一种GPS辅助的低精度捷联惯导动态对准方法

针对低精度SINS的陀螺不能辨识地球自转角速度,难以完成自对准的问题,该文引入GPS的位置观测信息利用5级-CKF简化算法辅助低精度SINS完成初始对准;因为低精度SINS粗对准给出的初始姿态质量很差,不满足小失准角的条件,所以必须采用大失准角非线性误差模型和非线性滤波方法。该文提出5级-CKF算法,并在系统模型噪声和量测噪声均为加性噪声且量测方程为线性方程时,对5级-CKF算法进行简化,其需要在kalman滤波的基础上利用5级容积采样点对非线性状态方程的状态及其方差进行预测。设计仿真实验验证了该方法的有效性,并分析了大失准角情况下载体运动状态对航向角估计的影响。     

SINS的SRC-KF姿态估计算法

基于飞行器载体SINS姿态计算精度要求,提出了一种SINS(strap-down inertial navigation system)的球面径向容积卡尔曼(spherical-radial cubature Kalman filtering,SRC-KF)姿态确定算法。该算法把笛卡尔坐标系中状态向量变换到球坐标系中,通过Gauss-Hermite求积计算获得2n个球面径向容积点及其权值系数来逼近计算系统状态估计及其方差矩阵,其计算精度可达到三阶;采用四元数姿态建模方法构建新型SINS状态变量与噪声向量相关的姿态方程模型,利用伪观测向量构建观测噪声与四元数相关的观测方程模型,设计系统噪声方差分离计算算法进行系统噪声方差计算,引入拉格朗日乘子算法计算四元数估计均值,最后利用SINS/CCD姿态估计仿真系统开展的SINS的SRC-KF姿态模型算法进行仿真验证。通过与中心差滤波(CDKF)和无迹卡尔曼滤波(UKF)算法计算结果进行对比,可以看出SRC-KF算法具有计算精度高以及数值计算稳定等特点。     

一种新的混合迭代UKF

从统计线性回归的角度对无味变换(unscented transformation,UT)进行分析,推导了迭代无味卡尔曼滤波(iterated unscented Kalman filter,IUKF)。针对IUKF计算量大的问题,结合弦线迭代法和IUKF,得到了一种新的混合迭代无味卡尔曼滤波器。数值仿真的结果表明,新滤波算法的精度优于扩展卡尔曼滤波、迭代扩展卡尔曼滤波和无味卡尔曼滤波,并可以有效降低IUKF的计算量。     

基于MRPs估计航天器姿态的IUKF算法及改进

航天器姿态确定的模型具有严重的非线性性。而采样卡尔曼滤波(UKF)通过采用一组确定性采样得到的Sigma点比扩展卡尔曼滤波(EKF)能够更准确地近似初始分布,使滤波在不准确的初始条件下更快地收敛。利用修正罗德里格参数(MRPs)表示姿态,用动力学方程进行角速率的传播,利用UKF的改进算法迭代采样卡尔曼滤波(IUKF)对航天器的姿态进行估计。在分析IUKF性能的基础上进一步对IUKF算法作了改进,通过仿真算例将3种方法进行了比较。结果表明:IUKF及改进IUKF算法姿态参数的滤波精度比UKF更高,同时改进IUKF算法比IUKF的滤波能更快趋于稳定。     

基于MRPs估计航天器姿态的IUKF算法及改进

航天器姿态确定的模型具有严重的非线性性.而采样卡尔曼滤波(UKF )通过采用一组确定性采样得到的Sigma点比扩展卡尔曼滤波(EKF)能够更准确地近似初始分布,使滤波在不准确的初始条件下更快地收敛.利用修正罗德里格参数(MRPs)表示姿态,用动力学方程进行角速率的传播,利用UKF的改进算法迭代采样卡尔曼滤波(IUKF)对航天器的姿态进行估计.在分析IUKF 性能的基础上进一步对IUKF算法作了改进,通过仿真算例将3种方法进行了比较.结果表明:IUKF及改进IUKF算法姿态参数的滤波精度比UKF更高,同时改进IUKF算法比IUKF的滤波能更快趋于稳定.     

