高超声速飞行器组合导航鲁棒滤波算法

高超声速飞行器由于其飞行环境的影响，使得GPS和星敏感器的量测噪声表现出非高斯特性。针对常规基于Kalman滤波的组合导航在非高斯噪声下性能下降的问题，提出了基于鲁棒滤波的高超声速飞行器组合导航算法。方法在惯性／GPS／＆异步量测建模的基础上，通过随机去耦将量测更新转化为线性回归问题，并基于M估计获得状态量最优估计。仿真结果表明，方法对非高斯噪声具有更好的鲁棒性，有效提高了高超声速飞行器组合导航系统的性能。  

高动态环境下惯导高阶姿态算法研究

为满足高超声速飞行器的高动态特性对捷联惯性导航系统的导航精度提出的更高要求，在分析高超声速飞行器高动态运动频谱特性的基础上，研究了高动态环境下的捷联惯导高阶姿态积分算法。通过高超声速飞行器运动特性仿真，对比分析了不同阶次姿态积分算法对捷联惯性导航系统精度的影响。仿真结果表明，在高动态环境下，采用高阶姿态积分算法能有效提高捷联惯导导航精度。  

基于极限学习机的黑障区智能导航算法

在黑障区飞行阶段中，惯性导航系统会因缺少辅助导航系统而持续累积误差，导致飞行器导航系统可靠性下降。针对这一问题，提出了一种新的基于极限学习机的黑障区智能导航算法，通过极限学习机(ELM)对GPS正常工作的导航信息进行学习。在黑障区，利用学习得到的模型对惯性导航系统进行误差补偿，较好地修正了当GPS失锁时惯性导航系统的误差，避免了因误差累积而导致的导航信息发散。仿真结果表明，该算法能够保证在GPS失锁的黑障区中导航系统输出的信息有较好的可靠性和精度，能够为接下来的姿态调整和着陆准备提供良好的基础。  

区域导航无人机空中基准站的多源信息融合容错导航系统研究

作为卫星导航系统的补充和备份，区域导航服务系统近年来得到较大发展。在基于无人机的区域导航服务系统中，无人机自身的定位精度对区域导航服务系统的可靠运行有直接的影响。针对无人机导航传感器及系统的容错和可靠性问题，设计了具有针对性和自优化功能的多源信息融合容错导航方案，提出了一种优化的基于矢量分配形式的自适应联邦滤波算法。通过对每个状态量设计不同的信息分配系数，实现传感器量测噪声的动态优化调整，有效减小了传感器故障对融合导航系统的影响，提高了无人机导航系统的鲁棒性。验证分析表明，该方法可以减小子滤波器故障信息对融合导航系统联邦滤波全局估计的影响，避免了故障子滤波器在信息重置过程中对系统造成的污染，提高和保障了无人机空中基准站多源信息融合导航系统的稳定性和可靠性。