基于序贯UKF的GNSS/CNS/SINS组合导航最优融合算法

组合导航系统在动态环境下具有强非线性,为提高GNSS/CNS/SINS组合导航系统的导航精度,提出一种基于序贯UKF的多传感器最优融合算法。首先,建立GNSS/CNS/SINS组合导航系统的非线性状态方程及2个子滤波器的线性量测方程;然后,对标准UKF的量测更新过程进行简化,简化UKF算法具有与标准UKF算法相同的滤波精度,且具有计算量低的特性;最后,将序贯滤波算法与简化UKF算法结合,提出多传感器组合导航系统的序贯UKF最优融合算法。仿真结果表明,本文序贯UKF算法不仅可提高系统解算的实时性,并且相对于集中线性卡尔曼滤波算法及经典集中线性UKF算法具有较高的滤波精度。     

CNS/SINS组合导航系统的UKF算法研究

天文/捷联惯性（CNS/SINS）组合导航系统采用姿态组合,可使姿态角处于收敛状态,并有效抑制位置及速度的发散。为提高组合导航系统的精度,本文设计了CNS/SINS组合导航系统的UKF算法,在建立CNS/SINS组合导航系统非线性状态方程及线性量测方程的基础上,首先对UKF的量测更新过程进行简化,降低其计算量;然后,基于平台误差角提出系统状态协方差矩阵中姿态角协方差矩阵的计算方法,并推导了UKF算法中姿态量测值一步预测误差对应的平台角误差向量表达式,进而建立CNS/SINS组合导航系统的UKF算法;最后进行仿真实验。结果表明,相对于线性卡尔曼滤波算法及EKF算法,本文算法可明显提高组合导航系统的各导航参数精度,并且本文算法对滤波器初始姿态角误差变化具有较高的鲁棒性。     

GNSS/SINS组合导航的改进Sage-Husa自适应滤波算法

针对组合导航系统中标准Sage-Husa自适应滤波算法存在滤波发散的问题,提出一种改进的Sage-Husa自适应滤波算法。首先,对组合导航系统的线性卡尔曼滤波算法采用补偿反馈校正算法获得最优估计,并对滤波器新息向量进行简化;然后,提出一种改进的Sage-Husa自适应滤波算法,该算法具有实现简单并且可以避免状态估计发散的特点;最后,进行基于该算法的GNSS/SINS组合导航实验。结果表明,该算法可以对量测噪声突变方差和缓变方差进行准确跟踪,并且量测噪声方差估计精度与变分贝叶斯滤波方法相当;当量测噪声方差变化时,相对于标准KF算法,该算法可分别提高约20%和21%的位置精度和速度精度,能有效降低未知量测噪声统计特性对组合导航系统滤波精度的影响。     

一种SINS/CNS/GNSS组合导航滤波算法

捷联惯性导航系统/天文导航系统/全球导航卫星系统（SINS/CNS/GNSS）构成的组合导航系统可有效提高飞行器的定位精度,而导弹等飞行器常用发射时刻的发射点惯性坐标系作为测量载体飞行的基准。为此,首先在发射惯性坐标系下推导并建立一种简洁的SINS/CNS/GNSS组合导航数学模型,该模型将SINS积分预报姿态四元数误差作为待估量,可避免姿态误差角与数学平台失准角之间的转换;然后分析定位误差导致的引力误差量级并合理简化,推导符合实际的精确测量噪声模型;最后利用扩展卡尔曼滤波器（EKF）实现SINS/CNS/GNSS三种信息的有效融合。算法仿真结果表明该方法的有效性,有利于工程实现。     

