基于联邦滤波结构的INS／GPS组合导航系统数据融合研究

为了研究平台式惯导INS（interial navigation system）和全球定位系统GPS（globe position system）组合导航联邦滤波器的实现,使用速度局部滤波器和位置局部滤波器,分别对INS／GPS组合导航系统的向东速度、向北速度,以及对经度和纬度进行卡尔曼滤波,然后将位置数据和速度数据输入主滤波进行数据融合。以无人机的向东匀速水平飞行为背景,运用联邦卡尔曼滤波器算法,使用matelab进行仿真分析。可以证明联邦滤波器算法简单,易于实现,并且可以提高导航系统精度．实际应用中此方法可行。     

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。     

基于联邦滤波的SINS/GNSS/OD/高度计多源组合导航算法研究

针对城市情况下车载导航时单一导航源易受干扰的问题,提出了一种基于自适应联邦Kalman滤波的多源组合导航算法.该模型具有两级结构,由子滤波器进行各信息源局部估计后,通过主滤波器进行最优融合估计.融合具有不同工作特点的导航传感器的输出信息组成多源信息组合导航系统,从而提高了导航系统的精度和鲁棒性,且通过故障诊断算法实时检测并隔离故障信息源.给出了联邦滤波算法设计,并进行了实际车载实验.实验结果表明,该算法能够提高导航系统的稳定性及精度.     

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。     

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。     

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.     

在组合导航系统中Kalman滤波技术的应用

在导航系统中引入Kalman滤波技术,主要是为了减小导航定时的参数误差并提高系统的定位精度,以INS/GPS组合导航系统为背景,设计位置速度组合模式的卡尔曼滤波器,并对组合导航系统进行仿真研究,结果表明组合导航系统在导航精度和稳定性方面较单一的导航系统都有提高。     

卡尔曼滤波在某型组合导航系统模拟器中的应用

为提高某型GPS／INS组合导航系统模拟器模拟数据的真实性和飞行软件包、GPS模拟器、组合导航系统模拟器三者交联的有效性,在该模拟器中设计了卡尔曼滤波器。文中在介绍模拟器工作原理的基础上,建立了GPS／INS位置与速度组合方式下的卡尔曼滤波器的状态方程和量测方程,用U-D分解法建立了卡尔曼滤波方程,给出了纯惯导及组合后系统的位置与速度误差仿真曲线,并对仿真结果进行了系统测试,最后与其它模拟器进行了组网导航训练测试。     

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。     

SINS/BDS紧组合系统中自适应 两阶段扩展卡尔曼滤波

在实际应用中，以伪距/伪距率为观测量的SINS/BDS紧组合导航系统，存在量测噪声的统计特性与实际不相符的情况，传统扩展卡尔曼滤波（EKF）方法无法有效解决这一问题，从而引起滤波误差增大。提出了一种SINS/BDS紧组合导航系统的GDOP估算及在线估计量测噪声的自适应两阶段EKF（ATEKF）方法，该方法使用经过紧组合修正后的SINS输出的位置，并结合星历数据中提供的卫星位置求解GDOP。在此基础上，利用GDOP值以及新息，实现了紧组合导航系统的量测噪声方差阵（Rk）的在线实时估计，从而达到自适应滤波的效果，改善导航精度。     

GPS/INS组合导航系统自适应滤波算法与仿真研究

随着组合导航系统应用环境的日趋复杂，给噪声统计特性的准确描述带来困难，这将造成Kalman滤波器不稳定甚至发散。首先对目前解决此问题常用的自适应滤波方法进行了总结和分析，在此基础上，给出了基于滤波收敛性判据，结合Sage-Husa自适应滤波和强跟踪Kalman滤波的改进自适应滤波算法。最后以GPS／INS组合导航系统为例进行了计算机仿真，结果表明：该算法可有效抑制滤波发散，具有较大范围的自适应能力。     

航空制导炸弹挠性SINS/GPS组合导航系统研究

针对航空制导炸弹对低成本、高精度、高可靠性导航系统的需求,利用小型化挠性惯性测量组合(IMU)与高精度、高数据更新率的GPS-OEM板组成高精度、低成本的SINS/GPS组合导航系统。SINS和GPS采用速度、位置综合模式,利用Kalman滤波进行数据融合。最后对该组合导航系统进行了数学仿真试验和车载试验。研究表明,此低成本的组合导航系统具有精度高、成本低、可靠性好、体积小等优良指标。     

