基于侧扫声纳图像的AUV侧向速度估计与DVL粗差检测

复杂水底环境和自主潜航器(AUV）机动会造成Doppler测速仪(DVL）速度测量结果中出现粗差,提出一种检测DVL速度粗差数据的方法。该方法利用侧扫声纳图像数据,结合SIFT特征匹配算法求取声纳图像的边缘特征点。根据声纳图像成像原理,计算出每一帧图像相对上一帧图像对应特征点像素的横向平移量;结合特征像素平移量与AUV实际横向位移的比例尺度关系以及声纳侧扫周期推算出AUV侧向速度。该侧向速度用于检测水下组合导航中DVL的速度粗差,在几十米水深的浅水区,该方法能够检测并剔除出大于0.2m/s的DVL侧向速度粗差,显著减小DVL前向速度误差。算法可实时实现,改善AUV水下组合导航性能。     

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。     

SINS/DVL水下组合导航系统的误差分析与改进技术

探讨了一种适用于SINS/DVL组合导航系统的滤波原理,通过分别建立捷联惯导系统误差模型和多普勒误差模型,利用间接卡尔曼滤波原理和反馈校正法,对系统进行仿真与分析,由惯性器件的误差方差通过导航系统的误差模型得出导航参数的误差方差,结果表明,该组合导航系统的定位精度要远远高于单纯捷联惯导系统。同时,针对SINS/DVL组合导航系统工作特点及特定情况下AUV的定位精度要求,提出了一种GPS辅助SINS/DVL组合导航系统导航定位的方案。     

卡尔曼滤波在弹道组合导航仿真中的应用

根据捷联惯性导航(INS)和GPS导航两个系统不同的特点,通过卡尔曼滤波方法实现了INS/GPS组合导航,以速度差和位置差作为卡尔曼滤波的量测量信息,建立了组合导航的简化滤波方程.在实际陀螺器件含有零偏的情况下,通过在角速度上引入定量的零位偏置来进行弹体模拟投放过程.将仿真导航结果和弹道参数比较,引入的陀螺偏置引起姿态角误差,而速度误差和位置误差比较小,导航计算参数误差在允许范围之内.     

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...     

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。     

基于联邦卡尔曼滤波的测量船导航信息处理方法

为了提高航天测量船导航系统提供的位置、姿态及速度的精度,以满足飞行器测控的特殊要求,从信息融合的角度进行分析,针对多传感器信息融合技术在工程中的应用作进一步探讨,提出了基于信息融合技术的组合导航方案,构造了INS／CNS／GPS／DVL组合导航系统滤波体系结构,构建了误差模型,阐述了融合算法。仿真及实测数据证明,设计的联邦滤波器可以充分利用各种冗余信息,提高导航的数据精度。     

基于DKF的IMU误差预测算法

作为导航领域常用的组合导航方式,全球导航卫星系统(GNSS)/惯性导航系统(INS)组合导航在GNSS信号失锁后,由于惯性测量单元(IMU)误差随时间迅速积累,其定位结果会偏离载体真实位置,导航精度下降.针对此问题,提出了一种长短期记忆网络(LSTM)辅助的算法,称之为深度卡尔曼滤波(DKF)算法.DKF算法的核心思想是使用LSTM训练IMU误差模型,然后通过训练出的模型预测IMU误差,最后将预测的IMU误差代入IMU数据以校正导航结果.仿真结果表明:在200s测试数据上,DKF算法将误差从1.1537m/s降低到0.3746m/s.与平均预测、卡尔曼预测和最小二乘估计等方法相比,DKF算法的误差最小,具有更优越的导航性能.     

