神经网络辅助的GPS/INS组合导航自适应滤波算法

首先利用预报残差构造的最优自适应因子设计GPS/INS组合导航自适应滤波器。并针对BP神经网络存在的训练速度慢、容易陷入局部极小等问题,给出网络的改进算法。利用神经网络对自适应滤波器状态方程的预报值进行在线修正,给出神经网络辅助的GPS/INS组合导航自适应滤波算法。最后,利用实测数据进行验证。结果表明,改进的神经网络算法明显提高网络收敛速度;两种自适应滤波算法相对标准组合导航算法都能够可靠地反映载体运动轨迹;神经网络辅助的GPS/INS组合导航自适应滤波算法相对GPS/INS组合导航自适应滤波算法在精度和可靠性方面又有明显提高。     

一种迭代的GPS/INS组合导航滤波算法

简要介绍了GPS/INS松组合导航系统状态方程和观测方程.针对标准Kalman滤波算法存在的状态方程截断误差、噪声统计特性的不确定性以及状态扰动异常的影响,给出了一种应用于GPS/INS组合导航系统的迭代滤波算法.该算法采用迭代策略,不断利用观测信息实时修正状态预报值.实测数据计算结果表明,通过对状态预报值的实时修正,该算法能够很好地抑制状态预报信息的不确定性和扰动异常等对导航解的影响.其滤波解精度明显优于标准Kalman滤波.     

一种迭代的GPS／INS组合导航滤波算法

简要介绍了GPS/INS松组合导航系统状态方程和观测方程。针对标准Kalman滤波算法存在的状态方程截断误差、噪声统计特性的不确定性以及状态扰动异常的影响,给出了一种应用于GPS/INS组合导航系统的迭代滤波算法。该算法采用迭代策略,不断利用观测信息实时修正状态预报值。实测数据计算结果表明,通过对状态预报值的实时修正,该算法能够很好地抑制状态预报信息的不确定性和扰动异常等对导航解的影响。其滤波解精度明显优于标准Kalman滤波。     

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.     

多普勒平滑伪距在GPS/INS紧耦合导航中的应用

针对GPS/INS紧耦合导航中GPS伪距观测值精度较低的问题,提出了一种多普勒平滑伪距在GPS/INS紧耦合导航的应用算法。首先给出了GPS/INS紧耦合导航详细的动力学模型和观测模型,在载波相位平滑伪距的基础上推导了多普勒平滑伪距的具体算法和方差-协方差计算公式,并引入遗传算法对平滑因子进行最优估计;然后利用实测数据验证了新算法的有效性。结果表明,平滑算法能够有效提高伪距观测值的精度,从而提高组合导航的定位精度,相对于载波相位平滑伪距,多普勒平滑伪距的精度略有提高,而且多普勒平滑伪距不受周跳的影响,算法的效率更高。与此同时,伪距观测值精度的提高使其与伪距率观测值精度相当,增强了滤波系统的稳定性。     

GPS/INS组合导航系统的Matlab/Simulink仿真

首先系统研究了GPS/INS 组合导航系统的仿真原理,然后以Matlab/Simulink为平台,在对GPS、INS进行单独仿真的基础上,对GPS/INS组合导航系统进行了实时的扩展Kalman滤波仿真试验,试验结果不仅证明组合导航具有较高的导航精度,而且为进一步研究组合导航系统开辟了一条比较实用的道路.     

GPS/BDS/GLONASS多系统组合定位分析

可见卫星数是评价导航系统定位性能的一个重要指标,也是系统可用性的基本要求。均方根差(亦称中误差)是观测精度的数据标准。本文通过实验分析了不同环境下的多系统组合的可见星数以及中误差,进而研究了多系统组合在不同环境中的可用性及定位精度。实验结果表明:在相同环境下,系统组合的可用性大幅提高,精度高于单GPS系统的精度,其中GPS/BDS/GLONASS三系统组合测量精度最高,GPS/BDS组合精度次之,GPS/GLONASS组合精度略低于GPS/BDS组合。     

BDS/GPS/GLONASS融合定位模型及性能分析

针对传统GNSS单星座系统定位存在的诸多不足,本文基于单点定位,给出建立在时空统一上的BDS/GPS/GLONASS多模融合定位模型,并对实测三系统数据分不同方案进行定位解算,分析各方案的可见卫星数、精度衰减因子（DOP）及定位精度。结果表明,BDS/GPS/GLONASS融合系统可见卫星数大幅提高,DOP值显著下降,定位的精度和可靠性优于各单系统。     

GPS/GLONASS卫星导航系统组合定位的定权方法研究

正确合理地确定观测值的权是GPS/GLONASS导航系统组合定位中的一个关键技术问题。本文对GPS/GLONASS导航系统组合定位中几种常用的定权方法进行了比较分析,并以GPS/GLONASS的实测数据为例进行了实验,结果表明:在GPS/GLONASS导航系统组合定位中等精度定权的定位结果精度较差,卫星高度角定权和误差分布律概率密度函数定权后的定位结果精度相当,但较等精度定权法的定位精度都有所提高,赫尔默特方差分量估计法定权的定位结果精度最优。     

Integrated data processing method for GPS and INS field test over Rocky Mountain

The method of integrated data processing for GPS and INS(inertial navigation system) field test over the Rocky Mountains using the adaptive Kalman filtering technique is presented. On the basis of the known GPS outputs and the offset of GPS and INS, state equations and observations are designed to perform the calculation and improve the navigation accuracy. An example shows that with the method the reliable navigation parameters have been obtained.     

