基于UKF滤波的近地卫星自主组合导航方法研究

安全可靠的自主导航系统可提高卫星的在轨生存能力。文章研究了利用紫外敏感器测量得到的地心方向信息和星敏感器、红外地平仪获得的星光角距信息进行卫星轨道确定的自主组合导航方法。针对导航系统非线性的特点,采用Unscented卡尔曼滤波(UKF)设计了相关的信息融合方案,并通过数学仿真对其有效性进行了分析和验证。仿真结果表明,该算法可进一步提高导航系统的精度和可靠性。     

异步联邦UKF的GNSS／SINS／摄影定位组合导航算法仿真

在飞行器进近过程中,为了提高组合系统的导航精度,针对传统联邦滤波器对非线性系统模型易导致滤波发散问题.分析了两种导航方式的优缺点,提出了基于卫星导航／惯性导航／摄影测量(GNSS／SINS／Photogrammetry)的组合导航联邦滤波算法,并推导了系统误差模型.该算法取长补短利用联邦无迹卡尔曼滤波器将GNSS定位和摄影定位、定姿精度高的优势对SINS进行在线误差估计.针对多传感器非等间隔数据采样问题,采用时间与量测更新分离的异步非等间隔联邦滤波算法进行信息融合,并对滤波器结构进行改进以减少算法复杂度.仿真实验证明基于联邦UKF的组合导航系统较传统联邦滤波算法位姿精度有明显的提高,且系统鲁棒性也有一定的增强.      

UKF的改进算法及其在伪卫星定位中的应用

首先介绍了伪卫星导航系统的观测方程和动力学模型方程。然后,分析了基于UT变换的UKF算法,针对该算法存在的问题,结合迭代滤波思想和抗差估计原理提出了一种新的抗差UKF算法。并与EKF和UKF算法进行了比较。计算结果表明,该算法不仅可以提高滤波器的精度,而且能够更有效地控制观测异常对导航解的影响,使导航解更能反映导航系统的真实情况。     

UKF的改进算法及其在伪卫星定位中的应用

首先介绍了伪卫星导航系统的观测方程和动力学模型方程。然后,分析了基于UT变换的UKF算法,针对该算法存在的问题,结合迭代滤波思想和抗差估计原理提出了一种新的抗差UKF算法。并与EKF和UKF算法进行了比较。计算结果表明,该算法不仅可以提高滤波器的精度,而且能够更有效地控制观测异常对导航解的影响,使导航解更能反映导航系统的真实情况。     

星敏感器/GNSS定姿系统的联合非线性预测滤波算法

提出一种联合式非线性预测滤波算法,解决该系统在姿态动力学模型误差非高斯分布条件下的多敏感器信息融合问题。从算法结构和估计准则两个方面证明非线性预测滤波(NPF)与Kalman滤波的等效性,分析联合式NPF的算法流程,讨论模型误差方差矩阵的计算方法,给出加权系数矩阵的设计准则;介绍星敏感器和全球卫星导航系统(GNSS)的定姿原理,推导星敏感器/GNSS组合姿态确定系统的联合式NPF滤波模型,分析系统的算法实现流程;进行数值仿真试验,结果表明联合式NPF算法融合NPF与联邦滤波的优良品质,可有效解决姿态动力学模型误差非高斯分布条件下无陀螺姿态确定系统的多敏感器信息融合问题。     

智能车辆中MEMS/BD组合导航数据融合算法

智能车辆技术已成为国家优先发展的高新技术,以智能车辆组合导航数据融合算法为研究背景,利用无迹卡尔曼滤波(UKF)处理组合导航系统模型的非线性问题。在卡尔曼滤波过程中加入区间平滑技术,对既定区间的状态估计量进行平滑处理,校正滤波运算数据,提高非线性系统的导航精度。通过仿真实验验证了新算法能够较好地解决系统非线性问题,利用区间平滑技术得到更高精度的状态估计,提高导航精度,具有更好的鲁棒性。     

