基于GPS/DR/DM组合导航定位系统的研究

设计了一种基于GPS辅助以DR和DM的组合导航定位的联邦滤波器,采用GPS、DR和DM组合导航定位的设计方案的基础上,提出一种先分散式再局部集中联邦滤波器并采用一种简化的自适应联邦滤波器算法对各定位数据进行融合优化,并进行了仿真.仿真结果表明本文设计的联邦卡尔曼滤波器自适应算法对多传感器系统进行数据处理,能够提供一种最佳估计途径,在容错、数据容量及降低系统费用等方面,都比集中卡尔曼滤波器更为优越,使误差进一步减小.该设计与一般的分散卡尔曼滤波器比较,在信息综合方面更加快捷.     

INS／SAR／GPS组合导航系统中的信息融合算法研究

以INS/SAR/GPS组合导航系统的工程应用为目标,讨论其最优估计融合算法及理论证明。研究结果表明:采用最优估计融合算法,是提高整个组合系统的导航精度和可靠性的行之有效的方法。     

多源信息融合卫星组合导航系统的可观度分析

针对基于GNSS卫星、地标矢量和星光矢量的多源信息融合的高轨卫星组合导航系统,分别利用系统可观度分析方法和状态可观度分析方法对其进行分析。仿真结果表明:在GNSS导航卫星不可见时,地标矢量和星光矢量可以有效地提供测量信息,并保证滤波器的稳定。可观度分析结果表明:系统可观度主要受GNSS导航星的可见星数目影响较大,地标矢量和星光矢量的引入有助于提高可观度;基于状态的可观度可以大致反映出滤波器每个状态的误差大小。     

用于低成本组合导航系统的H∞滤波算法

基于GPS和低成本惯性组件的组合导航系统是近年来导航系统的主要发展方向。以H∞滤波器为基础 ,研究了GPS与一种低成本微机械惯性测量单元的组合算法。在给出H∞ 滤波问题的数学描述基础上 ,研究了H∞ 滤波算法与传统Kalman滤波算法的关系。以位置 /速度组合模式为例 ,通过仿真分析研究了一种应用于低成本组合导航系统的H∞ 滤波算法 ,对系统的精度、鲁棒性以及系统稳定性进行了分析。     

一种基于可观测度分析的SINS/GPS自适应-反馈校正滤波新方法

 针对机载捷联惯导系统(SINS)/全球定位系统（GPS）组合导航系统不完全可观测导致滤波器精度下降甚至发散的问题,提出了一种基于系统状态可观测度分析的自适应反馈校正滤波新方法。该滤波方法改进了系统可观测度的归一化处理方法,将归一化处理后的系统状态可观测度作为反馈因子,对SINS系统进行自适应反馈校正。最后,将该方法应用于机载合成孔径雷达(SAR)运动补偿用SINS/GPS组合导航系统中,飞行试验结果表明该方法在系统不完全可观测的情况下有效地提高了导航精度。     

基于UKF的GPS/SINS组合导航直接式滤波算法

基于无迹卡尔曼滤波(UKF)方法,使用姿态、速度、位置等9个导航参数组成状态向量,以GPS系统输出的速度、位置组成6维观测向量,构建直接式结构的UKF滤波器。该滤波器能够直接反映系统导航参数的动态过程,准确显示运动状态演变。针对GPS/SINS组合导航系统的特点,构建了GPS/SINS组合导航直接式卡尔曼滤波仿真验证系统,仿真结果验证了基于UKF的GPS/SINS组合导航直接式滤波算法的有效性,该直接式非线性滤波算法可使惯性组合导航系统的导航精度得到提高。     

基于可观测度分析的稳定姿态滤波器

提出一种适用于惯性/天文组合航天飞行器的稳定姿态滤波器,可以在不降低系统可观测度的前提下解决滤波计算中的奇异问题。对于奇异问题的传统解决方案是删除观测方程的一行,通过对比删除前后系统可观测度的变化,证明此解决方案会导致系统可观测度下降,并指出如何选择最优删除方案以使系统可观测度下降最小。根据对传统解决方案的分析结果,提出了不降低系统可观测度的投影算法。理论分析和仿真试验证明,应用了投影算法的姿态滤波器更为稳定,估计效率更高。     