Integrated data processing method for GPS and INS field test over Rocky Mountain

IntroductionGPS/INS integrated system exploited the INSand differential GPS pseudo-range and carrierphase technique to promote the accuracy of thedynamic platform navigation and positioning,and increase the reliability and stabilization.Incalculation, Kal…     

顾及动力学模型误差影响的GPS/INS组合导航自适应滤波算法

在顾及动力学模型随机误差的情况下,设计了一种GPS/INS自适应滤波算法.针对BP神经网络存在的训练速度慢、易陷入局部极小值等问题,对神经网络学习算法进行了改进.利用神经网络进一步减小系统误差对导航解的影响,给出了顾及动力学模型随机误差和系统误差的GPS/INS自适应滤波算法,并利用实测数据验证了算法的有效性.     

基于多尺度预处理的GPS/SINS组合导航系统

基于多尺度分析的思想,以离散小波变换为工具,利用小波对惯性元件输出的信息进行并行阈值消噪以削弱惯性元件误差对SINS及组合系统性能的影响;然后,对GPS输出的信息进行并行多尺度预处理,并结合传统的Kalman滤波方法,对系统进行综合滤波;将上述方法引入到GPS/SINS组合导航系统中,利用实测数据进行验证,并给出了基于不同方法的大量实验曲线。实验结果表明,该方法可以有效削弱惯性元件以及GPS误差对系统的影响,提高了GPS/SINS组合导航系的精度和可靠性。     

CNS+GNSS+INS船载高精度实时定位定姿算法改进研究

天文导航（CNS）、卫星导航（GNSS）和惯性导航（INS）3种系统组合可提供高精度的定位定姿结果。实际工程中因INS长时间误差累积，以及系统硬件传输存在不可忽略的时间延迟，导致INS提供给CNS的预报粗姿态误差较大，恶劣海况下难以保障快速搜星，造成天文导航可靠性下降、姿态测量精度较低的问题。为此，本文提出了一种CNS+GNSS+INS高精度信息融合实时定位定姿框架，引入了等角速度外推措施，有效地解决了惯导信息延迟问题。通过高精度转台模拟恶劣海况下载体大角速度摇摆，验证了本文提出的改进算法的有效性。试验结果表明，该算法架构简单，性能可靠，显著提高了恶劣环境下星敏感器的快速、准确搜星能力，保障了三组合姿态测量的精度和可用性。     

一种低动态高抖动环境下的GPS/INS紧组合方法

针对低动态高抖动环境下,影响GPS/INS紧组合精度的重要因素——惯性测量单元(IMU)数据中的噪声,该文提出利用小波降噪方法分离IMU数据中的噪声和有用信号以提高GPS/INS紧组合的精度。首先对IMU数据进行小波分解后得到的高频系数进行阈值量化处理,然后将GPS观测数据与降噪后的IMU数据进行GPS/INS紧组合解算,最终得到载体的导航信息。实例结果表明,该方法可以大幅提升GPS/INS紧组合的精度和稳定可靠性。     

支持向量回归辅助的GPS/INS组合导航抗差自适应算法

卡尔曼滤波残差分量受到观测信息误差和动力学模型误差的双重影响,由于GPS/INS松耦合导航系统中观测值个数少于状态参数个数,导致异常检测时难以正确区分误差来源,提出一种支持向量回归辅助的组合导航抗差自适应算法。该算法克服了组合系统观测信息无冗余情况下异常检测的局限性,基于遗传算法参数寻优构建回归模型,预测次优观测值,结合整体异常检验法自主选择抗差或自适应滤波,进而调整观测值或动力学模型对导航解的贡献,进行导航预报。最后利用车载实测数据进行验证,结果表明：该算法能够对存在的异常故障智能判定,减弱观测值异常和动力学模型误差影响,保证组合导航精度,提高导航解可靠性。     

利用预测残差和选权滤波构造的分类因子在GPS/INS组合导航中的应用

针对组合导航观测个数少、采用单因子自适应滤波会损失间接可测参数精度的问题,利用预测残差和选权滤波思想构造了分类自适应因子。实测算例计算结果表明,该算法不仅能够很好地控制状态扰动异常影响,而且还能避免损失间接可测参数的精度,进一步提高了导航精度。