基于联邦滤波的SINS/GNSS/OD/高度计多源组合导航算法研究

针对城市情况下车载导航时单一导航源易受干扰的问题,提出了一种基于自适应联邦Kalman滤波的多源组合导航算法.该模型具有两级结构,由子滤波器进行各信息源局部估计后,通过主滤波器进行最优融合估计.融合具有不同工作特点的导航传感器的输出信息组成多源信息组合导航系统,从而提高了导航系统的精度和鲁棒性,且通过故障诊断算法实时检...     

改进的GPS/INS组合导航选星算法

在已有的 GPS定位的选星算法的基础上,从组合系统量测矩阵出发提出了一种适用于 GPS/INS组合导航的选星算法。此算法在原有算法的基础上,考虑了卫星仰角、方位角对卡尔曼滤波器可观性的影响,避免因观测量与系统状态间关联项的减少而导致的滤波器可观性下降,从而保证滤波器性能的稳定。     

一种组合的8PSK差分前向频率估计

考察2种差分前向估计器(DFE)在8PSK系统载波恢复中的性能:基于8 th Power算法的DFE将噪声放大了18dB,恶化了估计性能,但该算法稳健性好;基于模π/4算法的DFE在复高斯噪声的情况下求模运算引入了错误相位点,若能纠正这些错误相位点,则该算法估计精度高。综合2种算法的优点,提出一种组合式的频率估计方案。仿真结果表明,该方案有效纠正了模π/4算法求模运算引入的错误相位点,估计精度高,估计结果稳定可靠。     

基于三级滤波的民用飞机组合导航融合算法研究

高精度导航系统是民用飞机必备的机载航电设备。针对民用飞机导航传感器冗余配置特点,设计了一种基于三级滤波的组合导航融合算法。首先根据民用飞机传感器配置特点设计三级滤波架构,然后通过第一级卡尔曼滤波器的局部估计、第二级联邦滤波器的全局估计和第三级全局滤波器的最优全局估计,最终实现导航参数的最优全局估计。最后,通过计算机仿真证明该方法具有很好的位置、速度和姿态估计精度,能够满足民用飞机导航系统的高精度测量要求。     

基于三级滤波的民用飞机组合导航融合算法研究

高精度导航系统是民用飞机必备的机载航电设备。针对民用飞机导航传感器冗余配置特点,设计了一种基于三级滤波的组合导航融合算法。首先根据民用飞机传感器配置特点设计三级滤波架构,然后通过第一级卡尔曼滤波器的局部估计、第二级联邦滤波器的全局估计和第三级全局滤波器的最优全局估计,最终实现导航参数的最优全局估计。最后,通过计算机仿真证明该方法具有很好的位置、速度和姿态估计精度,能够满足民用飞机导航系统的高精度测量要求。     

台速度估计(英文)

针对惯性稳定平台中高精度和高带宽的速度信号需求,提出了基于低成本MEMS传感器的最优速度估计算法。采用一种新颖的传感器组合形式,包括一个低带宽的MEMS陀螺和两个低性能的MEMS加速度计。陀螺由于自身动态特性的影响,主要提供速度的低频信息,加速度计组合则由于自身偏置的影响,主要提供速度的高频信息,而估计器将两者信号进行融合。实验表明:最优状态估计器能够在时频域上,提供无偏的、高性能的速度信号。同时,在单自由度微型惯性稳定平台的应用过程中,其控制性能得到了相应的提高。该算法也适用于机器人控制、姿态估计和摩擦补偿等领域。     

一种针对恒模信号的运动单站直接定位算法

相比于常规的"测向+位置估计"两步定位模式,以Weiss等提出的目标直接位置确定(DPD)算法具有估计精度高、分辨能力强和无需数据关联等诸多优点。基于该类定位算法的基本理念,提出了一种利用单个运动天线阵列对恒模(即相位调制)信号的DPD算法。首先,依据最大似然(ML)准则以及恒模信号的恒包络特征,建立了相应的直接定位优化模型;接着,根据优化函数的代数特征提出了一种有效的多参量交替迭代算法,用以获得ML估计器的最优数值解;此外,推导了针对恒模信源的位置直接估计方差的克拉美罗界(CRB),从而为新算法的定位精度提供定量的理论下界。仿真实验表明:相比于已有的基于单个运动天线阵列的直接定位算法以及传统的两步定位算法,通过利用恒模信号的恒包络特征可以明显提高目标直接定位的估计精度。     

