平流层飞艇升降阶段BPNN惯性导航算法

软式平流层飞艇艇体在上升和下降时经常呈堆叠状态，GPS信号会被艇体间歇性遮挡，因而只能采用惯性导航。为保证在飞艇上升和下降过程中，INS/GPS组合导航系统在被艇体遮挡GPS时仍能够提供满足精度要求的导航信息，设计了一种改进的反向传播神经网络(Back Propagation Neural Network, BPNN）惯性导航算法。采用神经网络，根据惯性导航系统在1s内的速度均值和姿态变化量，预估其在1s末的位置误差和速度误差，并对惯性导航结果进行修正。仿真实验和跑车试验结果表明，在GPS失效的30s内，新算法使得位置误差低于15m，速度误差低于0.7m/s，误差相比纯惯性导航降低了85%。     

足绑式PNS自适应滑动平均零速区间检测方法

针对足绑式个人导航系统（PNS）中,传统的滑动平均算法对零速区间检测的延迟问题,设计了一种基于自适应滑动平均算法,对零速区间进行检测。首先对比力模值和角速率模值进行滑动平均,根据平均后数据的变化趋势,通过比较样本方差,设置一个自适应的滑动时间窗口来判断行人是否静止。该方法既能避免由于平滑算法带来的延时问题,又能够消除抖动干扰造成的误检,从而得到准确的零速区间。行走实验验证了本文方法的有效性,自适应滑动平均算法的导航精度提高了50%。