首页 | 本学科首页   官方微博 | 高级检索  
相似文献
 共查询到13条相似文献,搜索用时 93 毫秒
1.
自适应卡尔曼滤波器在陆地车辆导航中的应用   总被引:7,自引:1,他引:7  
建立了车载GPS(Global Positioning System)/DR(Dead-Reckoning)组合导航系统自适应扩展卡尔曼滤波模型及其算法,从而大大提高了车辆导航系统的定位精度.首次提出依据PDOP(位置误差系数)等GPS定位系统的输出参数,自动调整观测噪声协方差阵[WTHX]R和系统噪声协方差阵Q[WT]的大小,从而自适应地调整组合导航系统模型性能的方法,使得模型具有较强的适应性.计算机仿真及实验结果表明应用该模型具有良好的效果.  相似文献   

2.
基于代价函数的组合导航系统地图匹配算法   总被引:27,自引:0,他引:27  
研究了地图匹配技术在GPS(Global Positioning System)/DR(Dead Reckoning)组合导航系统中的应用,建立了GPS/DR/地图匹配组合导航系统模型,给出了一种基于代价函数和概率统计准则的地图匹配算法,通过合理地定义代价函数有效消除了存在于匹配路段挑选过程中的模糊性问题.对实际跑车数据的仿真处理结果表明,应用该算法可以为组合导航系统的定位精度带来明显的改善.  相似文献   

3.
车载GPS/DR组合导航系统的数据融合算法   总被引:11,自引:1,他引:11  
建立了车载GPS/DR(全球定位系统/航位推算)组合导航系统自适应联合Kalman滤波的数学模型,研究了综合运用子系统状态评估、自适应信息分配、误差补偿、迭代扩展Kalman滤波、抗野值干扰、U-D协方差分解滤波等技术来提高精度和可靠性的融合滤波算法;针对滤波发散的问题,引入了一种在线估计观测噪声统计特性的自适应滤波方法.理论分析和半物理仿真结果表明,所设计的算法在精度、可靠性、适应性、实时性等方面效果都很好.  相似文献   

4.
基于无复位(No-Reset)联邦Kalman滤波信息融合算法,提出并且探讨了组合导航应用过程中的信息融合问题.在建立的相关误差模型基础上,对所设计的采用联邦Kalman滤波技术的SINS/GPS/EMC组合导航系统进行了计算机仿真.结果表明,采用无复位联邦滤波结构的SINS/GPS/EMC组合导航系统能充分融合系统各种导航传感器的信息,能发挥它们各自的优点,互相取长补短,有效地提高导航系统准确度和可靠性.  相似文献   

5.
一种基于假设检验的多重渐消卡尔曼滤波   总被引:2,自引:0,他引:2  
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χ2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.  相似文献   

6.
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.  相似文献   

7.
一种用于GPS/DR组合定位的非线性滤波算法   总被引:9,自引:1,他引:9  
建立了适用于车辆导航系统的基于UKF(Unscented Kalman Filter)的GPS/DR(Global Positioning System/Dead Reckoning)组合定位滤波模型及算法.针对系统状态方程为线性、观测方程为非线性的特点,提出了一种将UKF和EKF(Extended Kalman Filter)相结合的非线性滤波算法.结合后的算法和原有UKF算法相比减少了在时间更新阶段的运算量,并且由于采用基于Unscented变换的思想来处理系统观测方程的非线性问题,避免了EKF引入的线性化误差,提高了滤波精度.仿真结果证明:算法在减少运算量的同时,仍具有较高的滤波精度,且明显优于EKF,因而能够满足车辆导航系统占用资源少、滤波精度高的要求.  相似文献   

8.
为了解决初级教练机低成本组合导航仪中全球定位系统(GPS, Global Positioning System)信息更新频率过低,导致传统组合导航算法失效的问题,在对惯性器件进行建模的基础上,提出了一种基于运动学非线性模型的组合导航算法.该算法选取载体的姿态、速度和位移量作为状态量,以GPS、磁强计和高度计的测量值作为观测量,建立组合导航系统模型,利用卡尔曼滤波对线性化后的系统模型进行数据融合.通过静态试验和动态跑车试验,表明该组合导航算法能够使姿态误差均值控制在0.12°以内,速度误差均值不大于0.03m/s,位移量误差均值不大于3.94m,精度能够满足初级教练机的应用需要.  相似文献   