Kalman滤波在GPS/BDS组合伪距差分定位中的应用

随着各国卫星导航系统的蓬勃发展,单一的GPS系统时代正逐步转变为多系统并存且兼容的全球性卫星导航系统(GNSS)时代。相比于单一卫星导航系统,多系统组合将显著增加可视卫星数目、改善卫星空间几何结构,多系统组合导航定位将是必然的发展趋势。滤波算法是减小GNSS定位随机误差的重要方法,利用非线性滤波方法可消除多种随机误差,从而提高导航定位精度。该文实现了基于Kalman滤波的GPS/BDS组合的伪距差分定位,并将其与最小二乘方法进行比较。实验结果表明:基于Kalman滤波的GPS/BDS伪距差分的定位精度能达到分米级,在差分定位解算过程中,多卫星系统伪距差分精度明显优于单卫星系统伪距差分精度,Kalman滤波解算的精度明显优于最小二乘解算的精度。     

一种多传感器组合导航系统的自适应分布式滤波算法北大核心CSCD

针对联邦滤波器和集中式卡尔曼滤波器在实际应用中存在的问题及组合导航中量测噪声统计特性不准确引起滤波精度下降的问题,提出利用变分贝叶斯估计和分布式估计的多传感器组合导航系统自适应分布式滤波方法。首先,基于集中式卡尔曼滤波技术,推导分布式滤波的一种表达方法,该方法具有估计最优性、故障自动隔离且对导航系统无污染的特点;然后,结合变分贝叶斯估计技术,提出自适应分布式滤波方法,对系统状态和时变的量测噪声方差进行同步实时估计;最后,采用SINS/GNSS/CNS/ADS组合导航系统进行仿真验证。仿真结果表明,本文算法能实时跟踪突变或缓变的量测噪声方差,较联邦滤波算法可有效降低量测噪声统计特性不准确给系统带来的不利影响,进而提高组合导航系统的滤波精度。     

巡飞弹高精度组合导航方法研究

针对巡飞弹导航系统低成本、高精度和实时性的需求,提出一种时间-星间差分载波相位在GPS/SINS紧组合导航中的应用方法。给出了15种状态下的GPS/SINS紧组合导航动力学模型,推导载波相位的时间-星间双差观测量模型,利用卡尔曼滤波器进行数据融合,并利用仿真和机载实测数据验证算法的有效性。结果表明,与传统的伪距紧组合导航算法相比,时间-星间差分载波相位方法可以为中短航时的巡飞弹导航系统提供m级定位精度和mm/s级速度精度。     

基于软件接收机的BDS/MEMS IMU深组合导航性能分析

针对BDS/MEMS IMU深组合导航全物理实验难度较大的问题,提出一种基于软件接收机的BDS/MEMS深组合导航系统仿真分析方法。给出BDS软件接收机结构,介绍深组合导航系统结构设计及滤波算法,最后基于仿真数据进行验证。结果表明,在高动态条件下,就BDS/MEMS IMU导航系统而言,其深组合的导航精度较紧组合有较大提高,位置误差小于1 m,速度误差小于0.01 m/s。     

非高斯有色噪声影响下的高斯混合滤波算法

针对GNSS/SINS紧组合定姿定位系统在非高斯有色噪声环境下直接使用高斯混合扩展卡尔曼滤波（Gaussian mixture extend Kalman filter, GMEKF）出现的随机模型失配现象,提出一种顾及非高斯有色噪声影响的GMEKF优化算法。该算法在高斯混合模型对非高斯噪声近似的基础上,通过状态扩增和量测组差对非高斯噪声序列中的有色噪声成分进行白化处理,从精化随机模型的角度改善了GMEKF算法的性能。实验结果表明,在非高斯有色噪声环境下,相比于GMEKF,该算法对随机模型建模更准确,将其用于受非高斯有色噪声影响的定姿定位场合中可进一步提高导航解算精度。     

城市复杂环境下GNSS/INS组合导航算法研究

针对城市环境下GNSS车辆导航存在卫星信号易受影响的问题,利用GNSS/INS组合算法提高复杂环境下城市车辆定位性能。基于城市环境下实测GNSS数据评估分析定位结果,使用GNSS/INS组合的常规卡尔曼滤波算法实现卫星失锁区域导航。同时,提出一种基于新息的自适应卡尔曼滤波算法,可有效增强卫星数较少及信号干扰严重区域的车辆导航定位能力。该方法利用量测与预测的关系构造自适应因子,改善定位精度。结果表明,常规卡尔曼滤波可在20 s卫星信号失锁情况下保证亚m级导航精度,自适应卡尔曼滤波算法在卫星信号受到严重干扰时,其定位精度相比于常规卡尔曼滤波算法提高30%,可满足在城市复杂环境下的高精度、高可靠性车辆导航定位服务需求。     

