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。     

双星定位／SINS组合导航系统研究

双星定位系统是一种区域性定位系统。介绍了双星定位系统的定位原理,说明了其存在的定位实时性较差的不足。对此提出了利用惯导经卡尔曼滤波器校正后的输出速度信息来修正双星定位系统的输出水平位置信息,然后与惯导进行组合,建立了其状态方程与观测方程。仿真结果证明该方案切实可行,对双星定位系统的实际应用有重大的理论参考价值。     

SINS/GNSS组合导航系统可视化仿真

针对惯性导航系统随时间误差积累的特性,设计了一种基于VC++的SINS/GNSS组合导航的仿真系统。根据飞控模块模拟飞机实际飞行轨迹,从而产生惯性测量器件的真值数据。利用Visual Studio2005完成捷联惯导实时解算和全球导航定位系统仿真,完成输出校正,从而实现组合导航系统的动态数字化仿真。程序结果表明组合导航系统可以克服惯性导航系统随时间误差积累的特性,导航参数误差不随时间漂移,可以用于长时间导航。     

车载GPS/DR组合导航系统的数据融合算法

建立了车载GPS/DR(全球定位系统/航位推算)组合导航系统自适应联合Kalman滤波的数学模型,研究了综合运用子系统状态评估、自适应信息分配、误差补偿、迭代扩展Kalman滤波、抗野值干扰、U-D协方差分解滤波等技术来提高精度和可靠性的融合滤波算法;针对滤波发散的问题,引入了一种在线估计观测噪声统计特性的自适应滤波方法.理论分析和半物理仿真结果表明,所设计的算法在精度、可靠性、适应性、实时性等方面效果都很好.      

Lyapunov自适应滤波及其 在INS/SMNS组合中的应用

为克服在惯导/景像匹配导航系统(INS/SMNS,Inertial Navigation System/Scene Matching Navigation System)组合导航系统中随着匹配点增多最小二乘法易出现发散的缺点,提出了一种基于多输入多输出(MIMO,Multi-Input-Multi-Output)系统的改进型Lyapunov自适应滤波算法.该方法利用观测方程信息,通过定义滤波误差和预测误差获得算法的递推公式,而算法的稳定性和收敛性可由Lyapunov稳定性理论来证明.以INS/SMNS组合导航系统为例进行了仿真验证,和递推最小二乘算法相比该算法简单、可靠,而且滤波的性能优于递推最小二乘算法.     

车载GPS/DR组合导航系统的研究

介绍了车载GPS(Global Positioning System)/DR(Dead Reckoning)组合导航系统的设计,在对GPS/DR组合导航系统中主要误差来源分析的基础上,建立了表示这些误差的数学模型.根据组合系统的数据融合原理,提出一种基于对观测量进行误差补偿的迭代扩展组合卡尔曼滤波算法.对车载GPS/DR组合导航系统提供的实际数据的处理结果表明,该算法在提高GPS定位精度的情况下,能很好地修正DR系统的积累误差,大大提高了组合系统的完整性、可靠性.      

INS/SMNS组合导航信息融合算法

为了解决INS/SMNS(Inertial Navigation System /Scene Matching Navigation System)组合导航系统信息融合时涉及到的时间对准、多速率滤波、不等间隔以及量测滞后等问题,根据INS/SMNS组合导航主要应用于末制导段以及Kalman滤波与观测值的关系,提出了采用外推法进行时间对准、变周期离散化进行不等间隔多速率滤波、使用计算机软件消除量测滞后的解决方案.对比分析了常规Kalman滤波、消除量测滞后Kalman滤波以及方案的滤波精度.仿真结果表明设计的方案具有较高的滤波精度.     

基于代价函数的组合导航系统地图匹配算法

研究了地图匹配技术在GPS(Global Positioning System)/DR(Dead Reckoning)组合导航系统中的应用,建立了GPS/DR/地图匹配组合导航系统模型,给出了一种基于代价函数和概率统计准则的地图匹配算法,通过合理地定义代价函数有效消除了存在于匹配路段挑选过程中的模糊性问题.对实际跑车数据的仿真处理结果表明,应用该算法可以为组合导航系统的定位精度带来明显的改善.     

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。     

GPS/SINS全组合导航系统的姿态组合算法

利用卡尔曼滤波的GPS/SINS全组合导航系统中,将IMU量测的平台误差角简单的近似为姿态误差角,会带来较大的数学模型误差。文章通过分析姿态组合算法中平台误差角与姿态误差角物理意义的不同,得到了二者相互转换的关系式;从实际应用的角度出发,采用对观测向量预处理的方法,对姿态组合算法进行了改进,从而消除了数学模型误差,并且很容易进行工程实现。仿真结果表明使用改进后的姿态组合算法能够有效的提高全组合导航系统的精度。     

一种基于假设检验的多重渐消卡尔曼滤波

提出了一种基于假设检验的带多重渐消因子卡尔曼滤波的新算法.该算法采用χ2检验法,通过渐消因子矩阵对卡尔曼滤波器的噪声方差进行在线修正,从而使滤波器在对象模型存在误差或对象受到外扰时仍然收敛,同时能够提高系统的精度.该算法应用于车载GPS (Global Positioning System)/INS(Inerial Navigation System)组合导航系统中,取得了良好的效果.      

