一种基于频域控制的组合导航系统设计方法

随着科学技术的发展,可资利用的导航信息源越来越多,导航系统的种类也越来越多,其中典型的是惯性导航系统和GPS/北斗卫星导航系统这两种系统在性能上正好形成互补,所以采用该两种系统作为组合导航设计中的子系统是最佳方案。SINS能够输出多种导航信息,但导航结果随着时间发散,GPS/北斗导航系统能够提高较高精度的位置速度信息,但不能提供姿态信息,且在遮挡等情况下会出现丢帧现象。为了能够利用SINS和GPS/北斗导航系统两种导航测量结果,使得两者的测量数据互补,且提高导航系统的精度,本文提出了一种基于频域控制的组合导航系统设计方法。通过实验验证,这种方法不仅充分利用了SINS和GPS/北斗导航系统的信息,还增加了定位精度和可靠性,且能在丢帧情况下还能满足导航要求。     

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。     

确定飞行目标姿态的GPS载波相位法

本文首先建立GPS载波相位(L_1)的测量模型,通过三次差分逐一给出差分的效果。然后对进一步导出的姿态坐标观测方程,采用最小二乘原理和更准确的最佳弹道估计(EMBET),分别给出两种解法。最后,将姿态坐标由WGS-84坐标系转换到地表坐标系,给出相对地表坐标系的目标姿态(高低角、方位角)和精度公式。两个坐标系的转换公式见附录。     

用于航天器的GPS姿态和轨道确定技术

GPS接收机的进展已可用于空间导航和姿态确定。正在研制的GPS Ten-sor~(TM)将作为空间固态GPS姿态和轨道确定接收机,并将进行质量合格检验。该设备将为航天器制导及控制提供导航位置、速度、姿态、姿态角速率和时间的13个输出状态。     

基于地球坐标系的SINS/GNSS极区组合导航算法

针对极区范围经线收敛速度加快并汇聚于极点,使航向失去参考基准,定位误差急剧增大的问题,结合极区航行过程中对导航精度的需求,提出了一种适用于极区的基于地球坐标系的SINS/GNSS组合导航方案。给出了基于地球椭球模型的横向坐标系定义以及与地球坐标系之间的转换关系;设计了地球坐标系下的SINS/GNSS组合导航算法;最后将地球坐标系下的导航结果转换到横向坐标系。仿真结果表明,基于地球坐标系的极区组合导航方案的导航误差收敛迅速,在1800s的仿真时间内,姿态精度达到0.4′,定位精度达到2m,速度精度达到0.02m/s;其中定位和航向精度略优于横向地理坐标系下的组合导航方法,且可为载体穿越极点时提供稳定的导航信息。     

纬度未知条件下捷联惯导系统晃动基座的初始对准

针对纬度未知条件下捷联惯导系统(SINS)晃动基座的初始对准问题,提出晃动基座下的纬度估计算法和初始对准方法。前者通过惯性坐标系下两个不同时刻的重力加速度向量的夹角来求取纬度;后者利用惯性坐标系下的姿态更新来实时地反映载体在晃动干扰下的姿态变化,结合初始姿态的最优估计实现初始对准。理论分析表明,本文提出的纬度估计算法的误差主要由加速度计误差决定,陀螺误差和晃动干扰对其影响很小。仿真结果表明,本文提出的纬度估计算法和初始对准方法适用于纬度未知条件下晃动基座的初始对准。     

车载单天线GPS/MEMS-SINS组合对准算法

捷联式惯性导航系统（SINS）需要精确的初始姿态信息进行姿态、速度和位置解算,而微机电系统（MEMS）惯性传感器由于精度限制无法完成自对准。为了解决这个问题,提出一种基于单天线GPS测姿和MEMS SINS的组合对准算法。采用单天线GPS在载体稳定协调运动条件下给出粗略的航向角信息,进行姿态粗对准。在精对准阶段,使用GPS提供的载体的航向角、位置和速度信息作为观测量,建立Kalman滤波器,对捷联式惯性系统的误差项进行估计,得到精确的姿态矩阵（DCM）,完成对准。经过仿真和车载试验验证,对准后的俯仰角和横滚角均方误差在0.1°内,航向角均方误差在0.5°以内。表明算法可以在运动条件下完成载体的对准要求,有一定的实用价值。     

