基于改进UKF的组合导航系统航向角估计方法研究

为满足运载体长航时、高精度的导航需求,解决系统可观测性弱导致的航向角易发散的问题,提出了一种基于MEMS非线性组合导航系统的用于提高航向角估计精度的算法。通过采用单天线GNSS航向角作为量测量进行航向约束,解决了MEMS-SINS/GNSS姿态估计中航向角可观测性弱、估计值收敛差的问题;通过转弯判断规则和常规无迹卡尔曼滤波改进算法,抑制了偏流角对系统估计精度的影响。仿真结果表明,该算法有效地抑制了航向角估计精度差的问题,水平姿态精度达到0.01°,航向角精度达到0.1°,提高了系统的导航精度及可靠性。     

基于逆Gamma分布的变分自适应滤波算法

针对Bayesian滤波在组合导航量测噪声随机模型不准确时引发的估计精度下降问题,提出了一种基于逆Gamma分布优化的变分自适应滤波算法。该算法借鉴变分Bayesian学习理论,通过逆Gamma分布进一步精化了Bayesian滤波随机模型,准确高效地实现了量测噪声协方差的自适应估计,显著改善了滤波估计性能。最后通过紧耦合组合导航数据仿真实验,结果表明本文所探讨的优化算法能实时跟踪量测噪声变化,保障滤波估计精度,且运算量小速度快,易于工程实现,为今后研究工作于时变噪声环境下的导航系统及其扩展应用提供一定的理论支持。     

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...     

基于记忆融合模式的多无人机分散式协同导航方法

针对多无人机协同交互过程中存在的通信时滞问题，提出基于记忆-融合的多无人机分散式协同导航算法。在无人机惯性和全球卫星导航系统（GNSS）紧组合导航框架基础上，建立含时滞影响的系统状态向量，并对系统状态误差及其方差进行推导，进一步构建关于各无人机状态的最优估计模型，并基于状态误差方差最小准则对状态进行最优估计。建立了基于机间相对测量的多无人机分散式协同导航算法，提出了基于记忆融合模式的时滞处理方法。在GNSS可获取及拒止环境下进行多无人机协同导航仿真与实验测试，结果表明，所提出的基于记忆-融合的分散式协同导航算法能有效补偿通信时滞造成的精度损失，有效提高定位精度。     

组合导航数据融合自适应UKF算法研究

为进一步改善平方根无迹卡尔曼滤波(Square Root Unscented Kalman Filter,SRUKF)在微惯/卫星组合导航数据融合中的估计精度和计算复杂度,针对工作于高机动状态下随机模型统计特性不确定和SRUKF中计算繁琐的问题,分别结合最大后验概率估计准则和矩阵奇异值分解技术,提出了一种新的快捷自适应UKF算法。通过微惯/卫星组合导航系统进行数据测试,结果表明,新算法不仅能够降低时变噪声对导航滤波算法精度的影响,有效提高系统的自适应能力,而且相比传统算法计算效率提升了约16%。研究结果对工程应用具有一定的理论价值。     

DR/GPS组合导航系统滤波技术研究

陆用航位推算系统（DR）的精度主要受到里程系数和航向误差的制约,其误差模型本质具有非线性,因此采用非线性滤波算法能显著提高里程系数和航向误差的估计精度。本文将粒子滤波应用到航位推算（DR）/GPS组合导航系统数据融合过程中,对航位推算 (DR) 与GPS组合导航系统中的里程系数误差和航向误差进行辨识估计,并对里程系数和航向进行修正。粒子滤波存在的主要问题是粒子的退化现象严重,本文将量子粒子群优化 (PSO) 算法与粒子滤波相结合,提出了量子PSO粒子滤波算法,该算法采用量子位对粒子进行编码,引入量子旋转门与变异操作保持了粒子集的多样性,通过量子PSO搜索寻优重新分配粒子,使粒子集有效地逼近真实的后验概率分布,从而有效地减轻了退化现象,提高了粒子滤波的精度。跑车实验结果表明,该算法有效地抑制了DR导航系统误差的增长,提高了组合导航系统的定位精度。     

基于神经网络的航天器GPS/INS组合定姿系统

基于GPS和惯性技术的组合导航系统是近年来导航系统的研究热点和主要发展方向.目前基于卡尔曼滤波方法的算法在稳定性、计算量、算法鲁棒性以及系统可观测性等方面仍然存在问题.基于神经网络技术研究了一种新的GPS/INS组合定姿自适应卡尔曼滤波方法,理论分析表明,该方法不但对姿态信息具有较好的估计性能,而且对系统模型的精确性、噪声特性具备良好的鲁棒性.最后,利用模拟数据对所研究算法进行了分析计算,与传统的卡尔曼滤波方法进行了比较、分析,结果表明所设计组合算法在精度、稳定性以及鲁棒性等方面较传统卡尔曼方法具有良好的特性.     