9.
首先建立了发射惯性系下的组合导航系统模型,据此设计了基于联邦滤波器的SINS/GPS/CNS组合导航算法,最后研制了基于PC104硬件平台的组合导航算法验证样机。通过实时半物理仿真测试得出,三组合导航系统的姿态误差小于15″,位置误差小于10m,速度误差小于0.2m/s,表明所设计的组合导航系统算法正确,实现合理。  相似文献   

10.
为了解决GPS可观测卫星不足情况下低成本微电子机械-惯性导航系统/全球定位系统(MEMS-INS/GPS)组合导航精度维持问题,提出基于灰色模型和自适应卡尔曼滤波的MEMS-INS/GPS伪松组合导航方法。以MEMS-INS/GPS松组合导航模式为框架,建立了伪松组合导航系统的状态空间模型。基于MEMS-INS/GPS的历史观测数据,使用灰色模型对MEMSINS/GPS观测差值进行预测,称为系统伪观测量。当GPS可观测卫星充分时,使用噪声自适应估计卡尔曼滤波对MEMS-INS/GPS进行松组合导航;当GPS可观测卫星不足时,使用噪声自适应估计卡尔曼滤波依据系统伪观测量,将MEMS-INS/GPS进行伪松组合导航。以车载低成本MEMSINS/GPS组合导航系统为例进行仿真和实验验证,结果表明:当GPS可观测卫星不足时,传统的MEMS-INS/GPS松组合导航精度迅速下降并发散,而MEMS-INS/GPS伪松组合导航精度与GPS正常工作时的导航精度相差不大,维持了较高精度的导航状态。  相似文献   

11.
为了提高GPS在高动态、强干扰条件下的跟踪性能和导航精度,提出了一种新的SINS/GPS深组合导航方案.利用卡尔曼滤波器反馈回路取代了传统接收机中独立、并行的跟踪回路,能够同时完成所有可视卫星信号和组合导航信息处理的任务;利用矢量跟踪算法加强各跟踪通道相互关联,增强跟踪通道对信号载噪比变化的适应能力,从而提高接收机在信号中断条件下的导航性能;利用相关器输出的I和Q路测量值直接作为导航滤波器的观测量,减小滤波过程残差,可以提高组合导航系统的导航精度和跟踪性能.仿真验证表明,这种基于矢量跟踪的深组合导航方案不仅在GPS信号中断期间能够保证系统的导航精度和可靠性,而且在低载噪比条件下可以增强导航系统的跟踪性能以及抗干扰能力.  相似文献   

12.
以考虑位置误差相关项的伪距率观测模型,对遥感中使用的SINS/GPS为距、伪距率组合系统进行了蒙特卡洛仿真。结果表明,组合系统的长期位置精度能达到5m以内;GPS数据更新率低于SINS,在GPS测量时间间隔内,组合系统的性能仅由SINS决定,虽然SINS的误差随时间积累,但在GPS测量时间间隔为秒数量级的情况下,即使采用中等精度的惯性的误差随时间积累,但在GPS测量时间间隔为秒数量级的情况下,即使采用中等精度的惯性仪表,其相对位置精度可达到厘米级(这里相对位置精度指组合系统在GPS测量时间间隔内位置误差的变化范围)。  相似文献   

13.
针对地基测控系统传统标校方法和基于差分GPS事后标校方法的不足,提出了一种基于低轨卫星与地面测控站之间星地差分GPS的地基测控系统测量误差实时标校方法。与基于差分GPS的事后标校相比,实时标校能使地基测控系统及时获取标校后的测量数据,从而实时进行轨道解算和预报,并及时上注以提升卫星运行性能。针对星地长基线、高动态和实时标校场景,系统地分析了影响星地基线估计性能的各项误差及修正效果,并提出相对位置精度因子的概念,由此得到星地基线估计精度预算。采用基于抗差自适应卡尔曼滤波的实时星地基线估计算法,并利用加权最小二乘法求解测控系统测量误差,从而获得校准结果。利用星载双频GPS接收机和导航信号模拟器构建半实物仿真平台,仿真结果表明,实时标校后测距系统误差残差降低到40cm左右,测速系统误差残差降低到1cm/s以下,与理论分析结果一致,可以较好地满足未来航天任务的测控需求。  相似文献   

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号