基于联邦滤波的多源融合导航算法

在复杂多变环境下,单一导航源的定位性能和鲁棒性会受到一定的影响。针对汽车、小型飞行器在城市、峡谷、卫星信号缺失或被遮挡以及导航信息源繁多等情况,研究了基于联邦滤波的多源融合导航算法。该算法综合利用了各种不同的信息源,经过多传感器的高度集成、多信息源的数据融合,生成时空基准统一且具有抗干扰、连续、可靠的PNT服务信息。设计的联邦滤波器采用两级结构,在子滤波器中进行局部估计后,在主滤波器中进行最优合成。此外,每个子滤波器加入了故障诊断算法,且结合自适应滤波理论进行信息因子的自适应分配,有效提高了故障检测能力。最后,通过实验验证了不同信息源组合的有效性,表明所设计的基于联邦滤波的多源融合算法可以提供稳定、可靠以及高精度的多源融合定位服务,具有一定的研究意义和实际价值。     

自适应UKF在北斗定位算法中的应用

北斗导航系统发展日益成熟，介绍了北斗定位解算与GPS解算的差异，针对扩展Kalman滤波(Extended Kalman Filter，EKF）算法在北斗解算过程中容易引入非线性误差，无迹Kalman滤波(Unscented Kalman Filter，UKF）算法受初值和系统噪声影响较大问题，提出了一种自适应无迹Kalman滤波(Adaptive Unscented Kalman Filter，AUKF）北斗定位解算算法。该算法利用观测残差信息构建自适应渐消矩阵，消除量测噪声异常带来的影响，同时提高了滤波精度。实验表明，与EKF和UKF定位解算算法相比，AUKF算法在定位精度和对系统噪声鲁棒性方面都有所提高，是一种可靠稳定的北斗定位算法。     

基于多普勒辅助的惯性/卫星深组合技术研究

针对高动态、强干扰环境下高精度组合导航应用需求,基于卫星导航环路误差模型,仿真分析了不同精度等级惯性辅助对环路的影响,量化分析了多普勒辅助对环路性能的提升效果;给出了多普勒辅助环路实现方法,结合卫星导航环路处理流程,提出了多普勒速度辅助环路实现方案;基于高动态轨迹进行了仿真实验,结果表明,基于多普勒辅助的惯性/卫星深组合技术能够有效提升环路高动态跟踪能力,在惯性信息辅助下,能够实现在25g/s加加速度、50g加速度高动态环境下对卫星信号的稳定跟踪。     

基于SINS/BDS的抗差组合导航技术研究

无人车在城市峡谷环境下,BDS卫星信号易出现干扰或拒止、惯组易受到震荡输出野值,此时导航系统会出现较大误差。针对此状况,本文提出一种基于SINS/BDS的组合导航抗差算法,重点分析了关于BDS卫星信号和惯组数据的有效性判断及异常状况下的处理策略,并在常规KF基础上加入了基于新息的方差匹配自适应滤波技术,可在线实时调整量测噪声大小以提升系统稳定性和鲁棒性,有效减小异常情况下的导航误差。最后进行了半实物仿真试验,验证了整个系统算法的可靠性和导航精度。     

基于动态零速修正的SINS/ODO组合导航算法研究

全球导航卫星系统(GNSS)存在易遭屏蔽、易受干扰等缺点,故在GNSS信号缺失时,SINS系统的积累误差长时间得不到校正,传统的SINS/GNSS组合导航系统的导航性能迅速降低。当SINS采用微机电(MEMS)器件时,更是如此。为提高车载组合导航系统的导航精度,提出在GNSS信号拒止时,采用里程计(ODO)辅助SINS,并加以动态零速修正的方法,来提高系统的导航定位精度。跑车试验结果显示在GNSS短时拒止时,基于动态零速修正的SINS/ODO组合导航具有较高的导航定位精度。     

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.