一种机载遥感成像用分布式POS传递对准方法

针对机载遥感成像用分布式位置姿态测量系统(POS,Position and Orientation System)精确初始对准的问题,结合遥感成像的实际作业情况,在分析影响传递对准精度和速度的误差源的基础上,提出一种利用载机爬升段进行分布式POS传递对准的方法,并与多种机动方式进行对比.半物理仿真结果表明:利用遥感载荷作业现有条件能够获得数学平台失准角和安装误差角的准确快速估计.研究结果可为机载分布式POS传递对准方案的选择和设计提供理论参考.     

“北斗”应用概述

当前,我国已将卫星导航定位应用产业列入国家重点新产品项目和国家高新技术产业示范工程,作为卫星导航定位应用产业的关键核心技术之一。"北斗"卫星导航系统(以下简称"北斗")是我国自行建设的具有完全自主知识产权的卫星定位和通信系统。它能为用户提供快速定位、授时和短报文通信服务,目前系统服务区覆盖我国和周边地区,可以保证我国重点用户在导航定位方面不依赖于美国"全球定位系统"(GPS)或俄罗斯"全球导航卫星系统"(GLONASS)。卫星导航定位正日益成为国民经济发展的重要标志之一,有广阔的发展前景。     

基于预测滤波的捷联惯导任意双位置对准方法

针对捷联惯性导航系统(SINS,Strapdown Inertial Navigation System)在大失准角情况下的初始对准问题,建立基于加性四元数误差模型的非线性滤波方程,并提出一种基于模型预测滤波(MPF, Model Predictive Filter)与扩展卡尔曼滤波(EKF, Extended Kalman Filter)相结合的地面任意双位置初始对准方法.该方法将部分惯性器件误差作为模型误差,在线实时估计并修正系统模型,提高了状态估计的精度,并克服了将模型误差假设为高斯白噪声的局限性.半物理仿真结果表明,该方法有效提高了SINS姿态误差角的估计精度,而且也降低了系统状态变量的维数,提高了对准解算的实时性.      

SINS快速传递对准建模与仿真

针对空间武器捷联惯性导航系统SINS(Strapdown Inertial Navigation System)动基座快速、精确初始对准问题,建立了空间环境下武器SINS的动基座误差模型,并考虑武器SINS的惯性器件误差.根据姿态传递对准原理,推导了姿态匹配方式下卫星与武器SINS姿态角之差的量测方程.在此基础上,建立了空间武器SINS传递对准的数学模型,设计一种快速对准卡尔曼滤波器.计算机仿真结果验证了该模型的有效性.在10s时间内,可获得与卫星姿态测量系统姿态精度相当的对准精度,同时还能实现武器SINS惯性器件误差的准确标定.      

SINS／GPS／陆标组合导航在平流层飞艇中的应用

针对平流层飞艇的飞行特点,提出了SINS/GPS/陆标组合导航方法,给出了SINS/陆标组合导航的观测模型,并将Sage-Husa 自适应滤波方法与联邦滤波相结合形成改进的自适应联邦滤波,用于SINS/GPS/陆标组合导航系统.数学仿真结果表明:新组合导航系统相对于SINS/GPS组合导航系统,可以有效改善平台误差角的估计精度,同时利用改进的自适应联邦滤波可有效提高全局滤波精度.     

四维引导定位TSEP精度评估方法

随着人类深空探测活动的增加及空间导航装备鉴定的需求,传统的概率指标和评估方法已不能满足系统鉴定使用要求.推导归纳了3种球概率误差(SEP,Sphere Error Probability)的计算方法:三重积分方程法、卡方(χ²)分布近似法和极大似然估计(MLE,Maximum Likelihood Estimate)法.研究了2种统计试验方案,提出了TSEP(Time SEP)精度评估方法.仿真及试验验证表明:TSEP方法能对空间装备的定位精度给出相对全面的评价,方案可行,兼容传统指标的计算方法且可充分利用单次试验数据,试验验证简单.3种算法计算的SEP值,其最大相对误差均不超过7%;χ²分布近似值稍偏保守,推荐工程使用;而MLE计算值可作为积分运算的初值,以减少积分运算次数,快速获取真值.     

抗旋转和尺度变化的导航系统图像匹配算法

在惯性导航系统中,定量分析了景象匹配过程中惯性导航系统漂移和无线电气压高度表测量误差对实测图的旋转和尺度所造成的影响,引入了对数极坐标变换.基于图像边缘特征提取,提出了一种结合中心点的4-邻域点共同参与计算的抗旋转和小尺度变化的图像匹配算法,并给出了相应的算法流程.仿真分析表明,在导航系统误差漂移所引起的图像旋转和气压高度表所引起的尺度变化范围内,该算法能满足匹配准确性的要求,并能有效给出系统的定位误差修正信息.     

GPS失锁时基于神经网络预测的MEMS-SINS误差反馈校正方法研究

GPS信号失锁时,MEMS-SINS组合GPS导航误差会随着时间迅速积聚而无法导航.提出一种基于RBF神经网络预测的MEMS-SINS误差反馈校正方法,GPS有信号时对神经网络进行训练,GPS信号中断时用训练好的RBF神经网络预测MEMS-SINS的导航误差.地面车载跑车试验,证实了训练后的RBF神经网络能很高精度地逼近MEMS-SINS/GPS组合导航系统输入与输出间的关系,在4个50s以内的GPS人为失锁过程中,该方法导航结果与参考系统比较,平均位置误差为3.8m,平均速度误差为0.6m/s,平均姿态误差为0.5°.     

GPS/INS组合导航系统半实物仿真研究

为了研究ＧＰＳ组合导航系统的性能,利用跑车实验实时采集的惯性导航系统和ＧＰＳ的数据进行了测后仿真研究。分别进行了ＧＰＳ／ＩＮＳ位置、速度组合和伪距、伪距率组合仿真,仿真中组合Ｋａｌｍａｎ滤波器采用数值稳定性较好的Ｕ－Ｄ分解算法。最后给出了纯惯导及组合后系统的位置、速度误差仿真曲线,结果分析及相关结论。     

基于SINS辅助的GPS完善性监测方法

以车比雪夫大数定律为基础,研究基于捷联惯导系统(SINS)的全球卫星定位系统(GPS)完善性监测方法.采用一个卡尔曼滤波器滤波,对卫星伪距故障幅值进行估计并判断哪颗卫星出现故障.最后给出了卫星出现阶跃故障的仿真实例.仿真结果表明,该方法能够及时准确地检测出GPS信号故障,计算量较低,适合于工程上应用.