基于路网惯导载体路径匹配的ICCP算法改进

惯性导航作为一种独立、便捷、稳定的导航方式,在众多对导航定位有特殊要求的领域正发挥着难以替代的作用。但惯性导航的误差会随时间逐渐积累,以至于出现较大偏差,直接影响了导航定位效果,因而在实际应用中是否能准确快速实时修正定位误差至关重要。针对目前普遍使用的轨迹匹配方法 ICCP算法,在数字化路网中惯导机动载体的路径匹配基础上对该算法的几个主要环节进行了改进。最后对照实验进行验证,实验表明,改进后算法的效率和精度有了显著提高。     

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.     

一种基于约束条件的重力匹配导航算法

重力匹配导航算法对于提高匹配效率和精度具有重要的意义,是匹配导航技术中的热点问题。在已有的重力辅助惯性匹配导航算法研究的基础上提出了一种新的基于相关约束条件的重力匹配导航算法。该算法增加基于惯导系统提供的轨迹方位与航距信息,有效排除大量待匹配干扰轨迹,提高匹配效率和匹配精度。仿真结果表明:该方法精度较概率神经网络方法匹配结果有显著提升,精度由千米级提高到百米级,并将概率神经网络匹配时长缩短近50%,大大提高了重力匹配的效率,更好满足水下导航的需求。     

一种基于路网曲线特征和惯导测量数据的辅助导航定位方法

不同于已有的辅助导航定位方法,提出了基于路网曲线特征和惯导测量数据的导航定位方法,即通过对道路网和行驶惯导轨迹数据利用曲线拟合和特征提取的方法进行处理,得到能够反映出目标实际运动状态和位置情况的特征点和线,并将它们进行匹配,以达到修正导航位置的目的。     

惯性导航及其基于位置信息校正的关键技术研究

论文围绕惯性导航和基于位置信息的捷联惯导系统校正技术展开研究,内容涵盖了惯导系统的基本理论、惯性元件误差的分析与处理、静基座捷联惯导解析法对准、地固系捷联惯导系统关键算法、基于位置信息的捷联惯导系统综合校正技术等。     

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。     

基于ICCP算法的重力辅助惯性导航

迭代最近等值线算法(ICCP)是一种重要的匹配导航算法,文中首先介绍ICCP算法的基本原理,随后在0.2′×0.2′重力异常数据库的基础上,利用ICCP算法进行仿真计算得到最佳匹配位置。最后为了验证匹配位置是否可用于修正惯导误差,提出将匹配位置误差作为观测量,用卡尔曼滤波对惯导系统误差进行最优估计。由最后的仿真结果可以看出,ICCP算法可有效抑制惯导纬度误差的增长,且最大纬度误差不超过2,′以匹配位置误差作为观测量可以用来估计惯导方位误差角。     

水下重力异常最近等值线迭代匹配算法的改进

提出了基于费波纳奇数列调优的最近等值线迭代匹配算法;针对最近等值线迭代匹配只适用于真实航迹位于惯导航迹附近的局限性,提出了相应的改进算法,即先基于相关极值匹配将惯导航迹修正到真实航迹附近,然后再进行最近等值线迭代匹配,以进一步提高修正精度。通过试验区在不同仿真条件下的计算分析表明,惯导导航误差均得到了有效的修正。     

捷联惯性导航系统算法简化机制

随着低精度惯性导航系统的广泛使用,算法简化也成了研究热点。本文通过实验来验证简化导航算法对于不同惯导尤其是低精度惯导的可行性,这对实时性应用有很大影响。通过对以上内容的介绍,希望可以为进一步研究捷联算法、低精度惯导的实时应用提供一定的参考。     

A combined algorithm of improving INS error modeling and sensor measurements for accurate INS/GPS navigation

Although the integrated system of a differential global positioning system (DGPS) and an inertial navigation system (INS) had been widely used in many geodetic navigation applications, it has sometimes a major limitation. This limitation is associated with the frequent occurrence of DGPS outages caused by GPS signal blockages in certain situations (urban areas, high trees, tunnels, etc.). In the standard mechanization of INS/DGPS navigation, the DGPS is used for positioning while the INS is used for attitude determination. In case of GPS signal blockages, positioning is provided using the INS instead of the GPS until satellite signals are obtained again with sufficient accuracy. Since the INS has a very short-time accuracy, the accuracy of the provided INS navigation parameters during these periods decreases with time. However, the obtained accuracy in these cases is totally dependent on the INS error model and on the quality of the INS sensor data. Therefore, enhanced navigation parameters could be obtained during DGPS outages if better inertial error models are implemented and better quality inertial measurements are used. In this paper, it will be shown that better INS error models are obtained using autoregressive processes for modeling inertial sensor errors instead of Gauss–Markov processes that are implemented in most of the current inertial systems and, on the other hand, that the quality of inertial data is improved using wavelet multi-resolution techniques. The above two methods are discussed and then a combined algorithm of both techniques is applied. The performance of each method as well as of the combined algorithm is analyzed using land-vehicle INS/DGPS data with induced DGPS outage periods. In addition to the considerable navigation accuracy improvement obtained from each single method, the results showed that the combined algorithm is better than both methods by more than 30%.     

