多传感器组合导航系统的改进多尺度滤波算法

多尺度滤波算法在多传感器组合导航系统中已得到成功应用，然而该算法用到多个时刻的量测向量，导致算法计算量过大，并影响系统的实时性。针对上述问题，首先利用分块技术与小波变换将时域内描述的系统原始状态方程转换为块状态方程，然后将实时得到的当前时刻的量测向量表达为块状态向量的形式，最后结合常规卡尔曼滤波技术与序贯滤波的思想，提出了一种改进的多传感器组合导航系统多尺度滤波方法。将该算法应用于GPS/SST/SINS多传感器组合导航系统，仿真结果验证了该算法不仅具有较好的实时性，而且相对于传统算法,系统的定位精度提高1倍以上。     

基于数据压缩的多传感器多假设算法

为解决集中式多传感器系统中多目标跟踪问题,提出了一种新的多传感器多目标算法.提出的算法首先应用经典分配规则对每个传感器送来的观测数据进行排列组合,然后对每个组合中各量测点进行概率加权以获得一个等效量测点,最后根据每个等效量测点产生的互联假设计算其互联概率并获得融合中心的状态估计.给出了该算法与已有集中式多传感器联合概率数据互联算法的仿真比较,仿真结果表明该算法的跟踪性能在探测概率降低的跟踪环境下表现得更为优越.      

网络瞄准中的异步传感器空间配准算法

针对现有异步空间配准算法在目标机动时无法准确估计传感器系统误差的问题,研究了一种基于内插外推时间配准的异步传感器空间配准算法.该算法首先采用内插外推时间配准算法实现两传感器的数据同步,随后根据时间配准结果构建伪量测方程.不同于其他文献根据目标状态向量和时间差求解加权系数,从而构造与目标运动状态无关的伪量测方程的方法,该算法的伪量测方程构建过程与目标状态向量无关,且可以证明由时间配准结果构造的伪量测也与目标状态无关.因此该算法可有效解决目标机动条件下的异步传感器空间配准问题.仿真实验验证了该算法在目标作蛇形机动的条件下仍然可准确地对传感器的系统误差进行估计.     

发射系下的SINS/CNS/GNSS组合导航UKF滤波算法

弹载系统的组合导航系统模型常建立在发射惯性坐标系下,且捷联惯性/天文导航/卫星导航（SINS/CNS/GNSS）是一种目前研究较多的组合模式。该组合导航系统的状态方程具有强非线性的特点,常用的滤波方法为扩展卡尔曼滤波（EKF）。为了提高组合导航系统的精度及可靠性,对该组合导航系统的无迹卡尔曼滤波（UKF）模型进行了设计,直接将姿态、位置与速度参数作为状态的一部分,利用CNS及GNSS提供的姿态与位置构成量测方程,并详细给出了姿态样本点的生成、均值及方差的生成过程。仿真结果表明,相对于EKF算法,采用UKF算法后各导航参数的精度可提高约20%~30%,并且系统的实时性也可以得到保证。     

四元数UKF超紧密组合导航滤波方法

针对GPS/SINS(Global Positioning System/Strapdown Inertial Navigation Sys-tem)超紧密组合导航系统线性化滤波在高动态、弱GPS信号等环境下性能下降严重的问题,提出了一种以四元数UKF(Unscented Kalman Filter)为基础的GPS/SINS超紧密组合导航系统非线性滤波方法.通过分析GPS与SINS在超紧密组合导航系统中的关系,提出了一种利用SINS信息来估计、修正GPS载波信号的方法,在此基础上建立了组合导航滤波的状态方程和量测方程;以四元数乘性误差模型为基础,提出了一种可应用于UKF滤波的求解四元数加权均值的方法;提出了基于四元数UKF的GPS/SINS超紧密组合导航滤波方法.仿真实验表明:在高动态环境下,四元数UKF滤波方法增强了GPS/SINS超紧密组合导航系统的定位精度和抗干扰能力.     

组合导航系统的鲁棒故障诊断

 讨论了导航系统的故障检测问题,提出通过设计对特定导航系统故障敏感的最优鲁棒向量来检测组合导航系统故障,只利用传感器的测量数据,不需要具体的动态模型,并与常用的奇偶检测法进行了比较.最后以3个导航系统的组合为例,仿真结果显示,鲁棒故障诊断的检测故障、隔离故障效果明显提高.     

