利用TERCOM与ICCP进行联合重力匹配导航

重力匹配导航算法对提高匹配效率和精度具有重要意义,是水下匹配导航技术的热点问题。对已有的重力辅助惯性匹配导航算法开展了研究,在此基础上提出了一种新的基于ICCP与TERCOM相结合的重力匹配导航算法。该算法在已有改进算法的基础上,对惯性导航提供的采样间隔航距以及ICCP匹配航距,和改进TERCOM匹配航距进行了联合对比分析。通过设置限差,搜索出TERCOM匹配误差较大点,并用ICCP对应匹配点进行替换,反复搜索和替换,最终生成由两种算法结合的新匹配轨迹。在TERCOM匹配初始误差较小的情况下,该方法对TERCOM算法匹配精度的提升依赖于ICCP匹配结果。仿真结果表明:对于TERCOM出现明显误匹配且ICCP匹配结果较好时,该算法可大大提高重力匹配精度,距离误差由2000m降至870m,X轴方向由TERCOM匹配平均误差的1370m降至530m,Y轴方向由TERCOM匹配平均误差的1900m降至640m,从而更好地满足了水下导航的需求。     

不同参数对地形等值线匹配算法精度影响的评估分析

影响地形辅助导航匹配算法性能的因素很多,而目前基于信噪比的分析方法不能全面准确地评估匹配精度受各种参数的影响情况。本文以等值线(ICCP)算法为研究对象:首先,通过理论分析指出目前基于信噪比的分析方法的局限性和算法灵敏度受航向的影响情况;然后,通过仿真分别研究高度测量精度、惯导(INS)航迹精度、初始位置误差、航向误差、采样设置等因素对匹配精度的影响,并进一步从地图独特性、高度测量误差和INS航迹误差3个方面综合分析了各类误差和具体的误差参数对匹配性能的综合影响;最后,从算法的匹配精度和实时性等角度总结了各种参数的影响情况,为ICCP算法的工程应用提供理论基础。     

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。     

基于地图匹配的车载惯导行进间精对准算法

针对车载惯性导航系统快速初始对准问题,以相似性原理为基础,提出了基于地图匹配辅助的车载惯导行进间精对准算法。首先,该算法研究并改进了基于移动相关的最小二乘地图匹配算法,通过跑车实验验证了改进的匹配算法的应用能够获得高精度的位置点群。然后以相似性原理为基础,提出了以地图匹配结果作为虚拟路标点的车载惯导系统行进间迭代精对准算法,从而摆脱对预置路标点的依赖。仿真结果表明,该算法能够获得与基于预置路标点的行进间对准算法精度相当的对准结果。     

一种基于惯性/视觉信息融合的无人机自主着陆导航算法

无人机自主着陆过程中需要实时获得高精度的导航信息,对自主性、实时性的要求较高.现有的导航方式都存在各自的不足,且在室内等新型环境中不能使用.针对这一问题,提出了一种视觉/惯性组合导航算法.首先建立了世界坐标系下惯性导航的数学模型,随后通过Kalman滤波实现位置、姿态匹配,其中位置匹配完成速度误差、加表零偏的估计;姿态匹配完成安装误差角、陀螺漂移的估计,并利用估计得到的安装误差角和视觉导航系统输出的姿态信息对惯导姿态进行修正.仿真结果表明,该算法具有一定的工程应用价值.     

基于路网匹配的多源自主组合导航技术研究

针对惯性/里程计组合导航易受环境影响的情况,引入路网匹配方法,以惯导/里程计组合导航历史轨迹数据与路网数据库进行全局匹配比较,从而得到当前导航位置的匹配点。将匹配点作为组合导航卡尔曼滤波器的量测输入,其滤波结果用于反馈校正惯导误差,通过不断迭代优化后,惯性/里程计/路网匹配组合导航能够提供高精度的位置信息。试验验证结果表明,该方法能将大部分定位误差控制在10m左右,证明了该方法的有效性与适用性。     

