速率方位平台与激光捷联惯导车载重力测量比较

目前,成熟应用的航空重力测量系统主要为两轴阻尼平台,例如LaCoste&Romberg海空重力仪,以及三轴惯导平台,例如GT-1A航空重力仪和AirGrav航空重力仪。虽然捷联式航空重力仪研制及应用尚未成熟,但通过本文对自主研制的激光捷联式与速率方位平台式航空重力仪进行的车载重力测量试验表明,两种类型重力仪样机获得的自由空间重力异常精度相当。     

旋转式SINS的自标校技术研究

惯性器件常值及慢变误差是影响捷联惯导系统精度的主要因素之一,所以在捷联惯导系统出厂前需要对常值及慢变误差参数进行标定。但这些误差参数会随时间发生变化,对于高精度捷联惯导系统,每次启动后需要对惯性器件的误差参数进行重新标校。针对光纤惯导系统,建立了IMU误差模型,并根据提出的旋转式捷联惯导系统自标校转位方案原则设计出了一种8位置自标校方案,对惯性器件标定参数进行激励和辨识,并建立了Kalman滤波状态方程及量测方程,对惯导系统误差参数进行在线标定。实验结果表明,该方案对其惯性器件误差参数能进行准确估计,具有一定的参考价值。     

机载对地观测飞行轨迹设计与对比分析

针对机载对地观测载机长时间匀速直线飞行时分布式位置姿态测量系统(POS)姿态误差随时间积累的问题,基于载机有效机动能够提高分布式POS系统可观测度进而提高系统估计精度的思想,设计并对比多种机动方式下分布式POS系统的估计精度,并对机动后分布式POS系统进入测区前的滤波估计稳定时间、直线飞行成像时长和全球定位系统(GPS)基线长度进行了测试。仿真结果表明,设计的飞行轨迹能够提高成像段运动参数的测量精度,可为机载对地观测最优飞行轨迹的选择和设计提供理论指导。     

模型预测滤波在机载SAR运动补偿POS系统中的应用

 机载合成孔径雷达（SAR）运动补偿用位置姿态系统（POS）的定位精度直接影响SAR成像的效果。为进一步提高POS的导航精度,提出将模型预测滤波（MPF）与扩展卡尔曼滤波（EKF）相结合的方法应用于POS中。该方法不需要假设模型误差为高斯过程,并能够在线实时估计并修正系统模型,有效解决了MPF算法与系统模型不完全兼容的问题。飞行试验结果表明,该方法的收敛速度和滤波精度均明显优于目前工程应用中的KF和EKF,特别是大大提高了POS的定位精度;同时该算法与线性滤波KF的计算量相当,更好地满足了工程应用对导航精度和实时性的要求。     

基于变结构多模型的SINS/DVL组合导航算法

对于无人水下航行器来说,SINS/DVL组合导航是其主要导航方式,由于DVL自身作用距离的限制,虽然它可以在水跟踪模式下工作,但洋流速度作为其测量误差会导致SINS/DVL组合导航性能下降甚至失败.针对上述问题,基于有向图切换方法,设置洋流速度模型群,利用所设置的模型群切换策略对子模型群进行激活和终止,通过变结构多模型...     

复杂水下环境下高精度SINS/USBL误差标定技术

针对SINS/USBL组合系统在导航与定位前需要对一体化样机进行精确标定的问题,对复杂水下声场环境下高精度SINS/USBL误差标定技术展开了研究,包括对安装误差角和空间杆臂误差的估计.基于标定模型的几何关系,推导了标定的状态方程和量测方程,并提出了新型的基于相对量测信息滤波估计的误差标定技术.为解决标定过程中由于存在声学野值而导致滤波估计性能下降的问题,通过高斯牛顿迭代将Huber M估计嵌入到变分贝叶斯框架中,推导了基于M估计的非线性鲁棒自适应标定算法,在精确校正后无需重复标定.仿真的结果验证了该方案的有效性、实用性和鲁棒性.     

SINS/BDS紧组合系统中自适应 两阶段扩展卡尔曼滤波

在实际应用中，以伪距/伪距率为观测量的SINS/BDS紧组合导航系统，存在量测噪声的统计特性与实际不相符的情况，传统扩展卡尔曼滤波（EKF）方法无法有效解决这一问题，从而引起滤波误差增大。提出了一种SINS/BDS紧组合导航系统的GDOP估算及在线估计量测噪声的自适应两阶段EKF（ATEKF）方法，该方法使用经过紧组合修正后的SINS输出的位置，并结合星历数据中提供的卫星位置求解GDOP。在此基础上，利用GDOP值以及新息，实现了紧组合导航系统的量测噪声方差阵（Rk）的在线实时估计，从而达到自适应滤波的效果，改善导航精度。     

SINS/GNSS integrated navigation system based on maximum versoria filter

In the missile-borne Strapdown Inertial Navigation System/Global Navigation Satellite System (SINS/GNSS) integrated navigation system, due to the factors such as the high dynamics, the signal blocking by obstacles, the signal intefereces, etc., there always exist pulse interferences or measurement information interruptions in the satellite receiver, which make nonstationary measurement process. The traditional Kalman Filter (KF) can tackle the state estimation problem under Gaussian white noise, but its performance will be significantly reduced under non-Gaussian noises. In order to deal with the non-Gaussian conditions in the actual missile-borne SINS/GNSS integrated navigation systems, a Maximum Versoria Criterion Extended Kalman Filter (MVC-EKF) algorithm is proposed based on the MVC and the idea of M-estimation, which assigns a smaller weight to the anomalous measurements so as to suppress the influence of anomalous measurements on the state estimation while maintaining a relatively low calculation cost. Finally, the integrated navigation simulation experiments prove the effectiveness and robustness of the proposed algorithm.