Lyapunov自适应滤波及其 在INS/SMNS组合中的应用

为克服在惯导/景像匹配导航系统(INS/SMNS,Inertial Navigation System/Scene Matching Navigation System)组合导航系统中随着匹配点增多最小二乘法易出现发散的缺点,提出了一种基于多输入多输出(MIMO,Multi-Input-Multi-Output)系统的改进型Lyapunov自适应滤波算法.该方法利用观测方程信息,通过定义滤波误差和预测误差获得算法的递推公式,而算法的稳定性和收敛性可由Lyapunov稳定性理论来证明.以INS/SMNS组合导航系统为例进行了仿真验证,和递推最小二乘算法相比该算法简单、可靠,而且滤波的性能优于递推最小二乘算法.     

INS/GIS组合导航方法研究

针对GIS量测误差统计信息不明确,且量测信息具有随机性和有限性的特点,提出了采用非等间隔并解决量测滞后的滤波算法,设计了相应的卡尔曼滤波算法和递推最小二乘算法.建立了INS/GIS组合导航数学模型,通过仿真分析对比了上述两种算法的滤波精度,结果表明,改进的卡尔曼滤波方法优于递推最小二乘估计方法,可有效提高导航精度.     

四元数UKF超紧密组合导航滤波方法

针对GPS/SINS(Global Positioning System/Strapdown Inertial Navigation Sys-tem)超紧密组合导航系统线性化滤波在高动态、弱GPS信号等环境下性能下降严重的问题,提出了一种以四元数UKF(Unscented Kalman Filter)为基础的GPS/SINS超紧密组合导航系统非线性滤波方法.通过分析GPS与SINS在超紧密组合导航系统中的关系,提出了一种利用SINS信息来估计、修正GPS载波信号的方法,在此基础上建立了组合导航滤波的状态方程和量测方程;以四元数乘性误差模型为基础,提出了一种可应用于UKF滤波的求解四元数加权均值的方法;提出了基于四元数UKF的GPS/SINS超紧密组合导航滤波方法.仿真实验表明:在高动态环境下,四元数UKF滤波方法增强了GPS/SINS超紧密组合导航系统的定位精度和抗干扰能力.     

基于RT-LAB的组合导航仿真平台设计

设计了一种基于RT-LAB的SINS/GPS/CNS（Strapdown Inertial Navigation System/Global Positioning System/Celestial Navigation System）组合导航系统仿真平台方案,建立具有故障检测、隔离和系统重构能力的基于联邦卡尔曼滤波器的姿态、位置、速度组合导航系统方案和结构.将SINS与GPS的位置之差和速度之差作为SINS/GPS子滤波器的观测量,通过CNS给出的载体惯性姿态信息获得SINS的姿态误差角测量信息.仿真结果表明,该系统方案具有较强的容错性能、较高的导航精度和很强的实时性能,为组合导航技术的研究提供了有益的参考.     

基于遗传算法的多模型Kalman滤波算法 及应用研究

基于长航时无人机惯性/天文/卫星(INS/CNS/GPS)组合导航系统模型,针对复杂环境所引起的系统模型参数变化导致单一固定参数滤波器精度降低问题,提出了一种基于遗传算法的多模型自适应Kalman滤波算法,并与单一模型下的Kalman滤波器方法进行了比较.仿真结果表明,与采用单一模型的Kalman滤波算法相比,该方法不仅能大大提高导航系统的精度和可靠性,而且还可以较好地辨识出组合导航系统惯性器件噪声统计模型参数.      

GPS/SINS超紧组合导航系统可观测性分析

系统状态的可观测性决定了系统的滤波精度.目前,分析系统状态可观测性的主要方法是针对线性系统的,其中奇异值分解(SVD,Singular Value Decomposition)法可以对系统进行事前分析,并且计算简单,成为广泛使用的方法之一.然而集中滤波结构的全球定位系统/捷联惯性导航系统(GPS/SINS,Global Positioning System/Strapdown Inertial Navigation System)超紧组合模型的量测方程是非线性的,对非线性系统进行可观测性分析是非常困难的.针对这个问题,推导出了超紧组合模型线性的量测方程,并证明了该模型满足分段定常系统(PWCS,Piece-Wise Constant System)定理;使用奇异值分解法对其做可观测性仿真,并对实验结果做了全面分析.结果表明:系统状态的可观测性受载体运动状态影响,载体机动性越强,可观测的状态越多,可观测性越高.     

