基于GPS／DR的车辆导航系统研究

本文研究了GPS和航位推算系统的组合导航技术，给出了GPS／DR组合导航系统的设计方案。由GPS接收机、压电陀螺仪和车载里程仪组成的多传感器系统通过卡尔曼滤波器实现信息融合，以提高GPS／DR组合系统导航精度。同时也对GPS／DR系统的MAP图像处理、软件流程和工程实现做了简要说明。     

卡尔曼/粒子组合滤波在GPS/INS组合导航中的应用研究

在非线性模型和非高斯噪声条件下,粒子滤波在GPS/INS组合导航系统的观测精度较低时能取得较好的滤波结果,但在高观测精度情况下会导致滤波发散。针对这一问题,在分析了基本粒子滤波器算法原理的基础上提出一种卡尔曼/粒子组合滤波方法,将状态向量分为线性部分和非线性部分,分别用卡尔曼滤波和粒子滤波估计,既保证了简化后滤波算法的结果不会变差,又将运算量大大降低,仿真试验表明,组合滤波器能够获得较高的滤波精度,满足实际的导航要求。     

改进粒子滤波算法及其在GPS/SINS组合导航中的应用

针对标准粒子滤波中存在的粒子退化问题,将无味卡尔曼滤波方法、线性规划方法与标准粒子滤波相结合,得到一种改进粒子滤波算法。改进粒子滤波算法中的重要性概率密度通过 UKF算法获得,从而使粒子使用效率得到提升;二次采样过程中加入线性规划方法,保证了粒子的多样性。将改进粒子滤波算法应用于 GPS/SINS组合导航,建立了 GPS/SINS组合导航模型,通过仿真验证了该滤波算法的有效性,使用该算法可使惯性组合导航系统导航精度得到提高。     

基于Newton迭代滚动时域估计的GPS/SINS紧组合导航技术

随着智能设备的普及，使用手机为汽车进行导航越来越普遍。目前，手机内置的惯性测量单元成本低廉、导航精度低，且常使用松组合，而应用GPS/SINS紧组合导航技术可提高导航的精度及可用性。通过将基于Newton迭代的梯度下降算法与滚动时域估计相结合，手机内置GPS与陀螺加速度计构成紧组合导航系统，可提高在复杂环境中的导航精度。传统Kalman滤波方法未能充分考虑到紧组合导航系统的非线性特性，而滚动时域估计通过参考多时刻导航信息，可更有效地排除非线性因素对系统的干扰，并通过实验验证了此方法。实验结果表明，相比采用扩展Kalman滤波，基于Newton迭代时域估计算法的紧组合导航系统的导航位置精度及速度精度均获得了较大提高。     

基于改进卡尔曼滤波算法的行人航向角估计

基于惯性导航的行人航位推算是一种针对未知环境行人定位的常用方法，然而传感器自身的惯性漂移、噪声特性不确定、动力学模型不准确等因素，会导致航位推算时行人航向角估计精度不高的问题，从而造成行人定位精度的降低。针对上述问题，提出了一种多渐消因子强跟踪H∞平方根容积卡尔曼滤波（MSTHSCKF）融合算法。其中H∞思想保证在极端噪声下最小化误差，增强系统鲁棒性，多渐消因子能够避免系统在模型不确定情况下精度的降低，平方根思想确保了协方差矩阵的对称性和半正定性。实验结果表明，与现有滤波算法相比，MSTHSCKF估计的行人航向角具有更高的精度、稳定性和鲁棒性，能够确保更高的行人定位精度。     

一种提高捷联惯性/里程计组合导航系统定位精度的后处理方法

测绘用捷联惯性/里程计组合导航系统多采用离线后处理技术.此类系统利用里程计位移微分获得的速度作为观测量,采用速度匹配,并通过待测路径中预置的Mark点校正航位推算的位置信息.本文建立了基于速度匹配的16维Kalman滤波模型,对全程采样数据进行正反向导航和滤波处理,以估计惯性器件和里程计的误差;在补偿相关误差后,再次进行正向导航和滤波解算,以获得更精确的姿态矩阵.随后,根据相邻两个Mark点之间的姿态信息进行航位推算,并更新里程计刻度系数、里程计与惯导间的姿态误差矩阵;若此Mark点间的位置误差过大,则重新进行航位推算以减小位置误差.结果表明,与传统正向滤波相比,采用该方法后系统的最大位置误差由1.72m降低到0.08m,定位精度提高了95％以上.     

