虚拟卫星法在 GNSS / INS组合导航中的应用

在 GNSS / INS车载组合导航系统中,GNSS信号易受遮挡或干扰而失锁,造成组合导航精度有所降低.针对这种情况,将虚拟卫星法应用于 GNSS / INS组合导航系统中.通过增加虚拟卫星,构造虚拟观测量,将实测观测量、虚拟观测量用于组合导航 Kalman滤波器解算.试验结果表明,此方法能够有效地提高系统的可观测性和导航精度.     

一种改进的GNSS／INS非相干深组合导航

针对GNSS／INS非相干深组合导航中通道滤波器状态模型中信号幅值估测不准而导致跟踪环路观测噪声较大的问题,提出了一种改进的GNSS／INS非相干深组合导航方法。该方法通过去除通道滤波器中信号幅值状态变量,增加载波相位变化率加速度误差,重新设计了通道滤波器数学模型。仿真结果表明：相比于传统的非相干深组合导航方法,这种滤波器的跟踪性能与导航精度有了进一步提高。     

改进的GNSS/SINS组合导航系统自适应滤波算法

GNSS/SINS(global navigation satellite system/strapdown inertial navigation system)组合导航系统已得到广泛的应用与研究,当处于复杂环境时,GNSS输出容易出现误差均方差突变、误差均方差缓变、硬故障和软故障4种现象,进而影响组合导航系统滤波精度及载体的导航安全。为了解决上述问题,提出了一种改进的GNSS/SINS组合导航系统自适应滤波算法。首先,利用滤波过程中的观测异常检验统计量与滤波器门限值构建观测因子,然后,将变分贝叶斯原理与抗野值滤波方法结合,设计了改进的组合导航系统自适应滤波算法。仿真实验表明,相较于传统算法,当GNSS输出误差均方差发生变化时,所提算法可将位置精度及速度精度提高11.8%及13.7%;在GNSS输出发生硬故障时,所提算法可将位置精度及速度精度提高70.8%及69.6%。实验结果表明,所提算法具有较强的自适应性,可提升复杂环境下组合导航系统的精度和连续可用性。     

基于矢量跟踪的GNSS／SINS相干深组合系统研究

为满足组合导航系统在高动态环境下的性能要求,设计基于矢量跟踪的GNSS／SINS相干深组合导航方法。利用矢量跟踪环路将所有可视卫星的跟踪和导航解算融为一体,增强通道间的辅助;高动态对载波跟踪影响更大,在通道预滤波中将码环载波环分别用独立的滤波器处理,组合滤波中采用通道间差分降低滤波状态维数,提高计算效率。引入惯导的加速度辅助本地信号参数预测,较精确地测量卫星视线方向的加速度,减小接收机在高动态时段的剩余动态,提高本地信号参数的预测精度。基于矢量跟踪软件接收机搭建相干深组合仿真系统,实验表明该方法在高动态等环境下能提高信号跟踪性能,改善系统的精度、可靠性。      

超紧组合中不同精度IMU对GNSS信号跟踪性能的提升

详细推导了惯性测量单元(IMU)精度与全球导航卫星系统(GNSS)接收机信号跟踪环路误差之间的数学模型,分析了IMU辅助的高动态载波跟踪环路误差精度,比较了不同精度IMU辅助GNSS信号捕获性能,证明了分析推导的正确性和合理性,指出了惯性卫星超紧组合导航系统对IMU的精度要求。     

LSTM辅助车载GNSS/INS组合导航算法及性能分析

针对车载GNSS/惯性导航系统(inertial navigation system,INS)组合导航系统在GNSS信号失锁时定位精度下降甚至发散的问题，提出了一种长短期记忆(long short-term memory,LSTM)神经网络辅助组合导航的算法来提高定位精度，实现可靠连续稳定的定位.通过移动集成平台进行实验，结果表明：当GNSS信号失锁30 s时，LSTM辅助组合导航系统在东(east,E)、北(north,N)方向的位置误差最大值分别降低了77.45%、17.39%，均方根误差(root mean square error,RMSE)分别降低了79.53%、42.36%；当GNSS信号失锁100 s时，LSTM辅助GNSS/INS在E、N、天顶(up,U)三个方向上的位置误差最大值分别降低了60.07%、98.30%、84.65%,RMSE分别降低了61.96%、97.98%、84.65%. LSTM辅助较大地提升了车载GNSS/INS组合导航系统的导航性能.     

非完整约束的OD/SINS自适应组合导航方法

在地面车载组合导航GNSS/OD/SINS中,全球导航卫星系统（GNSS）信号容易受到环境的干扰甚至发生中断,将非完整性约束（NHC）应用于里程计（OD）/捷联惯性导航系统（SINS）组合,可以有效抑制GNSS信号中断期间组合导航系统的误差发散。通常NHC的噪声设定基于固定的经验值,然而在实际运动过程中,车辆运行轨迹复杂多变,其运动状态不能完全满足NHC前提假设,经验给定的噪声无法准确反映车辆实际运动情况。为此,本文分析了NHC噪声与车辆运动状态的关系,构建了一种基于车辆运动状态的NHC噪声自适应方法。通过所选场景的实测数据验证表明：采用噪声自适应的NHC/OD/SINS组合导航结果相比于固定噪声的NHC/OD/SINS组合,在GNSS信号中断110 s、车辆连续转弯的情况下,最大水平位置误差减小了68.4%;在GNSS信号中断74 s、车辆直线行驶的情况下,最大水平位置误差减小了87.3%;能较好地抑制GNSS中断期间组合导航系统的误差发散。     

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。     

新型组合导航定位技术在机场抢建中的应用

在机场抢修抢建中,对测量系统的作业时间、定位精度、可靠性具有较高的要求,本文提出了一种新型高精度IMU/TS组合定位导航方法,引入激光跟踪定位/惯性组合导航理念,分析了系统组成以及各传感器的误差项,将系统时间延迟作为新的状态估计参数,采用卡尔曼滤波器将IMU和TS数据进行数据融合处理,并在车载动态应用条件下同IMU/GPS组合定位导航系统进行了实验数据比对,验证了在无GNSS信号环境下IMU/TS组合定位导航系统的位置测量精度。     

异步联邦UKF的GNSS／SINS／摄影定位组合导航算法仿真

在飞行器进近过程中,为了提高组合系统的导航精度,针对传统联邦滤波器对非线性系统模型易导致滤波发散问题.分析了两种导航方式的优缺点,提出了基于卫星导航／惯性导航／摄影测量(GNSS／SINS／Photogrammetry)的组合导航联邦滤波算法,并推导了系统误差模型.该算法取长补短利用联邦无迹卡尔曼滤波器将GNSS定位和摄影定位、定姿精度高的优势对SINS进行在线误差估计.针对多传感器非等间隔数据采样问题,采用时间与量测更新分离的异步非等间隔联邦滤波算法进行信息融合,并对滤波器结构进行改进以减少算法复杂度.仿真实验证明基于联邦UKF的组合导航系统较传统联邦滤波算法位姿精度有明显的提高,且系统鲁棒性也有一定的增强.