基于联邦滤波的多传感器管道定位方法CSCD

由低成本微惯性测量单元(MIMU)和里程轮组合的管道定位系统在里程轮出现打滑情况下,组合定位误差将快速发散。为解决里程轮打滑时量测信息失效的问题,采用光电测速传感器作为冗余测速传感器,利用联邦滤波对MIMU、里程轮和光电测速传感器多源信息进行融合,并基于预测残差设计了自适应信息分配因子,实现了不同特性传感器的最优融合。仿真实验结果表明,提出的多传感器管道定位方法可以降低里程轮打滑导致的管道定位误差,对于120m长的仿真管道,定位误差为管线长度的0.015%。     

基于卡尔曼滤波的时分星间信号跟踪技术研究

在星间链路领域的测量过程中，时分双工体制星间测量逐渐成为新兴技术，而时分信号的跟踪精度决定了接收机测量误差。传统的接收机载波跟踪环路可以保证对连续信号的稳定跟踪，但受相位抖动的影响较大，且对于时分双工体制间断信号，会出现开环阶段跟踪结果发散的问题。针对以上问题，提出了一种基于自适应卡尔曼滤波的时分信号跟踪技术，采用卡尔曼滤波器对鉴相结果进行处理，在开环阶段根据前一时刻的最终状态对频率进行稳定外推。相比于传统跟踪环路，该技术的载波相位跟踪误差绝对值均值降低了92.9%，标准差降低了93.5%。实验结果表明，该技术不仅实现了开环阶段载波相位的稳定跟踪，且有效抑制了闭环阶段相位抖动的影响，对实现时分双工体制星间精密测量具有重要应用意义。     

地图辅助行人航迹推算技术的室内定位方法

针对目前室内定位技术中位置漂移、定位结果偏差较大的问题,提出了一种融合行人航迹推算(PDR)、地标匹配修正和地图辅助的室内行人定位方法.该方法利用基于惯性传感器的PDR技术计算行人位置信息,利用行走过程中的传感器读数特征识别室内特定地标点,与地标库数据进行匹配后,修正PDR轨迹产生的累积误差.室内地图辅助主要是通过判断行人是否位于走廊等区域,限制轨迹穿墙,约束PDR定位轨迹.实验结果表明,融合定位算法得到的轨迹优于纯惯性递推算法得到的轨迹,更加接近真实的行走轨迹,定位精度提高了51.2％,平均定位误差降至1.8m,满足室内定位需求.     

多源信息融合卫星组合导航系统的可观度分析

针对基于GNSS卫星、地标矢量和星光矢量的多源信息融合的高轨卫星组合导航系统,分别利用系统可观度分析方法和状态可观度分析方法对其进行分析。仿真结果表明:在GNSS导航卫星不可见时,地标矢量和星光矢量可以有效地提供测量信息,并保证滤波器的稳定。可观度分析结果表明:系统可观度主要受GNSS导航星的可见星数目影响较大,地标矢量和星光矢量的引入有助于提高可观度;基于状态的可观度可以大致反映出滤波器每个状态的误差大小。     

惯性+星光折射定位组合导航技术研究

由于现有惯性器件精度水平有限,纯惯性导航误差较大,因此需要采用组合导航的方式来提高导航精度。目前,全自主组合导航方式中传统的惯性+星光定姿组合导航方法只能实现定姿,不能实现定位,无法修正加速度表测量误差引起的惯性导航误差,故在精度上可提升空间有限。为此,提出了一种惯性+星光折射定位组合导航方法,重点从星光折射定位原理、大气折射模型、非线性滤波和选星策略几个方面进行论证及分析。通过理论分析与数学仿真相结合的手段,验证了星光折射定位原理的正确性及工程可行性,可将自主导航精度提升至100m,从而为进一步提高自主导航精度提供了一种技术途径。     

卫星拒止情况下低精度惯导系统航姿算法研究

在卫星拒止情况下,低精度MEMS惯导系统由于惯性器件性能较差,无法长时间保持姿态精度。从重力矢量及飞行器的动力学特性出发,提出了一种基于动态检测和Kalman数据融合的航姿算法。该算法从导航与飞控一体化的理念出发,实时判断飞行器机动和飞控状态,在低动态时利用Kalman滤波器对水平加速度和惯性解算的姿态角进行数据融合,估计和修正水平姿态误差,从而提高水平姿态精度。经过飞行仿真验证,该算法可有效完成飞行器的动态检测,并保证在系统机动情况下水平姿态误差在2°以内。     

基于EMD-TFPF的仿生偏振光罗盘去噪方法

为了提高仿生偏振光罗盘定向精度,降低罗盘在进行航向角测量时存在的高斯白噪声,基于经验模态分解(EMD)和时频峰值滤波(TFPF),设计了一种用于仿生偏振光罗盘的EMD-TFPF联合去噪方法.在去噪过程中,首先将含噪声的航向角信号分解为不同的模态,对不同模态采用不同窗长进行时频峰值滤波,进而改善了单一窗长去噪对有用信号造成的衰减,有效提高了去噪算法的自适应能力.经过机载实验验证,采用该方法去噪后的仿生偏振光罗盘可以实现定向精度0.3259°,比原始信号精度提升了18.4％.     

一种提高GNSS测速精度的自适应Kalman滤波算法

在卫星导航系统动态定位中,采用基于瞬时多普勒观测量的最小二乘法确定速度,当载体高机动时,多普勒误差迅速增大,从而导致测速精度大幅度降低。针对该问题,提出一种同时实现动态模型自适应修正和观测模型自适应更新的Kalman滤波算法。算法采用滑动窗方式来建立实时更新的动态模型参数,使当前统计模型自适应地跟踪载体的动态特性。此外,算法提出观测模型的自适应更新方法,通过设置载体状态判决门限,高、中机动时仅进行受动态应力影响小的伪距更新,低机动下添加精度较高的伪距率更新。通过Sprient GSS8000模拟器产生的动态场景验证表明,相对于最小二乘法和常规Kalman滤波算法,提出的自适应Kalman滤波算法能够全面提高载体在多种运动状态下的测速精度。