基于SINS/CNS组合导航系统的多模型自适应估计算法

针对单一模型滤波器在未知或不确定的系统参数下适应性较差的问题,提出了一种新的基于多模型自适应估计(multiple model adaptive estimation,MMAE)的滤波方法。该方法利用改进的卡尔曼滤波代替传统的卡尔曼滤波,比如扩展卡尔曼滤波(extended Kalman filter,EKF)和无迹卡尔曼滤波(unscented Kalman filter,UKF)。EKF和UKF被用来作为多模型自适应估计的子滤波器,从而实现对非线性系统的状态估计。同时,还将该方法应用于基于弹道导弹模型的组合导航中实现了系统仿真。仿真结果表明,与传统的EKF和UKF算法比较,改进的滤波方法可以解决传统模型滤波器适应性差的问题,并提高系统的导航精度。     

发射系下SINS/GPS/CNS多组合导航系统算法及实现

首先建立了发射惯性系下的组合导航系统模型,据此设计了基于联邦滤波器的SINS/GPS/CNS组合导航算法,最后研制了基于PC104硬件平台的组合导航算法验证样机。通过实时半物理仿真测试得出,三组合导航系统的姿态误差小于15″,位置误差小于10m,速度误差小于0.2m/s,表明所设计的组合导航系统算法正确,实现合理。     

融合高斯过程回归的UKF估计方法

高精度滤波估计是SINS/GNSS组合导航系统的关键技术之一,其估计精度直接影响了导航精度。传统滤波估计方法一般只基于惯导误差模型,未考虑惯导误差模型不确定性的影响。针对此问题,提出了一种采用高斯过程回归（GPR）增强无迹卡尔曼滤波（UKF）预测和估计能力的高精度滤波估计方法。一方面,能在有限的训练数据条件下通过UKF估计误差状态量;另一方面,高斯过程既考虑了噪声,也考虑了UKF的不确定性。将所提方法应用于SINS/GNSS组合导航系统中,车载实验结果表明,所提方法能有效提高滤波估计精度。      

基于RT-LAB的组合导航仿真平台设计

设计了一种基于RT-LAB的SINS/GPS/CNS（Strapdown Inertial Navigation System/Global Positioning System/Celestial Navigation System）组合导航系统仿真平台方案,建立具有故障检测、隔离和系统重构能力的基于联邦卡尔曼滤波器的姿态、位置、速度组合导航系统方案和结构.将SINS与GPS的位置之差和速度之差作为SINS/GPS子滤波器的观测量,通过CNS给出的载体惯性姿态信息获得SINS的姿态误差角测量信息.仿真结果表明,该系统方案具有较强的容错性能、较高的导航精度和很强的实时性能,为组合导航技术的研究提供了有益的参考.     

基于加性对偶四元数的惯性/天文组合导航算法

为了提高惯性/天文组合导航系统在高动态条件下的导航精度,提出了一种基于加性对偶四元数的惯性/天文组合导航算法.该算法将载体的旋转和平移统一起来,使用螺旋矢量更新对偶四元数,同时补偿圆锥误差和划船误差.推导了组合导航系统基于加性对偶四元数的误差模型和导航参数误差的计算方程;把陀螺仪和加速度计的常值误差扩充到状态变量中,随机误差作为系统噪声输入,利用星敏感器输出参数来校正陀螺漂移,通过卡尔曼滤波对状态变量进行估计.仿真结果表明:在高动态条件下,基于对偶四元数的惯性/天文导航算法的导航精度比传统算法提高2倍多.     

基于加性对偶四元数的惯性/天文组合导航算法

为了提高惯性/天文组合导航系统在高动态条件下的导航精度,提出了一种基于加性对偶四元数的惯性/天文组合导航算法.该算法将载体的旋转和平移统一起来,使用螺旋矢量更新对偶四元数,同时补偿圆锥误差和划船误差.推导了组合导航系统基于加性对偶四元数的误差模型和导航参数误差的计算方程;把陀螺仪和加速度计的常值误差扩充到状态变量中,随机误差作为系统噪声输入,利用星敏感器输出参数来校正陀螺漂移,通过卡尔曼滤波对状态变量进行估计.仿真结果表明:在高动态条件下,基于对偶四元数的惯性/天文导航算法的导航精度比传统算法提高2倍多.     