视觉辅助下的室内惯导位姿修正

惯性导航系统可以短期内提供连续的高精度信息，但是误差会随时间增大，不能长期独立工作。而在大型仓库、地下停车场等室内卫星信号薄弱的场景中，传统的惯导+卫星组合方法也不再适用。针对该问题，本文提出了一种视觉与惯导组合定位的方法。本文研究的惯导+视觉组合的定位方法中，采用基于合作目标的单目视觉定位方法对惯导误差进行修正。对于惯导误差的修正方法，本文利用视觉定位的位姿信息建立量测方程，进行卡尔曼滤波，并选取合适的试验设备，通过实际试验对比验证了该算法对惯导系统误差的修正具有良好的效果。     

基于复合多属性决策的点云匹配定位结果准确性评价

激光雷达点云匹配与惯性组合导航技术是高精度定位导航领域研究的热点，匹配定位结果评价的准确性直接影响组合导航定位精度，特别是在室外实际道路场景下，环境复杂，点云误匹配概率较大，只有准确评价匹配定位结果，才能提高组合导航定位精度。因此，对于评价模型的研究具有重要的意义。本文将评价模型的构建抽象为多属性决策问题，采用复合多属性决策算法，识别影响定位结果的因素并进行赋权，定量地评价了定位结果的质量，并利用实际道路数据对模型进行了验证。结果表明，本文算法可靠有效，能够反映实际匹配定位结果质量。     

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。     

GAINS中重力传感器信息的扰动改正

重力辅助惯性导航系统GAINS(Gravity Aided Inertial Navigation System)是利用地球物理特征信息重力来完成水下运动载体的辅助惯性导航与定位.为实现重力匹配以校正惯性导航随时间累积的误差,首先必须对重力传感器输出信息进行扰动改正.分析了水下运动状态下重力传感器受到的各种重力扰动,如垂直扰动加速度、水平扰动加速度以及厄特弗斯效应影响所产生的原因,研究了扰动误差模型与INS导航精度之间的关系,并通过计算,提出了可直接以INS输出数据而无需其它外部有源导航信息进行扰动分离的方法.     

GAINS中重力传感器信息的扰动改正

重力辅助惯性导航系统GAINS(Gravity Aided Inertial Navigation System)是利用地球物理特征信息──重力来完成水下运动载体的辅助惯性导航与定位。为实现重力匹配以校正惯性导航随时间累积的误差,首先必须对重力传感器输出信息进行扰动改正。分析了水下运动状态下重力传感器受到的各种重力扰动,如垂直扰动加速度、水平扰动加速度以及厄特弗斯效应影响所产生的原因,研究了扰动误差模型与INS导航精度之间的关系,并通过计算,提出了可直接以INS输出数据而无需其它外部有源导航信息进行扰动分离的方法。     

融合惯导信息的单目视觉室内定位方法

针对单目视觉定位方法定位精度高但数据源不稳定,而惯性测量组件可稳定获取定位数据却存在累计误差的问题,提出了一种融合惯导信息的单目视觉室内定位方法．该方法利用四参数拟合模型将图像数据转换成定位定姿数据,并在惯导数据解算过程中引入互补滤波修正陀螺仪读数,最后将处理后的数据作为观测值输入到扩展卡尔曼滤波器中,得到最优位置信息．实验结果表明,该方法能够有效地提高室内定位的精度和稳定性.      

基于B1C新信号的BDS/INS深组合改进的跟踪环路设计

针对北斗卫星导航系统/惯性导航系统(BDS/INS)的深组合定位系统,提出了一种利用惯性导航系统(INS)辅助B1C正交分量的信号跟踪算法,以解决定位过程中信号较弱致深组合定位系统失锁的问题. 该算法使用了考虑INS数据的卡尔曼滤波算法,并同时利用导频分量和数据分量构成本地码,对信号进行跟踪. 由该算法对实测数据计算,并利用传统算法进行对比,可以得出在弱信号的环境下跟踪环路较为稳定,伪距精度较高.      

Adaptive GPS/INS integration for relative navigation

Relative navigation based on GPS receivers and inertial measurement units is required in many applications including formation flying, collision avoidance, cooperative positioning, and accident monitoring. Since sensors are mounted on different vehicles which are moving independently, sensor errors are more variable in relative navigation than in single-vehicle navigation due to different vehicle dynamics and signal environments. In order to improve the robustness against sensor error variability in relative navigation, we present an efficient adaptive GPS/INS integration method. In the proposed method, the covariances of GPS and inertial measurements are estimated separately by the innovations of two fundamentally different filters. One is the position-domain carrier-smoothed-code filter and the other is the velocity-aided Kalman filter. By the proposed two-filter adaptive estimation method, the covariance estimation of the two sensors can be isolated effectively since each filter estimates its own measurement noise. Simulation and experimental results demonstrate that the proposed method improves relative navigation accuracy by appropriate noise covariance estimation.     

基于众源数据的室内外一体化行人路网构建

行人路网的完整性和准确性是保障步行导航服务的关键。当前的行人路网大多是基于室外道路设施构建的,缺乏室内可步行路径的数据支持,无法在导航应用中提供准确、真实的最优路径规划服务。鉴于此,本文提出了一种基于众源数据的室内外一体化行人路网构建方法,采用智能手机定位传感器与惯性传感器记录的众源轨迹,首先对缺失或者漂移的室内步行数据进行筛选,然后使用改进的行人航位推算(PDR)方法推算出准确的室内轨迹,进而采用莫尔斯理论生成涵盖室内外行人路径的完整行人路网。试验分析中对搜集到的260条步行轨迹数据进行行人路网构建,并使用高精度测量设备采集真实路网数据进行对比分析,结合OSM数据对试验结果进行综合评价。试验结果表明,本文方法能够准确、完整地生成室内外一体化行人路网。