�������������������GNSS/INS��ϵ����е�Ӧ��

???С????????????????????????С???任????AR???????GNSS/INS??????????С????????????????????????????AR??????????????е???????????????????????????÷??????????????????????????????????????Ч??GNSS/INS???????????     

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%。     

���ڹߵ�������GNSS����Լ�ⷽ���о�

??????GNSS??????????????????????????α??????INS????GNSS??????????????????????????????????α??????????????????????????INS?????α??α????????????GNSS?????????????????????й?????????????????????????????????????GNSS??????????????????????????????????????????α?????????????????????     

����ʱƵ����������GNSS/INS��ϵ��������˲�ģ��

??????????????????Kalman??????????????????????????Kalman?????????????????????????????????????????????????????????????GNSS/INS?????????????????????????????????????????????????????????????????????????????????????????Kalman??????????????     

����EKF�㷨������GPS/BDS��̬��Զ�λ�е�Ӧ��

???Kalman???????etended Kalman filter??EKF??????????????????????????д?????EKF?????????????????????????????????EKF????????EKF????????GNSS?????λ?е????????????????????EKF??????????Ч????????????????λ?????????EKF??????????????70%??     

��ͬ�۲⻷���л���TEQC��GNSS������������

??????????·??Ч????????????????????GNSS???????????TEQC?????7??????????????????????????????????????????1???????????????????GNSS?????????????????????·??Ч??????????????????2????????????????????????????GNSS??????????????????????γ??????GNSS??????????С??3?????????????????Ч????λ??????????????????????,??????????????????????????????????     

����OPENMP�ĸ�����GNSS�����̽��㷽���о�

?????GNSS??????????????У????????????????????????????????????????????????????????????????????????????????????????????????????GNSS??????????????д??????????????????????????????????????????100????????????????????????????С???????????????????????????з????????????Ч???????????OPENMP??????????????????????淽??????????????????????????Ч???     

����ӦUKF��GNSS/INS����ϵ����е�Ӧ���о�

????IAE???????????????????????????ζ????????????????????GNSS/INS??????????????21??????????????????????????????????????в?????????????AUKF???????????????????????????????????????????????????????????????????????????????????????????Ч???δ????????????????????λ?????????49.38%??     

���ػ�׼վ�����������ڱ仯����

???ü???GNSS????10??????????????????GPS????????????????????????仯???μ????????仯???????????????????????????仯????????????????????????????????С?????????м?????????п??????Ч?????????????????????????????????????????????     

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。     

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。     

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。     

基于载波相位DGNSS/INS紧组合的平滑后处理算法

针对高精度的定位定姿需求,提出一种基于差分载波相位/惯导紧组合的平滑后处理算法。通过双卡尔曼滤波器实现模糊度的解算以及对导航状态误差和惯性器件误差的估计,利用RTS平滑对数据进行后处理。实测数据表明,该算法能得到较高的定位定姿和测速精度。     

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。     

基于抗差Kalman滤波的精密单点定位

当精密单点定位的观测值含有异常数据时,Kalman滤波的精度将会降低。采用抗差Kalman滤波方法能够有效抑制观测异常,提高滤波的精度和可靠性。运用武汉国际GPS服务跟踪站数据对该方法进行了验证。结果表明,抗差Kalman滤波的精度比Kalman滤波的精度有一定程度提高,说明抗差Kalman滤波能够有效抑制观测异常。