北斗/罗兰C组合导航系统研究

为解决我国缺乏拥有自主控制权的无源三维导航定位系统与军用、民用领域迫切需要三维导航定位的矛盾,提出了一种将我国已有的"北斗一号"、"长河二号"和军网等资源进行优化组合,构成我国区域性的自主三维导航定位系统的方案。介绍了组合系统的原理与组成,分析了组合系统定位精度。初步研究和实验表明,该方案有助于缓解我国防建设对三维导航定位的急需,克服(或缩小)"长河二号"在东南沿海地区的定位盲区,消除军事装备使用GPS、GLONASS等外国导航系统的风险。     

北斗导航定位系统的民用应用状况及发展前景

总结了北斗民用运营中心的业务发展、用户管理和增值业务开发。介绍了北斗导航卫星系统的适用领域。同时还探讨了制约北斗系统在民用领域进一步推广的因素，对推进北斗系统民用提出了建议。     

多星座组合导航自适应信息融合滤波算法

针对多星座卫星组合导航,提出了一种双重自适应联合卡尔曼滤波算法,采用描述机动载体运动的"当前"统计模型,首先建立一种基于载体加速度方差自适应的动态定位卡尔曼滤波模型,并分别对GPS,GLONASS和GALILEO系统设计相应的自适应子滤波器,然后采用有重置的联合自适应滤波器对各个子滤波器进行数据融合处理,各子滤波器的信息分配系数根据各卫星导航系统输出的几何精度因子(GDOP)进行自适应调节.通过对GPS/GLONASS/GALILEO多星座组合导航系统的仿真,分析对比了加权平均滤波、常规联合滤波和本文提出的双重自适应滤波.结果表明:该双重自适应算法有效提高了组合导航系统的精度和可靠性,能更好地适应于量测噪声不断变化的卫星组合导航系统.     

北斗卫星导航应用国际标准化的思考

介绍与卫星导航相关的国际标准化组织及其标准化工作,梳理卫星导航应用相关的国际标准现状,提出我国北斗卫星导航应用国际标准化的策略.     

无源北斗/惯导组合导航模糊自适应算法

为了提高无源北斗卫导/惯导组合导航系统在各种情况下的定位精度,提出了一种组合导航算法模型,并引入模糊逻辑算法对这一模型进行改进,通过监控卡尔曼滤波新息实时调整其噪声方差参数,实现了导航算法模型的自适应性,使改进后组合导航算法的定位精度得到提高。最后,通过仿真验证了模糊逻辑自适应算法可以有效地提高组合导航系统的定位精度。     

导航卫星有效载荷自适应滤波研究

文章通过导航卫星有效载荷(以下简称有效载荷)抗干扰性能分析,基于卫星导航用户机抗干扰成熟技术,提出了时域、空域和空时域自适应滤波应用方案,对于电磁干扰环境下,提高卫星导航系统的可用性和可靠性具有一定参考价值。     

中国的北斗导航卫星

太空超级指南针 导航定位是人类社会所必需的。从古至今,人类在生产和生活实践中发明了多种导航方法。例如．天文导航是通过观测天体的位置来确定自身的位置和航向．此法设备简单．但受到气象条件的限制：无线电导航是接收星实际上是把无线电导航台放在卫星上,以增加覆盖范围．因而能克服地面无线电导航台传播距离有限的先天不足．并且不受气象条件的限制,导航精度也比较高。     

心系“北斗”，推进卫星导航民用产业化进程

介绍了北京中兴恒和卫星应用科技股份有限公司作为北斗一号系统的分理商，在积极推动“北斗”民用产业化的进程中，重点做的四个方面的工作。     

我国第四颗北斗导航卫星发射成功

<正>6月2日23时53分,在茫茫夜色中,长征三号丙运载火箭在西昌卫星发射中心腾空而起,成功地将我国第四颗北斗导航卫星送入预定轨道。这标志着我国北斗卫星导     

第三颗“北斗”导航卫星发射

随着2010年1月17日第3颗“北斗”导航卫星的发射,中国自主研制的“北斗”卫星导航系统组网工作取得了新的进展,预计在2020年左右形成覆盖全球的卫星导航定位系统。     

SINS/TACAN组合导航卡尔曼滤波算法

随着对飞行器飞行精度和可靠性要求的提高,单一系统已无法满足系统要求,而采用先进的算法,利用信息融合技术将导航系统进行组合,取长补短,提高系统的综合性能成为主流,并得到迅猛发展。导航系统也呈现多信息化、智能化、集成化的发展趋势。本文根据捷联惯导系统(SINS)和塔康系统(TACAN)不同的导航特性,在卡尔曼滤波的基础上,将二者组合起来,编写SINS/TACAN组合导航的滤波算法,并对该组合导航系统进行仿真,仿真结果表明:卡尔曼滤波下的SINS/TACAN组合导航系统,有很高的可行性。     

IMU/磁罗盘/GPS组合导航系统设计

设计了一个IMU/GPS/磁罗盘组合导航系统和相应导航算法,针对该系统的特点设计了特殊的静基座对准算法。根据系统元器件的特殊性和以往工作经验,采用渐消记忆Kalman滤波算法对IMU和GPS信息进行组合。跑车实验表明,该系统具有精度高,工作稳定等优点,达到了设计要求。     