基于模糊自适应卡尔曼滤波的大气数据辅助姿态算法

 针对中低精度航姿参考系统(AHRS)在机体机动时不能利用加速度计修正水平姿态,以及噪声统计特性随实际工作情况变化的问题,提出了一种基于模糊自适应卡尔曼滤波的大气数据辅助姿态解算的方法。首先,考虑大气数据系统和航姿参考系统的优势,利用真空速、攻角和侧滑角等大气数据信息对非重力加速度进行补偿,以辅助水平姿态解算;其次,基于模糊自适应卡尔曼滤波原理,对观测模型的参数进行估计和修正,以实现水平姿态的最优估计;最后,选取某型飞机的试飞数据进行仿真验证。仿真结果表明,该方法可使飞机的水平姿态估计精度达到1.3°,且在偏差较大时有明显的纠偏作用。因此,相对于无机动加速度补偿和常规卡尔曼滤波来说,该方法能够更好地进行姿态估计,具有一定的实用价值。     

自适应增量粒子滤波方法

提出自适应增量粒子滤波(AIPF)的概念和定义,建立AIPF模型,给出了分析方法和主要的计算步骤.对于许多实际工程(如深空探测)中存在的由未知系统误差的影响而无法精确建立量测似然函数及滤波过程中的粒子匮乏等问题,通过增量粒子滤波模型对滤波过程中的粒子数进行自适应调整,从而消除这种未知系统和滤波粒子匮乏的影响,自动调整粒子,提高非线性滤波的精度.仿真计算中,滤波误差均值和方差分别降低为原来的3.8%和19.6%.该方法有效地改善了滤波效果,计算简单,便于工程应用.      

改进的量测一致性的联邦滤波器两级故障检测

当联邦滤波器故障为缓变故障或者故障幅值比较小时,传统的基于量测一致性的联邦滤波器故障检测算法由于相应的估计误差和方差同时增大,这使得算法需一定的时间后才能使这种增量大到使故障函数计算结果超出门限,因而会出现警告延迟甚至漏检现象.针对量测一致性算法的缺点,提出了改进的基于量测一致性的联邦滤波器两级故障检测算法.相比传统的基于量测一致性的故障检测算法,该方法增加了故障检测的冗余性,不仅可以区分硬故障和软故障,而且提高了故障检测的可靠性和灵敏度,使得联邦滤波器的故障检测方法更加成熟完善,这对提高整个系统的可靠性具有重要意义.仿真和实验结果表明,该方法准确度高,计算量小,便于工程实现.     

Multipath-adaptive GPS/INS receiver

Multipath interference is one of the contributing sources of errors in precise global positioning system (GPS) position determination. This paper identifies key parameters of a multipath signal, focusing on estimating them accurately in order to mitigate multipath effects. Multiple model adaptive estimation (MMAE) techniques are applied to an inertial navigation system (INS)-coupled GPS receiver, based on a federated (distributed) Kalman filter design, to estimate the desired multipath parameters. The system configuration is one in which a GPS receiver and an INS are integrated together at the level of the in-phase and quadrature phase (I and Q) signals, rather than at the level of pseudo-range signals or navigation solutions. The system model of the MMAE is presented and the elemental Kalman filter design is examined. Different parameter search spaces are examined for accurate multipath parameter identification. The resulting GPS/INS receiver designs are validated through computer simulation of a user receiving signals from GPS satellites with multipath signal interference present The designed adaptive receiver provides pseudo-range estimates that are corrected for the effects of multipath interference, resulting in an integrated system that performs well with or without multipath interference present.     

基于Kalman滤波的GPS/INS接收机自适应干扰抑制方法

 考虑到惯导信息辅助GPS(GPS/INS)接收机对干扰抑制实时性的要求,提出一种基于Kalman滤波的GPS/INS接收机自适应干扰抑制方法。自适应广义旁瓣相消(GSC)多采用低复杂度最小均方(LMS)算法更新权矢量,收敛速率较低,严重时会导致接收机定位中断。首先利用Householder变换构建GSC下支路的阻塞矩阵,用于阻塞任意二维阵型阵列接收的期望信号;再用Kalman滤波自适应更新下支路权矢量,从而有效提高阵列输出信干噪比(SINR)。理论分析和仿真结果说明本文方法可有效抑制干扰对接收机的影响,且具有实时性高的特点。