基于模糊奇偶方程的PL/INS导航系统故障诊断

提出了一种伪卫星(PL, Pseudolite)/惯性导航(INS, Inertial Navigation System)组合导航系统多故障识别方法.分析了PL的常见故障及其数学模型,采用模糊奇偶方程方法对PL的常见故障进行诊断、隔离和参数识别.采用Takagi-Sugeno(T-S)模糊模型描述PL/INS组合导航系统,对于局部线性化模型建立全解耦奇偶方程,并对奇偶方程的残差进行融合,得到全局残差.结合残差利用卡尔曼滤波进行故障参数识别,给出了参数识别的约束条件.仿真结果表明:针对导航系统中多个PL信号同时发生多种故障的情况,此方法能有效检测故障,并能准确识别出故障模型参数.      

BP/GA混合算法在简易组合导航系统中的应用

Kalman滤波器是组合导航中最常用的最优滤波工具,但是在组合导航系统中有一些应用的局限性,尤其在低成本的GPS(Global Positioning System)/DRS(Dead Reckoning System)组合导航系统中,存在着使用的GPS接收机和惯导测量元件的精度不够高的问题,要提高系统的测量精度,只能提高算法软件的先进性.为补偿卡尔曼滤波发散的缺陷,将神经网络和遗传算法组成的混合算法与卡尔曼滤波相结合,应用到GPS/DRS组合导航系统中,该算法不仅具有普通神经网络的自主学习能力、好的实时性,还克服了传统算法收敛速度慢、对学习参数敏感、局部有极小点等缺点,同时兼具卡尔曼滤波的最优估计性能.仿真结果验证了这种算法和常规卡尔曼滤波算法相比较具有更高的精度和稳定性,经过对仿真数据进行统计分析,纬度误差的最大值降低了一个数量级.     

MEMS陀螺仪随机漂移仿真和试验

为了提高使用精度,研究了某微机电系统(MEMS,Micro Electro Mechanical System)陀螺仪的随机漂移模型.应用时间序列分析方法对经过预处理的陀螺仪量测数据进行建模,提出采用状态扩增法设计Kalman滤波器.进行速率试验和摇摆试验,验证了在静态和恒定角速率条件下,滤波后的误差均值和标准差分别为滤波前的55%和12%.针对在摇摆运动时随着振幅的增加滤波效果下降的问题,设计了自适应Kalman滤波器,分析了衰减因子的选取原则.仿真结果表明:常值衰减因子法和自适应衰减因子法都能显著改善摇摆运动时的滤波效果,而自适应衰减因子法的精度更高.     

SINS辅助GPS跟踪环路超紧耦合系统设计

为了提高GPS(Global Positioning System)在高动态条件下的跟踪性能并为SINS(Strapdown Inertial Navigation System)提供精确、可靠的修正信息,提出了一种SINS辅助GPS超紧耦合导航方案.针对高动态条件下载波跟踪性能不佳的问题,利用SINS速度信息为载波环提供多普勒频率辅助,从而降低了载体动态对载波环的影响.此外,将载波环跟踪误差扩充为组合系统的状态变量,并建立了载波环跟踪误差、伪距率量测误差与惯导误差之间的关系模型,从而消除了引入SINS辅助信息导致的量测相关问题.仿真验证表明:超紧耦合系统不仅能够有效地提高跟踪环路的噪声抑制能力和动态跟踪性能,而且可以显著地改善组合滤波器的误差估计精度.     

GPS/INS组合导航系统半实物仿真研究

为了研究ＧＰＳ组合导航系统的性能,利用跑车实验实时采集的惯性导航系统和ＧＰＳ的数据进行了测后仿真研究。分别进行了ＧＰＳ／ＩＮＳ位置、速度组合和伪距、伪距率组合仿真,仿真中组合Ｋａｌｍａｎ滤波器采用数值稳定性较好的Ｕ－Ｄ分解算法。最后给出了纯惯导及组合后系统的位置、速度误差仿真曲线,结果分析及相关结论。     

基于自由软件的GPS／INS组合导航系统设计

自由软件运动的兴起，带给导航系统一个全新的设计模式，即根据所设计的导航系统定制实时内核，将应用层的设计和内核层的设计融合在一起。文章将自由软件应用到导航系统设计中，提出了基于自由软件的导航系统设计方法，并给出了基于自由软件uC／OS的GPS／INS组合导航系统的实现，经实验验证，本系统具有良好的性能。     

