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.      

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.      

一种基于两级EKF的9D-MIMU/GPS微型无人机组合导航系统的鲁棒性设计

本文提出了一种基于两级EKF的9D-MIMU/GPS微型无人机组合导航系统的鲁棒性设计,针对磁强计在低成本微型无人机上应用时容易受到外界干扰,并影响导航系统其它状态量的准确估计的问题,解决了磁强计本身的制造误差、外界硬铁误差、软铁误差以及磁倾角等对导航系统的影响。实验表明,本文的设计能够有效校正磁强计原始测量数据中所包含的误差,并达到与商业导航模块相近的导航状态估计精度。     

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。      

无人机飞行安全控制与安控器设计

针对无人机飞行安全问题,介绍了提高任务飞行安全的技术、方法和措施,提出了基于GPS卫星接收机,独立于飞控系统的无人机安控器设计思路。在研究安控策略的基础上,设计了无人机安控器,并结合某型无人机进行了安控仿真试验,结果表明安控器有效、方案可行。     

SINS／GPS／EMC组合导航系统信息融合技术研究

基于无复位(No-Reset)联邦Kalman滤波信息融合算法,提出并且探讨了组合导航应用过程中的信息融合问题.在建立的相关误差模型基础上,对所设计的采用联邦Kalman滤波技术的SINS/GPS/EMC组合导航系统进行了计算机仿真.结果表明,采用无复位联邦滤波结构的SINS/GPS/EMC组合导航系统能充分融合系统各种导航传感器的信息,能发挥它们各自的优点,互相取长补短,有效地提高导航系统准确度和可靠性.     

SINS／GPS／陆标组合导航在平流层飞艇中的应用

针对平流层飞艇的飞行特点,提出了SINS/GPS/陆标组合导航方法,给出了SINS/陆标组合导航的观测模型,并将Sage-Husa 自适应滤波方法与联邦滤波相结合形成改进的自适应联邦滤波,用于SINS/GPS/陆标组合导航系统.数学仿真结果表明:新组合导航系统相对于SINS/GPS组合导航系统,可以有效改善平台误差角的估计精度,同时利用改进的自适应联邦滤波可有效提高全局滤波精度.     

基于MIMU的SINS／GPS／EMC组合导航系统半物理仿真研究

针对低成本的MIMU元件的特点,设计了SINS／GPS／EMC组合导航系统结构以及相应的Kalman滤波器,并进行了半物理仿真研究。实验结果分析表明,在使用EMC测量航向来弥补MIMU的不足后,所设计的SINS／GPS／EMC组合导航系统可克服各自的不足,有效的提高导航定位准确度及系统可靠性,且在很大程度上可以放宽对低成本MIMU准确度的要求。     

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.     

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.     

同步式GPS欺骗干扰信号生成技术研究与设计

出于对"低、慢、小"无人机进行导航定位诱骗的实际需求,在实验室原有的异步生成式GPS欺骗干扰源的基础上,研制了一种小型化的同步生成式GPS欺骗干扰源。首先,在异步生成式GPS欺骗干扰源射频信号模型的基础上,考虑到干扰源信号处理延时、欺骗信号的传播延时、无人机上目标接收机所接收真实卫星信号状态以及无人机运动模型,建立了对同步欺骗信号仿真时间和状态参数进行精确计算的数学模型。其次,通过本地授时型接收机提供驯服后的基准时钟和秒脉冲（1PPS）信号,实现欺骗干扰信号与真实卫星信号系统时的同步,并通过高阶直接数字频率合成（DDS）技术精确控制信号参数、保证欺骗信号到达目标接收机接收天线相位中心时与真实信号的相位状态在成功诱骗所允许的误差范围之内。最后,通过商用接收机和无人机进行了实验验证,在无人机上目标接收机正常跟踪真实卫星信号的前提下,开启同步生成式GPS欺骗干扰源发射欺骗信号,能够使目标接收机逐渐偏离正常定位测速结果而产生受控的定位测速结果。结果验证了同步信号模型和所设计同步信号生成电路的正确性,且表明同步生成式GPS欺骗干扰源能够实现对商用接收机和无人机导航定位的诱骗。      