UKF在GPS/INS组合导航系统中的应用

扩展卡尔曼滤波(EKF)是GPS/INS组合导航系统工程实现中常用的一种数据融合方式.但EKF线性化误差在一定程度上影响了GPS/INS组合导航系统精度的提高.Unscented卡尔曼滤波器(UKF)是一种非线性滤波器,它能有效地减小线性化误差对GPS/INS组合导航系统精度的影响.基于四元数法建立了GPS/INS组合导航系统的非线性误差方程模型;最后通过数字仿真验证了UKF组合导航系统应用中的性能.     

UKF在GPS/INS组合导航系统中的应用

扩展卡尔曼滤波(EKF)是GPS/INS组合导航系统工程实现中常用的一种数据融合方式。但EKF线性化误差在一定程度上影响了GPS/INS组合导航系统精度的提高。Unscented卡尔曼滤波器(UKF)是一种非线性滤波器,它能有效地减小线性化误差对GPS/INS组合导航系统精度的影响。基于四元数法建立了GPS/INS组合导航系统的非线性误差方程模型;最后通过数字仿真验证了UKF组合导航系统应用中的性能。     

自适应抗差KF-UKF的超宽带导航定位方法

针对超宽带导航定位中量测信息异常误差和非线性滤波问题,该文提出了一种基于自适应抗差卡尔曼滤波-无迹卡尔曼滤波(KF-UKF)的超宽带导航定位算法。该算法首先利用卡尔曼滤波计算预测状态向量及其协方差矩阵,利用无迹卡尔曼滤波进行量测更新;然后利用先验阈值和预测残差构建量测噪声的抗差协方差矩阵,以减少量测信息异常误差的影响,同时利用自适应因子对算法进行调节和修正。结果表明,该算法能有效地抑制并消除超宽带测距中量测信息异常误差的影响,能有效地处理状态模型误差的影响,提高超宽带导航定位的精度和稳定性,同时拥有比无迹卡尔曼滤波算法更高的计算效率。     

基于捷联惯导的航空矢量重力测量的降阶滤波算法

捷联惯导系统(SINS)在航空矢量重力测量中的基本功能是比力测量,但是纯惯导不能满足精度要求,因此通常采用卡尔曼滤波SINS/DGPS组合导航来提高比力测量的精度。通过误差状态可观性分析设计一种新的降阶滤波算法,该算法使得比力测量分系统的概念更加明晰,并通过仿真验证新算法的正确性。     

基于状态矩阵卡尔曼滤波的姿态估计算法研究

设计一种组合GPS／速率陀螺定姿系统。系统以方向余弦矩阵表示姿态,建立GPS／速率陀螺组合状态模型和观测模型。结合kalman滤波算法,提出一种状态矩阵卡尔曼滤波（StateMatrixKalmanKilter,SMKF）姿态估计算法,并采用拉格朗日算法对姿态矩阵进行正交化约束。与传统的基于四元数的扩展卡尔曼滤波（EKF）算法相比,基于方向余弦矩阵的姿态系统状态方程与测量方程均为线性方程,无需线性化处理,对初始姿态误差更具有较好的鲁棒性。数值仿真表明,该方法具有精度高和稳定性强等优点。     

Milne-Hamming线性多步法在求解姿态四元数微分方程中的应用

姿态微分方程的求解是SINS(Strap-down Inertial Navigation System)导航解算中一项重要的内容,对算法的稳定性、精度和计算量有较高的要求。引入了一种求解姿态四元数微分方程的新方法——Milne-Hamming线性多步预测校正方法,详细推导了应用此方法求解姿态四元数微分方程的过程。应用仿真数据和实测数据对此算法和四阶龙格-库塔算法进行了对比验证,结果表明Milne-Hamming线性多步预测校正方法是一种求解姿态四元数微分方程的有效方法,其稳定度明显优于四阶龙格-库塔算法并且计算量小。     

改进Sage-Husa算法在飞机组合导航中的应用

针对机载组合导航系统,考虑不同飞行阶段的气压高度,提出一种改进的Sage-Husa自适应滤波算法,以提高组合导航系统定位精度. 该算法通过引入气压高度,实时计算并修正滤波异常判定的调节因子,以满足飞机不同飞行阶段的滤波需求. 通过捷联式惯性导航系统(SINS)、全球卫星导航系统(GNSS)定位误差特性仿真、卡尔曼滤波组合算法仿真、以及改进的Sage-Husa自适应滤波算法仿真,并对相关结果进行比较验证. 仿真结果表明,改进Sage-Husa自适应滤波可以提高滤波的自适应性,降低组合导航系统定位误差,取得较好的效果.      