多传感器组合导航系统的改进多尺度滤波算法

多尺度滤波算法在多传感器组合导航系统中已得到成功应用，然而该算法用到多个时刻的量测向量，导致算法计算量过大，并影响系统的实时性。针对上述问题，首先利用分块技术与小波变换将时域内描述的系统原始状态方程转换为块状态方程，然后将实时得到的当前时刻的量测向量表达为块状态向量的形式，最后结合常规卡尔曼滤波技术与序贯滤波的思想，提出了一种改进的多传感器组合导航系统多尺度滤波方法。将该算法应用于GPS/SST/SINS多传感器组合导航系统，仿真结果验证了该算法不仅具有较好的实时性，而且相对于传统算法,系统的定位精度提高1倍以上。     

一种基于假设检验的多重渐消卡尔曼滤波

提出了一种基于假设检验的带多重渐消因子卡尔曼滤波的新算法.该算法采用χ2检验法,通过渐消因子矩阵对卡尔曼滤波器的噪声方差进行在线修正,从而使滤波器在对象模型存在误差或对象受到外扰时仍然收敛,同时能够提高系统的精度.该算法应用于车载GPS (Global Positioning System)/INS(Inerial Navigation System)组合导航系统中,取得了良好的效果.      

伪卫星/惯性组合导航的非线性补偿

伪卫星具有抗干扰能力强和布置灵活机动的特点,在增强卫星系统和独立组网为用户提供更高精度导航定位信息方面具有广阔的应用前景.研究了一种伪卫星/惯性组合导航的非线性补偿算法.由于伪卫星与用户的距离比卫星近得多,其非线性量测的影响也严重得多.采用二次项修正一定程度上弥补了传统线性化方法存在的模型误差大、滤波效果差甚至发散的问题.为避免求解非线性方程的困难使用了两步估计方法,大大降低了算法的复杂度.仿真结果表明,该算法可以显著提高伪卫星/惯性组合导航系统的性能,具有很高的实用性.     

基于视觉的无人作战飞机自主着陆导航方案

提出了基于视觉的无人作战飞机自主着陆组合导航方案.基于视觉的自主着陆 组合导航系统,可以根据视觉、惯导、高度表等传感器系统的特点,融合各机载传感器的测 量信息,在不依赖外部导航信息的情况下,得到无人作战飞机(UCAV)相对于跑道的着陆导 航信息.由于视觉信息在导航系统中的重要作用,对计算机视觉算法及其实时性进行了讨论 .对如何将视觉信息与惯导、高度表信息融合,构造多速率扩展Kalman滤波器进行了阐述. 通过自主开发的"UCAV自主着陆实时仿真验证平台"对该方案进行仿真,得到了满意的结果.      

新型快速传递对准方法

针对惯性导航系统的动基座传递对准问题,提出了速度加姿态加角速率组合匹配法.用来自主、子惯导的3组参数信息作观测量,通过卡尔曼滤波法迅速准确地估计出失准角及安装误差角等状态量,以便精确地对子惯导系统进行初始化.根据传递对准的基本原理,设计了载体结构挠曲运动统计模型,建立了状态方程及量测方程.同条件仿真结果表明:这种方法与速度加姿态匹配和速度加角速率匹配的对准精度相当,但估计速度约为这两种方法的2倍.可用于机载或舰载战术导弹武器系统,有效减小导航误差和制导误差.     

超低轨道地球卫星脉冲星/星光折射/光谱组合导航

针对超低轨道地球卫星导航自主需求,提出了一种脉冲星/星光折射/光谱测速组合天文导航方法。首先根据地球超低轨道卫星运行轨道动力学方程建立导航系统状态模型;分别根据脉冲到达时间差和星光折射角与天体光谱频率建立导航系统量测模型;使用Unscented卡尔曼滤波方法,降低随机误差对导航精度的影响,使用基于UKF的信息融合方法,有效融合了三种天文导航方法结果数据。经计算机仿真分析,该组合导航方法位置导航误差均值为85.62m,速度误差均值0.190m/s,能够满足超低轨道地球卫星在轨运行导航需求。     

MCAV/IMU integrated navigation for the powered descent phase of Mars EDL

Pin-point landing is considered as a key technology for future manned Mars landing and Mars base missions. The traditional inertial navigation system (INS) based guidance, navigation and control (GNC) mode used in the Mars entry, descent and landing (EDL) phase has no ability to achieve the precise and safe Mars landing, so novel EDL GNC methodologies should be investigated to meet this goal. This paper proposes the MCAV/IMU integrated navigation scheme for the powered descent phase of Mars EDL. The Miniature Coherent Altimeter and Velocimeter (MCAV) is adopted to correct the inertial bias and drift and improve the performance of integrated navigation. Altitude and velocity information derived from MCAV and the lander’s state information sensed by inertial measurement unit (IMU) are integrated in extended Kalman filter algorithm. The validity of the proposed navigation scheme is confirmed by computer simulation.