高精度中远程导航系统发展述评

介绍和分析了以多普勒速度传感器(DVS)加航姿基准系统(AHRS)为基准的高精度中远程导航系统(DNS)的基本工作原理、所具有的成本低、精度高等优点,及其在国外各种飞行器上的广泛应用。并展望了以多普勒导航传感器加AHRS和其他设备组合为基准构成的组合导航系统的发展前景。     

基于计算机视觉/GPS/MG姿态测量的盲人行走组合导航方法研究

电子导盲辅助装置(ETA)是解决盲人出行困难的重要手段,而导航是ETA的关键技术.现有的ETA主要用GPS来定位定向,但在城市环境中经常存在GPS信号遮挡导致导航信息丢失的问题.针对该问题,利用视觉导航短时间内定位精度高,输出连续的优点以及 MG(Magnetic Gravity)姿态测量可补偿姿态积累误差的优点,提出一种基于视觉、GPS和MG姿态测量的盲人行走组合导航算法.该方法构建系统误差模型并以Kalman滤波为框架.仿真和实验结果表明,提出的组合导航算法准确度优于单独的导航算法,满足盲人户外安全出行导航的需求.     

锚固站数量及布局对导航星座自主定轨影响分析

针对导航星座自主定轨中的星座整体旋转问题,采用增设少量地面锚固站的方法可有效解决该问题。通过推导星地距离对卫星轨道升交点赤经的偏导数,证明了星地距离对卫星轨道升交点赤经可观。仅考虑在我国大陆范围内布设锚固站的条件下,仿真分析了锚固站数量以及布局对导航星座自主定轨精度的影响。仿真实验结果表明:采用3个以上的锚固站,即可有效控制星座整体旋转,在14d的仿真时段内卫星自主定轨精度保持4m以内;锚固站数量越多,自主定轨精度越高,但随着锚固站数量的增加,自主定轨精度改善程度越来越小;在保持4个锚固站的情形下,采用不同的锚固站布局方案,自主定轨精度并无明显差别。     

星座自主导航可视化仿真与分析系统的研制

近年来,星座自主导航技术在卫星自主导航领域越来越引起人们的关注。为更好地研究星座自主导航方法,本文从数据分析、视景仿真和导航解算三个方面论述了星座自主导航视景仿真系统的实现过程。该仿真系统采用ADO技术、OpenGL技术和MATCOM软件来分别实现数据分析模块、视景仿真模块和星座自主导航解算。实验结果表明,软件最终达到了集数据分析、视景仿真和导航解算于一体的仿真效果。     

自适应滤波算法在SINS/GPS组合导航系统中的应用研究

以SINS/GPS组合导航系统为应用背景,对具有代表性的Sage自适应滤波和渐消卡尔曼滤波进行了研究,分析了这些方法在SINS/GPS组合导航应用中存在的问题,提出了适合工程应用的改进方法。改进的Sage自适应滤波主要对系统状态噪声协方差阵利用状态误差进行估计,更符合SINS/GPS组合导航系统的实际情况,提高了滤波稳定性。改进的渐消卡尔曼滤波采用矩阵因子的形式直接对状态预测协方差阵各分量进行不同程度的调节,使调节更趋合理。此外,改进算法增加了对观测粗差的处理,降低了观测粗差对滤波结果的影响。最后,用实际跑车试验验证了改进方法的有效性。     

毫米波制导导弹系统误差及捕获概率研究

分析了毫米波制导导弹系统误差源及其分布特性,该误差直接决定所需导引头动态视场的大小;对导引头动态视场的影响因素进行了分析,并计算了导引头在不同条件下的动态视场,基于此计算了导引头捕获概率。研究结果可以直接应用于毫米波制导导弹的工程研制,并且可以对同类的自寻的导弹工程研制起借鉴作用。     

地地导弹天文导航的一种建模方法

介绍了远程地地弹道式导弹采用惯性／天文组合制导方案的优点。提出了以惯性导航为主、天文导航为辅的一种导航方法，推导出该方法对应的导航基准参数计算模型、导航参数计算模型及天文导航系统的横向导引方程。最后通过仿真计算，给出了所提供的天文导航方法和计算模型对提高导弹命中精度的效能。     

旋转捷联惯导系统原理及典型方案分析

旋转捷联惯导系统采用旋转调制误差补偿技术对陀螺仪和加速度计误差进行调制,可以提高系统导航精度。文章借助捷联系统基本误差方程,简要分析了旋转调制误差补偿的机理;通过对几种典型IMU旋转方案的分析和仿真,验证了旋转调制误差补偿技术的有效性并比较了不同旋转方案的特点。     

基于自适应纹理复杂度的仿生视觉导航方法研究

针对稠密光流在低纹理复杂度时精度较低的问题,提出了一种自适应纹理复杂度的稠密光流优化方法,以提升光流导航精度。根据三种不同大气条件下三种不同图像模糊程度的图像光流精度与纹理复杂度的统计图,推断稠密光流的精度与图像的纹理复杂度呈线性关系。通过建立图像纹理复杂度和稠密光流精度之间的直接联系,利用灰度共生矩阵的对比度参数评价图像纹理复杂度,采用最小二乘法拟合图像纹理复杂度和光流真值优化系数的函数关系,获得自适应纹理复杂度的稠密光流优化模型。基于该优化模型设计了仿真实验,实验结果表明,基于该模型可有效提升稠密光流在低纹理复杂度时的计算精度。     

无人机类脑吸引子神经网络导航技术

当前无人机在非结构化或未知环境下飞行主要采用SLAM进行导航与定位,存在如下突出问题：依赖高精度昂贵激光雷达等环境感知传感器;需要建立准确世界和无人机物理模型;受环境影响较大;自主智能水平较低,无法较好地满足无人机对导航系统的要求,需要发展自主智能的导航方式。基于吸引子神经网络的类脑导航技术,无需训练模型参数,不依赖高精度传感器,无需精确建模,且复杂环境下鲁棒性较强,具有解决上述问题的潜力。简要阐述了动物大脑导航机理,分析了吸引子神经网络和基于吸引子神经网络的类脑导航关键技术,最后讨论了吸引子类脑导航技术在无人机应用中的挑战。