CNS/SINS姿态组合导航系统仿真

针对大部分飞行器导航采用地理坐标系导航,天文导航在地理坐标系下姿态解算依赖导航位置而容易发生精度发散的问题,文章研究了地理坐标系下,天文,质性姿态组合导航系统滤波算法,以有效提高导航系统的精度。首先,对天文愤性组合导航系统数学模型进行分析;然后,用Matlab软件根据实际情况设定参数并获得仿真数据,在仿真数据的基础上进行标准的卡尔曼滤波的仿真研究。仿真结果表明,当惯导与天文导航进行姿态组合后,各导航参数精度明显提高,在短期内可认为是收敛的,但仿真时间较长后,各导航参数出现缓慢的发散趋势。     

航天器自主导航状态估计方法研究综述

自主导航是航天器自主运行的核心关键技术。状态估计是实现航天器自主导航的核心手段,是指实时确定航天器在轨位置、速度和姿态等导航参数,是航天器自主导航技术的重点发展方向之一。首先,针对航天器自主导航的实际需求,阐述了研究航天器自主导航状态估计方法的必要性,具体从导航系统可观测性分析、导航滤波算法、导航系统误差补偿3个方面介绍了航天器自主导航状态估计方法的研究现状;然后,分析并总结状态估计方法在航天器自主导航系统中的实际应用;最后,结合理论研究和实际应用,给出了状态估计方法目前存在的主要问题并对其后续发展进行了展望。     

一种基于移动辅助节点的单兵导航系统协同初始化算法

惯性导航系统凭借其自主性强、隐蔽性好、可靠性高的优势,在单兵作战、反恐救援中发挥越来越重要的作用。针对单兵惯性导航系统精度较低,在长期工作后精度下降严重,需要重新初始化的问题,以单兵与无人平台的协同作业为背景,提出了一种基于移动式辅助节点的单兵导航系统协同快速初始化方法。该方法以目标节点的角增量、位移增量信息与测距信息作为输入,采用粒子滤波技术对单兵导航系统的位置和航向进行协同估计。试验表明,该算法最少仅需1个辅助节点即可实现较好的单兵惯导系统位置和航向初始化。     

空间平台机动变轨自主导航研究

针对空间平台在高轨道机动变轨过程中自主导航的需求,采用了基于Kalman滤波器的捷联惯导与星敏感器的组合导航方案。结合Kalman滤波中协方差更新的误差分配分析方法,分析了影响空间平台状态估计误差的主要因素。采用适用于高轨道的球谐重力模型,运用STK工具包设计了变轨机动轨迹,将该轨迹应用于组合导航方案的仿真验证。仿真结果表明,量测噪声是影响空间平台姿态精度的主要因素,加速度计零偏对变轨过程速度精度有决定性影响,改善两者的精度可以实现空间平台机动变轨的高精度自主导航。     

一种基于无线信号辅助的室内无死角定位算法

针对传统惯性导航系统定位误差随时间积累的问题,提出了一种基于无线信号辅助定位的室内无死角定位算法。该算法首先利用加速度计、陀螺仪、磁力计和气压计等传感器数据实现三维定位,然后利用无线信号对惯导定位中的位置偏差进行实时校正,再通过航向最优估计算法对航向误差进行修正,在位置和航向上增强惯导系统的实用性。利用实验室自主研发的微惯性测量单元固定在腰部脊椎位置进行实验验证,结果显示基于无线信号辅助的室内无死角定位算法精度达到1%以内,与纯惯导技术相比,能够提供更持久和准确的三维位置信息。     

鲁棒EKF在脉冲星导航系统中的应用

针对脉冲星导航系统的滤波问题,传统的扩展卡尔曼滤波(EKF)算法存在不能克服系统模型存在不确定性参数以及乘性噪声等缺陷,提出一种鲁棒EKF算法。首先,分析了状态预测误差方程和估计误差方程,利用统计学原理,得到了状态预测方差矩阵和状态估计方差矩阵计算等式。由于系统模型存在不确定性参数,状态预测协方差矩阵和状态估计协方差矩阵无法计算;因此,利用4个重要矩阵不等式,分析并找到预测方差矩阵和状态估计方差矩阵的上界。最后,利用状态估计误差协方差矩阵上界设计状态增益矩阵,使得状态估计协方差矩阵的迹最小。将该算法对脉冲星导航系统进行仿真,仿真结果验证了所提算法的有效性。     