基于GPS/MEMS微惯性导航系统的 混合校正方法研究

针对GPS/MEMS 微惯性组合导航系统, 为了提高算法的可靠性和导航精 度, 研究了Kalman 滤波算法。分析了DSP 数字系统的运算能力、构建了优化的数学模 型, 提出了Kalman 滤波混合校正方法, 并将此方法应用于搭建的组合导航系统。通过 跑车试验对该方法进行了验证,试验结果表明,系统的导航精度,姿态误差在0.5°,航 向角误差2°,速度误差0.5m/s。     

基于改进UKF的组合导航系统航向角估计方法研究

为满足运载体长航时、高精度的导航需求,解决系统可观测性弱导致的航向角易发散的问题,提出了一种基于MEMS非线性组合导航系统的用于提高航向角估计精度的算法。通过采用单天线GNSS航向角作为量测量进行航向约束,解决了MEMS-SINS/GNSS姿态估计中航向角可观测性弱、估计值收敛差的问题;通过转弯判断规则和常规无迹卡尔曼滤波改进算法,抑制了偏流角对系统估计精度的影响。仿真结果表明,该算法有效地抑制了航向角估计精度差的问题,水平姿态精度达到0.01°,航向角精度达到0.1°,提高了系统的导航精度及可靠性。     

基于量测预处理技术的GPS/DR组合算法研究

基于GPS在市区不能实现连续准确定位以及车辆航位推算系统(DR)的自主性,建立了GPS/DR组合的系统以及量测方程。以此为基础,根据GPS以及DR的采样频率的不同,引入量测预处理技术并用于GPS/DR的组合算法中,进而建立了采用量测预处理技术的卡尔曼滤波方程,最后通过实际的动态试验,论证了上述算法,并得出相应的结论。     

基于改进联邦Kalman滤波的组合校准方法研究

联邦滤波器广泛应用于多传感器信息融合领域,联邦滤波中的信息分配原则影响滤波精度.针对联邦Kalman滤波器进行改进,采用基于估计协方差阵奇异值动态确定信息分配系数.对子滤波器进行重置时,采用新的重置方法,保证了子滤波器误差协方差阵的对称性,确保Kalman滤波器的一致收敛稳定性.新的联邦滤波算法允许每个状态分量拥有不同的动态信息分配因子,从而改进了联邦滤波信息融合的精度.设计了SINS/GPS/电子罗盘组合导航系统,仿真结果说明,与传统联邦滤波算法相比,改进的联邦滤波器估计精度得到了提高,可以更好地对SINS误差进行校准,提高系统的精度.     

Unscented粒子滤波在静基座捷联惯导系统大方位失准角初始对准中的应用研究

 静基座大方位失准角的捷联惯导系统误差方程是非线性的，Unscented粒子滤波从非线性系统状态向量概率分布出发，结合Unscented卡尔曼滤波和粒子滤波的特点，无需对非线性系统模型进行处理而能达到较高的滤波精度。本文对Unscented粒子滤波进行了研究，并结合重采样算法，运用于捷联惯导系统静基座大方位失准角初始对准中，计算结果验证了该方法的有效性与优越性。     

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...     

传递对准中载舰挠曲变形和杆臂效应一体化建模与仿真

 针对舰载机惯导系统大方位失准角传递对准的非线性问题,根据舰载机在载舰上的实际停放情况,引入舰载机标称坐标系,并综合考虑载舰挠曲变形和杆臂效应的影响,建立挠曲变形和杆臂效应加速度一体化模型,完善舰载机惯导系统大方位失准角传递对准线性化模型。采用“速度+角速度”组合匹配算法的滤波模型,对固定安装失准角和挠曲变形角进行了估计。结果表明,该模型在舰载机大方位失准角传递对准时可以满足对准精度和时间的要求。     

快速定位定向系统设计及车载实验研究

定位定向系统是能为载体提供精确地理位置坐标、指北方向和姿态角的导航系统,通常用于舰船、飞机、车辆等功能平台,为平台上的设备提供准确的位置和姿态参考信息.本文针对车载平台机动性高的特点,设计能够实现运动中对准的快速定位定向系统,开展捷联惯导数字递推算法、航位推算、多源信息组合导航、动基座对准算法、系统免标定、误差补偿等算法和技术研究.最后,开展静态对准、静态导航和动态车载实验研究.实验结果表明,动态对准时间小于5min,对准姿态精度小于1mil,方位保持精度小于1mil/2h,横滚角、俯仰角保持精度小于0.5mil/2h,里程计/惯导组合水平定位精度小于0.15％D,卫星/惯导组合水平定位精度小于10m.     