高度辅助的INS／SAR组合导航系统研究

对基于SAR图像匹配定位的地形辅助惯性导航系统的原理进行了充分阐述；同时针对SAR图像匹配定位高度通道不可观的特点，增加了高度输出为系统的观测量，从而构成了高度辅助的INS／SAR组合导航系统，并给出了系统实现原理图。依据对SAR图像匹配定位和气压高度表输出的分析，建立了组合导航系统的量测方程，在此基础上设计了线性卡尔曼滤波器，并完成了组合导航系统仿真。仿真结果表明，组合导航系统的定位精度可大大提高，该组合导航系统设计方案是成功可行的。     

近地卫星的GPS自主定轨算法研究

为了用GPS实现近地卫星的高精度自主定轨,提出了采用序贯UD协方差分解滤波算法作为定轨算法.完整地给出了序贯UD分解算法的计算公式,详细地推导了系统的状态方程和观测方程,建立了由9维状态向量和8维观测向量组成的导航系统模型.最后作了数字仿真试验,试验结果表明,文中的定轨算法既有较高的精度又便于星上计算机的实现.      

超低轨道地球卫星脉冲星/星光折射/光谱组合导航

针对超低轨道地球卫星导航自主需求,提出了一种脉冲星/星光折射/光谱测速组合天文导航方法。首先根据地球超低轨道卫星运行轨道动力学方程建立导航系统状态模型;分别根据脉冲到达时间差和星光折射角与天体光谱频率建立导航系统量测模型;使用Unscented卡尔曼滤波方法,降低随机误差对导航精度的影响,使用基于UKF的信息融合方法,有效融合了三种天文导航方法结果数据。经计算机仿真分析,该组合导航方法位置导航误差均值为85.62m,速度误差均值0.190m/s,能够满足超低轨道地球卫星在轨运行导航需求。     

基于改进动静态滤波的脉冲星/CNS深空探测组合导航方法

为了提高深空探测器的自主导航系统性能,文章提出一种基于改进动静态滤波的脉冲星/CNS组合导航方法。脉冲星观测数据和星光角距信息通过改进动静态滤波器进行信息融合。其中,动态滤波采用UKF处理采样速率快、测量方程非线性强的星光角距测量量,静态滤波采用EKF处理采样速率慢、测量方程线性特征明显的脉冲星测量量,其运行周期可以是动态滤波的若干倍。利用该改进动静态滤波进行组合导航,可避免联邦滤波器中由于各局部滤波器采用相同的状态方程而导致的融合滤波结果不具备最优性的问题。仿真分析表明,基于所提出的组合导航系统,深空探测器的导航精度可提高至10km以内。     

深空测角测速组合导航系统时间配准方法研究

深空测角测速组合导航系统通过测角信息与测速信息融合,获取探测器位置、速度等参数,具有连续、自主、实时、高精度的优点。在深空测角测速组合导航系统多源信息融合过程中,要求各敏感器数据必须是统一时间基准。基于天文测角测速组合导航系统基本原理,阐述了在实际系统中,测角敏感器、测速敏感器由于时间基准误差、采样周期不一致、数据传输时延等都会造成时间不同步,而时间误差对位置和速度测量信息会带来很大的影响。本文分析时间误差在深空测角测速组合导航系统位置估计和速度估计中的作用机理,研究基于内插外推方法的时间配准方法,实现了测角敏感器与测速敏感器量测信息的同步。数学仿真结果表明,内插外推时间配准算法可有效抑制时间误差,提高深空测角测速组合导航系统导航精度。     

无反馈多级式多传感器组合导航系统

传统的多传感器组合导航系统大都采用集中式、分布式与混合式信息融合方法,而多级式信息融合算法是上述3种算法的发展,可完成高层次空间融合。文章首先研究了基于无反馈信息的多传感器组合导航系统的多级式信息融合算法,然后理论分析证明该算法与无反馈形式的联邦卡尔曼滤波算法等价,最后以SINS/GPS/ SST/高度表多组合导航系统为例,对上述算法及结论进行了仿真与验证。     