基于PDR和磁场匹配的智能手机室内定位

目前，基于磁场的室内定位方法存在指纹采集无法快速建库的问题，导致匹配特征较少、无法快速进行匹配操作和航向角估计精度低。基于磁场梯度的快速近似，使用高斯牛顿迭代方法结合通过PDR测量的轨迹进行磁场轮廓匹配定位，提高了单点磁场指纹的可分辨性。基于步态模型的更新用作测量信息以改善C-INS的导航性能，提出了一种基于捷联惯性导航系统的行人航位推算算法。基于MFS参考位置，使用扩展Kalman滤波器控制PDR惯性导航的位置漂移误差，进一步提高了轨迹轮廓的精度。测试结果表明，该算法可以获得更好的位置估计和航向估计结果。     

一种智能的惯导陀螺漂移误差消除算法

给出了一套智能的消除惯导陀螺漂移误差算法,即改进的BP(Back Propagation)神经网络模态识别算法。可根据即时的飞行区域、气压计和雷达高度表测量的地形高程数据等,在机载数字地图上实时地进行在线模态识别,找出最合适的匹配区,并对惯性导航系统指示的位置信息进行修正。该算法具有识别精度高、识别速度快和识别准确率高等特点,可用于各类有人驾驶飞行器和无人自主控制的飞行器的惯导误差修正。     

地图辅助行人航迹推算技术的室内定位方法

针对目前室内定位技术中位置漂移、定位结果偏差较大的问题,提出了一种融合行人航迹推算(PDR)、地标匹配修正和地图辅助的室内行人定位方法.该方法利用基于惯性传感器的PDR技术计算行人位置信息,利用行走过程中的传感器读数特征识别室内特定地标点,与地标库数据进行匹配后,修正PDR轨迹产生的累积误差.室内地图辅助主要是通过判断行人是否位于走廊等区域,限制轨迹穿墙,约束PDR定位轨迹.实验结果表明,融合定位算法得到的轨迹优于纯惯性递推算法得到的轨迹,更加接近真实的行走轨迹,定位精度提高了51.2％,平均定位误差降至1.8m,满足室内定位需求.     

基于遗传算法和最小二乘法的曲面匹配

 针对基于最小二乘法的 ICP曲面匹配算法难以处理待比较曲面的局部大变形问题,提出一种改进算法。即采用遗传算法确定曲面初始相对位置以保证匹配优化结果为全局最优值,利用 ICP算法匹配结果构造偏差阈值,以此阈值过滤点群后再以最小二乘法进行匹配处理,消除局部大变形影响,获得合理的变换矩阵。以此变换矩阵变换初始点群再进行误差计算,从而获得理想的匹配结果。试验表明,该准则对局部大变形的处理效果优于常规的最小二乘 ICP曲面匹配算法。     

传递对准姿态匹配的优化算法

 推导了4种传递对准姿态匹配算法，分析了这4种姿态匹配算法的优缺点，证明并验证了其中的“最优姿态匹配法”在姿态匹配算法中的最优性。首先介绍了传统的“姿态角匹配法”及其改进算法，即“姿态矩阵匹配法”，接着引入了量测失准角的概念，经过理论推导，提出了利用量测失准角进行传递对准姿态匹配的“量测失准角匹配法”。上述3种姿态匹配算法都是在子惯导安装角是小量的条件下推导而获得的，只能适用于安装角是小量的条件，具有一定的局限性。基于此，对“量测失准角匹配法”进行了完善，推导出了一种可在多挂点下使用的现代姿态匹配算法——最优姿态匹配法。从理论上证明了4种姿态匹配算法的相互关系。最后，采用“速度＋姿态”匹配方案进行的传递对准仿真结果表明：4种姿态匹配算法具有相同的估计精度；推导的“最优姿态匹配法”在保证精度的同时，可应用于子惯导安装角是任意角度的情况，具有更广的应用范围。     

