SINS／GPS级联组合滤波新算法

针对级联式SINS／GPS导航系统中组合滤波器的测量噪声与系统噪声的相关问题，提出了一种相关程度未知条件下的估计量最优融合算法，并由此得到了一个顾及噪声相关性的卡尔曼滤波新算法；通过对一套SINS／GPS数据的计算，证明了新算法是成功的。     

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。     

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。     

SINS的SRC-KF姿态估计算法

基于飞行器载体SINS姿态计算精度要求,提出了一种SINS(strap-down inertial navigation system)的球面径向容积卡尔曼(spherical-radial cubature Kalman filtering,SRC-KF)姿态确定算法。该算法把笛卡尔坐标系中状态向量变换到球坐标系中,通过Gauss-Hermite求积计算获得2n个球面径向容积点及其权值系数来逼近计算系统状态估计及其方差矩阵,其计算精度可达到三阶;采用四元数姿态建模方法构建新型SINS状态变量与噪声向量相关的姿态方程模型,利用伪观测向量构建观测噪声与四元数相关的观测方程模型,设计系统噪声方差分离计算算法进行系统噪声方差计算,引入拉格朗日乘子算法计算四元数估计均值,最后利用SINS/CCD姿态估计仿真系统开展的SINS的SRC-KF姿态模型算法进行仿真验证。通过与中心差滤波(CDKF)和无迹卡尔曼滤波(UKF)算法计算结果进行对比,可以看出SRC-KF算法具有计算精度高以及数值计算稳定等特点。     

大失准角的SINS/GPS组合对准算法研究

利用四元数误差方程和非线性滤波技术能较好地解决大失准角下SINS的空中对准问题。迭代滤波比扩展卡尔曼滤波能在更大程度上改善对准精度，但计算量大。针对此不足，本文基于扩展卡尔曼滤波的状态与偏差解耦算法具有较高数值效率和迭代滤波具有较高精度的特点，推导出了一种非线性滤波算法，并对基于加性四元数误差方程的SINS／GPS组合对准进行了数字仿真。仿真结果表明：该算法既具有迭代滤波的精度又比迭代滤波计算量小。     

RDSS/SINS组合系统的建模与仿真研究

基于RDSS／SINS组合系统，给出了一套消除RDSS实时性差的方案，提出了一种非等间隔测量的卡尔曼滤波算法。仿真结果表明，该方案与算法用于RDSS／SINS组合导航系统时，可有效地提高组合系统的定位精度。     

面向城市道路的多传感器融合定位导航技术

方便地获取高精度、高可靠的轨迹数据是交通、旅游等行业智能化发展的关键。鉴于此，本文设计一款集GPS、SINS和OBD于一体的多源车载组合导航系统来收集轨迹数据，提出数据融合的方法来弥补因传感器噪声导致的位置累积误差，并在GPS失锁时有效预测轨迹位置信息。此方法通过梯度提升与决策树相结合建立INS误差补偿模型，并引用粒子群算法优化模型的回归参数，可有效避免误差积累；再利用联邦滤波器实现GPS、SINS和OBD数据融合，提高了轨迹信息的准确性。实际道路测试证明，基于此方法的组合导航系统，在多种路况下可收集连续精准的轨迹数据。     

一种GPS辅助的低精度捷联惯导动态对准方法

针对低精度SINS的陀螺不能辨识地球自转角速度,难以完成自对准的问题,该文引入GPS的位置观测信息利用5级-CKF简化算法辅助低精度SINS完成初始对准;因为低精度SINS粗对准给出的初始姿态质量很差,不满足小失准角的条件,所以必须采用大失准角非线性误差模型和非线性滤波方法。该文提出5级-CKF算法,并在系统模型噪声和量测噪声均为加性噪声且量测方程为线性方程时,对5级-CKF算法进行简化,其需要在kalman滤波的基础上利用5级容积采样点对非线性状态方程的状态及其方差进行预测。设计仿真实验验证了该方法的有效性,并分析了大失准角情况下载体运动状态对航向角估计的影响。     

GPS辅助激光陀螺捷联惯导系统动基座对准实验研究

对GPS辅助下的激光陀螺捷联惯导系统的动基座初始对准进行了实验研究。首先给出了车载SINS／GPS组合导航系统误差模型，然后利用Kalman滤波器对SINS和GPS的车载动基座实际测量数据进行了离线的半实物仿真。仿真结果表明，动基座对准能够在10分钟以内快速实现，但是达到的对准精度与静基座对准相比稍差。     

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。     

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。     

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。     

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。     

SINS／GPS组合系统数据处理的质量控制方法研究

ＳＩＮＳ／ＧＰＳ组合系统是一种高效的动态大地测量方法。本文探讨这种组合系统数据处理的统计质量控制理论。     

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.      

一种低成本、低精度SINS/GPS组合导航系统及试验研究

在SINS（捷联式惯性导航系统）与GPS组合时，航向角的可观测性较弱，经过卡尔曼滤波后，航向角误差虽有所改善，但仍呈发散趋势，当采用低成本、低精度SINS时，该趋势进一步加剧。为了抑制该发散趋势，针对某型低成本、低精度SINS硬件组成（包括AHRS（姿态和航向参考系统）与IMU（惯性测量器件））的特点，提出了利用AHRS代替SINS航向角信息的方法。实际静态与动态试验表明，利用该方法可有效地抑制组合系统航向角的发散趋势，定位精度较高。     

浅谈GPS/SINS组合导航系统的设计

SINS/GPS组合导航系统是一种性能较好的导航系统,它结合了GPS的高精度定位,误差无积累及INS的自主性、实时性等优点。两者的结合可使导航系统的成本下降,可靠性增加,精度提高。本文概要地介绍了SINS/GPS的研究背景、结构组成、建立了系统的总体设计方案,给出详细的软件设计框图.并介绍实现系统各个功能的软件算法。实际应用结果表明:该系统的导航精度、成本、体积等指标均达到了设计要求。     

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。