基于记忆融合模式的多无人机分散式协同导航方法

针对多无人机协同交互过程中存在的通信时滞问题，提出基于记忆-融合的多无人机分散式协同导航算法。在无人机惯性和全球卫星导航系统（GNSS）紧组合导航框架基础上，建立含时滞影响的系统状态向量，并对系统状态误差及其方差进行推导，进一步构建关于各无人机状态的最优估计模型，并基于状态误差方差最小准则对状态进行最优估计。建立了基于机间相对测量的多无人机分散式协同导航算法，提出了基于记忆融合模式的时滞处理方法。在GNSS可获取及拒止环境下进行多无人机协同导航仿真与实验测试，结果表明，所提出的基于记忆-融合的分散式协同导航算法能有效补偿通信时滞造成的精度损失，有效提高定位精度。     

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。     

基于Viterbi算法的扩频码与信息序列联合估计

针对短码DSSS（Direct Sequence Spread Spectrum,直接序列扩频）信号扩频码MLE（Maximum Likelihood Estimation,最大似然估计）问题,提出了一种基于Viterbi算法的扩频码搜索方法,并将其应用到同步CDMA（Code Division Multiple Access,码分多址）信号的扩频码估计中.该算法利用了扩频码码元为±1的先验知识,以向量的2-范数平方或1-范数作为度量值;每次判决扩频码码元时,计算2条可能路径的度量值,并选择使度量值最大的那条路径作为幸存路径,最终的幸存路径即为估计的扩频码;所提算法不仅计算复杂度低,而且能同时估计扩频信号的扩频码和信息序列.仿真实验表明,本算法在低信噪比时同样具有较好的性能.     

Multi-sensor optimal data fusion for INS/GPS/SAR integrated navigation system

INS/GPS/SAR integrated navigation system represents the trend of next generation navigation systems with the high performance of independence, high precision and reliability. This paper presents a new multi-sensor data fusion methodology for INS/GPS/SAR integrated navigation systems. This methodology combines local decentralized fusion with global optimal fusion to enhance the accuracy and reliability of integrated navigation systems. A decentralized estimation fusion method is established for individual integrations of GPS and SAR into INS to obtain the local optimal state estimations in a parallel manner. A global optimal estimation fusion theory is studied to fuse the local optimal estimations for generating the global optimal state estimation of INS/GPS/SAR integrated navigation systems. The global data fusion features a method of variance upper finiteness and a method of variance upper bound to ensure that the global optimal state estimation can be achieved under a general condition. Experimental results demonstrate that INS/GPS/SAR integrated navigation systems achieved by using the proposed methodology have a better performance than INS/GPS integrated systems.     

基于神经网络的航天器GPS/INS组合定姿系统

基于GPS和惯性技术的组合导航系统是近年来导航系统的研究热点和主要发展方向.目前基于卡尔曼滤波方法的算法在稳定性、计算量、算法鲁棒性以及系统可观测性等方面仍然存在问题.基于神经网络技术研究了一种新的GPS/INS组合定姿自适应卡尔曼滤波方法,理论分析表明,该方法不但对姿态信息具有较好的估计性能,而且对系统模型的精确性、噪声特性具备良好的鲁棒性.最后,利用模拟数据对所研究算法进行了分析计算,与传统的卡尔曼滤波方法进行了比较、分析,结果表明所设计组合算法在精度、稳定性以及鲁棒性等方面较传统卡尔曼方法具有良好的特性.     