基于变结构多模型的SINS/DVL组合导航算法

对于无人水下航行器来说,SINS/DVL组合导航是其主要导航方式,由于DVL自身作用距离的限制,虽然它可以在水跟踪模式下工作,但洋流速度作为其测量误差会导致SINS/DVL组合导航性能下降甚至失败.针对上述问题,基于有向图切换方法,设置洋流速度模型群,利用所设置的模型群切换策略对子模型群进行激活和终止,通过变结构多模型滤波算法对不确定性洋流速度进行实时估计,进而消除洋流速度对SINS/DVL组合导航的影响.对所提出的算法进行了仿真,仿真结果表明:变结构多模型算法与传统的交互式多模型算法相比,不仅减少了计算量(运行时间缩短了接近35％),提高了效费比,同时也提高了组合导航系统的精度,可以为高精度的组合导航系统提供参考.     

参数优化方法在AUV组合导航系统PQR调参中的工程应用

为提高水下无人潜航器(AUV)的组合导航定位精度,需要对组合导航系统的参数进行调节,以保证组合导航系统获得较高的组合导航性能.针对AUV组合导航系统的P QR调参,借鉴多学科优化设计思想,首次提出了基于目标优化方法和传感器实采数据的P QR参数整定方法.首先,使用传统经验值开展了模拟AUV"水下潜航-水面GP S校准-水下潜航"工作方式的跑船试验和传感器数据采集.之后,基于传感器数据回放和组合导航过程的离线仿真,使用目标优化方法对组合导航系统的系统参数进行了优化求解.最后,使用P QR最优解分别开展了实航和离线仿真的对比验证.试验结果表明,目标优化方法能够应用于AUV组合导航系统的P QR调参,可以保证SINS/GP S/DVL组合导航系统的稳定性和较高的水下组合导航定位精度.使用该方法调参后,经实航验证和离线仿真对比,水下组合导航定位精度的CEP50指标分别降低至人工调参方式的44.0％和56.0％.该方法简单、有效,具有较高的工程应用价值.     

惯导/北斗/里程计一体化紧组合导航方法研究

当前,主要通过采用惯导/卫星导航组合或者惯导/里程计组合的方式来实现 车辆的定位定向;卫星信号良好时,惯导系统与卫星导航组合实现车辆定位定向,当卫 星导航信号不好甚至没有信号无法正常工作时,惯导系统与里程计组合实现车辆定位定 向。提出一种惯导/卫星导航/里程计三者的一体化组合方案,针对惯导、北斗、里程计 这三项测量设备构成的组合系统建立了统一的误差状态模型、组合量测模型以及反馈修 正模型,并通过卡尔曼滤波器来实现三者的一体化紧组合,这种惯导/北斗/里程计一体 化的紧组合方式,能更好地实现三者信号之间的充分交流与融合。将这种一体化紧组合 方法与传统的惯导/北斗组合、惯导/里程计组合方法进行了仿真比较,结果表明：惯导/ 北斗/里程计一体化的紧组合方法能更加快速、准确得到传感器误差（ 包含惯组误差、 北斗误差、里程计误差）的在线估计,更能有效提高各传感器的测量精度。     

基于场景检测的城市环境GNSS/INS组合定位方法研究

城市复杂环境下,采用GNSS/INS组合定位方法能有效提升GNSS信号部分或全部被遮挡情况下的车辆连续定位能力。GNSS信号受遮挡的程度具有随机性和突变性,给GNSS/INS组合算法的架构设计和参数设置带来了挑战。基于此,设计了一套基于场景检测的GNSS/INS组合定位策略与方法,提出了以多星GNSS观测量的八类特征为输入,利用支持向量机分类思想将定位场景分为室外开阔、室外遮挡和室内三种类型,并建立了与之相适应的组合滤波量测误差估计模型,进而实现了GNSS/INS组合定位。实测数据验证表明,提出的方法能够有效提升车辆组合定位精度。     