陆用惯导系统误差状态反馈补偿方法设计

针对陆用INS／GPS组合导航系统，采用现代控制理论和线性系统理论来分析、设计稳定的组合导航系统误差状态反馈补偿方法。在此基础上，进一步分析了系统的可观性。所得到的分析结论可作为组合导航系统设计的参考。     

基于嵌入式平台的MEMS/GPS 组合导航系统实现研究

主要研究基于PC104平台的MEMS/GPS组合导航系统硬件实现方法.首先设计了对MTi-30 MEMS器件与GPS接收机的数据采集软件,基于统计分析方法分析建立了传感器的误差模型参数,构建了MEMS/GPS组合算法模型,基于MEMS惯性器件和GPS接收机实测数据确定了Kalman滤波器的系统噪声阵及量测噪声阵模型参数;然后利用实际测量数据进行了MEMS/GPS组合系统导航性能仿真;最后基于PC 104嵌入式平台,构建了MEMS/GPS组合导航系统原理样机,分别在静态和动态情况下完成MEMS/GPS组合导航算法实时测试,导航结果验证了硬件平台及导航算法的正确性.     

H∞滤波算法及其在GPS/SINS组合导航系统中的应用

在对 H∞ 估计问题进行数学描述的基础上 ,建立了一种 H∞ 次优滤波算法的迭代方程。定性讨论了H∞滤波算法与传统 Kalman滤波器的关系 ,通过在 GPS/SINS组合系统中的实际应用进一步从精度、鲁棒性等性能指标方面对 H∞ 滤波和 Kalman滤波算法进行了比较。仿真结果表明 ,在理想条件下 ,Kalman滤波方法具有较高的精度 ;但是 ,当系统模型和外部干扰统计特性发生变化时 ,H∞ 滤波算法明显具有良好的鲁棒性能 ,同时 ,估计精度也较高 ,有效地克服了 Kalman滤波器存在的局限性     

一种常规机动下机载SINS/GPS组合导航系统的可观测性分析

为保证机载捷联惯组的导航精度能够达到要求,需要对惯组定期进行返厂标定,成本高、周期长,也影响载机的使用效率,故而机载惯组在线标校技术的研究一直在不断进行中。对大中型运输机的机载惯组而言,由于其机体较大、机动能力较差,很难完成诸如S机动等复杂的机动动作,故而需要对其常规飞行机动状态下机载SINS/GPS组合导航系统的可观测性进行分析。利用GPS提供的速度和位置信息作为外部观测量来设计Kalman滤波器,采用基于分段线性定常系统(PWCS)的奇异值分解法(SVD),对飞机静止、起降、匀速飞行、匀加减速飞行、转弯等一系列常规机动条件下系统的可观测性和可观测度进行研究。通过Matlab仿真和转台实验,验证了组合导航系统可观测性分析结论的有效性,可为机载惯组的在线标校提供一定参考。     

基于神经网络的航天器GPS/INS组合定姿系统

基于GPS和惯性技术的组合导航系统是近年来导航系统的研究热点和主要发展方向.目前基于卡尔曼滤波方法的算法在稳定性、计算量、算法鲁棒性以及系统可观测性等方面仍然存在问题.基于神经网络技术研究了一种新的GPS/INS组合定姿自适应卡尔曼滤波方法,理论分析表明,该方法不但对姿态信息具有较好的估计性能,而且对系统模型的精确性、噪声特性具备良好的鲁棒性.最后,利用模拟数据对所研究算法进行了分析计算,与传统的卡尔曼滤波方法进行了比较、分析,结果表明所设计组合算法在精度、稳定性以及鲁棒性等方面较传统卡尔曼方法具有良好的特性.     