一种改进的UKF算法在捷联惯导初始对准中的应用

Unscented卡尔曼滤波具有精度高、稳定性好、实用性强等特点,因此UKF算法逐渐成为处理非线性滤波问题的有效方法和导航系统中数据处理与信息融合技术的研究热点。但是UKF具有计算量大、效率低等缺点,因此限制了UKF在实时导航中的应用。针对这一缺点,本文提出了一种改进的UKF算法,该算法可以减少UT变换中Sigma点的计算数量,从而提高运算效率;推导了改进的算法公式,给出了适合该算法的初始对准非线性模型,并分析了其精度,用实测数据进行了验证。结果显示,改进的UKF算法性能与传统UKF相当,但效率提升了40%左右。     

月球软着陆自主组合导航研究

针对惯性测量单元(IMU)存在误差积累的特点,提出了利用探测器上的光学敏感器,通过对预先选定的特征点的测量得出探测器的相对位置,根据这些光学导航信息再结合惯性导航输出轨迹,通过多模自适应滤波完成对IMU导航的修正。对整个导航系统的可观性进行了分析,并通过数值仿真验证了所提出的自主导航方法的可行性。     

一种组合导航的直接法滤波算法

提出了一种基于直接法无迹卡尔曼粒子滤波的组合导航系统滤波方法。以惯性导航系统参数和平台误差角作为系统状态,惯导力学编排方程及姿态误差方程作为系统状态方程,卫星导航接收机输出的导航信息作为观测值,采用粒子滤波方法对导航参数进行估计。仿真结果表明,无迹卡尔曼粒子滤波算法可简化滤波参数的调整过程,有效地解决了系统非线性复杂性问题、简化了滤波过程并提高了定位精度。     

鲁棒无迹卡尔曼滤波组合导航定位方法

针对无迹卡尔曼滤波(UKF)在非高斯噪声或统计特性不准确时滤波精度会下降甚至发散等问题,提出了一种基于Huber-M估计的无迹卡尔曼滤波导航算法。首先采用奇异值分解(SVD)迭代计算代替协方差矩阵的迭代变换;然后将Huber方法用于UKF框架中,使先验信息和量测信息进行重构;最终以达到克服传统UKF滤波器稳定性差的问题,提高滤波抗差能力。对提出算法进行GPS/UWB组合导航仿真验证,并与EKF和UKF进行了比较。实验结果表明,加入M估计的SVD-UKF在噪声统计特性不准确时和加入随机观测异常状态下都可以将滤波器性能提高25%～40%,与其他两种算法相比,本文所提算法的定位误差能快速收敛,并保持较高滤波精度。     

多传感器融合导航方法的比较

多源传感器融合导航有多种算法，但不同算法之间存在理论和计算方面的差异。本文试图从理论上探讨联邦滤波融合法、动静态滤波融合法、基于观测信息的融合法以及基于各传感器几何导航解融合法的基本原理，分析各种方法的优劣，为多传感器融合导航的应用打下基础。     

基于多传感器观测信息抗差估计的自适应融合导航

首先利用抗差估计原理构造了基于观测信息的融合导航解，再利用动力学模型信息进行自适应融合，最后利用模拟算例进行多种方案的计算与比较。     

惯导/双星定位组合导航方案与精度分析

分析了惯导／双星定位组合的可行性;针对惯导／双星定位组合导航在飞行器上应用存在的有关问题进行了讨论,提出了可能的对策。通过不同方案的比较分析,给出了较为实用的惯导／双星定位组合导航系统设计方案,并对组合的时机和组合导航的精度进行了仿真计算和结果分析。结果表明,采用按精度要求进行惯导／双星定位位置组合,可以在某种程度上弥补双星定位导航系统为有源系统的缺点,并具有较高的精度。     

