多源信息融合卫星组合导航系统的可观度分析

针对基于GNSS卫星、地标矢量和星光矢量的多源信息融合的高轨卫星组合导航系统,分别利用系统可观度分析方法和状态可观度分析方法对其进行分析。仿真结果表明:在GNSS导航卫星不可见时,地标矢量和星光矢量可以有效地提供测量信息,并保证滤波器的稳定。可观度分析结果表明:系统可观度主要受GNSS导航星的可见星数目影响较大,地标矢量和星光矢量的引入有助于提高可观度;基于状态的可观度可以大致反映出滤波器每个状态的误差大小。     

惯性+星光折射定位组合导航技术研究

由于现有惯性器件精度水平有限,纯惯性导航误差较大,因此需要采用组合导航的方式来提高导航精度。目前,全自主组合导航方式中传统的惯性+星光定姿组合导航方法只能实现定姿,不能实现定位,无法修正加速度表测量误差引起的惯性导航误差,故在精度上可提升空间有限。为此,提出了一种惯性+星光折射定位组合导航方法,重点从星光折射定位原理、大气折射模型、非线性滤波和选星策略几个方面进行论证及分析。通过理论分析与数学仿真相结合的手段,验证了星光折射定位原理的正确性及工程可行性,可将自主导航精度提升至100m,从而为进一步提高自主导航精度提供了一种技术途径。     

卫星拒止情况下低精度惯导系统航姿算法研究

在卫星拒止情况下,低精度MEMS惯导系统由于惯性器件性能较差,无法长时间保持姿态精度。从重力矢量及飞行器的动力学特性出发,提出了一种基于动态检测和Kalman数据融合的航姿算法。该算法从导航与飞控一体化的理念出发,实时判断飞行器机动和飞控状态,在低动态时利用Kalman滤波器对水平加速度和惯性解算的姿态角进行数据融合,估计和修正水平姿态误差,从而提高水平姿态精度。经过飞行仿真验证,该算法可有效完成飞行器的动态检测,并保证在系统机动情况下水平姿态误差在2°以内。     

基于带有事件触发机制的集员滤波的RSSI室内移动定位

在室内移动定位系统中,由于待定位节点易受统计特性未知的噪声干扰影响,采用Kalman滤波和粒子滤波等经典的噪声抑制方法,已无法有效满足室内定位精度不断提升的要求。针对这一问题,提出了一种基于事件触发的集员滤波室内移动定位算法。首先,针对基于接收信号强度指数(RSSI)测距误差导致传统三边定位算法无法获取可行解的问题,提出了一种椭圆三边定位算法;其次,考虑待定位节点的移动性,为了提高定位精度,提出了一种锚节点自主切换算法;最后,针对噪声统计特性未知的情形,考虑使用带有事件触发机制的集员滤波算法来估计待定位节点位置。通过仿真实验验证了所提方法的有效性。     

基于EMD-TFPF的仿生偏振光罗盘去噪方法

为了提高仿生偏振光罗盘定向精度,降低罗盘在进行航向角测量时存在的高斯白噪声,基于经验模态分解(EMD)和时频峰值滤波(TFPF),设计了一种用于仿生偏振光罗盘的EMD-TFPF联合去噪方法.在去噪过程中,首先将含噪声的航向角信号分解为不同的模态,对不同模态采用不同窗长进行时频峰值滤波,进而改善了单一窗长去噪对有用信号造成的衰减,有效提高了去噪算法的自适应能力.经过机载实验验证,采用该方法去噪后的仿生偏振光罗盘可以实现定向精度0.3259°,比原始信号精度提升了18.4％.     

GNSS广域差分改正数估计方法研究

随着我国北斗三号基本系统的正式运行，基于地面监测站的广域差分增强系统成为进一步提升卫星导航定位精度的手段之一。在码噪声多径误差修正（CNMC）的基础上，使用等效钟差方法实现GNSS卫星轨道与钟差误差的解耦，并依据卫星轨道运动的动力学特性，引入希尔差分方程描述卫星轨道误差变化，实现对轨道误差的实时卡尔曼滤波估计。基于GPS实测数据，对改正前后的用户等效测距误差（UERE）和定位精度进行了对比研究。实验结果表明，采用该方法，UERE标准差由改正前的0.456 m减小至0.227 m，降幅达到50.22%；整体水平定位误差（95%置信区间）由0.981 m减小至0.782 m，垂直定位误差（95%置信区间）由1.991 m减小至1.131 m，分别提升了20.29%和43.19%，差分改正效果明显。     

水下载体SINS/USBL组合导航滤波方法研究

捷联惯性导航系统(SINS)具有短期定位精度高的优点,但其定位误差随时间发散,超短基线(USBL)在其有效工作范围内定位误差不发散,且由于受作用距离及复杂水下环境的影响,其定位数据不连续,离散度大,野值多。水下载体导航采用SINS/USBL组合导航,可充分发挥各自的优势。根据USBL量测信息的特性,给出了一种基于改进的带观测噪声时变估计器的Sage-Husa自适应Kalman滤波方案,经实物数据仿真验证了此滤波方案的有效性。     

一种提高GNSS测速精度的自适应Kalman滤波算法

在卫星导航系统动态定位中,采用基于瞬时多普勒观测量的最小二乘法确定速度,当载体高机动时,多普勒误差迅速增大,从而导致测速精度大幅度降低。针对该问题,提出一种同时实现动态模型自适应修正和观测模型自适应更新的Kalman滤波算法。算法采用滑动窗方式来建立实时更新的动态模型参数,使当前统计模型自适应地跟踪载体的动态特性。此外,算法提出观测模型的自适应更新方法,通过设置载体状态判决门限,高、中机动时仅进行受动态应力影响小的伪距更新,低机动下添加精度较高的伪距率更新。通过Sprient GSS8000模拟器产生的动态场景验证表明,相对于最小二乘法和常规Kalman滤波算法,提出的自适应Kalman滤波算法能够全面提高载体在多种运动状态下的测速精度。     

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.