基于自适应软切换的多星座组合导航系统研究

多卫星组合导航系统星座结构复杂、卫星数量多,在某些特定场合、特殊时间内需要快速完成星座和卫星的选取和重组.采用一种快速选星算法和自组织网络相结合的策略,并应用于多卫星导航系统建模和多星座软切换领域,既避开了系统对象建模这一难点,同时又充分利用卫星星座间的相互关联性,极大的发掘多卫星系统本身的潜力.仿真结果表明,快速选星算法和自组织组网技术可以增强整个导航系统的抗干扰性和自愈能力,以牺牲较少的定位精度来有效减少导航运算量,提高导航定位的实时性.     

多星座组合导航自适应信息融合滤波算法

针对多星座卫星组合导航,提出了一种双重自适应联合卡尔曼滤波算法,采用描述机动载体运动的"当前"统计模型,首先建立一种基于载体加速度方差自适应的动态定位卡尔曼滤波模型,并分别对GPS,GLONASS和GALILEO系统设计相应的自适应子滤波器,然后采用有重置的联合自适应滤波器对各个子滤波器进行数据融合处理,各子滤波器的信息分配系数根据各卫星导航系统输出的几何精度因子(GDOP)进行自适应调节.通过对GPS/GLONASS/GALILEO多星座组合导航系统的仿真,分析对比了加权平均滤波、常规联合滤波和本文提出的双重自适应滤波.结果表明:该双重自适应算法有效提高了组合导航系统的精度和可靠性,能更好地适应于量测噪声不断变化的卫星组合导航系统.     

无人机位姿测量的点特征视觉方法

针对无人机在动态环境下快速高精度定位的问题，提出了用单目相机对无人机上的人工特征点进行位姿解算的方法。在无人机上放置一定数量的小型LED灯，并将其作为视觉测量的特征点，并以其中一个点作为原点建立无人机机体坐标系。通过多场景测量确定特征点在机体坐标系下的三维位置，再将三维位置与特征点在图像中的成像位置相匹配，最后使用EpnP算法求解出无人机的位置和姿态。在实验部分，利用三轴移动平台和三维转台，分别对位置解算结果和姿态解算结果进行误差测量。试验结果表明，位置解算误差在2%以下，姿态误差在8%左右。同时，该算法的处理时间在2 ms左右，该算法可以满足无人机对定位的实时性和精度的要求。     

GPS/GLONASS/GALILEO多星座组合导航系统研究

通过对多星座组合导航系统的分析,对多星座组合导航定位算法进行了研究。由于GPS、GLONASS、GALILEO系统分别采用了不同的坐标系,文中利用坐标系变换将不同星座统一到同一个坐标系中,采用增加状态变量的方法实现了组合系统的时间统一,从而实现了多星座间的时空统一;针对多星座组合系统的可见卫星数目大大增加的特点,采用最小二乘的方法实现了用户的导航定位解算,提高了用户的定位精度。通过对GPS/GLONASS/GALILEO多星座组合导航系统的仿真研究,其结果表明:与GPS单星座相比,GPS/GLONASS/GALILEO多星座组合导航系统,同一时间内可见卫星数目大大增加,PDOP值明显减小,有效提高了导航定位精度,具有良好的定位性能和可靠性。     

多传感器组合导航系统研究

设计了一种由INS、GPS和Doppler测速雷达构成的多传感器组合导航系统。采用GPS伪距、伪距率以及Doppler速度与INS组合 ,建立了其卡尔曼滤波方程 ,设计了飞行轨迹 ,给出了惯性元件精度较低时组合系统的仿真输出。仿真结果表明 ,多传感器组合导航系统能有效提高导航精度 ,降低对惯性元件的性能要求 ,是导航系统的发展方向     

