS）载波相位差分（RTK）法进行了研究。建立了系统的状态与量测方程,将GPS RTK的整周模糊度作为一个状态进行估计,用基于平方根滤波的Kalman滤波器以防滤波发散。仿真结果表明：与单点定位GPS和伪距差分定位相比,GPS RTK法可明显提高辨识精度。     

基于凸优化技术的多目标鲁棒滤波组合导航方法

Kalman滤波在组合导航中的应用已很广泛,但是,在系统不确定情况下,误差出现发散,精度下降,采用的基于Riccati方程的H∞滤波技术对系统噪声的不确定性则具有一定的鲁棒性,但性能参数选取仅能凭经验而无系统的方法,给工程实践带来一定困难.根据现代控制理论最优控制理论思想,使用凸优化技术设计鲁棒混合H2/H∞滤波器融合高精度的GPS和CNS量测信息,解决系统不确定性问题,通过在惯性/卫星/天文组合系统中的半物理数据仿真进一步对混合H2/H∞滤波和H∞滤波算法进行了比较.仿真结果表明,真实器件噪声情况下,鲁棒混合H2/H∞滤波算法明显具有良好的精度.     

EKF和UKF在INS/GPS组合导航中的应用分析

扩展卡尔曼滤波(EKF)是在非线性系统中常用的一种滤波方法,Un-scented卡尔曼滤波(UKF)是一种新的非线性滤波算法,其主要特点是与EKF一样传递状态的前两阶矩,但不用计算Jacobian矩阵。将EKF和UKF分别应用到INS/GPS系统的滤波中,仿真结果表明UKF比EKF更适合于在INS/GPS系统中使用。     

卡尔曼滤波初始条件对捷联惯导对准的影响

针对捷联惯导对准卡尔曼滤波器初始条件无法很准确给定的情况,研究了卡尔曼滤波器初始条件对捷联惯导对准精度的影响。分析了错误先验假设条件下卡尔曼滤波算法的误差,推导了滤波器计算均方误差与实际均方误差的关系。对于一般多元回归系数估计问题,比较了卡尔曼滤波算法与最小二乘算法,给出了当先验假设不准确时卡尔曼滤波算法优于最小二乘算法的一个充分条件。对捷联惯导静基座对准问题进行了仿真,仿真结果表明:合理选择初始均方误差矩阵能大大改善卡尔曼滤波启动阶段性能。初始均方误差矩阵选择为真实初始均方误差矩阵的一个较小上界是合理的。