基于运动检测的飞行区车辆差分北斗/SINS组合导航

针对机场飞行区车载差分北斗/SINS组合导航系统中卫星信号衰弱、断续和中断时引起导航系统精度降低的问题,提出一种基于运动检测的高精度组合导航方法。该方法基于运动检测的差分北斗/SINS组合导航系统框架,根据车辆运动的特性,利用零速修正与动态零速修正相结合的模式来约束SINS误差;建立系统误差最优估计状态方程和量测方程,并结合惯性测量单元输出的陀螺和加速度计信息以及SINS输出速度来实现车辆运动状态的检测;最后通过车载实验验证该方法的可行性。结果表明,卫星信号有效时,差分北斗/SINS组合导航定位精度优于1 m;相比于传统运动学约束技术,2.5 km信号中断场景下,组合导航系统的经度误差最大值由5.21 m减小为1.35 m。     

基于载波相位DGNSS/INS紧组合的平滑后处理算法

针对高精度的定位定姿需求,提出一种基于差分载波相位/惯导紧组合的平滑后处理算法。通过双卡尔曼滤波器实现模糊度的解算以及对导航状态误差和惯性器件误差的估计,利用RTS平滑对数据进行后处理。实测数据表明,该算法能得到较高的定位定姿和测速精度。     

GPS实时单站速度位移解算方法及其精度分析

基于载波相位变率测速模型,采用相邻历元差分计算载波相位变率,并利用消电离层组合削弱电离层的影响,结合广播星历,实现单站GPS速度的实时解算,最后将速度在短时间内进行积分,得到测站在该时间内的实时位移。通过静态GPS实测数据和日本2011-03-11大地震期间IGS站观测数据对测站实时速度和位移进行动态解算,并分析解算结果的精度。结果表明,测速精度可以达到mm级,积分得到的测站位移精度可以达到亚dm级甚至cm级。     

Kalman滤波在GPS/BDS组合伪距差分定位中的应用

随着各国卫星导航系统的蓬勃发展,单一的GPS系统时代正逐步转变为多系统并存且兼容的全球性卫星导航系统(GNSS)时代。相比于单一卫星导航系统,多系统组合将显著增加可视卫星数目、改善卫星空间几何结构,多系统组合导航定位将是必然的发展趋势。滤波算法是减小GNSS定位随机误差的重要方法,利用非线性滤波方法可消除多种随机误差,从而提高导航定位精度。该文实现了基于Kalman滤波的GPS/BDS组合的伪距差分定位,并将其与最小二乘方法进行比较。实验结果表明:基于Kalman滤波的GPS/BDS伪距差分的定位精度能达到分米级,在差分定位解算过程中,多卫星系统伪距差分精度明显优于单卫星系统伪距差分精度,Kalman滤波解算的精度明显优于最小二乘解算的精度。     

一种SINS/CNS/GNSS组合导航滤波算法

捷联惯性导航系统/天文导航系统/全球导航卫星系统（SINS/CNS/GNSS）构成的组合导航系统可有效提高飞行器的定位精度,而导弹等飞行器常用发射时刻的发射点惯性坐标系作为测量载体飞行的基准。为此,首先在发射惯性坐标系下推导并建立一种简洁的SINS/CNS/GNSS组合导航数学模型,该模型将SINS积分预报姿态四元数误差作为待估量,可避免姿态误差角与数学平台失准角之间的转换;然后分析定位误差导致的引力误差量级并合理简化,推导符合实际的精确测量噪声模型;最后利用扩展卡尔曼滤波器（EKF）实现SINS/CNS/GNSS三种信息的有效融合。算法仿真结果表明该方法的有效性,有利于工程实现。     

一种改进的UKF滤波算法在BDS/SINS组合导航系统中的应用研究

将自适应估计原理引入UKF（unscented Kalman filter）算法中,该改进算法可以自适应地调节系统模型信息在导航解中的比重,从而减少滤波器初值偏差和系统模型异常扰动对导航解的影响。将改进的UKF算法应用于BDS/SINS（北斗/捷联惯导）组合导航系统中,仿真结果验证了其有效性,且该算法可提高组合导航系统的精度。     

CNS/SINS组合导航系统的UKF算法研究

天文/捷联惯性（CNS/SINS）组合导航系统采用姿态组合,可使姿态角处于收敛状态,并有效抑制位置及速度的发散。为提高组合导航系统的精度,本文设计了CNS/SINS组合导航系统的UKF算法,在建立CNS/SINS组合导航系统非线性状态方程及线性量测方程的基础上,首先对UKF的量测更新过程进行简化,降低其计算量;然后,基于平台误差角提出系统状态协方差矩阵中姿态角协方差矩阵的计算方法,并推导了UKF算法中姿态量测值一步预测误差对应的平台角误差向量表达式,进而建立CNS/SINS组合导航系统的UKF算法;最后进行仿真实验。结果表明,相对于线性卡尔曼滤波算法及EKF算法,本文算法可明显提高组合导航系统的各导航参数精度,并且本文算法对滤波器初始姿态角误差变化具有较高的鲁棒性。     