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。      

卫星不足情况下低成本MEMS-INS/GPS伪松组合导航

为了解决GPS可观测卫星不足情况下低成本微电子机械-惯性导航系统/全球定位系统（MEMS-INS/GPS）组合导航精度维持问题,提出基于灰色模型和自适应卡尔曼滤波的MEMS-INS/GPS伪松组合导航方法。以MEMS-INS/GPS松组合导航模式为框架,建立了伪松组合导航系统的状态空间模型。基于MEMS-INS/GPS的历史观测数据,使用灰色模型对MEMSINS/GPS观测差值进行预测,称为系统伪观测量。当GPS可观测卫星充分时,使用噪声自适应估计卡尔曼滤波对MEMS-INS/GPS进行松组合导航;当GPS可观测卫星不足时,使用噪声自适应估计卡尔曼滤波依据系统伪观测量,将MEMS-INS/GPS进行伪松组合导航。以车载低成本MEMSINS/GPS组合导航系统为例进行仿真和实验验证,结果表明：当GPS可观测卫星不足时,传统的MEMS-INS/GPS松组合导航精度迅速下降并发散,而MEMS-INS/GPS伪松组合导航精度与GPS正常工作时的导航精度相差不大,维持了较高精度的导航状态。     

无人飞行器三维类脑SLAM自主导航方法

随着动物大脑中导航细胞的发现以及人工智能的快速发展,受动物启发的类脑SLAM自主导航方法为突破现有导航方式的瓶颈提供了新的思路。本文针对无人飞行器类脑SLAM自主导航技术的研究进展进行了综述, 包括：1）论述无人飞行器SLAM技术研究现状;2）在二维SLAM导航技术的基础上介绍了三维空间以及单一环境下的类脑SLAM自主导航方案;3）分析了二维及三维类脑SLAM自主导航方案的关键技术;4）最后对现有三维导航方案进行分析验证并指出目前类脑SLAM在无人飞行器上应用时亟需解决的问题。类脑SLAM技术不依赖于高精度传感器、对环境适应性强、自主智能性高,更加适用于无人飞行器复杂动态的飞行环境。     

基于CNN的多尺寸航拍图像定位方法的研究与实现

图像定位常用于无人机视觉导航,传统的无人机视觉导航广泛采用景象匹配导航方式,随着计算机技术的不断发展,深度学习技术为视觉导航的实现提供了新途径。以无人机的垂直侦查为背景,将飞行区域的航拍图像划分成大小相同的若干网格,每个网格代表一类区域,用网格图像制作数据集训练卷积神经网络（CNN）。基于AlexNet设计了一种融合显著性特征的全卷积网络模型,有效实现了一个基于CNN的多尺寸输入的滑动窗口分类器,并提出了一种邻域显著性参照定位策略来筛选分类结果,从而实现多尺寸航拍图像的定位。      

基于自由软件的GPS／INS组合导航系统设计

自由软件运动的兴起，带给导航系统一个全新的设计模式，即根据所设计的导航系统定制实时内核，将应用层的设计和内核层的设计融合在一起。文章将自由软件应用到导航系统设计中，提出了基于自由软件的导航系统设计方法，并给出了基于自由软件uC／OS的GPS／INS组合导航系统的实现，经实验验证，本系统具有良好的性能。     

基于D-S证据理论的GPS/MM组合系统车辆定位算法

根据分段、特征提取等地图匹配关键技术探讨了地图匹配的一般原理,提出了基于D-S证据推理理论的GPS(Global Positioning System)/MM(Map Matching)组合算法,提高了GPS单点定位精度.仿真结果和跑车实验验证结果表明上述方法是行之有效的.地图匹配算法不增加系统的硬件成本,对目前广泛应用的车载GPS导航定位系统是一个有效的解决方案.      

基于DDPG的单目无人机避障算法

提出了一种基于单目相机的小型多旋翼无人机的连续避障策略。所提出的方法包括深度估计和导航决策两个模块。其中,在深度估计模块采用条件对抗网络对无人机采集得到的RGB图片进行训练预处理,在导航决策模块采用深度确定性策略梯度(DDPG)算法实现无人机的连续避障。在此基础上,对DDPG中的Actor网络进行改进,通过使用多模态网络代替原有策略网络,从而抑制无人机飞行震动,提高避障能力。最后,在Airsim仿真环境中进行测试,实验表明所提算法模型经过训练能够使无人机成功躲避障碍物并到达指定目标点,与原有算法相比避障轨迹得到明显改善。