非线性随机动态系统学习建模方法

在动态神经网络及扩展卡尔曼滤波算法的基础上,提出了对非线性随机动态系统进行学习建模的迭代算法,用这种方法对非线性随机系统建模,可以获得更准确伯系统模型,并可对非线性随机系统进行状态估计。最后给出相应算法及仿真结果。     

GALILEO/SINS组合导航系统研究

GALILEO是新一代的全球卫星定位系统。文章根据GALILEO系统的特点,有针对性地研究了GALILEO/捷联惯导(SINS)伪距组合导航模式。分析并建立了GALI LEO的误差方程,并以此为基础,给出了GALILEO/SINS伪距组合导航系统的误差模型和相应的卡尔曼滤波方程。为了有效验证设计的组合导航系统的有效性,在仿真过程中采用了协方差分析法,对组合导航系统性能进行了仿真研究。仿真结果表明GALILEO/SINS伪距组合导航系统能够有效的提高导航精度,随着GALILEO的不断完善,该系统将具有很大的应用前景。     

衰减因子自适应滤波及在组合导航中的应用

从卡尔曼滤波技术的稳定性出发,分析了卡尔曼滤波算法发散的原因,提出了一组衰减记忆卡尔曼滤波中衰减因子的自适应估计方法,并在GPS/SINS组合导航系统中进行了计算机仿真.在计算衰减因子时,利用滤波残差序列在最优估计时为零均值白噪声的性质,构造了服从χ2分布的变量,并分别检验滤波残差每一个分量得出衰减因子值.仿真结果表明,该组算法能够自适应地估计出衰减因子的大小,有效地抑制滤波发散,且计算量较其它方法小.      

车辆导航系统中超前滞后校正方法

分析了车辆导航系统中超前滞后产生的原因,提出了利用地图匹配MM(Map Matching)进行GPS(Global Positioning System)/DRS(Dead Reckoning System)组合导航系统超前滞后校正的方法.该方法是将超前滞后误差归结为GPS误差,先利用GPS沿道路垂直方向上误差的可观测性进行GPS误差校正,再将校正的GPS信息与DRS信息进行卡尔曼滤波,从而减少组合导航系统超前滞后误差.仿真结果表明上述方法是行之有效的.      

基于遗传算法的多模型Kalman滤波算法 及应用研究

基于长航时无人机惯性/天文/卫星(INS/CNS/GPS)组合导航系统模型,针对复杂环境所引起的系统模型参数变化导致单一固定参数滤波器精度降低问题,提出了一种基于遗传算法的多模型自适应Kalman滤波算法,并与单一模型下的Kalman滤波器方法进行了比较.仿真结果表明,与采用单一模型的Kalman滤波算法相比,该方法不仅能大大提高导航系统的精度和可靠性,而且还可以较好地辨识出组合导航系统惯性器件噪声统计模型参数.      

应用于MEMS_SINS/GPS组合导航系统的H_∞容错滤波算法

针对基于微机电系统(MEMS,micro electro mechanical system)的捷联惯性导航系统(SINS,strapdown inertial navigation system)与全球定位系统(GPS,global positioning system)组成的组合导航系统中存在不确定干扰并且GPS量测输出中经常含有故障信号的情况,提出一种H∞容错滤波算法,能够对不确定噪声干扰具有鲁棒性,并且能够在检测到故障信号后进行容错计算,使滤波精度始终保持在要求的范围内.基于H∞滤波器,在状态估计方程中加入加权因子,使滤波器具有容错的功能,并且适用于组合导航中量测分量的数量级相差很大的情况.仿真试验结果表明,该算法能有效降低GPS中故障信号的不利影响,使系统在故障存在期间仍能正常工作.     

SINS快速传递对准建模与仿真

针对空间武器捷联惯性导航系统SINS(Strapdown Inertial Navigation System)动基座快速、精确初始对准问题,建立了空间环境下武器SINS的动基座误差模型,并考虑武器SINS的惯性器件误差.根据姿态传递对准原理,推导了姿态匹配方式下卫星与武器SINS姿态角之差的量测方程.在此基础上,建立了空间武器SINS传递对准的数学模型,设计一种快速对准卡尔曼滤波器.计算机仿真结果验证了该模型的有效性.在10s时间内,可获得与卫星姿态测量系统姿态精度相当的对准精度,同时还能实现武器SINS惯性器件误差的准确标定.