用于SAR运动补偿的DGPS/SINS组合系统研究

使用考虑位置误差相关项的伪距率观测模型 ,研究了用于合成孔径雷达运动补偿的差分 GPS/ SINS伪距率组合系统。结果表明 ,组合系统的长期位置精度能达到 1 m左右。 GPS数据更新率低于 INS,在 GPS测量时间间隔内 ,组合系统的性能仅由 INS决定。虽然 INS误差随时间积累 ,在 GPS数据更新率为 1 s的情况下 ,即使采用中等精度的惯性仪表 ,其相对位置精度为厘米级 (这里相对位置精度指组合系统在 GPS测量时间间隔内位置误差的变化范围)。     

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。     

INS/SAR组合定位技术研究

主要研究了INS/SAR组合对运动目标的定位算法。首先,建立了INS/SAR组合定位系统数学模型;其次,基于卡尔曼滤波方法和alpha-beta滤波方法完成了INS/SAR组合定位算法设计;最后,考虑组合导航系统误差及导引头测量误差,对定位算法进行了数字仿真及性能分析。仿真结果表明,所设计的INS/SAR组合定位算法在远距对运动目标具有较高的定位精度。     

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。     

GPS／INS组合导航系统松、紧耦合性能比较

对GPS/INS组合导航系统的紧耦合算法进行了理论推导。详细分析了当INS元器件性能变差时,GPS/INS组合导航系统在不同耦合模式下的定位精度变化规律,得出采用紧耦合模式的组合导航系统比一般的松耦合方式能获得更好的定位精度;并通过仿真验证了该结论的正确。     

优化抗差自适应滤波器在深组合导航中的应用

为了提高惯性/卫星深组合导航系统的滤波性能,在抗差自适应滤波算法的 基础上,研究了一种优化抗差自适应滤波算法。该算法通过比较实际预测残差协方差矩 阵和理论协方差阵的差值来生成自适应因子,从而优化抗差自适应滤波。将所研究的算 法应用于惯性/卫星深组合导航系统, 在高动态环境下进行仿真验证, 并与常规卡尔曼 滤波、抗差自适应滤波进行比较。结果表明,优化算法能有效地控制观测异常和动态模 型异常对状态参数估值的影响,所得组合导航位置误差和速度误差明显减小,提高了组 合导航系统的滤波精度。     

有色噪声作用下的机载INS/GPS组合导航方法

针对机载导航过程中有色噪声模型系数难以精确获取的问题,提出了一种基于滤波残差处理有色噪声的方法,并将其应用到INS/GPS组合导航系统中。首先分析了有色状态噪声和有色量测噪声对状态参数估值的影响,接着分别将状态残差和量测残差作为有色状态噪声和有色量测噪声的样本观测值,通过滤波所得的多个历元的残差序列获取拟合模型参数,然后计算有色噪声的预报值并将其进行补偿,从而得到有色噪声修正后的组合导航模型。最后设计了转台试验验证提出的有色噪声作用下的INS/GPS组合导航方法,结果表明该方法能有效地减小有色噪声对组合系统的影响,且当GPS暂时失效时,能显著提高系统的导航精度。     

基于SAR图像匹配结果可信度评价的INS/SAR自适应Kalman滤波算法

在惯性导航系统（INS）/合成孔径雷达（SAR）组合导航系统中,SAR图像易受斑点噪声的影响,图像匹配的精度对整个导航系统精度的影响十分明显,能够准确地分析SAR图像匹配过程中的误差特性,利用有效的图像匹配信息辅助INS进行组合定位尤为重要。针对上述问题,在加权Hausdorff距离匹配算法的基础上,对影响SAR图像匹配精度的因素进行了分析,提出了一种基于模糊推理的匹配结果可信度评价准则,经过可信度筛选,将有效的匹配信息与INS进行组合;对合理范围内的匹配误差变化引起量测噪声统计特性发生变化,进而导致Kalman滤波精度下降的问题,研究采用改进的Sage-Husa自适应滤波算法对量测噪声方差阵进行动态调整,使其更加接近系统的当前状态。搭建仿真验证平台对所提算法进行了验证,结果表明,该算法能够在合理的匹配误差范围内,有效地筛选出可信的图像匹配结果,相比常规Kalman滤波算法,显著地提升了INS/SAR组合导航系统水平方向的定位精度。