基于自适应粒子滤波的涡扇发动机故障诊断

针对涡扇发动机非线性、非高斯的特点,提出了一种自适应的粒子滤波算法用于涡扇发动机气路部件突变故障的诊断.为了减小算法的计算量并且保证滤波精度,分析了滤波精度和样本数目的关系,提出根据滤波过程中状态的方差自适应地调整粒子数,在保证一定的滤波精度下可以有效地减少滤波过程中使用的粒子数,提高了算法的实时性.同时,引入扩展卡尔曼滤波(EKF)用于更新粒子,产生重要概率密度函数,在一定程度上避免了粒子的退化.通过某型涡扇发动机的仿真分析表明:改进的算法相比标准粒子滤波算法用于涡扇发动机气路部件故障诊断时,参数估计的方均根误差减小了50%左右,且算法的计算量减小了30%.     

SINS/ANS integration for augmented performance navigation solution using unscented Kalman filtering

The fundamental concept of the multisensor integrated navigation system is the utilization of a medium precision INS in conjunction with one or more auxiliary sensors which perform as error bounding sources. Strapdown inertial navigation system (SINS) integrated with astronavigation system (ANS) yields reliable mission capability and enhanced navigational accuracy for spacecrafts. The theory and characteristics of integrated system based on unscented Kalman filtering is investigated in this paper. This Kalman filter structure uses unscented transform to approximate the result of applying a specified nonlinear transformation to a given mean and covariance estimate. The filter implementation subsumed here is in a direct feedback mode. Axes misalignment angles of the SINS are observation to the filter. A simple approach for simulation of axes misalignments using stars observation is presented. The SINS error model required for the filtering algorithm is derived in space-stabilized mechanization. Simulation results of the integrated navigation system using a medium accuracy SINS demonstrates the validity of this method on improving the navigation system accuracy with the estimation and compensation for gyros drift, and the position and velocity errors that occur due to the axes misalignments.     

惯性/双目视觉里程计深组合导航方法

针对现有视觉里程计测量噪声大、匹配精度低、实时性差的问题,研究一种基于Kalman滤波器的惯性/双目视觉里程计组合导航方法.在视觉里程计中引入惯性导航信息,辅助完成实时图截取、搜索区预测、输出速度校正等功能,提高视觉里程计的测量精度与计算速度.利用Kalman滤波器,实现视觉里程计对惯导累计误差的修正,提升组合导航系统的导航精度.车载试验结果表明,惯性/双目视觉里程计深组合导航的实时定位精度优于0.5％D (CEP),具备工程应用条件.     

基于对偶四元数的INS/GPS组合导航算法研究

在基于对偶四元数的捷联惯导解算方法的基础上,推导了以惯性系作为导航系的惯导误差方程,在此基础上设计了卡尔曼滤波组合导航算法。通过激光惯导跑车采集数据,进行了仿真分析,试验结果表明,该组合导航算法能有效的消除惯导累积的速度误差和位置误差,相比于目前广泛应用的INS/GPS组合导航算法,本文描述了INS/GPS组合导航的另一种实现方式,获得了相当的精度,具有一定的工程应用价值。     

信息融合技术在组合导航系统中的应用

提出了无线电近程导航系统(RSRN S)与IN S/GPS的综合过程,探讨了RSRN S和IN S/GPS综合应用过程中的信息融合技术问题。采用GPS伪距、伪距率以及无线电近程导航定位与IN S组合,建立了卡尔曼滤波方程,设计了飞行轨迹,对相关的信息融合技术进行了初步讨论,并给出了惯性元件精度较低时组合系统的仿真输出。这种组合导航方案可以充分利用各种导航传感器的信息,有效提高导航系统的精度。