一种新型模糊自适应Kalman滤波器在组合导航中的应用

针对光纤陀螺捷联惯导(FOG SINS)/GPS组合导航系统实际工作环境中,由于系统噪声与量测噪声模型发生变化而带来的滤波器发散的问题,提出一种新型模糊自适应Kalman滤波器(FSHAKF).通过引入IMU精度因子与GPS水平精度因子,构造模糊推理系统(FIS),实时更新自适应参数,有效地解决了传统Sage-Husa自适应滤波器(SHAKF)估计模型不准确、系统噪声与量测噪声无法同时估计以及滤波器长时间易发散的问题.仿真实验表明,本文提出的FSHAKF算法相较于SHAKF算法,估计精度得到明显提高,且避免了滤波器的发散.     

Use of the radial velocity measurement in target tracking

A new sequential filtering algorithm that incorporates the radial velocity measurement into a Kalman filter, in the presence of correlated range and radial velocity measurement errors, is presented. An analysis is given concerning its asymptotic behavior on the basis of analysis of its stochastic controllability and observability. The simulation results verify the analysis and show that the new algorithm is superior to the conventional extended Kalman filter (EKF) and close to an ideal filter.     

基于“速度+姿态”快速传递对准的可观测性分析

惯导系统初始对准一般采用卡尔曼滤波器对初始姿态误差角进行估计,而在设计卡尔曼滤波器之前通常要对系统进行可观测性分析,确定卡尔曼滤波器的效果。捷联惯导系统的卡尔曼滤波模型在传递对准时,为线性时变系统,而线性时变系统的可观测性分析比较困难。文中采用一种依据系统矩阵的奇异值确定状态可观测度的方法对基于“速度＋姿态”快速传递对准的卡尔曼滤波模型进行可观测性分析,结果表明该方法可直接简单地实现系统状态的可观测度分析。     

GPS/BDS/INS tightly coupled integration accuracy improvement using an improved adaptive interacting multiple model with classified measurement update

An Extended Kalman Filter (EKF) is commonly used to fuse raw Global Navigation Satellite System (GNSS) measurements and Inertial Navigation System (INS) derived measurements. However, the Conventional EKF (CEKF) suffers the problem for which the uncertainty of the statistical properties to dynamic and measurement models will degrade the performance. In this research, an Adaptive Interacting Multiple Model (AIMM) filter is developed to enhance performance. The soft-switching property of Interacting Multiple Model (IMM) algorithm allows the adaptation between two levels of process noise, namely lower and upper bounds of the process noise. In particular, the Sage adaptive filtering is applied to adapt the measurement covariance on line. In addition, a classified measurement update strategy is utilized, which updates the pseudorange and Doppler observations sequentially. A field experiment was conducted to validate the proposed algorithm, the pseudorange and Doppler observations from Global Positioning System (GPS) and BeiDou Navigation Satellite System (BDS) were post-processed in differential mode. The results indicate that decimeter-level positioning accuracy is achievable with AIMM for GPS/INS and GPS/BDS/INS configurations, and the position accuracy is improved by 35.8%, 34.3% and 33.9% for north, east and height components, respectively, compared to the CEKF counterpart for GPS/BDS/INS. Degraded performance for BDS/INS is obtained due to the lower precision of BDS pseudorange observations.     

基于自适应联邦滤波的相对导航信息融合

针对基于GPS/MV组合导航方式的无人机空中加油问题,分析了对接阶段GPS及视觉传感器存在的条件约束。在建立导航传感器非线性相对位置测量模型的基础上,设计了基于扩展卡尔曼滤波的自适应联邦滤波器,并与集中式滤波进行了对比仿真。结果表明,提出的算法保证了部分传感器失效时导航数据输出的平稳性和容错性,滤波精度完全满足无人机空中加油相对导航系统要求。     

前后向迭代滤波算法在高精度姿态测量中的应用

为了满足航空物探对于高精度姿态基准的需求,对前后向迭代滤波算法进行了研究.在前向捷联惯导算法的基础上,推导了后向捷联惯导算法,基于SINS/GPS组合导航方案构建了15状态Kalman滤波器,提出了前后向迭代滤波算法,通过仿真实验和转台实验对比了前后向迭代滤波算法与R -T -S平滑的估计效果.实验结果表明:经过前后向...