基于序贯UKF的GNSS/CNS/SINS组合导航最优融合算法

组合导航系统在动态环境下具有强非线性,为提高GNSS/CNS/SINS组合导航系统的导航精度,提出一种基于序贯UKF的多传感器最优融合算法。首先,建立GNSS/CNS/SINS组合导航系统的非线性状态方程及2个子滤波器的线性量测方程;然后,对标准UKF的量测更新过程进行简化,简化UKF算法具有与标准UKF算法相同的滤波精度,且具有计算量低的特性;最后,将序贯滤波算法与简化UKF算法结合,提出多传感器组合导航系统的序贯UKF最优融合算法。仿真结果表明,本文序贯UKF算法不仅可提高系统解算的实时性,并且相对于集中线性卡尔曼滤波算法及经典集中线性UKF算法具有较高的滤波精度。     

多遮挡环境下BDS/GPS组合动态差分处理算法及性能分析

研究BDS/GPS组合载波相位动态差分定位算法，讨论加入BDS后对模糊度固定的影响，针对部分区域有较严重信号遮挡的实测动态数据，分别进行单GPS和BDS/GPS组合解算。结果表明，相比单GPS，加入BDS后增加了共视卫星数目，改善了卫星几何结构，模糊度解算成功率和可靠性得到明显提高。多遮挡环境下测试数据显示，BDS/GPS组合的定位精度远高于单GPS，东向和北向精度优于8 mm、天向为16 mm，而单GPS东向仅为3 cm、北向和天向约8 cm。     

基于历元差分原理的BDS测速模型及性能分析

对现有的载波相位历元差分测速方法进行改进，同时增加伪距历元差分观测值，建立新历元差分测速模型，并用BDS静态数据和动态数据对改进的方法进行验证和性能分析。结果表明，静态条件下，BDS历元差分测速精度为mm/s级，平面方向优于高程方向，与GPS历元差分测速精度相当；动态条件下，BDS历元差分测速结果与IE (inertial explorer) 后处理软件解算的位置差分速度符合度为cm/s级，平面方向优于高程方向。     

非高斯有色噪声影响下的高斯混合滤波算法

针对GNSS/SINS紧组合定姿定位系统在非高斯有色噪声环境下直接使用高斯混合扩展卡尔曼滤波（Gaussian mixture extend Kalman filter, GMEKF）出现的随机模型失配现象,提出一种顾及非高斯有色噪声影响的GMEKF优化算法。该算法在高斯混合模型对非高斯噪声近似的基础上,通过状态扩增和量测组差对非高斯噪声序列中的有色噪声成分进行白化处理,从精化随机模型的角度改善了GMEKF算法的性能。实验结果表明,在非高斯有色噪声环境下,相比于GMEKF,该算法对随机模型建模更准确,将其用于受非高斯有色噪声影响的定姿定位场合中可进一步提高导航解算精度。     

���ڿ���EKF��INS/GNSS������㷨Ӧ���о�

???INS/GNSS????????GNSS????????????????о?????????EKF???????????????????INS?????????????μ???????INS/GNSS?????????????????????????????С?????????????????С????в??????????????Э???????????????????????????????????????????????????????????????GNSS?????д???????????????EKF??????????????????????????????????????????????????     

GNSS UTCO参数演变分析与对比评估北大核心CSCD

全球导航卫星系统(GNSS)发播的协调世界时偏差参数(UTCO)随着导航系统现代化升级而更新,尤其是GPS和BDS的UTCO参数具有明显变化。从模型上看,一阶溯源模型改为二阶溯源模型,兼容一阶模型;从分辨率上看,参数分辨率普遍变小,从而提高对UTCO微小变化的敏感性。通过研究GPS、BDS、Galileo、GLONASS四大导航系统GPS LNAV电文、GPS CNAV电文、BDS D1/D2电文、BDS B-CNAV电文、Galileo电文、GLONASS电文中的UTCO参数,基于国际计量局(BIPM)国际时间公报(T公报)UTCr-UTC(k)数据,将GNSS UTCO参数统一到快速协调世界时(UTCr),分析不同系统发播的UTCO参数性能。同时以国家授时中心(NTSC)监测的GNSS系统时差和BIPM快速T公报作为参考,评估GNSS系统发播的协调世界时偏差误差(UTCOE)。结果表明,在实验时段内,GPS CNAV电文的UTCO参数性能优于GPS LNAV电文,BDS B-CNAV电文的UTCO参数性能优于BDS D1/D2电文;GPS、Galileo的UTCO参数性能优于BDS、GLONASS,BDS和GLONASS在UTC溯源中具有一定的系统误差。     

���������繹���GPS/INS����Ӧ��ϵ����㷨

????????????????￡??????????????????????????????????????????GPS/INS????????????????????????????????????????????????????????????????????????????Ч????????????????????????????????????????????????????     

��ˮ׼���ݵ�GPS�߳�ת�����������ȷ���

?о?????GPS?????λ??????????????λ????????????????WGS84??????μ??????????????EGM2008?????и???????????4??IGS????????????????????????λ?????????????????????????????GPS?????????????????з????????????????????????Щ????????EGM2008????????и????????侫????????15 cm??