关联概率密度加权重力异常UKF滤波匹配导航算法

无味卡尔曼滤波(UKF)是一种通过采样来近似非线性分布,从而对非线性问题进行次优估计的滤波方法。利用实时观测得到的重力异常以及航行区域参考重力异常图,可以建立基于重力异常的UKF滤波匹配导航算法,以此校正惯性导航系统的漂移误差。针对选取与UT变换相同权系数来求取预测观测值而可能导致求得的预测观测值为伪观测值的问题,提出了利用关联概率密度函数对采样观测值进行加权的重力异常UKF滤波匹配导航算法。通过对某实验区域的实验进行计算分析,结果表明,基于关联概率密度加权重力异常UKF滤波算法能够克服传统加权预测观测值带来伪观测信息的问题,将惯性导航系统经纬向漂移误差降低至1.1 n mile以内,均优干传统加权算法和纯惯性导航系统的定位精度。     

基于量测残差估计残差协方差的RAE-PEKF匹配算法

地磁异常数据可以为水下潜器提供高隐蔽性的外部辅助信息,修正由惯性导航产生的累积误差。滤波匹配算法作为地磁辅助惯性导航中的核心技术,能够有效削弱地磁观测噪声不确定的影响。基于航迹仿真数据,将全球地磁异常格网数据作为基准图,提出使用量测残差自适应估计观测噪声方差的地磁异常并行扩展卡尔曼滤波匹配算法。通过建立一组基于地磁异常观测量的并行滤波器,结合最优滤波器选取准则来提高算法的可用性和鲁棒性。选取地磁特征分布不同的中国南海海域进行仿真匹配实验,结果表明,该算法能够有效降低纯惯性导航经纬向的匹配误差。仿真条件下,在地磁特征变化明显的区域,地磁辅助惯性导航系统的精度在纬度方向上提高至0.751 53 n mile,在经度方向上提高至0.778 45 n mile。     

自适应渐消卡尔曼滤波及其在SINS初始对准中的应用

卡尔曼滤波常常被用于惯性导航系统初始对准算法,其使用前提是对系统状态进行建模,从而得到比较准确的系统噪声和观测噪声统计特性。在模型失配和观测噪声干扰的情况下,常规卡尔曼滤波会出现精度下降甚至发散,从而影响初始对准精度。针对这一问题,提出了一种新型渐消卡尔曼滤波算法,引入了多重渐消因子对预测误差协方差阵进行调整,设计了基于新息向量统计特性的滤波状态χ2检验条件,使渐消因子的引入时机更加合理,算法的自适应性得到增强。将改进的卡尔曼滤波算法应用到惯性导航系统的初始对准问题中,仿真试验和实测数据试验结果表明,与常规渐消因子滤波算法相比,新算法可以有效提高滤波精度及鲁棒性。     

GPS／INS组合中观测噪声方差阵的自适应估计方法研究

在GPS/INS松散组合滤波中,首先利用新息辨别异常的观测量,然后根据选权滤波的思想,通过调节滤波器中观测噪声方差阵改变系统对相应观测信息的信赖度.实验结果表明,改进的滤波算法不仅提高了滤波精度,而且较好地控制了异常点的误差影响.     

一种LiDAR平面配准方法辅助的IMU室内定位算法

室内环境由于缺乏观测条件,无法使用全球导航卫星系统(global navigation satellite system,GNSS)进行定位,而单独惯性导航系统(inertial navigation system,INS)由于传感器的误差累积,定位结果快速偏移且无法受到限制.因此,针对室内未知环境下移动背包的定位问题,提出激光雷达(light detection and ranging,LiDAR)与惯性测量单元(iner?tial measurement unit,IMU)的组合导航系统,使用LiDAR平面配准获得的载体速度作为扩展卡尔曼滤波器观测量,对IMU位姿推算的误差进行修正.结果表明,该方法可以有效控制惯性导航误差的漂移,从而提高室内定位精度.     

车载移动测量中定位定姿系统误差校正与补偿研究

讨论了全球导航卫星系统(global navigation satellite system,GNSS)/里程计(odometer,ODO)/惯性导航系统(inertial navigation system,INS)组合定位定姿中误差校正与ODO/INS组合导航两个方面的问题。针对里程计刻度因子和安装误差角的校正,在不改变原GNSS/INS滤波器的基础上,设计了GNSS/INS与INS/ODO两级卡尔曼滤波器级联结构,将INS导航误差与里程计刻度因子误差、安装误差角分别列入两个滤波器的系统状态中,在GNSS连续观测和固定模糊度条件下,利用里程计和惯导里程增量之差作为INS/ODO卡尔曼滤波器的外部观测,对误差进行校正。另一方面,使用校正过的里程计和安装误差角,在GNSS失锁条件下对INS进行观测和修正。跑车实验结果表明,本文算法可以有效校正里程计刻度因子和定位定姿(positioning and orientaton system,POS)安装误差角,同时大幅提高GNSS失锁条件下的定位精度,配合平滑卡尔曼滤波器,可将城市移动测量两分钟GNSS失锁条件下的定位误差控制在0.5m以内。     

