自学习自适应INS／Doppler组合导航系统

本文通过引入文［１］提出的自学习适应Ｋａｌｍａｎ滤波，而将氢此组成的具有自学习功能的智能组合导航系统直接建立在噪声分布密度的异步自学习估计上，由于此时的ＬＡＫＦ在每次重复滤波实验后可离线异步地学习模型与量测噪声的统计特性，从而可有效地避免滤波发散现象并能确保实时性。文中结合某飞行器，对ＩＮＳ／Ｄｏｐｐｌｅｒ组合导航系统进行了仿真研究，所得结果十分满意。     

基于模糊自适应卡尔曼滤波的INS/GPS 组合导航系统算法研究

针对车载组合导航系统量测噪声统计特性随实际工作条件的不同而变化的特点,提出了一种基于模糊自适应卡尔曼滤波的车载INS/GPS组合导航算法。该方法通过监视理论残差与实际残差的比值是否在一附近,应用模糊推理系统不断的调整量测噪声协方差阵的加权,对卡尔曼滤波的量测噪声协方差阵进行递推在线修正,使其逐渐逼近真实噪声水平,从而使滤波器执行最优估计,提高导航系统的精度。对车载组合导航系统的仿真结果表明,这种算法对时变的量测噪声具有较强的自适应性,进而精度比常规卡尔曼滤波也大为提高,是一种可行的车载组合导航算法。     

组合导航系统初始对准的稳定性分析及其控制

针对INS/GPS组合导航系统的初始对准问题 ,对该组合系统的稳定性进行了理论分析和仿真研究。理论分析表明 ,该系统是稳定的 ;仿真结果说明 ,载体在外部周期激励作用下 ,如系统采样频率选择不当 ,状态变量的估计结果也出现周期性的振荡 ;如果是外部随机脉冲激励 ,状态变量的估计结果则呈现随机性。对于外部周期激励 ,采用改变采样频率或适当的线性状态反馈 ,可以较好的避免状态变量估计结果的振荡 ,满足对估计结果的精度要求。     

基于H∞滤波技术的GPS/INS全组合导航系统研究

本文根据H∞鲁棒滤波理论，提出了基于H∞滤波技术的GPS/INS全组合导航系统。该系统仅含有位置误差、速度误差和平台误差角9维状态，并利用GPS和INS的位置、速度和姿态观测信息对全部状态进行观测，组成全松组合导航系统，由H∞滤波来提高系统的鲁棒性。文中对提出的全组合系统进行了动态仿真，仿真结果表明，该系统结构简单，状态估计精度较高，系统鲁棒性好，便于工程实现，坚实际工程应用具有重要的现实意义。     

惯性系统速度辅助的GPS接收机性能分析

有关惯性速度辅助下的ＧＰＳ接收机的带宽、跟踪和捕获性能在本文中作了分析。研究结果表明，惯性速度辅助ＧＰＳ接收机可以有效地提高接收机的性能。     

编队飞行区域性导航卫星和位置保持

提出一个由4颗地球同步轨道卫星编队飞行组成区域性导航系统方案。采用精确描述相对运动的编队飞行运动学模型，设计编队飞行各卫星轨道参数。在考虑地球同步轨道主要摄动条件下，进行编队飞行队形变化动力学仿真。根据仿真结果，估算区域性导航精度在十米至二十米范围内。除此以外，还研究编队飞行位置保持控制策略和燃料消耗估算。这是至今为止在相同精度和相同覆盖区条件下卫星数量最少的，也是投资经费最低的导航系统方案。     

GPS／惯性组合导航系统导航性能的仿真与分析

本文从卡尔曼滤波的基本原理和几何精度因子GDOP的物理意义出发,并结合实例的仿真计算结果,讨论GPS/惯性组合导航系统的定位和测速精度。结果表明:由于位置和速度的双重组合,且由于卡尔曼滤波具有利用以前所有测量值的能力,以及综合利用GPS和惯导信息的能力,所以组合系统的精度虽仍与GDOP有关,但却高于单独利用GPS接收机点解法得到的定位和测速精度,其中定位精度的提高更为显著。     

非线性比例导引系统研究

研究了非线性比例导引系统的性能。利用一种单输入双输出二阶非线性状态估计器估计弹目视线角速度和角加速度，状态估计器的输入直接采用来自导引头的信息，其输出量可以给出弹目视线角速度和角加速度的估计值，将此估计量作为补偿信号引入到比例导引系统中，形成了非线性比例导引系统。仿真研究表明，这种非线性比例导引具有良好的制导特性。     

合成孔径雷达在飞行器组合导航系统中的应用

合成孔径雷达(ＳＡＲ)是雷达理论和技术发展到一定阶段的基础上诞生的一种具有很高分辨率的成像雷达。它在众多领域得到了广泛的应用。在飞行器组合导航系统中,利用ＳＡＲ图像进行图像匹配,可以极大地提高系统的导航精度。本文介绍了ＳＡＲ、组合导航系统的发展及研究现状。重点介绍了ＳＡＲ在飞行器组合导航系统中的应用,并给出了具有较高精度、容错性和自主性的ＩＮＳ/ＧＮＳＳ/ＳＡＲ组合导航系统的原理、结构及仿真结果。     

捷联惯导陀螺仪冗余配置研究

为有效提高捷联惯导系统的可靠性，研究了捷联惯导陀螺仪冗余配置的原则和结构方案对比，选择及相应的可靠性评估与系统优化，通过采用加权最小二乘法等数据处理方法，给出了计算结果。结果表明工程上捷联惯导陀螺仪冗余配置应当而且能够实现系统最优化设计，选择最优配置结构。