基于UWB/SINS组合的行人导航研究

在特殊环境下全球定位系统(GPS)信号强度被严重削弱,此时基于GPS技术的导航设备将受到严重影响。针对不依赖GPS的行人导航定位需求,提出了一种基于微机电捷联惯导系统(SINS)与超宽带(UWB)定位系统相结合的行人导航方法。该系统由捷联惯导系统与超宽带定位系统组成,行人导航算法在传统的捷联算法的基础上引入了零速修正技术用于检测零速时刻,并使用阈值法剔除了超宽带错误信息,通过联邦Kalman滤波融合了零速、位置和航向信息,并对系统速度、位置、航向进行了校正。行人导航实验表明,该方法能够提升系统定位精度,并进一步加强系统的稳定性与可靠性。     

捷联惯导系统/里程计自主式车载组合导航系统研究

利用里程计辅助捷联惯导系统构成一种完全自主式的车载组合导航系统.本文详细推导了里程计的速度误差方程.用捷联惯导系统解算出的速度量和里程计所测量的速度量之差作为组合导航系统卡尔曼滤波器的观测量,利用闭环卡尔曼滤波技术进行误差估计与校正,并给出了系统仿真结果.仿真结果表明该组合导航系统可有效地减小姿态、速度、经度和纬度等导航参数的误差累积.     

车载捷联惯导与里程计组合导航技术研究

惯导的误差随着时间增长是积累的,可采用里程计辅助捷联惯导构成纯自主的车载组合导航系统.利用捷联惯导的速度和里程计测量的速度之差作为观测量,通过卡尔曼滤波技术校正惯导的导航参数,可以有效地抑制惯导误差的积累,提高导航参数的精度.本文推导了组合导航系统的模型,从理论上用特征值方法分析了系统的可观测度,进而设计轨迹进行了仿真...     

一种优化高度通道的行人导航算法

针对纯惯性行人导航系统中,高度误差很快发散的问题,提出了一种在零速区间内将水平误差和高度误差分开修正的算法。首先,利用陀螺仪输出在零速区间内的先验信息,设计了一个基于伪标准差和N-P准则的零速检测算法。然后,通过对比纯惯导条件下零速修正前后高度估计的结果,发现传统零速修正对高度误差过度修正,因而提出一种将水平误差和高度误差分开修正的方法,以便控制高度修正的程度,使得高度修正结果按照期望进行。经过大量不同环境,不同行人的实测实验,验证了文章提出的改进高度通道的行人导航零速修正算法准确有效,相对传统零速修正算法,本算法大大提高了高度估计的精度。     

一种基于外推信息的惯导/陆基单站导航修正方案

提出了一种基于外推信息的陆基单站测距信息惯导修正方案,该方案一方面利用陆基测距系统融合捷联惯导系统（SINS）的导航信息进行惯导误差修正,充分发挥惯导系统和陆基导航系统各自的优点,进行系统间的取长补短,有效地减小导航误差;另一方面将陆基/SINS修正结果送入状态估计器求解法向速度,解算实时载体轨迹的待修正量,进而执行载体速度和方向修正,进一步提高了导弹命中精度。     

车载武器惯导系统传递对准技术研究

针对车载武器捷联惯导系统动基座传递对准问题,研究了传递对准的基本原理,建立了地面武器弹载子惯导系统(SINS)动基座速度匹配传递对准的误差模型,并考虑SINS的惯性器件误差。采用了零速校正方法用以提高载车主惯导系统(MINS)的导航精度。根据速度匹配传递对准原理,推导了速度匹配方式下MINS与SINS导航解算速度之差的量测方程。在此基础上,设计了一种传递对准卡尔曼滤波器,并进行了仿真研究。仿真结果表明：SINS速度匹配传递对准在短时间内即可估计出SINS的水平失准角,对准精度可达到0.4＇以内,方位失准角在经过多次零速校正过程中的加减速机动后,对准精度达到0.7＇以内。     

基于改进的磁场检验和主方向算法的行人航向估计

针对以惯导为核心的行人定位算法存在航向角失真的问题，提出了一种融合惯性测量单元(IMU)和磁力计的行人导航算法，利用步幅航向的变化量将行人的运动分为直线行走和曲线行走两部分，当检测到行人直线行走时，提出一种实时建立主方向的自适应航向角漂移修正算法，对航行角误差进行补偿；当行人曲线行走时，辅助地磁场信息，使用磁场强度、地磁倾角、惯性导航系统(inertial navigation system，INS)与磁力计解算的航向角之差这三个特征值构建广义似然比检验量，对磁场进行判断获得稳定状态磁场信息，通过卡尔曼滤波对航向角误差进行补偿。将传感器置于足部进行实验，实验结果表明,两种算法可以实现优势互补，有效地抑制地磁信息的干扰，提高导航精度，算法结果相对于无航向角修正的零速修正算法、零角速度更新算法和单独使用磁力计进行融合的算法，定位误差分别降低了91.02%、82.93%和61.39%，室外和室内终点定位误差分别为4.545 4 m和0.543 6 m，占总路程的0.69%和0.17%。     

水下SRINS/DVL组合导航技术研究

针对单轴旋转激光陀螺惯导系统存在周期性振荡误差较大、定位误差随时 间累积的问题,为提高系统的导航精度以及实现高自主性和强抗干扰性,对单轴旋转激 光陀螺惯导系统与多普勒计程仪组合导航方法进行了探讨,建立了组合导航系统模型, 并进行了仿真分析。结果表明,采用该组合导航方案可实现对单轴旋转激光陀螺惯导系 统误差进行较为准确的估计,组合导航系统输出的姿态角误差小于0.1' ,东向和北向速 度误差小于0.05kn,在24h 内经度和纬度误差的最大值均小于0.02' 。     

