高动态环境下惯导高阶姿态算法研究

为满足高超声速飞行器的高动态特性对捷联惯性导航系统的导航精度提出的更高要求,在分析高超声速飞行器高动态运动频谱特性的基础上,研究了高动态环境下的捷联惯导高阶姿态积分算法。通过高超声速飞行器运动特性仿真,对比分析了不同阶次姿态积分算法对捷联惯性导航系统精度的影响。仿真结果表明,在高动态环境下,采用高阶姿态积分算法能有效提高捷联惯导导航精度。     

空天飞行器星敏感器安装误差在线标定方法

空天飞行器高动态、长航时的运动特性可能导致一体化安装的惯性/天文组合导航系统中星敏感器与惯导间产生安装误差角。设计了一种星敏感器安装误差角动态辨识方法,建立了星敏感器安装误差角模型,设计了基于天文角度观测的星敏感器安装误差角动态辨识方案,分析了不同机动飞行方式下星敏感器安装误差角的可观测度。仿真结果表明,所设计的基于卡尔曼滤波的动态辨识方法能够在飞行器机动过程中快速地对星敏感器安装误差角进行在线标定,对安装误差角的标定值可以达到实际误差值的85%以上,有效地提高了组合导航系统的精度。     

考虑量测滞后的INS/SAR组合导航非等间隔滤波算法研究

由于INS／SAR组合导航系统中图像匹配定位需要耗用不等的匹配计算时间，从而造成了量测的不等间隔频率输出和量测信息滞后。针对上述问题，采用常规的卡尔曼滤波算法难以获得高的滤波精度。本文首先分析了常规卡尔曼滤波器工作过程；然后在此基础上，提出了采用非等间隔并解决滞后的滤波算法以解决上述问题。本文利用系统状态转移矩阵的特性，设计了相应的非等间隔卡尔曼滤波算法，以解决非等间隔量测的问题；同时，在该非等间隔卡尔曼滤波算法的基础上，提出了解决量测滞后的方案。并通过协方差分析的方法对比分析了常规卡尔曼滤波器，非等间隔卡尔曼滤波器和解决滞后效应的滤波算法三种情况下的滤波精度。仿真结果验证了本文提出的算法具有较高的滤波精度。     

基于多传感器的卫星自主导航信息融合算法

通常卫星上装有较多的自主导航传感器,如何将其信息有效的组织并充分利用,是卫星自主导航的关键问题。采用信息融合技术把两种或多种导航系统组合起来,应用最优估计理论,形成最优组合导航系统,有利于充分运用各导航系统的信息进行信息互补和信息合作,已逐渐成为了导航定位技术的发展方向。文章针对星敏感器、红外地平仪、雷达高度计、紫外敏感器组成的卫星自主导航系统的特点,提出了一种基于联邦卡尔曼滤波技术进行轨道确定的信息融合算法。仿真结果表明,该方案能够获得较高的定轨精度,有效抑制滤波发散,整个系统的运算速度和收敛速度也有所提高。     

低阶卡尔曼滤波器在低成本SIAHRS中的实现研究

在导航系统的工程应用中 ,高阶滤波器将给导航计算机带来沉重的计算负担 ,也会带来较大的模型误差 ,从而影响系统的滤波精度和性能。文章介绍了低成本捷联惯性航姿系统 (SIAHRS)中低阶卡尔曼滤波器的设计和实现 ,针对航姿系统提出了一种低阶滤波器结构 ,结合磁传感器对航姿系统的航向角进行了组合修正 ;并且以实际研制的低成本航姿系统为例 ,讨论了航姿系统的组成 ,将低阶滤波器应用于该航姿系统。实践结果表明 ,这种低阶滤波器能完全保证低成本捷联航姿系统的姿态精度 ,是一种具有实际应用价值的滤波器 ,有广泛的应用前景     