基于PDR和磁场匹配的智能手机室内定位

目前，基于磁场的室内定位方法存在指纹采集无法快速建库的问题，导致匹配特征较少、无法快速进行匹配操作和航向角估计精度低。基于磁场梯度的快速近似，使用高斯牛顿迭代方法结合通过PDR测量的轨迹进行磁场轮廓匹配定位，提高了单点磁场指纹的可分辨性。基于步态模型的更新用作测量信息以改善C-INS的导航性能，提出了一种基于捷联惯性导航系统的行人航位推算算法。基于MFS参考位置，使用扩展Kalman滤波器控制PDR惯性导航的位置漂移误差，进一步提高了轨迹轮廓的精度。测试结果表明，该算法可以获得更好的位置估计和航向估计结果。     

空间信号完好性监测技术研究

星基增强导航系统(SBAS)通过向用户提供用户差分距离误差(UDRE:User Differential RangeError),来保证广播星历和星钟改正数的精度。本文设计了UDRE的一种改进算法,建立卫星导航系统星钟和星历误差的状态方程和量测方程,进行卡尔曼滤波计算星历与星钟误差改正数与改正精度,通过滤波误差估计精度矩阵计算UDRE,并做了相应的仿真分析和比较,结果表明:改进算法能够对UDRE做出更好的估计来满足星历及钟差改正误差相对应的伪距误差的置信限值。     

多渐消因子Kalman滤波器在SINS初始对准中的应用(英文)

针对系统模型和统计信息不能精确已知的条件下Kalman滤波无法给出最优解这一问题,单一渐消因子Kalman滤波算法对于简单的系统是有效的,但是对于复杂的多变量系统,仅仅利用单个的渐消因子是不够的。本文提出了一种多渐消因子滤波算法,通过利用开窗法计算新息序列协方差的无偏估计获得渐消因子矩阵。利用渐消因子矩阵调节一步预测均方误差矩阵k|k1P,对不同的滤波通道提供不同的渐消速率。将该方法应用于SINS的初始对准中,仿真和试验结果表明:当真实系统噪声统计特性同设定参数不一致时,对准精度明显高于其他滤波算法。其对不确定性噪声具有较低的敏感度,对系统参数具有较好的滤波效果。因而,在实际应用中具有重要的参考价值。     

复杂水下环境下高精度SINS/USBL误差标定技术

针对SINS/USBL组合系统在导航与定位前需要对一体化样机进行精确标定的问题,对复杂水下声场环境下高精度SINS/USBL误差标定技术展开了研究,包括对安装误差角和空间杆臂误差的估计.基于标定模型的几何关系,推导了标定的状态方程和量测方程,并提出了新型的基于相对量测信息滤波估计的误差标定技术.为解决标定过程中由于存在声学野值而导致滤波估计性能下降的问题,通过高斯牛顿迭代将Huber M估计嵌入到变分贝叶斯框架中,推导了基于M估计的非线性鲁棒自适应标定算法,在精确校正后无需重复标定.仿真的结果验证了该方案的有效性、实用性和鲁棒性.     

基于DKF的IMU误差预测算法

作为导航领域常用的组合导航方式,全球导航卫星系统(GNSS)/惯性导航系统(INS)组合导航在GNSS信号失锁后,由于惯性测量单元(IMU)误差随时间迅速积累,其定位结果会偏离载体真实位置,导航精度下降.针对此问题,提出了一种长短期记忆网络(LSTM)辅助的算法,称之为深度卡尔曼滤波(DKF)算法.DKF算法的核心思想是使用LSTM训练IMU误差模型,然后通过训练出的模型预测IMU误差,最后将预测的IMU误差代入IMU数据以校正导航结果.仿真结果表明:在200s测试数据上,DKF算法将误差从1.1537m/s降低到0.3746m/s.与平均预测、卡尔曼预测和最小二乘估计等方法相比,DKF算法的误差最小,具有更优越的导航性能.     

十二表冗余捷联惯导系统数据融合技术研究

针对采用正十二面体冗余仪表构型的十二表冗余捷联惯性导航系统,通过仿真和样机试验,开展了基于最小二乘估计的数据融合算法研究。对不同故障模式下的系统精度进行了分析,并通过Monte Carlo仿真验证了数据融合算法对提高系统导航精度的有效性。设计开展了样机静态导航试验,试验结果表明,理论最优的马尔柯夫估计并不完全适用于脉冲输出形式仪表的数据融合。最后通过优化改进加权系数、构造加权矩阵,显著提升了样机的静态导航精度,使样机位置误差和姿态误差与三表直接解算相比分别降低了78.6%和77.9%。