基于联邦UKF算法的月球探测器自主组合导航

研究了月球探测器在地一月转移轨道阶段的自主导航方法，提出了利用地月位置信息和星光角距测量信息实现探测器自主组合导航的方案。针对导航系统的状态方程非线性的特点，将Unscented卡尔曼滤波算法和信息融合技术相结合，设计了新的联邦滤波器并应用于自主导航系统中。对这种导航方案进行了数值仿真，和传统的联邦滤波算法进行了比较。仿真结果表明，所提出的组合导航方法和联邦滤波算法的导航位置估计精度约为1km，速度估计精度约为0．01m／s，并且具有良好的鲁棒性和容错性能。     

基于非线性滤波技术的多航天器编队飞行相对导航

航天器编队飞行协调工作,必须精确确定各航天器的相对位置和相对速度,即进行编队飞行相对导航,本文提出了一种UKF和卡尔曼滤波组合的非线性滤波算法,并将算法应用于编队飞行的载波相位差分GPS相对导航。     

基于MEP-UKF的组合导航滤波算法

针对目前应用于SINS／GPS组合导航系统中的扩展卡尔曼滤波(Extended Kalman
Filter, EKF)存在精度低、实时性差的缺点,提出一种基于模型误差预测(Model Error
Prediction, MEP)的Unscented 卡尔曼滤波(Unscented Kalman Filter,
UKF)。MEP-UKF滤波算法将惯性器件测量误差作为模型误差使用MEP进行实时预测的同时,采 用UKF估计载体的姿态、速度及位置等误差信息,并反馈给SINS系统来校正导航参数。MEP-U KF不仅克服了UKF必须假设惯性器件误差为高斯白噪声的局限性,而且降低了SINS／GPS组合 导航系统状态变量的维数,大大缩短了导航解算的时间。仿真结果表明,MEP-UKF的收敛速 度和滤波精度均明显优于EKF,更好地满足了工程应用中对导航精度和实时性的要求。     

自适应融合滤波算法及其在INS/GPS组合导航中的应用

针对扩展卡尔曼滤波器(EKF)在系统模型不确定时存在鲁棒性差、精度低的问题,设计了一种基于交互式多模型(IMM)的自适应融合滤波(AFF)算法。IMM\|AFF算法采用两个模型来描述系统结构,且与每个模型相对应的Sage\|Husa滤波器和强跟踪滤波器(STF)独立并行工作,系统的状态估计则是两种滤波器估计的模型概率加权融合。IMM\|AFF算法兼具Sage\|Husa滤波器状态估计精度高和STF对系统模型不确定具有强鲁棒性的优点,克服了两种滤波器各自单独使用时的缺点。将IMM\|AFF算法应用于INS/GPS组合导航系统的仿真结果表明,IMM\|AFF算法的滤波精度和鲁棒性均明显优于目前工程应用中的EKF,特别是大大提高了INS/GPS系统的定位 精度 。
     

多星座组合导航自适应联合卡尔曼滤波算法研究

针对多星座卫星组合导航,提出了一种自适应联合卡尔曼滤波算法,采用描述机动载体运动的“当前”统计模型,直接从各卫星导航系统接收机输出的定位信息入手,将各种误差因素的影响等效为一个总误差,建立一种动态定位的自适应卡尔曼滤波模型。为了进一步提高滤波器的动态性能,通过引入调整系数、加权因子和自适应调节量对自适应滤波算法进行了改进,并分别对GPS、GLONASS和GALILEO系统设计了自适应子滤波器,然后采用联合滤波算法对各个子滤波器进行数据融合处理,最后对GPS/GLONASS/GALILEO组合导航系统进行了仿真验证,结果表明,该算法增强了滤波器的跟踪能力,改善了滤波效果,提高了定位精度。
     

发射惯性坐标系下误差角与数学平台失准角的推导与仿真

基于状态空间法的捷联惯性/天文组合导航系统(SINS/CNS)需要数学平台失准角作为观测值参与滤波估计,工程实际只能得到SINS、CNS二者的姿态误差角.以弹道导弹为背景,在发射惯性坐标系下分别推导了四元数和欧拉角形式的姿态误差角与数学平台失准角之间的相互转换矩阵.建立了弹道导弹SINS/CNS数学模型,并采用EKF和UKF算法验证了该转换矩阵.仿真结果表明误差转换矩阵的正确性.     

捷联惯导与星跟踪器组合导航算法研究

捷联惯导与小视场星跟踪器构成惯性/天文组合导航系统,核心思想是利用星体跟踪器的高精度测角信息设计滤波修正算法对捷联惯导的导航姿态、方位和位置误差进行滤波估计并修正,以限制捷联惯导系统导航误差随时间的发散,最终提高系统长航时导航的导航精度。在分析小视场星体跟踪器量测量与SINS导航误差之间关系的基础上,设计了两种不同的组合导航算法：位置+方位修正算法和误差角组合导航修正算法。在此基础上对两种算法的导航精度进行了理论分析,并通过长航时仿真飞行数据进行了仿真验证。结果表明：位置+方位修正算法不受载体的位置误差的影响,更适用于星体跟踪器间断工作的情况;误差角组合算法不受载体姿态误差的影响,更适用于SINS初始位置误差得到有效修正的情况。