自适应滤波在GFSINS/GPS组合导航系统中的应用研究

以九加速度计的惯性测量单元为例,介绍了无陀螺捷联惯性导航系统(GFSINS)的工作原理;对GF-SINS/GPS组合导航系统选择滤波器问题进行了理论分析,提出了基于自适应滤波器的组合方法;该方法通过在线联合估计噪声统计特性和系统状态,有效地解决了GFSINS/GPS采用间接法组合时,无法得到准确系统噪声统计特性的问题.通过仿真验证了该方法的有效性.     

GPS/惯性组合方式讨论与导航精度分析

 本文讨论GPS/惯性组合两种方式的优缺点。并以GPS伪距和伪距率与惯导组合为例,按GPS测量误差的不同,以及使用差分机等情况,仿真计算了机载使用的组合导航性能,进行了详细的精度分析。结果表明,这种组合的导航精度比GPS和惯导各自的导航精度高。在采用差分GPS机与惯导组合后,位置误差将进一步减少,使组合导航具有开辟例如飞机进场着陆等新的使用领域的可能性。     

车载大视场视觉惯性组合导航算法研究

车载视觉导航在大角度旋转和高速运动等场景下表现不佳,由于视觉和惯性的误差特性互补,所以视觉惯性组合导航算法有良好的应用前景。大视场相机获取外界信息丰富,但大视场相机采样频率低影响视觉数据采集,而且基于优化的组合导航算法计算速度慢,故提出了一种适用于大视场相机的车载视觉惯性组合导航算法。该算法侧重于数据预处理：设计了基于伽马函数的对比度受限自适应直方图均衡化来降低图像噪声,通过FAST角点与光流法的组合完成特征提取与跟踪,进一步加快了计算速度。引入了惯性数据等效旋转矢量二子样算法来减少数据量和计算量,通过预积分算法为误差优化减少计算量,通过视觉误差、惯性误差以及边缘化误差联合优化来提高精度。与其他组合导航算法相比,该算法精度较高,计算速度最快,与VINS-Mono相比节省时间19.7%。     

GPS/INS组合导航系统自适应滤波算法与仿真研究

随着组合导航系统应用环境的日趋复杂,给噪声统计特性的准确描述带来困难,这将造成Kalman滤波器不稳定甚至发散。首先对目前解决此问题常用的自适应滤波方法进行了总结和分析,在此基础上,给出了基于滤波收敛性判据,结合Sage-Husa自适应滤波和强跟踪Kalman滤波的改进自适应滤波算法。最后以GPS／INS组合导航系统为例进行了计算机仿真,结果表明：该算法可有效抑制滤波发散,具有较大范围的自适应能力。     

基于滤波残差的组合导航系统故障检测研究

论文研究了两种用于组合导航系统中的故障检测方法,首先介绍了传统的残差χ^2检验法,随后给出了一种基于最大残差样本协方差阵特征值的故障检测算法。通过计算机仿真比较了两种算法在组合系统中的应用,仿真结果显示,基于特征值的故障检验算法对故障较敏感,系统组合精度略高,一定程度上优于传统残差χ^2算法。最后,文章讨论了组合导航系统中两种故障检测算法的优缺点。     

组合导航系统在车载移动卫星通讯中的应用

介绍了基于捷联惯导SINS/GPS组合导航系统的用于车载移动卫星通讯的卫星跟踪系统,在导航计算上采用自适应卡尔曼滤波技术。实验结果表明天线跟踪卫星的误差小于0 .2°。所研制的车载移动卫星通讯系统已在军事指挥和电视转播中得到成功应用     

车载SINS／GPS组合导航系统自适应联合滤波模型

在建立车载组合导航系统联合滤波模型及算法的基础上,定义了联合滤波模型融合信息在各子滤波器中的分配准则; 实现了联合滤波模型信息分配系数的自适应调节; 理论分析和计算机仿真结果均表明,引入该准则的自适应联合滤波模型及算法大大提高了系统容错性和定位精度