地磁辅助的无缝INS/GPS组合导航研究

INS/GPS组合导航已经成为当前无人机导航系统的主要实现形式,由于GPS信号容易受到干扰,在恶劣的电磁环境下信号易丢失,从而导致GPS卫星信号失锁而无法使用。地磁导航作为一种无源导航方法,其难以受到外界干扰且具有较强的自主性,从而为克服GPS在干扰情况下无法对INS误差实现持续无缝修正的不足提供了很好的途径。针对INS/GPS组合导航中GPS卫星信号失锁的情况,设计提出了使用地磁匹配导航进行辅助实现无人机无缝导航的实现方案,设计了基于地磁特征的地磁匹配算法和地磁匹配辅助的INS/GPS组合无缝自主导航算法,并通过仿真验证了采用地磁匹配辅助导航方法,可以在GPS无效的情况下,实现对INS导航误差的持续无缝修正,从而提高导航系统性能。     

一种速度匹配动基座传递对准的方法

介绍了一种速度匹配的动基座传递对准的方法。主子惯导均采用平台系统的指北导航方式,推导了平台对准误差方程,利用主子惯导的速度差信息构建控制回路对子惯导平台的水平失准角进行反馈修正,同时用卡尔曼滤波器估计出方位失准角,从而实现子惯导的初始对准。建立了相应的模型,对该传递对准方法进行了仿真验证,在仿真时考虑了杆臂效应的影响,加入了杆臂效应的算法补偿机制。仿真结果数据跟理论推导基本吻合,验证了方法的可行性。     

惯性组合导航系统的实时多级景象匹配算法

 针对景象匹配辅助惯性组合导航系统需要快速准确获取飞行器位置、航向偏差的要求，提出一种实时多级景象匹配算法。算法分为两级，第一级粗匹配中提出了中心点4邻域的抗变形算法，能抗旋转和小尺度变化的影响，使定位精度达到像素级；第二级精匹配中提出了基于分支特征点，应用最小二乘法原理精确匹配定位出两幅图像间的最优相似变换参数，即飞行器的精确位置和航向偏差的算法。仿真分析表明，提出的实时多级算法能满足景象匹配辅助惯性组合导航系统实时性、精确性和鲁棒性的要求。     

基于Census变换和改进自适应窗口的立体匹配算法

 针对现有立体匹配算法难以在幅度失真图像中获取高匹配精度的问题,提出了一种基于Census变换和改进自适应窗口的立体匹配算法。首先根据图像结构和色彩信息获得基于十字骨架的任意形状和大小的Census变换窗口;其次利用Census变换的Hamming距作为匹配代价,使用两次累加降低计算复杂度,采用局部优化得到初始视差;最后提出一种基于均值偏移的视差提精方法,有效地处理了不可信视差区域,获得高精度的视差图。实验表明,通过该算法获得的视差图与当前优秀的局部算法相比精度相当,特别是能很好地处理现有算法难以解决的幅度失真问题,适用于无人机视觉导航的应用。     

基于SAR图像匹配结果可信度评价的INS/SAR自适应Kalman滤波算法

在惯性导航系统（INS）/合成孔径雷达（SAR）组合导航系统中，SAR图像易受斑点噪声的影响，图像匹配的精度对整个导航系统精度的影响十分明显，能够准确地分析SAR图像匹配过程中的误差特性，利用有效的图像匹配信息辅助INS进行组合定位尤为重要。针对上述问题，在加权Hausdorff距离匹配算法的基础上，对影响SAR图像匹配精度的因素进行了分析，提出了一种基于模糊推理的匹配结果可信度评价准则，经过可信度筛选，将有效的匹配信息与INS进行组合；对合理范围内的匹配误差变化引起量测噪声统计特性发生变化，进而导致Kalman滤波精度下降的问题，研究采用改进的Sage-Husa自适应滤波算法对量测噪声方差阵进行动态调整，使其更加接近系统的当前状态。搭建仿真验证平台对所提算法进行了验证，结果表明，该算法能够在合理的匹配误差范围内，有效地筛选出可信的图像匹配结果，相比常规Kalman滤波算法，显著地提升了INS/SAR组合导航系统水平方向的定位精度。