准实时性前斜视INS/SAR组合导航滤波算法研究

为消除常规利用正侧视SAR图像辅助导航信息对惯性误差进行修正时的滞后影响,结合前斜视SAR成像工作特性,本文分析提出了新的准实时性组合导航滤波方案和算法,以解决SAR/INS组合导航系统中的量测滞后影响;本文分析了前斜视SAR成像辅助导航系统工作特点,分析了SAR量测输出模型;建立了准实时性前斜视INS/SAR组合导航滤波算法模型,并通过仿真分析了组合导航系统性能。仿真结果表明：采用所提出的惯性/SAR组合方案和算法,可以有效克服成规正侧视SAR辅助匹配输出滞后的影响,有效满足组合系统性能要求。     

卡尔曼/粒子组合滤波在GPS/INS组合导航中的应用研究

在非线性模型和非高斯噪声条件下,粒子滤波在GPS/INS组合导航系统的观测精度较低时能取得较好的滤波结果,但在高观测精度情况下会导致滤波发散。针对这一问题,在分析了基本粒子滤波器算法原理的基础上提出一种卡尔曼/粒子组合滤波方法,将状态向量分为线性部分和非线性部分,分别用卡尔曼滤波和粒子滤波估计,既保证了简化后滤波算法的结果不会变差,又将运算量大大降低,仿真试验表明,组合滤波器能够获得较高的滤波精度,满足实际的导航要求。     

融合SAR的INS／GNSS组合导航系统

针对ＩＮＳ／ＧＮＳＳ组合导航系统应用中存在的问题,提出了引入合成孔径雷达（ＳＡＲ）传感器,用以提高系统的自主性、融错性和导航精度．仿真结果表明,融合ＳＡＲ的ＩＮＳ／ＧＮＳＳ组合导航系统的精度得到了提高,是一个高性能的导航系统．     

地磁辅助的无缝INS/GPS组合导航研究

INS/GPS组合导航已经成为当前无人机导航系统的主要实现形式,由于GPS信号容易受到干扰,在恶劣的电磁环境下信号易丢失,从而导致GPS卫星信号失锁而无法使用。地磁导航作为一种无源导航方法,其难以受到外界干扰且具有较强的自主性,从而为克服GPS在干扰情况下无法对INS误差实现持续无缝修正的不足提供了很好的途径。针对INS/GPS组合导航中GPS卫星信号失锁的情况,设计提出了使用地磁匹配导航进行辅助实现无人机无缝导航的实现方案,设计了基于地磁特征的地磁匹配算法和地磁匹配辅助的INS/GPS组合无缝自主导航算法,并通过仿真验证了采用地磁匹配辅助导航方法,可以在GPS无效的情况下,实现对INS导航误差的持续无缝修正,从而提高导航系统性能。     

基于INS/JTIDS组合的JTIDS相对导航

简要地介绍了联合战术信息分发系统(JTIDS)的相对导航原理,分析了低动态用户相对导航卡尔曼滤波算法对于高动态用户的局限性。在 INS/JTIDS 组合导航的基础上,探讨了 JTIDS的相对导航。     

基于模糊自适应滤波的水下INS/DVL组合导航研究

由于水下环境的复杂性,多普勒测速(DVL)误差的均值和噪声方差等统计特性均存在跳变现象,影响了INS/DVL组合导航精度。为此提出了一种基于模糊自适应滤波的水下INS/DVL组合导航算法,通过实时监测滤波残差的均值变化以及滤波残差方差与理论滤波残差方差的不一致程度,利用隶属度函数在线修正多普勒测速偏差以及量测噪声的统计特性。本文改进了已有模糊自适应滤波算法未考虑观测误差均值跳变以及对残差方差变化过于敏感的问题,并对DVL零偏跳变进行了修正。试验表明,所提出算法对多普勒测速误差的均值和噪声方差跳变具有较强的适应性,能够有效提高水下INS/DVL组合导航精度。     

基于神经网络的INS/SAR组合导航航迹状态估计算法研究

实现对已选航迹上的状态估计对于航迹规划有重要的指导意义,在干扰大的外界环境中,常规的卡尔曼滤波方法对组合导航航迹状态估计的精度已经不能满足要求,为此本文提出了采用BP神经网络用于组合导航的航迹状态估计.重点描述了BP网络用于航迹状态估计的设计方法,对训练样本的获得以及网络结构的选择给予了详细的介绍.最后结合INS/SAR组合导航的特点,分别采用常规卡尔曼滤波和BP神经网络进行航迹状态估计,仿真结果表明了该方法的有效性和实用性.     