基于联合滤波器的高精度卫星定姿系统设计

设计了由陀螺、GPS姿态敏感器、红外地平仪和太阳敏感器构成的太阳同步极轨卫星姿态确定系统。提出联邦滤波器结构和算法,推导了各子系统的量测方程和姿态确定系统的误差状态方程。为规避对量测值进行非相关处理,采用减小GPS姿态敏感器输出的姿态滤波值作为系统滤波器量测值的频率的方法。仿真结果表明,采用联邦滤波器对多敏感器卫星姿态确定系统进行信息融合,具有计算量小、精度高、可靠性好等优点。     

多传感器多目标系统误差融合估计算法

为解决多传感器组网系统的系统误差估计问题,基于多传感器多目标上报信息,研究并提出了一种多传感器多目标系统误差融合估计算法.算法构建了两级融合结构,即第一级对多传感器组合状态估计信息进行反馈融合以改善局部组合状态估计精度,从而间接改善系统误差的估计精度,而第二级对多目标系统误差估计信息进行融合以进一步提高系统误差的估计精度.蒙特卡洛仿真显示算法能有效融合利用多传感器多目标信息,实现多传感器系统误差的实时精确估计.     

一种用于GPS/DR组合定位的非线性滤波算法

建立了适用于车辆导航系统的基于UKF(Unscented Kalman Filter)的GPS/DR(Global Positioning System/Dead Reckoning)组合定位滤波模型及算法.针对系统状态方程为线性、观测方程为非线性的特点,提出了一种将UKF和EKF(Extended Kalman Filter)相结合的非线性滤波算法.结合后的算法和原有UKF算法相比减少了在时间更新阶段的运算量,并且由于采用基于Unscented变换的思想来处理系统观测方程的非线性问题,避免了EKF引入的线性化误差,提高了滤波精度.仿真结果证明:算法在减少运算量的同时,仍具有较高的滤波精度,且明显优于EKF,因而能够满足车辆导航系统占用资源少、滤波精度高的要求.      

多表冗余惯导数据融合算法及在自对准中的应用

针对多表冗余惯导系统的自对准问题，基于某型三正交两斜置冗余的十表惯导系统，对仪表数据融合算法进行了研究。通过分析和仿真验证了最小二乘估计的数据融合算法在提高系统自对准精度中的有效性，并在静态对准试验的基础上，构造了基于仪表零偏稳定性的加权矩阵。试验结果表明:相较于只使用正交仪表的数据，数据融合可以有效提高系统自对准精度，使斜置冗余仪表的数据得到充分利用，改进算法精度比马尔可夫估计有所提高。      

MGNC系统实时快速组合导航新算法

微小型导航制导控制系统MGNC(Micro Guidance Navigation and Control)传感器多,且数据处理能力有限,为实时提供导航结果,传统上采用降维滤波提高实时性,但这样会造成精度损失.为保证不减少滤波状态量,不损失精度,针对捷联和滤波特点提出一种新的实时解算方法:在捷联解算中以直接递推求解方向余弦矩阵代替以四元数为中间变量进行的间接求解;在滤波计算中用序贯方法处理量测修正值,避免复杂的矩阵求逆;采用稀疏矩阵三元组法,应用于协方差阵计算,减少乘法次数.仿真和实验证明改进算法对计算精度没有损失,且滤波计算时间比原算法减少了34.50%,显著提高了MGNC系统的实时性、鲁棒性和实用性.     

弹道导弹的捷联惯性/天文组合导航方法

针对传统的捷联惯性/天文(SINS/CNS)组合导航系统不能精确估计加速度计偏置而导致导航误差发散的问题,提出一种基于星光折射间接敏感地平的捷联惯性/天文(SINS/RCNS)组合导航方法。利用星敏感器测量星光折射角,结合大气折射模型得到的折射视高度来抑制位置误差的发散。推导了基于星光折射新的量测方程,分析了折射星数目与导航精度的关系,当使用多颗折射星时能够精确估计加速计偏置,从而能够完全抑制位置误差的发散,并对系统进行可观测性分析。通过卡尔曼滤波实现了状态估计。仿真结果表明:本文方法的导航精度优于传统方法,有效抑制了位置误差的发散,验证了本文方法的有效性。