分布式卡尔曼滤波器在GPS/INS组合导航系统中的应用研究

本文研究了分布式卡尔曼滤波器在GPS/INS组合导航系统中的应用。给出了系统的结构框图和动态方程,设计一个分布式卡尔曼滤波器,并进行了计算机误差模拟分析。结果表明;采用分布式卡尔曼滤波器的组合系统可减少计算时间,且导航位置误差小于15m。     

基于情感的控制策略及其在移动机器人导航中的应用

提出了一种基于情感的移动机器人导航控制策略。根据机器人的导航任务设计了一个情感系统,并与基于行为的机器人系统相结合,构造了基于情感的行为协调控制策略。仿真和比较研究结果表明该控制策略能有效地提高机器人在未知环境中自主导航的能力。     

基于卡尔曼滤波技术的相对导航技术之研究

本论文主要是研究卡尔曼滤波参数混合技术应用于民用飞机相对导航系统。文中重点在于讨论两架飞机相对位置误差的演变。因此首先研究了飞机绝对导航位置误差的演变。讨论了惯导系统(INS)和卫星定位系统(GPS)的卡尔曼滤波混合。此外，讨论相对导航条件下参数混合以及在下列两种不同的情况下的混合结果：1、飞机间相互传送本机混合后的导航数据；2、未经混合的导航数据传送后再混合。采用MATLAB进行仿真，得到不同方式的导航系统相对位置估计误差演变。     

基于联邦滤波器的新型故障检测结构及算法

提出了一种基于联邦卡尔曼滤波器的故障检测结构,该结构利用各局部滤波器和参考滤波器共有状态之间的残差进行故障检测.并提出了2种故障检测算法:χ2检验法和Elman神经网络检验法.以组合导航系统为例进行了仿真研究,和其它算法相比该算法计算简单、可靠,不但可以快速检测出外部传感器及参考系统故障,且具有很好的容错性能,能快速检测出故障并进行隔离,使融合后系统依然保持较高精度.     

PINS静基座对准中的理论与算法的研究

分析了平台式惯导系统(PINS)静基座条件下的可观测性,采用系统可观测矩阵的条件数来定量计算PINS静基座可观测性能,找出该条件下的可观测矩阵条件数最小的3个不可观测变量.采用了自适应Kalman算法和常规Kalman算法对简化模型进行了仿真比较.仿真结果表明前者比后者滤波收敛快.进而提出了一种基于Elman神经网络的快速对准方法.     

Precise line-of-sight modelling for angles-only relative navigation

This work presents a precise analytical model to reconstruct the line-of-sight vector to a target satellite over time, as required by angles-only relative navigation systems for application to rendezvous missions. The model includes the effects of the geopotential, featuring: the analytical propagation in the mean relative orbital elements (up to second-order expansion), the analytical two-way osculating/mean orbital elements’ conversion (second-order in $J_2$ and up to a given degree and order of the geopotential), and a second-order mapping from the perturbed osculating elements’ set to the local orbital frame. Performances are assessed against the line-of-sight reconstructed out of the precise GPS-based positioning products of the PRISMA mission. The line-of-sight modelled over a far-range one day long scenario can be fitted against the true one presenting residuals of the order of ten arc-seconds, which is below the typical sensor noise at far-range.     

INS/SAR组合导航量测信息不同步的滤波算法

在惯性导航系统/合成孔径雷达(Inertial navigation system/synthetic aperture radar,INS/SAR)组合导航系统中,传统的SAR只提供位置和航向角信息,本文引入SAR图像测速系统,实现对INS速度信息的补偿修正。同时,建立了该组合导航滤波的数学模型。针对图像匹配耗时较大、产生信息不同步的现象,本文利用INS信息增量来对SAR导航信息延迟、非等间隔以及SAR量测不在INS滤波离散间隔上所带来的误差进行修正,并进行了仿真。经过1 500s后,本导航系统导航信息没有出现发散,在飞行器出现加速、爬升、转弯等机动时,位置误差绝对值不超过36.8m,高度误差绝对值不超过18.1m,航向角误差绝对值不超过5.3′,速度误差绝对值不超过0.5m/s,并与曲线拟合法作对比,仿真结果表明本文算法能够有效提高INS/SAR组合导航系统的精度,并为其他组合导航系统提供参考。     

双轴连续旋转调制捷联惯导系统大失准角初始对准技术

由于可以补偿惯性器件在三个轴向上的输出误差，双轴旋转调制技术被广泛应用于捷联惯导系统(SINS)。选择了一种合理且实用的十六次序双轴转位方案，并对其调制原理和误差进行了分析。初始对准技术是捷联惯导系统的一项重要技术，其对准精度直接决定了后续导航的精度。在粗对准完成后，当姿态误差角较大时，后续的精对准误差模型呈非线性特性，故选择了滤波精度高、稳定性强的平方根容积Kalman滤波算法(SCKF)来解决这一问题。考虑到在实际对准过程中，量测噪声的统计特性易发生变化，将SCKF算法与Sage-Husa算法相结合，在传统Sage-Husa SCKF算法的基础上提出了一种改进的自适应滤波算法(ASCKF)。该算法采用QR分解来完成对噪声协方差的平方根矩阵估计，从而避免了传统Sage-Husa SCKF算法中所估噪声协方差矩阵不正定的问题。最后，通过仿真证实了ASCKF算法可被很好地应用于量测噪声统计特性发生变化的初始对准中。     

基于双力源的叠加式多维力传感器校准装置研究CSCD

介绍了一种基于叠加机原理的双力源多维力传感器校准装置的设计与研制,对装置的测量不确定度进行了分析,通过对三分量力传感器的校准实验,证明了校准装置不仅可以对多分量力传感器进行单分量校准,还能方便地实现耦合误差的校准。     

A fast pulse phase estimation method for X-ray pulsar signals based on epoch folding

X-ray pulsar-based navigation (XPNAV) is an attractive method for autonomous deep-space navigation in the future. The pulse phase estimation is a key task in XPNAV and its accuracy directly determines the navigation accuracy. State-of-the-art pulse phase estimation techniques either suffer from poor estimation accuracy, or involve the maximization of generally non-convex object function, thus resulting in a large computational cost. In this paper, a fast pulse phase estimation method based on epoch folding is presented. The statistical properties of the observed profile obtained through epoch folding are developed. Based on this, we recognize the joint prob-ability distribution of the observed profile as the likelihood function and utilize a fast Fourier transform-based procedure to estimate the pulse phase. Computational complexity of the proposed estimator is analyzed as well. Experimental results show that the proposed estimator significantly outperforms the currently used cross-correlation (CC) and nonlinear least squares (NLS) estima-tors, while significantly reduces the computational complexity compared with NLS and maximum likelihood (ML) estimators.