视觉辅助惯性定位定姿技术研究

在利用视觉系统辅助捷联惯性导航系统( SINS)进行定位定姿时,由于两者输出的位置表示方法不同,在信息融合时会存在匹配问题。以相对地理坐标系作为定位定姿系统的导航坐标系,重新对SINS进行了力学编排,分析了其误差传递特性,建立了相对地理坐标系下的状态方程模型,并利用Kalman滤波器实现了视觉辅助惯性定位定姿算法。仿真结果表明,方法避免了信息融合时位置匹配问题,同时降低了系统的计算量,满足了定位定姿系统的精度要求。     

基于飞行数据反演解算的 SINS空中标定技

针对机载 SINS定期拆卸并进行实验室标定存在的维护效率低、标定周期不合理的问题,提出一种基于 GPS/SINS组合导航仿真飞行数据反演解算的免拆卸空中标定方法。在对飞行数据拟合插值的基础上,利用飞行数据序列和 SINS反演算法解算出惯性器件的输出增量,以引入误差后的惯性器件输出值作为 SINS的输入进行纯惯导解算,并以 SINS和 GPS输出的速度误差作为系统级标定 Kalman滤波器的观测量,对惯性器件误差项进行滤波估计。仿真结果表明,这种标定方法可较好地估计出 SINS中的误差项,实现了 SINS的免拆卸标定,降低了对 SINS定期标定的要求。     

基于MEMS陀螺的低成本捷联惯导系统设计

介绍了一种基于MEMS陀螺和石英挠性加速度计的低成本捷联惯性导航系统的设计与实现方法。给出了惯性测量单元(IMU)的模型方程,并在全温下对IMU的输出进行补偿;采用"四元数"法进行姿态计算,通过坐标变换、积分运算确定载体的速度、位置;对惯测样机进行了60 s的静态测试,结果表明该系统短期准确度满足SINS/GPS组合导航系统需求。     

基于UKF的大失准角船舶行进间对准技术研究

由于标准卡尔曼滤波只适用于线性系统,通常在SINS/GPS组合导航初始对准过程中,先通过基于惯性系的粗对准方法,将失准角转化为小量,然后再进行卡尔曼滤波精对准。由于杆臂效应,使用的基准信息存在一定误差,导致初始对准精度降低。因此,首先设计UKF的大失准角初始对准算法;其次将基准信息杆臂在UKF方程中建模,对杆臂误差进行补偿;最后通过仿真验证算法的可行性,并利用海试实验数据对UKF算法与传统动基座算法进行对比,实验结果表明该方法具有明显优势。     

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。     

改进的GPS/INS组合导航选星算法

在已有的 GPS定位的选星算法的基础上,从组合系统量测矩阵出发提出了一种适用于 GPS/INS组合导航的选星算法。此算法在原有算法的基础上,考虑了卫星仰角、方位角对卡尔曼滤波器可观性的影响,避免因观测量与系统状态间关联项的减少而导致的滤波器可观性下降,从而保证滤波器性能的稳定。     

Coordinate Conversion and Tracking for Very Long Range Radars

The problem of tracking with very long range radars is studied in this paper. First, the measurement conversion from a radar's r-u-v coordinate system to the Cartesian coordinate system is discussed. Although the nonlinearity of this coordinate transformation appears insignificant based on the evaluation of the bias of the converted measurements, it is shown that this nonlinearity can cause significant covariance inconsistency in the conventionally converted measurements (CM1). Since data association depends critically on filter consistency, this issue is very important. Following this, it is shown that a suitably corrected conversion (CM2) eliminates the inconsistency. Then, initialized with the converted measurements (using CM2), four Cartesian filters are evaluated. It is shown that, among these filters, the converted measurement Kalman filter with second order Taylor expansion (CM2KF) is the only one that is consistent for very long range tracking scenarios. Another two approaches, the range-direction-cosine extended Kalman filter (ruvEKF) and the unscented Kalman filter (UKF) are also evaluated and shown to suffer from consistency problems. However, the CM2KF has the disadvantage of reduced accuracy in the range direction. To fix this problem, a consistency-based modification for the standard extended Kalman filter (E1KF) is proposed. This leads to a new filtering approach, designated as measurement covariance adaptive extended Kalman filter (MCAEKF). For very long range tracking scenarios, the MCAEKF is shown to produce consistent filtering results and be able to avoid the loss of accuracy in the range direction. It is also shown that the MCAEKF meets the posterior Carmer-Rao lower bound for the scenarios considered.     