多源传感器动、静态滤波融合导航

首先给出联邦滤波各局部输出量之间的相关协方差矩阵，进而给出了基于各传感器独立观测信息的动、静态滤波解法，这种解法避免了重复使用载体状态方程信息的问题，保证了多传感器数据融合的最优性，而且很容易扩展到抗差滤波和自适应滤波融合。     

基于熵权重的水下载体导航信息融合方法

针对水下载体动态导航定位中状态方程和观测方程噪声增加引起的卡尔曼滤波发散问题,提出了一种以高斯混合模型为框架,基于信息熵计算导航融合权重的新方法。首先给出了水下组合导航系统的整体结构和各子滤波器的状态方程以及观测方程;然后研究了各子滤波器输出信息熵值的计算方法,并且定义了熵积的概念用于计算高斯混合模型中各分量的权重;最后总结出了用于水下载体导航信息融合的熵权高斯混合模型滤波算法的计算流程。仿真实验表明,相比于传统的加权卡尔曼滤波算法,新方法的计算精度更高,对噪声引起滤波发散的抑制能力也更强。     

Improved decentralized multi-sensor navigation system for airborne applications

The integration of Global Navigation Satellite System (GNSS) and Inertial Navigation System (INS) technologies is a very useful navigation option for high-accuracy positioning in many applications. However, its performance is still limited by GNSS satellite availability and satellite geometry. To address such limitations, a non-GNSS-based positioning technology known as “Locata” is used to augment a standard GNSS/INS system. The conventional methods for multi-sensor integration can be classified as being either in the form of centralized Kalman filtering (CKF), or decentralized Kalman filtering. However, these two filtering architectures are not always ideal for real-world applications. To satisfy both accuracy and reliability requirements, these three integration algorithms—CKF, federated Kalman filtering (FKF) and an improved decentralized filtering, known as global optimal filtering (GOF)—are investigated. In principle, the GOF is derived from more information resources than the CKF and FKF algorithms. These three algorithms are implemented in a GPS/Locata/INS integrated navigation system and evaluated using data obtained from a flight test. The experimental results show that the position, velocity and attitude solution derived from the GOF-based system indicate improvements of 30, 18.4 and 20.8% over the CKF- and FKF-based systems, respectively.     

激光SLAM移动机器人室内定位研究

针对目前室内移动导航定位精度低和累积误差大的问题，提出了一种激光雷达（LiDAR）和惯性测量单元（IMU）相融合的导航定位系统。首先，该方法是从LiDAR扫描测量中提取环境特征和构建地图，然后，由IMU采集的姿态信息通过卡尔曼滤波，补偿由于LiDAR扫描引起的位置和姿态输出的误差，以提高机器人移动的定位精度。试验结果表明，该方法可以提高室内移动机器人定位和构建地图的精度和稳健性。     

附加运动学约束的BDS抗差UKF导航算法

针对城市复杂环境中单一BDS导航受多路径（multipath,MP）和非视距（non-line-of-sight,NLOS）信号干扰导致精度下降的问题,提出一种附加运动学约束的抗差无迹卡尔曼滤波（unscented Kalman filter,UKF）算法。该算法基于新息向量构造等价权函数,克服了位置及接收机钟差初值不准确引起的抗差性能下降问题。同时,利用载体的近似运动方向和高程约束,进一步增强滤波解。实测车载试验结果表明,本文方法可有效抑制MP和NLOS信号的干扰,提高城市环境中的BDS导航精度。     

基于模糊理论的抗差Kalman滤波算法

动态导航与定位的质量取决于对动态载体扰动和观测异常扰动的认知和控制质量。在实践中,观测向量及其动态模型信息均可能存在异常,此时若仍利用标准Kalman滤波,则状态滤波解将极不可靠。在标准Kalman滤波原理的基础上,结合模糊控制理论,提出了一种基于模糊理论的抗差Kalman滤波算法。该方法是依据滤波处理后的数据残差,利用模糊理论构造等价权,从而有效控制粗差对导航解的影响,并用算例验证了该方法的可行性和有效性。