重力辅助导航仿真及适配性分析

重力场辅助导航是抑制惯性导航系统随时间误差累积的有效方法之一。本文引入重力异常可导航值作为描述重力异常背景场的特征之一,并计算了西太平洋海域1'×1'重力异常可导航值。为了分析重力异常背景场的适配性,选取了4条代表性航线并基于ICCP算法进行了仿真,并对仿真结果作了统计分析。统计结果表明,匹配区域的可导航值越大,适配性能越好,其中在可导航值均值大于20的航线上,匹配成功率大于80%,且匹配精度优于2 nmile。     

Quaternion-EKF的多源传感器联合定向算法

针对磁力计易受干扰和陀螺仪易漂移的问题,使用扩展卡尔曼滤波EKF(Extended Kalman Filter)融合多源传感器进行定向。利用基于四元数的EKF,在当地磁场和重力加速度的基础上融合加速度计、陀螺仪和磁力计观测信息,并通过自适应算法构建过程噪声向量和观测噪声向量的协方差矩阵以解决载体运动和周围磁场干扰对重力和地磁场观测值的影响。实验结果表明,该算法可以有效地减弱陀螺仪漂移和磁场对定向的干扰,获得更加精确和稳定的航向角信息。     

连续重力观测异常模式的多分辨率识别算法

在小波多孔算法的基础上,提出了一种综合信号频率信息和幅值信息的连续重力观测数据多分辨率异常模式识别算法,利用小波分解得到高频区域的能量作为频率指标,与幅值相结合,对信号及其多孔小波分解结果进行多分辨率异常模式识别。利用模拟数据和实际超导重力观测数据对算法的有效性进行了验证,结果表明,该算法能够准确地在带有噪声的信号中识别模拟数据的异常模式,可应用于连续重力观测台网数据分析处理,对于提升台网观测数据质量以及地震预测等实际应用都具有重要意义。用此方法分析拉萨和武汉的3台超导重力仪2015-04-25尼泊尔地震前一天的秒采样数据后,得到一段27 min的在频率指标上有超过90%相似性的异常模式,这一结果的更深层次物理解释仍需要进一步研究。     

抗差容积卡尔曼滤波及其在UWB室内定位中的应用北大核心CSCD

针对超宽带(UWB)观测值异常引起的量测误差及系统噪声先验统计信息未知而导致状态估计误差增大的问题,该文提出了一种带噪声时变估计器的抗差容积卡尔曼滤波(CKF)算法。该算法在滤波过程中,利用预报残差因子构建抗差等价协方差矩阵,控制观测异常值对滤波参数解的影响,同时利用sage_husa算法对系统噪声的统计特性进行实时估计和修正,提高滤波精度和稳定性。实验结果表明,所提算法不仅能有效地消除量测误差对滤波解的影响,而且能在系统噪声先验信息未知的情况下更进一步提高UWB室内定位的精度和可靠性。     

航空矢量重力测量中光纤陀螺随机漂移误差实时补偿方法

光纤陀螺随机漂移误差是影响航空矢量重力测量系统姿态解算精度的关键因素。建立模型并在输出中对其补偿是抑制该项误差的有效方法。针对传统ARMA模型只能对平稳随机漂移误差建模,且模型无法满足实时滤波需求的问题,本文引入适用于非平稳随机漂移误差的ARIMA模型,同时给出详细的建模过程,并提出采用实时平均算法消除原始采样序列中常值分量的思路,实现了随机漂移误差的实时Kalman滤波估计。基于本文所提出的模型和实时滤波算法,对光纤陀螺实测数据进行分析,结果表明处理后信号中随机漂移误差的方差减小了46.5%。Allan方差分析结果表明,滤波后角度随机游走系数和角速率随机游走系数分别降低了约50%和40%。本文的结果说明ARIMA模型能够准确描述陀螺的非平稳随机漂移误差。基于实时平均算法的Kalman滤波可实现随机漂移误差的在线估计,有望提高航空矢量重力测量系统的姿态解算精度。     

重力场对惯性导航定位误差影响研究与仿真

从惯性导航力学编排方程出发,将高阶重力场模型代替正常重力模型,分析了扰动重力引起的惯性导航误差;并从另一角度,对理想状态下扰动重力对惯性导航的影响进行了仿真分析,结果表明扰动重力影响显著。通过将重力垂线偏差分量引入惯性导航方程,改善传统方程的缺陷,探讨了垂线偏差对惯性导航的影响。在全面论述了扰动重力和重力垂线偏差对惯性导航的影响的基础上,结合实际情况提出了进行重力场误差补偿的两种方法。     