高精度陆用惯导零速修正技术研究

零速修正技术是提高陆用惯导定位精度的一项有效手段。在周期性停车过程中,惯导系统除了将速度误差清零外,还能将由陀螺漂移、平台误差角等因素引起的位置误差进行补偿。本文采用离散线性卡尔曼滤波方法,通过连续三个停车时刻的速度误差构造观测向量,对惯导速度误差、加速度误差和陀螺漂移进行估计,进而补偿位置误差。车载试验表明,该零速修正方法位置精度高,且停车时间短,能够满足地面车快速响应的要求。     

一种惯导系统工具误差在线估计方法研究

为了在高动态条件下对惯导系统工具误差进行在线估计,提出了基于卫星导航接收机原始测量信息的惯导/卫星导航深组合导航滤波方法,该方法是以卫星导航接收机伪距和伪距率作为观测量,对惯导系统位置、速度、姿态角和陀螺、加速度计零位等误差进行实时估计,并进行闭环补偿,解决了惯导系统长航时使用时,惯导系统误差随时间快速发散等问题。经理论仿真和试验验证,该方法可以有效地抑制惯导系统误差,具有工程实用价值。     

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。     

基于足部安装MIMU的行人导航系统设计

针对无卫星环境中行人导航定位需求,设计了一种基于足部安装MIMU的行人导航系统,重点研究了行人导航鞋传感器选型及样机设计流程;并在此基础上设计了基于零速修正和航向修正的行人导航算法,研究了零速区间内最优航向角的提取方法,实现了对瞬时磁干扰产生的磁航向角的有效判断。最后,利用设计的行人导航系统开展了三维空间航迹测试实验,实验结果表明,在不增加高度约束的条件下,该行人导航系统定位精度为0.33%,能够满足坡路环境中行人的定位需求。     

基于改进容积卡尔曼滤波的惯性/光流组合自主测速方法

针对容积卡尔曼滤波算法在惯性/光流组合测速数据融合时出现由于各系统输出数据频率不一致导致融合精度有限的问题,提出了一种基于多速率残差校正的改进容积卡尔曼滤波算法.通过当前时刻误差估算组合导航系统残差,再使用估算后的残差对速度估计值进行补偿,最终实现惯性/光流组合系统速度测量值的数据融合.实验结果表明,通过提出的改进容积卡尔曼滤波对惯性/光流数据进行融合后,东向速度均方根误差为0.2964m/s,北向速度均方根误差为0.06m/s,与现有其他卡尔曼滤波算法相比,此方法可显著提高惯性/光流组合系统的速度测量精度.     

行人导航系统中的MEMS误差在线修正技术

在基于微惯性器件的行人导航系统中,陀螺仪和加速度计的偏移是降低系统定位精度的重要因素。传统的标定方法大多在实验室中进行,后续导航解算都是基于标定后的固定模型,然而MEMS器件长时间工作后,标定模型参数发生变化会导致系统导航性能下降。通过分析行人导航系统及MEMS器件的特点,提出了一种基于误差模型的MEMS器件参数在线修正方法。根据行人行走的特点,检测并区分行走过程中的可修正区间与不修正区间。在可修正区间基于逆向解算算法实现了对陀螺仪和加速度计零偏的在线修正,并提出了主航向反馈修正算法,提高了行人导航系统长时间导航性能。实验结果表明,40m行走实验中,系统定位精度提升了9.07%;300m行走实验中,系统定位精度提升了13.14%。     

基于MIMU的适应多步态的步行导航算法

针对目前国内外步态导航算法中引入的零速检测大都不能很好的对多种步态的行走进行辨识的问题,提出了基于低成本MIMU（微惯性测量单元）、且能兼容多种步态的步行导航算法。算法通过采集安置在行人脚部MIMU输出的测量信息,用捷联惯性积分算法进行导航解算。其间,提出一种新的零速检测方法对行走时变化的步速和步型进行准确辨识,进而找到脚步的零速时刻点,并通过设计的扩展卡尔曼滤波（EKF）对导航解算结果进行零速修正（ZUPT）,实现系统的反馈。最后进行两组实验对算法验证。结果表明,该步态导航算法能对行走时的多步态问题有很好的兼容性,零速修正时刻辨识准确度高,两组实验的导航解算误差均达到0.6%以内,进一步提高了步态导航算法的精度和实用性。     

基于零速修正的行人导航关键技术及研究进展

在室内等卫星导航受限场景下，可采用MEMS惯性传感器对行人进行自主导航定位。采用MEMS惯性传感器的行人自主导航技术主要包括基于步长估计的行人航位推算和基于零速修正的行人导航算法两种方式。首先介绍了两种方式的基本原理，然后重点分析了零速修正的行人导航算法，阐述了相关的关键技术和研究进展。最后，对行人自主导航未来的发展趋势进行了展望，并指出了需要重点关注的技术难点。     

基于室内合作场景智能识别的行人导航算法

基于足绑式惯性测量单元(IMU)的惯性导航系统被广泛应用于行人导航中,其通过零速修正(ZUPT)算法可对速度估计误差进行较好的补偿,然而其位置误差会随时间发散。针对于此,提出了一种基于室内合作场景智能识别的行人导航算法。通过随机森林算法,对行人在室内平地步行、上楼梯、下楼梯等不同步态进行训练与辨识,并结合室内先验地图对行人导航的结果进行校正。通过实验表明,行人在室内行走1100m时最大定位误差为1.85m(总行程0.17%),相对无场景识别的方法精度提高了6倍,可以有效提高行人导航精度。