机载SAR运动补偿传感器研究

提出一种不依赖于机载主惯导的运动传感器方案——基于GNSS／SINS的组合运动信息系统。即在SAR成像期间输出以纯惯性为主的信息以保证较高的相对定位精度，供SAR成像补偿；同时，GNSS／SINS的组合保证了长时间的绝对定位精度。介绍了这种运动传感器的原理、数学模型、工作流程控制。实验结果表明，基于GNSS／SINS的运动传感器具有很高的精度，完全满足了SAR成像的精度要求，特别适合于没有机载主惯导或主惯导精度较低的情况。     

基于测距测角信息的DG-IEKF相对导航算法

在自主近距空中加油过程中,无人机通常利用机间数据链进行导航数据共享,解算获得高精度的相对导航信息.机间数据链受扰中断时,在常规相对导航策略失效的情况下,无人机通过搭载的态势感知传感器对未知环境进行探索.针对受油机与非合作目标加油机间中远距离相对导航问题,提出了一种测距测角信息下的相对状态估计算法.考虑到测距测角信息下算法的强非线性,在迭代扩展Kalman滤波(Iterative Extended Kalman Filter,IEKF)的基础上,利用信赖域狗腿(DG)优化算法,提出了一种DG-IEKF算法,并推导了该算法在迭代过程中的状态更新方程与协方差阵更新方程,最后给出了该算法的相对导航仿真结果.仿真实验结果表明,该算法导航精度优于现广泛使用的扩展Kalman滤波算法(Extended Kalman Filter,EKF)与IEKF算法,在RMSE方面与EKF相比,相对位置综合精度提高了35.55％,相对速度综合精度提高了19.20％,具有较高的可靠性与稳定性.     

基于最优几何拓扑无线多传感器信息融合定位

利用Fisher信息矩阵方法,研究了针对距离、到达时间和方位角三种测量方式下的最优传感器—目标几何定位与拓扑图形特征。仿真结果表明,通过对最优传感器—目标几何图形特征的分析,可以获得具有最优定位性能的传感器—目标几何拓扑;同时表明,最优几何拓扑一般不是唯一的。     

基于软件无线电技术的GPS软件接收机的研究与实现

深入研究了GPS软件接收机的相关算法,阐述了GPS软件接收机设计过程中信号搜索、跟踪以及伪距定位等关键技术。针对搜索过程中利用信号相关法求解精频速度慢的缺点,提出了相位关系解算法;进一步分析二阶跟踪环路工作原理,对其带宽进行优化设计,使接收机具备较高的动态性能和较低噪声影响。基于Matlab环境,通过优化算法结构,设计并实现了GPS软件接收机算法应用程序。最后通过实际测试数据对算法进行了验证,该接收机可以处理12通道卫星信号,并且各项指标分析结果均达到单点伪距定位要求。     

包含乘性噪声自适应修正的非合作目标相对导航算法

无人机（UAV）态势感知的任务是利用机载传感器对未知环境进行目标识别和引导，针对无人机与非合作目标间中远距离的相对导航问题，提出了一种基于角度和距离量测的相对状态估计算法。在现有滤波算法的基础上，为了提高精度和稳定性，本文利用了列文伯格-马夸尔特（LM）优化的思想对迭代卡尔曼滤波（IEKF）算法进行改进，提出了一种LM-IEKF算法，并推导该算法在迭代过程中的状态更新方程及协方差阵的递推公式。在此基础上，考虑到距离传感器由于信号相关特性而引入的乘性噪声，现有的加性噪声模型难以适应，因此，进一步提出了基于量测噪声自适应修正的Modified LM-IEKF方法，通过在线实时更新噪声阵提高滤波的精度，并设置渐消记忆指数平滑估计结果。算法验证结果表明，与现有的EKF、IEKF算法相比，在仅含加性噪声的情况下，LM-IEKF算法具有更好的性能；在包含乘性噪声的情况下，Modified LM-IEKF可以有效地估计量测噪声，与目前广泛使用的EKF算法相比，在综合相对位置和相对速度精度上分别提高了10%和23%。