����IMM-PF�Ĺ���/�ش���ϵ����㷨

???????/????????????????????????????????????????????????????????????(PF)???IMM??????????IMM-PF???????????÷??????????????????????????????????????????????????????????????EKF??????IMM-PF??????????????????????????????????????????????????????????????     

UKF�ڻ��ڵشų������������е�Ӧ�÷���

?о???????????????????????????????????????????????????????????????????????????????????????????????????????UKF???????????????????????С?????Matlab???????????????????????з??棬?????????????????????????UKF?????????????????????UKF?к????????????????     

���ڿ���EKF��INS/GNSS������㷨Ӧ���о�

???INS/GNSS????????GNSS????????????????о?????????EKF???????????????????INS?????????????μ???????INS/GNSS?????????????????????????????С?????????????????С????в??????????????Э???????????????????????????????????????????????????????????????GNSS?????д???????????????EKF??????????????????????????????????????????????????     

基于中轴变换算法的室内外一体化导航路网自动生成方法

室内外一体化导航路网的快速生成与更新对面向行人的跨场景导航具有重要意义。当前研究主要关注单一场景下的导航路网构建,对于跨室内外场景的导航路网自动生成研究较少。本文基于对偶图思想与二维平面多边形中轴变换（Medial Axis Transform）算法,提出一种室内外一体化导航路网自动生成方法,并以某建筑CAD平面图及周边路网环境为基础数据进行了实例研究。结果表明：该方法能够根据原始数据的几何、拓扑、语义信息自动构建导航路网,并支持室内外跨场景的最短路径查询,在最短路径查询效率上较传统分场景寻路模型整体提升10.18%;相较单一场景下的导航路网,一体化导航路网可结合语义信息将室内及室外导航路网有机统一起来,解决跨场景寻求最优路径的问题,为最优路径规划的相关研究提供了新的思路。     

Multi-Objective Weather Routing Algorithm for Ships Based on Hybrid Particle Swarm Optimization

Maritime transportation has become an important part of the international trade system.To promote its sustainable de-velopment,it is necessary to reduce the fuel consumption of ships,decrease navigation risks,and shorten the navigation time.Ac-cordingly,planning a multi-objective route for ships is an effective way to achieve these goals.In this paper,we propose a multi-ob-jective optimal ship weather routing system framework.Based on this framework,a ship route model,ship fuel consumption model,and navigation risk model are established,and a non-dominated sorting and multi-objective ship weather routing algorithm based on particle swarm optimization is proposed.To fasten the convergence of the algorithm and improve the diversity of route solutions,a mutation operation and an elite selection operation are introduced in the algorithm.Based on the Pareto optimal front and Pareto optimal solution set obtained by the algorithm,a recommended route selection criterion is designed.Finally,two sets of simulated navigation simulation experiments on a container ship are conducted.The experimental results show that the proposed multi-objective optimal weather routing system can be used to plan a ship route with low navigation risk,short navigation time,and low fuel consumption,fulfilling the safety,efficiency,and economic goals.     

里程计辅助车载GNSS/INS组合导航性能分析

车载GNSS/INS组合导航中，GNSS信号易受外界干扰而失锁，导致INS独立导航误差迅速累积。为提高车载松组合导航系统的精度和完整性，使用里程计观测信息结合非完整性约束辅助车载组合导航。考虑里程计刻度系数误差和IMU安装角影响，推导出里程计的输出模型，给出基于卡尔曼滤波的里程计辅助GNSS/INS松组合的数学模型。设计GNSS信号中断的数据实验，结果表明，里程计能有效抑制组合导航系统误差发散，在GNSS中断60 s或10 min的情况下，位置精度提高超过90%。