一种兼容GPS和BD系统的跟踪环路相干积分方法

在城市、峡谷等复杂环境下,卫星导航信号衰减严重,接收机导航定位性能变差,甚至不能工作,给国民生产生活带来诸多不便.提高接收机弱信号的跟踪能力,研究高性能的卫星导航接收机具有重要的意义和价值.在研究分析GPS、北斗D1导航电文的调制方式和相干积分方法的基础上,构建了一种改进直方图的位同步方法,该方法借鉴直方图的思想,通过设定比特跳变的统计门限上限和多组门限下限找到比特跳变边沿.在此基础上设计实现了一种长时间相干积分方法,该方法兼容GPS电文和北斗D1导航电文,可以有效地消除导航电文跳变或者NH码跳变带来的比特翻转.最后,在FPGA平台验证了该方法可以有效提高信号信噪比,以及接收机在弱信号环境下的跟踪能力.     

惯性/星光/卫星组合导航系统可视化仿真研究及实现

组合导航可视化仿真是验证多传感器组合导航方案、算法正确性和可靠性的有效手段,可以通过曲线、图形的方式对多传感器组合导航过程进行三维直观演示。为充分验证所提出的惯性/星光/卫星多传感器组合导航系统的精度和可靠性,本文设计了基于VC++的多传感器组合导航的算法可视化仿真验证系统,采用任务分离技术分配主辅线程实现界面显示和算法运算并行工作,同时利用API函数实现高效、高速的串口传输和界面显示,提高系统的实时性。实验结果表明,本文设计的系统可以满足多传感器组合导航系统可视化仿真演示的需要,运行稳定可靠。     

光纤惯性测量组件的误差标定改进算法及实现

对光纤惯性测量单元的误差标定方法进行了研究,提出了一种十二位置标定算法。分析了算法的基本原理,介绍了标定的流程。与传统的标定方法相比,新方法在不降低标定精度的前提下无需对北向进行定位,而且仅需单轴转台。在该算法的基础上利用LabVIEW软件构建了一套IMU误差智能测试平台,实现了对惯性元件安装误差、标度因数误差、零偏以及陀螺标度因数非线性度的自动标定,避免了手动标定时繁琐的操作,具有较强的工程应用价值。     

晃动环境下组合导航系统精度事后评估算法研究

海风、波浪、海流等因素会产生舰船的摇摆晃动,从而给舰船导航系统精度带来严重干扰.固定区间平滑滤波处理算法能够利用观测时间间隔内全部观测信息得到状态的最小方差估计,对导航精度进行事后评估.在研究晃动环境下的SINS/GP S组合导航应用平滑滤波算法的相关原理的基础上,首先利用Kalman滤波器进行组合导航,存储相关信息后按时间逆序利用固定区间平滑滤波算法进行事后分析.该方法可以针对不同的海况以及不同的海上作业需求,有效地为组合导航系统精度提供检验标准,考核各种海洋环境下的导航系统精度.     

优化抗差自适应滤波器在深组合导航中的应用

为了提高惯性/卫星深组合导航系统的滤波性能,在抗差自适应滤波算法的 基础上,研究了一种优化抗差自适应滤波算法。该算法通过比较实际预测残差协方差矩 阵和理论协方差阵的差值来生成自适应因子,从而优化抗差自适应滤波。将所研究的算 法应用于惯性/卫星深组合导航系统, 在高动态环境下进行仿真验证, 并与常规卡尔曼 滤波、抗差自适应滤波进行比较。结果表明,优化算法能有效地控制观测异常和动态模 型异常对状态参数估值的影响,所得组合导航位置误差和速度误差明显减小,提高了组 合导航系统的滤波精度。     

直接敏感地平的空天飞行器惯性/天文组合方法

传统的惯性/天文位置组合导航系统中,由于天文定位观测输出耦合了水平观测平台基准误差,往往存在系统噪声与量测噪声不完全独立的问题.针对此问题,分析了利用天文观测量修正惯性系下陀螺漂移的原理,提出了一种直接敏感地平进行天文解析定位及组合滤波的空天飞行器自主导航定位方案,并建立了相应的组合滤波模型.所提出的方法采用星敏感器和陀螺仪构造惯性基准,并在此基础上进行基于红外地平仪的天文定位解算,最后进行惯性/天文组合定位.该方案充分利用了星光敏感器在惯性系下姿态测量精度高的优点,并使惯性/天文组合定位滤波中状态噪声和观测噪声完全独立,仿真结果验证了该定位方法的有效性.     

基于GPS的陆地车辆跟踪与监视系统(英文)

介绍了建立在差分GPS和航位推算(DR)组合基础上的低成本陆地车辆跟踪与监视系统.从低成本角度出发,文中提出了采用单方向通讯数据链的新方案。为了保证定位精度,给出了差分GPS算法,并且详细研究了一个8状态的Kalman滤波器.最后使用两台C/A码GPS接收 机进行野外跑车试验.结果表明,差分定位精度小于5m.     

分布式卡尔曼滤波器在GPS/INS组合导航系统中的应用研究

本文研究了分布式卡尔曼滤波器在GPS/INS组合导航系统中的应用。给出了系统的结构框图和动态方程,设计一个分布式卡尔曼滤波器,并进行了计算机误差模拟分析。结果表明;采用分布式卡尔曼滤波器的组合系统可减少计算时间,且导航位置误差小于15m。     

微小卫星太阳敏感器/磁强计实时标定算法研究

 提出了一种对磁强计/太阳敏感器的无姿态信息的在轨实时标定方法。在现有的标定算法中,仅采用地磁矢量的模作为观测量,本文引入地磁矢量与太阳矢量之间的数量积作为观测量,增强了其可观性,也使对太阳敏感器的实时标定成为可能。扩展卡尔曼滤波器(Extended Kalman Filter,EKF)虽然获得广泛应用,但其线性化过程会引入截断误差,而无香卡尔曼滤波器(Unscented Kalman Filter,UKF)是非线性滤波方法,不须对系统进行线性化。分别利用EKF与UKF的滤波标定算法进行标定研究,仿真结果表明了本文算法的有效性,如磁强计偏置的标定精度,UKF比EKF高26%。     

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。