神经网络在SINS/GPS组合定位中的应用

地籍测量中,单一系统无法满足定位要求,组合定位技术应运而生.其中,捷联惯性导航系统(SINS)和GPS组合定位应用最为广泛.在卫星信号受到干扰失效区域,系统进入纯SINS解算,定位误差会逐渐累积,无法满足定位精度要求.针对此问题,提出一种长短期记忆(LSTM)神经网络辅助的组合定位算法.根据LSTM神经网络能够有效运用...     

静基座捷联惯导解析法对准研究

初始对准是捷联惯导系统的关键技术之一,对准精度直接影响到导航系统的导航解算精度,静基座捷联惯导卡尔曼滤波法对准的精度和收敛时间受模型参数以及初始条件的影响,对于低精度的捷联惯导,这种影响更大,滤波结果往往不能收敛,甚至发散。采用解析法对准是解决上述问题的有效途径,针对静基座解析法对准做了系统研究,推导了惯性器件误差的解析表达式,分析了对准时间与仪器误差估计精度的关系。实测试验结果表明,给予适当的对准时间,解析法对准亦可接近极限精度;同时,在解析法初始对准中,等效天向加速度计零偏可得到有效估计;等效天向、北向陀螺漂移虽可估计,但随机游走对估计结果的影响不可忽视。     

UWB TW-TOA测距误差分析与削弱

针对室内环境下UWB TW-TOA测距精度受标准时间偏差和NLOS误差影响明显的问题,采用4阶多项式拟合模型对标准时间偏差进行标定,设计了一种新的基于偏移卡尔曼滤波的NLOS误差鉴别与抑制方法。该方法将测距残差与卡尔曼滤波结合,鉴别出NLOS误差,并将残差值加入到卡尔曼滤波的迭代中,修正卡尔曼滤波的异常值,得到消除NLOS的测量值。利用实测试验对以上算法进行验证,结果表明经过标准时间偏差标定及NLOS误差的鉴别与抑制后,在LOS环境下,UWB TW-TOA测距精度可达到毫米级;在NLOS环境下,测距精度可由原来的0.5m缩小至0.2m,证明了本文方法的正确性和可行性。     

State transformation extended Kalman filter for GPS/SINS tightly coupled integration

Extended Kalman filter (EKF) is a widely used estimator for integrated navigation systems, and it works well in general situations. However, in adverse conditions such as partially observable environments and highly dynamic maneuvers, the performance of the traditional EKF-based strap-down inertial navigation system (SINS)/GPS integrated navigation system is easily to be affected by the dynamic changes of the specific force, thus leading to the problem of error covariance inconsistency. Though the inconsistency problem can be overcome to some extent if the system matrix, the states and the error covariance matrix are propagated as fast as possible in the SINS calculation rate, the problem cannot be fully solved. State transformation extended Kalman filter (ST-EKF) mechanization, with a new converted velocity error model for the SINS, is proposed, which can also be used to solve the inconsistency problem. In the ST-EKF, the specific force vector in the system error model is replaced by the nearly constant gravity vector for local navigation. Since the propagation and the updating of the ST-EKF can be executed simultaneously in the updating interval, the computation cost is greatly reduced compared with the traditional EKF. Experiments for the GPS/SINS tightly coupled navigation, including linear vibration Monte Carlo test and an unmanned aerial vehicle flight test, are implemented to evaluate the performance of the proposed ST-EKF. The results show that the proposed ST-EKF has superior performance to the traditional EKF, especially in partially observable situations.     

Integrated Navigation System and Experiment of a Low-Cost and Low-Accuracy SINS/GPS

When SINS (strap-down inertial navigation system) is combined with GPS, the observability of the course angle is weak. Although the course angle error is improved to some extent through Kalman filtering, the course angle still assumes a divergent trend. This trend is aggravated further when using low-cost and low-accuracy SINS. In order to restrain this trend, a method that uses AHRS to substitute for SINS course angle information is put forward aimed at the hardware component characteristic of the low-cost and low-accuracy SINS including AHRS (attitude and heading reference system) and IMU (inertial measurement unit). Real static and dynamic experiments show that the method can restrain the divergent trend of the navigation system angle effectively, and the positioning accuracy is high.