一种结合H~∞滤波的SINS/GPS组合无人机定位算法

高动态复杂环境下的无人机移动定位中,捷联式惯性导航(SINS)系统存在误差漂移,全球定位系统(GPS)可能发生信号失锁等问题。本文针对无人机定位方法进行研究,基于其速度信息和位置信息,给出了一套无人机测算目标物精准位置信息的方法。该方法结合GPS定位技术与SINS定位技术,采用H~∞滤波算法对量测数据进行融合,使两定位技术优势互补,进一步降低了定位误差,特别适合于长时间导航定位。试验结果表明:将H~∞滤波引入组合式导航定位时,既能提高滤波的收敛性,又可以保持较高的定位精度。     

神经网络在SINS/GPS组合定位中的应用

地籍测量中,单一系统无法满足定位要求,组合定位技术应运而生. 其中,捷联惯性导航系统(SINS)和GPS组合定位应用最为广泛.在卫星信号受到干扰失效区域,系统进入纯SINS解算,定位误差会逐渐累积,无法满足定位精度要求. 针对此问题,提出一种长短期记忆(LSTM)神经网络辅助的组合定位算法. 根据LSTM神经网络能够有效运用于长距离时间序列的特性,在GPS有效区域,用卡尔曼滤波(KF)算法对SINS/GPS信号进行数据融合得到精确定位信息,同时利用惯性测量单元(IMU)、GPS和SINS输出信息对神经网络进行训练;在GPS失效区域,利用训练好的神经网络预测GPS位置信息,使得系统能继续用卡尔曼滤波器滤波. 最后结合地籍测量特点,设计了仿真实验,证明了该算法在GPS信号失效时可以有效抑制系统误差发散、提高定位精度,在不同运动状态下依然可以满足定位精度要求、鲁棒性强.      

CNS/SINS组合导航系统仿真分析

天文导航和捷联惯性导航(CNS/SINS)相结合构成的组合导航系统,实现导航优势的互补,提高导航的精度和可靠性。文中阐述在惯性系下,以弹道导弹为研究对象而建立CNS/SINS组合导航的数学模型,并利用MATLAB编程设计基于离散型卡尔曼滤波的组合导航系统仿真,对比SINS和CNS/SINS对载体位置误差、速度误差以及姿态角估计的影响,进而验证CNS/SINS组合导航系统的可靠性。     

应用EKF平滑算法提高GPS/INS定位定姿精度

为了提高城市遮挡环境下GPS较长时间(60s)无法单独定位情况下GPS/INS组合定位定姿精度,研究了扩展卡尔曼滤波及其RTS(Rauch Tung Striebel)平滑算法;同时给出了基于ψ角惯导误差模型的GPS/INS组合系统状态方程和基于位置、速度更新的量测方程。实验中模拟GPS信号失锁60s,应用RTS后处理算法进行了GPS/INS组合数据处理。结果表明,扩展卡尔曼滤波EKF平滑算法可以有效地提高城市遮挡环境下GPS/INS组合定位定姿精度,特别是对GPS失锁的情况。从而很大程度上降低对高成本惯导的依赖。     

GPS浮标/SINS组合水下导航与定姿若干问题讨论

介绍了GPS浮标／SINS组合用于水下设备的导航与定姿的优点,推导了水下设备载体坐标系与GPS定位的WGS84坐标系的转换关系,并根据陆地GPS／SINS力学编排的原理推导了水下GPS／SINS的误差状态方程。     

组合GPS/GLONASS在车辆导航和监控系统中的应用探讨

给出了基于卡尔曼滤波的组合GPS／GLONASS伪距单点实时动态定位的原理,并通过模拟实验表明组合GPS／GLONASS可以改进单独GPS车辆导航和监控系统的定位精度和可幸性,为车最GPS在高楼林立的城区或其它可视条件受限制地带的应用提供了保证。     

基于GPS软件接收机的SINS／GPS紧组合系统仿真

为了系统验证SINS／GPS紧组合系统的性能,基于GPS软件接收机,进行了仿真系统构建。仿真系统由轨迹发生器、GPS中频信号模拟器、IMU信号模拟器、GPS软件接收机、SINS导航解算模块、组合滤波算法和导航性能分析模块等部分构成,其中详细设计了GPS软件接收机中的捕获和跟踪算法、SINS解算以及基于伪距和伪距率的组合滤波算法。仿真结果表明：紧组合导航系统收敛性较好,能够一定程度上抑制惯导系统误差的积累,有较好的导航性能。设计的该系统满足紧组合导航系统性能验证的需要,也为后续的超紧组合研究奠定了良好的基础。     

GPS／BDS／GLONASS组合伪距单点定位性能测试与分析

本文以高山峡谷地区以及城市建筑群区域GNSS卫星受山体及建筑物遮挡的实际问题为出发点,通过选取不同的卫星方位角模拟不同遮挡环境,研究GPS／BDS、GPS／GLONAS和GPS／BDS／GLONASS组合系统伪距单点定位模型对于单GPS、单BDS系统在不同遮挡环境下的定位精度和三维导航可用性等方面的改善情况。结果表明,组合系统相对于单系统,增加了可见卫星数,降低了PDOP值,当观测条件不佳时,可以很好地改善定位精度和提高三维导航可用性。      

基于SINS／GPS的无人机组合导航系统建模与仿真

根据无人机的飞行特点以及SINS(捷联惯导)和GPS(全球定位系统)的优缺点,利用轨迹发生器设计无人机的飞行轨迹,建立基于SINS/GPS的无人机组合导航系统,依据卡尔曼滤波的相关原理对系统进行数学建模和计算仿真,验证无人机SINS/GPS组合导航系统的可靠性。     