基于RTS滤波的GPS+BDS非差非组合PPP/INS紧组合模型

GPS高精度定位技术在动态复杂环境中,其定位精度、可靠性和连续性因卫星信号频繁失锁而变差。为此,提出了采用基于RTS滤波(Rauch-Tung-Striebel Filter)的GPS+BDS非差非组合PPP(Precise Point Positioning)与INS(Inertial Navigation System)紧组合模型的策略来克服GPS在动态定位中的弱点。其中,采用GPS+BDS双系统观测数据,可提高PPP解算中的可用卫星数,改善星站间定位几何强度和提高PPP收敛速度;采用PPP/INS紧组合,利用INS的自主定位特性和短期高精度特性,可有效改善复杂环境下的定位精度和连续性;采用RTS滤波,可进一步提高PPP/INS紧组合性能。首先推导了GPS+BDS非差非组合函数模型、PPP/INS紧组合函数模型和RTS滤波函数模型,然后利用一组车载动态数据,对动态GPS PPP、GPS+BDS PPP、GPS/INS紧组合、GPS+BDS PPP/INS紧组合和基于RTS的GPS+BDS PPP/IMU紧组合的定位、测速和定姿性能进行分析。实验结果表明,该方案可有效提高定位(58%～72%)、测速(74%～82%)和定姿(4%～23%)精度,特别是对卫星失锁期间的定位性能改善尤为明显。     

基于地标信息的车载惯导姿态修正技术

惯导与速率计构成的组合系统是机动作战车辆较常使用的自主定位定向系统,其惯导姿态精度将直接影响组合定位精度。文章利用车辆运动途中的地标信息,讨论了车载惯导姿态误差估计与修正技术,通过仿真分析了地标位置与车辆零速信息在惯导姿态修正过程中的作用。结果表明：利用地标信息是进行车载惯导姿态修正较为实用的途径,在此基础上可以有效提高车载惯导／速率计组合定位系统的精度。     

Online INS/GPS integration with a radial basis function neural network

Most of the present navigation systems rely on Kalman filtering to fuse data from global positioning system (GPS) and the inertial navigation system (INS). In general, INS/GPS integration provides reliable navigation solutions by overcoming each of their shortcomings, including signal blockage for GPS and growth of position errors with time for INS. Present Kalman filtering INS/GPS integration techniques have some inadequacies related to the stochastic error models of inertial sensors, immunity to noise, and observability. This paper aims to introduce a multi-sensor system integration approach for fusing data from INS and GPS utilizing artificial neural networks (ANN). A multi-layer perceptron ANN has been recently suggested to fuse data from INS and differential GPS (DGPS). Although being able to improve the positioning accuracy, the complexity associated with both the architecture of multi-layer perceptron networks and its online training algorithms limit the real-time capabilities of this technique. This article, therefore, suggests the use of an alternative ANN architecture. This architecture is based on radial basis function (RBF) neural networks, which generally have simpler architecture and faster training procedures than multi-layer perceptron networks. The INS and GPS data are first processed using wavelet multi-resolution analysis (WRMA) before being applied to the RBF network. The WMRA is used to compare the INS and GPS position outputs at different resolution levels. The RBF-ANN module is then trained to predict the INS position errors and provide accurate positioning of the moving platform. Field-test results have demonstrated that substantial improvement in INS/GPS positioning accuracy could be obtained by applying the combined WRMA and RBF-ANN modules.     

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。     

一种适用于跑步状态的惯性/零速/GPS室内外无缝组合导航定位方法

目前，行人导航定位技术已经深入社会的众多领域，受到诸多学者的广泛关注。针对行人跑步状态，研究了一种惯性/零速/GPS室内外无缝组合导航定位方法。首先提出了可靠的、适用于行人跑步零速检测的方法，有效提高了在行人跑步状态下的零速检测的准确性。针对GPS信号容易受到高楼、高架等环境的干扰及在室内容易完全丢失的特点，提出了基于BP神经网络的GPS可用信号筛选方法，提高了GPS信息的可靠性与精准性。在此基础上，研究了基于可变量测的Kalman滤波器，实现了惯性/零速/GPS信息的有效融合，显著提高了在行人跑步状态下的导航定位精度。试验结果表明，所提出的这种适用于跑步状态的惯性/零速/GPS室内外无缝组合导航定位方法的平均定位误差可减小到行人跑步总里程的1%以内。