INS/GNSS组合导航系统校准方法

惯性导航系统(INS)和全球导航卫星系统(GNSS)组合的导航系统应用越来越广泛,它的校准问题亟待解决。本文简要介绍了目前广泛使用的各种导航系统,论述了INS/GNSS组合导航系统的工作原理及组合算法;详细分析了INS/GNSS组合导航系统各种测试及校准方法,比较了各种校准方法的优缺点;提出了INS/GNSS组合导航系统校准装置应具备的条件:可产生标准的空间位置和速度、可产生标准的姿态角度变化、可有效地接收GNSS卫星信号、统一的时间基准与同步信号。     

组合导航技术在可重复使用运载器再入段的应用研究

结合国内外可重复使用运载器的发展现状及各导航方法的特点,根据飞行器再入飞行段动力学方程,建立再入段飞行轨道并提出适用于再入飞行其各段的导航方法。对再入飞行中的末端能量管理段进行全面研究,设计并进行INS和INS/SAR导航滤波计算机仿真,并对仿真结果进行了误差分析。     

GNSS/INS深组合技术研究进展与展望

在GNSS/INS组合导航领域,深组合是最深层次的组合方式,随着航空、航天、军事等应用对导航系统性能要求的提升,深组合技术逐步成为国内外研究的重点。通过对GNSS/INS深组合的技术起源与结构发展过程的梳理,总结出当前对深组合概念理解的两种立场。按照接收机环路跟踪结构与信息处理方式不同,将深组合结构分为标量深组合、相干矢量深组合以及非相干矢量深组合3种类型,其中相干矢量深组合又可以分为级联式和集中式两种结构。综述了国内外深组合技术的研究现状并指出了当前研究中存在的问题,最后结合实际应用需求对深组合的发展进行了展望。     

基于角点特征的SAR图像与光学图像匹配算法

INS／SAR组合导航系统对SAR实时图像与光学参考图像的匹配算法提出了实时性和准确性要求。文章首先采用一种结合Harries算子与曲率尺度空间的算法,提取SAR图像与光学图像中的角点;然后利用距离约束、角点值约束、边缘约束进行角点匹配。经实验验证,该方法实时性好,匹配精度高,可较好的应用于INS／SAR组合导航系统的...     

一种基于惯性/视觉信息融合的无人机自主着陆导航算法

无人机自主着陆过程中需要实时获得高精度的导航信息,对自主性、实时性的要求较高.现有的导航方式都存在各自的不足,且在室内等新型环境中不能使用.针对这一问题,提出了一种视觉/惯性组合导航算法.首先建立了世界坐标系下惯性导航的数学模型,随后通过Kalman滤波实现位置、姿态匹配,其中位置匹配完成速度误差、加表零偏的估计;姿态匹配完成安装误差角、陀螺漂移的估计,并利用估计得到的安装误差角和视觉导航系统输出的姿态信息对惯导姿态进行修正.仿真结果表明,该算法具有一定的工程应用价值.     

基于地标信息的车载惯导姿态修正技术

惯导与速率计构成的组合系统是机动作战车辆较常使用的自主定位定向系统,其惯导姿态精度将直接影响组合定位精度。文章利用车辆运动途中的地标信息,讨论了车载惯导姿态误差估计与修正技术,通过仿真分析了地标位置与车辆零速信息在惯导姿态修正过程中的作用。结果表明：利用地标信息是进行车载惯导姿态修正较为实用的途径,在此基础上可以有效提高车载惯导／速率计组合定位系统的精度。     

基于置信度加权的组合导航数据融合算法

 针对联邦滤波融合算法中由于模型量测噪声统计特性未能被准确描述导致其子滤波器误差变大,进而导致联邦滤波估计出现偏差的问题,为了改进联邦滤波融合方法,将模糊自适应卡尔曼滤波方法和置信度加权方法与联邦滤波融合方法相结合,应用于组合导航系统。该方法首先将模糊自适应卡尔曼滤波方法应用于各子滤波器,使其能够跟踪真实量测噪声统计特性。然后通过模糊方法计算得到各子滤波器的置信度,进而得到联邦滤波器的置信度,再由得到的置信度对各子滤波器及联邦滤波器输出进行加权,得到最终的全局输出。对车载组合导航系统的仿真结果表明,这种算法对量测噪声具有较强的自适应性,能够抑制置信度低的子滤波器在融合系统中所占的权重,提高联邦滤波融合算法的精度,是一种可行的车载组合导航数据融合算法。     

Random Weighting Estimation Method for Dynamic Navigation Positioning

This paper presents a new random weighting estimation method for dynamic navigation positioning.This method adopts the concept of random weighting estimation to estimate the covariance matrices of system state noises and observation noises for controlling the disturbances of singular observations and the kinematic model errors.It satisfies the practical requirements of the residual vector and innovation vector to sufficiently utilize observation information,thus weakening the disturbing effect of the kinematic model error and observation model error on the state parameter estimation.Theories and algorithms of random weighting estimation are established for estimating the covariance matrices of observation residual vectors and innovation vectors.This random weighting estimation method provides an effective solution for improving the positioning accuracy in dynamic navigation.Experimental results show that compared with the Kalman filtering,the extended Kalman filtering and the adaptive windowing filtering,the proposed method can adaptively determine the covariance matrices of observation error and state error,effectively resist the disturbances caused by system error and observation error,and significantly improve the positioning accuracy for dynamic navigation.