基于Android平台的IMU/GPS导航系统设计与实现

针对近年来由于城市化进程加速使得国内基础设施建设快速发展,人们对外出旅游、出行质量的需求不断提高的现状,设计一款基于Android系统的移动导航软件,通过Android平台与百度地图API的结合,实现了实时定位、位置搜索、路径规划以及轨迹记录等功能。针对用户身处城市高大建筑物附近、高架桥上或者隧道时出现的GPS信号短暂缺失导致定位失败问题,提出并设计了IMU/GPS组合导航实现用户的实时导航。实验结果验证了组合导航相对GPS导航的优越性。     

两种滤波方法在SINS/GPS组合导航中的分析比较

本文针对SINS/GPS组合导航系统中卡尔曼滤波发散的情况:介绍并分析了自适应滤波和H∞滤波算法原理,并进行仿真计算,验证了这两种滤波用于SINS/GPS组合导航系统的可行性和有效性,对实际应用中组合导航系统滤波器的设计具有一定的指导意义。     

手机视觉与惯性融合的松耦合滤波算法

在智能手机和互联网的普及状态下，对高精度定位技术的需求也更加显著，精确定位服务已渗透到各个领域，如物联网、无人驾驶、机器快递员、应急救援等。在室外环境下，这些服务大多由全球卫星导航系统提供；然而，在深山丛林、矿井隧道、地下室等室内环境下，由于信号衰减及多径效应的影响，GPS无法正常工作。本文针对一些特殊的室内场景，研究了基于松耦合滤波的视觉惯性融合导航方法，设计了一个面向智能手机平台的室内行人定位系统。该方法视觉前端采用了快速、稳健的稀疏直接法，后端采用了扩展卡尔曼滤波器来融合惯性信息，能够有效融合视觉和惯性信息，达到恢复单目视觉尺度、提高稳健性的效果，实现了高精度的室内行人定位。     

两种滤波方法在SINS／GPS组合导航中的应用与比较

针对SINS／GPS组合导航系统中卡尔曼滤波发散的情况,引入了自适应滤波和H∞滤波,分析了它们各自的特性,最后进行仿真计算,验证了这两种滤波用于SINS／GPS组合导航系统的可行性和有效性,对实际应用中组合导航系统滤波器的设计具有一定的指导意义。     

抗差估计在RTK／INS紧组合中的应用研究

针对动态环境下GNSS／INS导航定位结果常受粗差影响的问题,提出了一种基于抗差卡尔曼滤波的GPS／BDS双系统RTK／INS紧组合导航定位算法,根据方差膨胀模型,建立抗差卡尔曼算法,得到GNSS／INS紧组合抗差解,并通过两个不同区域的实测车载实验进行了算法验证. 实验结果表明:本方法相较于传统方法，在N、E、D三个方向的导航精度分别提高1.4～4.6 cm,0.7～9 cm,1.5～2 cm,模糊度固定成功率提高10.3％～25.6％,导航精度及可靠性得到显著提高,对动态环境下车载或自动驾驶等应用具有一定的理论参考和实用价值.      

基于Wi-Fi和Android平台的室内定位技术研究

由于GPS不能满足用户对室内定位的需求,研究并开发基于Wi-Fi和Android平台的室内定位系统,利用位置指纹匹配算法和Kalman滤波实现室内定位。实验结果表明,该系统具有良好的实时动态定位效果。     

利用神经网络预测的GPS/SINS组合导航系统算法研究

提出了一种基于神经网络预测的GPS/SINS组合导航系统算法。GPS信号可用时,该算法分别将惯性传感器的输出以及卡尔曼滤波器的输出信息作为神经网络的输入及理想输出信息,并进行在线训练;当GPS信息失锁时,利用已经训练好的神经网络预测各导航参数误差,并校正SINS。地面静态实验与动态跑车实验结果证明了该方法的可行性与有效性。     

一种SINS/GPS深组合导航系统技术问题分析

为了满足高动态用户及强干扰条件下的应用需求,提出了一种基于卫星信号矢量跟踪的SINS/GPS深组合导航方法,设计了基于FPGA硬件平台的实施方案。利用组合卡尔曼滤波器反馈回路取代了传统接收机中独立、并行的跟踪环路,能够同时完成所有可视卫星信号的跟踪和导航信息处理;通过矢量跟踪算法对所有可视卫星信号进行集中处理,能够增强跟踪通道对信号载噪比变化的适应能力,从而提高接收机在强干扰或信号中断条件下的跟踪性能;根据SINS导航参数和星历信息推测GPS伪码相位和多普勒频移等参数,用以辅助卫星信号的捕获和跟踪,能够大大缩短接收机的搜索捕获时间,并增强接收机在高动态条件下的跟踪性能。基于矢量跟踪的深组合方法不仅在GPS信号短暂中断期间,能够保证系统的导航精度和可靠性,而且在强干扰环境中能够维持较好的伪码相位和载波频率跟踪性能。     

一种GNSS/视觉观测紧组合导航定位算法研究

全球卫星导航系统(GNSS)在弱信号环境下,GNSS信号易受到遮挡或者电磁干扰,严重影响导航定位的可靠性、连续性和精度. 针对此问题,本文作者研究了一种GNSS和视觉观测紧组合导航定位方法. 首先基于相机采集图像数据,利用ORB-SLAM2开源平台求解得到视觉位置结果增量,再联合GNSS伪距观测数据采用卡尔曼滤波(KF)进行组合定位解算. 采用实测的GNSS伪距观测数据和图像数据进行测试,试验结果表明:该算法不仅能有效地提升GNSS弱信号环境下导航定位的连续性和精度,还能在卫星数少于4颗时保持持续导航定位.