Enhancing filter robustness in cascaded GPS-INS integrations

Filter robustness is defined herein as the ability of the Global Positioning System/Inertial Navigation System (GPS-INS) Kalman filter to cope with adverse environments and input conditions, to successfully identify such conditions and to take evasive action. The formulation of two such techniques for a cascaded GPS-INS Kalman filter integration is discussed This is an integration in which the navigation solution from a GPS receiver is used as a measurement in the filter to estimate inertial errors and instrument biases. The first technique presented discusses the handling of GPS position biases. These are due to errors in the GPS satellite segment, and are known to be unobservable. They change levels when a satellite constellation change occurs, at which point they introduce undesirable filter response transients. A method of suppressing these transients is presented. The second technique presented deals with the proper identification of the filter measurement noise. Successful formulation of the noise statistics is a factor vital to the healthy estimation of the filter gains and operation. Furthermore, confidence in the formulation of these statistics can lead to the proper screening and rejection of bad data in the filter. A method of formulating the filter noise statistics dynamically based on inputs from the GPS and the INS is discussed     

一种基于冗余测量的自适应卡尔曼滤波算法

针对目前自适应滤波算法的不足,在测量系统量测噪声方差未知的情况下,设计了一种基于冗余测量的自适应卡尔曼滤波(RMAKF)算法。通过对系统冗余测量值的一阶、二阶差分序列进行有效的统计分析,可以准确估计系统量测噪声统计特性,进而在滤波过程中自适应调节噪声方差阵R,提高滤波精度。以全球定位系统/惯性导航系统(GPS/INS)松组合导航系统为对象进行了仿真实验,结果表明该算法在测量系统噪声特性未知或发生改变时,可对其进行准确估计,在采用低精度惯性器件情况下,滤波结果较其他主要自适应卡尔曼滤波算法有较明显的改进。     

高超声速飞行器组合导航鲁棒滤波算法

高超声速飞行器由于其飞行环境的影响,使得GPS和星敏感器的量测噪声表现出非高斯特性。针对常规基于Kalman滤波的组合导航在非高斯噪声下性能下降的问题,提出了基于鲁棒滤波的高超声速飞行器组合导航算法。方法在惯性／GPS／＆异步量测建模的基础上,通过随机去耦将量测更新转化为线性回归问题,并基于M估计获得状态量最优估计。仿真结果表明,方法对非高斯噪声具有更好的鲁棒性,有效提高了高超声速飞行器组合导航系统的性能。     

利用GPS进行姿态估计的一种算法

首先建立了全球定位系统（ＧＰＳ）姿态确定的观测方程;然后给出了利用ＧＰＳ进行飞行器姿态估计的模型,并对该模型进行了线性处理;最后利用攻推广卡尔曼滤波技术,针对某飞行器进行了仿真计算。计算结果表明,对于不同的测量噪声和系统噪声,滤波器都有较好的估计,姿态估计的精度明显高于单纯ＧＰＳ姿态确定的精度,可以满足大多数飞行器对姿态确定的要求,证实了模型和算法可用性。     

基于置信度加权的组合导航数据融合算法

 针对联邦滤波融合算法中由于模型量测噪声统计特性未能被准确描述导致其子滤波器误差变大，进而导致联邦滤波估计出现偏差的问题，为了改进联邦滤波融合方法，将模糊自适应卡尔曼滤波方法和置信度加权方法与联邦滤波融合方法相结合，应用于组合导航系统。该方法首先将模糊自适应卡尔曼滤波方法应用于各子滤波器，使其能够跟踪真实量测噪声统计特性。然后通过模糊方法计算得到各子滤波器的置信度，进而得到联邦滤波器的置信度，再由得到的置信度对各子滤波器及联邦滤波器输出进行加权，得到最终的全局输出。对车载组合导航系统的仿真结果表明，这种算法对量测噪声具有较强的自适应性，能够抑制置信度低的子滤波器在融合系统中所占的权重，提高联邦滤波融合算法的精度，是一种可行的车载组合导航数据融合算法。     

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.