双星定位系统改进方案与仿真研究

文章在考虑将系统改进到被动无源的单向测距模式时 ,提出在现有双星系统基础上增加伪卫星伪距观测量的两种改进方案 ,并对两种方案中的伪卫星进行最佳配置 ;通过两种双星系统的改进方案与原系统的对比分析 ,证明双星定位系统中增加伪卫星的方法可以改善系统的性能和定位精度。     

脉冲干扰对软件接收机的影响分析

卫星信号经过长距离传播,信号能量损耗严重,到达地面的功率很弱,容易受到各种干扰的影响。脉冲干扰为常见的干扰类型,所以针对不同功率、不同周期,以及不同占空比的脉冲干扰信号,通过接收前端采集受脉冲干扰的GPS L1信号,利用软件接收机及多相关器生成技术,详细分析了脉冲干扰对接收机信号捕获与跟踪性能的影响。分析结果表明,周期为1ms的脉冲干扰信号,能对接收机产生强烈的干扰效果,捕获图中的噪声明显增大;跟踪过程中,载噪比和相关值突发性减小,造成跟踪数据异常。而长周期的脉冲信号仅在脉冲到达时影响接收机的捕获和跟踪,但由于信号跟踪不能连续进行,导致伪距观测量的不连续与导航数据不能正常解码,从而干扰接收机。     

一种适用于跑步状态的惯性/零速/GPS室内外无缝组合导航定位方法

目前,行人导航定位技术已经深入社会的众多领域,受到诸多学者的广泛关注。针对行人跑步状态,研究了一种惯性/零速/GPS室内外无缝组合导航定位方法。首先提出了可靠的、适用于行人跑步零速检测的方法,有效提高了在行人跑步状态下的零速检测的准确性。针对GPS信号容易受到高楼、高架等环境的干扰及在室内容易完全丢失的特点,提出了基于BP神经网络的GPS可用信号筛选方法,提高了GPS信息的可靠性与精准性。在此基础上,研究了基于可变量测的Kalman滤波器,实现了惯性/零速/GPS信息的有效融合,显著提高了在行人跑步状态下的导航定位精度。试验结果表明,所提出的这种适用于跑步状态的惯性/零速/GPS室内外无缝组合导航定位方法的平均定位误差可减小到行人跑步总里程的1%以内。     

基于STDP奖励调节的类脑面向目标导航

动物具有优秀的空间自主定位导航能力,能够实现在无先验环境信息下的导航定位和导航决策过程。针对智能体在连续空间中面向目标导航问题,研究了一种基于生物学放电时间依赖可塑性学习规则的智能体面向目标导航算法。首先分析了动物面向目标导航决策过程中的生理学机理,在此基础上,构建了基于脉冲神经网络的位置细胞和动作细胞模型。动作细胞间权值采用横向竞争模型更新,通过环境奖励信号的更新,采用放电时间依赖可塑性学习规则对位置细胞前馈动作细胞模型的突触权重进行权值调节,利用动作细胞群的脉冲放电现象表征智能体运动方向和速度。最后,对所提算法进行了仿真实验验证。仿真结果表明,所提出的类脑面向目标导航算法能够在单障碍环境中实现30 ms左右的规划速度,相比传统强化学习Q学习方法平均路径规划长度缩短了15.9%。     

基于极限学习机的黑障区智能导航算法

在黑障区飞行阶段中,惯性导航系统会因缺少辅助导航系统而持续累积误差,导致飞行器导航系统可靠性下降。针对这一问题,提出了一种新的基于极限学习机的黑障区智能导航算法,通过极限学习机(ELM)对GPS正常工作的导航信息进行学习。在黑障区,利用学习得到的模型对惯性导航系统进行误差补偿,较好地修正了当GPS失锁时惯性导航系统的误差,避免了因误差累积而导致的导航信息发散。仿真结果表明,该算法能够保证在GPS失锁的黑障区中导航系统输出的信息有较好的可靠性和精度,能够为接下来的姿态调整和着陆准备提供良好的基础。