抗差自适应滤波在低轨飞行器INS/CNS/GNSS 组合导航中的应用

低轨飞行器对导航系统的稳定性要求较高,采用标准卡尔曼滤波的组合导航系统在异常扰动情况下会产生较大误差,严重影响低轨飞行器导航精度.在此前提下提出将抗差自适应滤波用于低轨飞行器导航系统,并基于该滤波器设计INS/CNS/GNSS组合导航.通过仿真实验对比验证抗差自适应滤波的有效性.     

EKF/UKF在编队飞行卫星GPS相对导航中的应用

 　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。将扩展卡尔曼滤波(EKF,extended Kalman filter)和非线性滤波unscented Kalman filter(UKF)算法同时应用于编队飞行卫星的载波相位差分GPS相对导航。EKF与UKF算法原理不同,UKF算法的精度比EKF的精度高。在实际应用中,可以将两种算法组成互为备份的相对导航滤波器,这样可提高滤波系统冗余性能。     

一种考虑GPS信号中断的导航滤波算法

针对无人机惯性（INS）/GPS组合导航系统,考虑导航过程中存在的GPS数据中断的问题,设计了一种改进的滤波算法。首先建立了无人机导航运动学模型,再将传统的扩展卡尔曼滤波（EKF）技术和强跟踪滤波结合,利用模糊理论中的隶属度函数设计了一种模糊强跟踪扩展卡尔曼滤波（STEKF）算法。仿真结果表明,所设计的改进算法能够快速适应GPS信号突变,即当GPS信号从故障状态恢复到正常状态时,改进算法相较普通EKF算法能更快速地收敛到稳定状态,重新完成对飞行状态的估计。同时相较普通EKF和强跟踪扩展卡尔曼滤波算法,改进算法具有更高的滤波精度。      

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.      

一种多传感器组合导航系统的改进异步融合算法

针对多传感器组合导航系统中各子导航传感器数据采样率不同且呈有理数倍的这一特殊问题,提出了一种组合导航系统的信息融合算法。首先将多传感器组合导航系统的原始状态方程变换成状态数据块向量与当前状态向量之间的关系,进而构成新的状态方程,而原始量测方程表达为与状态数据块向量之间的关系,进而构成新的量测方程。然后基于具有尺度与小波特性的矩阵算子,给出了改进异步融合算法的具体实现步骤。最后将该算法应用于CNS/GNSS/SINS/高度表多传感器组合导航系统。仿真结果表明,相对于传统算法,位置、速度和姿态精度可分别提高约20%、15%和10%,验证了本算法的高精度特性和可行性。     

无人机组合导航直接法与间接法滤波方式比较

全球导航卫星系统/惯性导航系统（GNSS/INS）组合导航可以提供连续、高精度的位置、速度、姿态信息,被广泛应用于无人机的状态估计。其中滤波算法的构建是其组合关键。不同组合导航的模式会对导航定位结果产生相应的影响。针对直接法和间接法这2种常见的组合模式,分别构建了基于扩展卡尔曼滤波（EKF）的全球定位系统/惯性导航系统（GPS/INS）松组合模式,并将其运用于不同飞行场景下无人机（UAV）的实时动态状态估计。仿真场景以及实际数据验证结果表明,间接法在精度和稳定性方面优于直接法,直接法在滤波计算速率方面优于间接法。因此,当系统具有较高的计算性能,且面向高精度的应用情况下可选择间接法作为无人机导航的技术方案;对于快速求解但精度要求不高的应用情况下,选择直接法作为无人机导航的技术方案可以在一定程度上降低系统的成本。      

基于视线测量和轨道预报高轨非合作目标相对导航方法

对于非合作目标,由于中远距离星上相对测量手段有限,大多情况仅能获得视线角信息.仅视线测量相对导航方法在GEO轨道条件下滤波精度低、可观测性差.提出一种基于星间视线方位测量和轨道预报信息结合的非合作目标相对导航方法.建立基于星间相对运动模型的状态方程和基于星间视线测量和轨道预报信息的观测方程,分别选取了扩展卡尔曼滤波和无迹卡尔曼滤波两种方法,仿真分析了轨道预报信息精度和滤波方法对导航精度的影响.     

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。