高精度惯性导航系统的重力场影响模式分析

从惯性导航力学编排方程出发,通过将重力乖线偏差引入惯性导航方程,改善传统方程中简单利用正常重力进行解算的缺陷,仿真分析不同速度下止常重力模型,ECM96模型和实测重力数据对惯性系统导航结果的影响.结果表明,乖线偏差的影响远远大于单纯重力异常的影响,且载体运动速度越慢,采用EGM96模型和实测重力数据比采用正常重力模型对惯导系统的改善越明显,而采用EGM96模型和实测重力得到的导航结果差别较小;如果只单纯考虑重力异常的影响,采用正常重力,EGM96模型解算的导航结果与采用实测重力异常的结果差别小明显,误差主要表现在基于时间的累积效果上.     

基于相位相关的二维重力匹配算法

重力匹配可以校正惯性导航系统的累积误差,但目前研究的重力匹配算法都是一维的,匹配算法的可靠性不高,容易出现误匹配。根据傅里叶变换具有的平移不变性,利用归一化功率谱作为相关性测度进行二维的重力匹配,可达到子像素精度,提高匹配的可靠性。     

重力场对惯性导航定位误差影响研究与仿真

从惯性导航力学编排方程出发,将高阶重力场模型代替正常重力模型,分析了扰动重力引起的惯性导航误差;并从另一角度,对理想状态下扰动重力对惯性导航的影响进行了仿真分析,结果表明扰动重力影响显著.通过将重力垂线偏差分量引入惯性导航方程,改善传统方程的缺陷,探讨了垂线偏差对惯性导航的影响.在全面论述了扰动重力和重力垂线偏差对惯性导航的影响的基础上,结合实际情况提出了进行重力场误差补偿的两种方法.     

利用滑动窗口的多项式拟合算法进行重力位场区域-剩余异常分离

地表观测的重力位场是地形质量、浅部地质结构产生的剩余重力异常和深部地质构造产生的区域重力异常的叠加效应。基于尺寸可变的滑动窗口的二维低阶多项式拟合算法和格网距离（到中心点）倒数的定权规则在空间域对地面观测的重力位场数据进行了不同深度层的区域-剩余异常分离。这克服了常规算法仅在水平方向上区分不同异常空间分布及垂直方向上定性分离的缺陷。并利用构建的模型重力数据和实测重力位场数据分别进行解算,数值结果验证了该方法的有效性。     

简化自协方差最小二乘噪声估计的SINS静基座初始对准

研究了观测噪声统计特性未知的情况下,简化的自协方差最小二乘噪声估计方法在捷联惯性导航系统静基座初始对准中的应用。该算法采用迭代计算的策略,同时进行噪声估计和初始姿态修正,估计精度较高。通过数值方法对此算法的正确性和有效性进行了验证。     

一种GPS/GLONASS/INS数据融合算法

针对卫星导航系统和惯性导航系统(INS)的不同特性,提出了一种GPS/GLONASS/INS数据融合算法。采用差分自适应检测算法、改进码平均相位算法以及位置联合解算方法实现了GPS/GLONASS数据融合,借助于改进的粒子滤波器、INS误差模型建立系统状态方程和观测方程,完成GPS/GLONASS系统速度值和INS系统速度值数据融合,提高组合导航系统精度和可靠性。使用真实数据对数据融合算法性能进行仿真分析,结果表明所设计算法是有效的,能够处理非线性非高斯条件下的滤波估计,提高滤波精度和系统可靠性。     

基于惯导/天文高精度定姿方法

研究了利用惯性导航系统与天文导航系统进行组合定姿的方法;构造了惯导/天文组合导航系统的状态方程和量测方程;采用卡尔曼滤波技术设计了惯导/天文组合定姿算法。设计飞行器的典型飞行轨迹,通过数学仿真对该算法的有效性进行了验证。结果表明,天文导航能够有效地补偿惯性导航因陀螺漂移带来的误差,非常适用于飞行器的高精度定姿。     

基于惯导／天文高精度定姿方法

研究了利用惯性导航系统与天文导航系统进行组合定姿的方法,构造了惯导/天文组合导航系统的状态方程和量测方程;采用卡尔曼滤波技术设计了惯导/天文组合定姿算法.设计飞行器的典型飞行轨迹,通过数学仿真对该算法的有效性进行了验证.结果表明,天文导航能够有效地补偿惯性导航因陀螺漂移带来的误差,非常适用于飞行器的高精度定姿.