光源编码+PDR组合的室内行人定位方法

针对光源编码定位系统存在定位不连续、易受遮挡导致定位性能下降等问题,提出了一种光源编码/行人航迹推算(PDR)组合的室内行人定位方法。该方法采用扩展卡尔曼滤波(EKF)对PDR位置和光源编码位置进行融合处理,并运用新息滤波对光源编码位置进行抗差处理。试验结果表明,光源编码+PDR组合算法能有效改善光源编码定位不连续、非视距环境中存在粗差的问题,实现连续、高精度的室内行人定位。     

多星座组合精密动态定位的抗差扩展Kalman滤波方法研究

扩展Kalman(EKF)滤波算法可有效地进行多卫星系统数据融合处理,但该方法对观测数据的质量要求较高,当观测出现异常时,传统的扩展Kalman方法容易导致滤波失真。为此,利用实测数据,通过虚拟掩模遮挡卫星模拟复杂的GNSS观测环境,研究了基于IGGIII的抗差EKF算法,确定了分位参数的合理经验值,并对其在GPS/GLONASS/BDS组合精密动态定位中的应用进行了分析。结果表明,在遮挡严重的复杂观测环境中,抗差EKF算法可有效地提高组合定位系统的模糊度的固定成功率和定位精度。     

卡尔曼滤波的中长基线非差RTK算法

针对实时动态定位(RTK)中作业范围受到大气延迟误差制约的现象,该文提出了一种基于卡尔曼滤波的非差观测模型RTK算法和非差改正数的计算方法。利用扩展卡尔曼滤波函数模型,将残余的相对对流层延迟、相对电离层延迟同流动站位置参数以及单差整周模糊度作为状态向量进行卡尔曼滤波估计。非差观测模型利用参考站的非差误差改正数以单颗卫星为对象进行误差改正,流动站接收数据小,算法简单。通过GNSS实测数据对该算法进行了算法验证和结果分析,实验结果表明,对于中长基线,利用非差观测模型可实现GNSS单参考站RTK定位,并获得厘米级的定位精度。     

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.      

基于抗差EKF的GNSS/INS紧组合算法研究

提出了GNSS/INS紧组合导航的抗差EKF算法,采用21状态GNSS/INS紧组合状态方程,根据多余观测分量及预测残差统计构造抗差等价增益矩阵,建立抗差EKF算法,通过迭代给出GNSS/INS组合导航的抗差解,并开发GNSS/INS紧组合导航模拟平台,通过对观测值加入单粗差、多粗差及缓慢增长三类误差,测试本文算法对不同粗差的抑制能力。分析表明,抗差EKF可以将三类粗差抑制在相应观测值的残差中,达到削弱其对状态参数估计的影响。本文算例证明,抗差EKF算法可将导航解的误差精度从dm级提高为cm级甚至mm级,导航精度及可靠性得到明显提高。     

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.     

GNSS/里程计组合定位抗差估计法

利用Kalman滤波进行GNSS/里程计组合定位难以实现两种传感器的最优利用。针对轮轨相对运动时里程计数误差增大的情况,提出了对GNSS位置导出里程、速度导出里程和里程计输出里程使用抗差最小二乘求取最优里程;并使用中位数求取抗差迭代初值。增加GNSS测速里程观测值,提高了观测冗余,有利于计算抗差初值。抗差等价权能够平衡3种观测值的比重,增强鲁棒性。计算结果表明,引入速度信息的抗差解法优于单一传感器定位解;也优于传统滤波解法。     

基于软件接收机的GNSS/INS深组合导航算法研究

深组合导航系统将导航参数估计与GNSS卫星信号跟踪融合在一起,将相关器的输出I/Q信息作为GNSS/INS组合导航kalman滤波器的观测量,提高系统的导航精度、抗干扰性和动态性能。利用GNSS软件接收机方便处理基带信号的优势进行深组合导航算法研究,推导了深组合kalman滤波器的观测方程。仿真结果表明:在高动态条件下,深组合导航系统的导航精度明显优于紧组合导航系统的导航精度,位置误差稳定在2m范围内,速度误差稳定在0.04m/s内。     

一种基于加表零偏稳定性的GNSS/SINS组合导航异常探测方法

在地面车载组合导航中,全球导航卫星系统（global navigation satellite system,GNSS）的观测值容易受地面复杂环境的干扰,导致其定位结果出现异常,严重影响GNSS/捷联惯性导航系统（strap-down inertial navigation system,SINS）组合的滤波解算。从惯导系统误差特性的角度,研究了一种基于加表零偏稳定性的组合导航异常探测新方法。该方法从加表零偏解算的异常来发现GNSS位置、速度等观测值中的粗差,并采取剔除和降权的抗差方法抵御粗差影响。通过一组车载数据的分析表明,观测粗差对加表零偏解算的影响十分显著,以此为判别条件能够准确地发现观测粗差。采用该方法后,位置误差、速度误差和姿态误差的均方根分别减小了70.8%、87.9%和77.7%,显著提高了组合导航的解算精度和鲁棒性,为组合导航数据的抗差处理提供了一种新思路。     

结合自适应滤波和神经网络的GNSS/INS抗差组合导航算法

针对GNSS/INS松组合导航系统观测信息无冗余,而且观测信息可能存在异常的情形,结合自适应滤波算法和神经网络算法,提出了两种GNSS/INS抗差自适应组合导航解算方案,根据观测信息和动力学模型信息异常情况,给出了4种GNSS/INS抗差自适应滤波算法。利用实测数据进行了验证,结果表明,4种抗差自适应滤波算法在观测信息不足的情况下,不但能够抑制动力学模型扰动异常对导航解的影响,而且能够较好地抑制异常观测信息对导航解的影响。     

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。     

GNSS/SINS定位稳健SE2(3)-EKF方法

GNSS/SINS组合导航中因姿态失准角等误差较大会引起状态误差坐标定义不一致和线性化误差较大问题,导致传统滤波和定位性能有所降低,尤其在面临较复杂的GNSS观测环境时更为显著。本文通过将姿态、速度及位置状态构造为特殊SE₂(3)-EKF群元素,考虑陀螺及加速度计零偏误差,形成群-矢量混合误差模型,在此基础上设计了一种基于量测左不变的GNSS/SINS抗差滤波方法(RLIEKF),通过市区环境下存在大失准角误差和GNSS异常的车载组合导航试验,验证本文方法的优越性。试验结果表明：相对于传统EKF方法,RLIEKF方法由于在时间更新及GNSS量测更新中顾及了姿态角误差,在不同大失准角情况下仍具有较快的收敛速度,无须复杂且长时间的姿态对准步骤,较好地弥补了GNSS信号短时间缺失无法定位问题,可显著提升滤波新息精度,具备更好的抗差性能,对于复杂观测环境表现更为稳健,且计算效率相当,具备较好的工程实用价值。     

GNSS/INS紧组合中的周跳探测方法

讨论了GNSS/INS紧组合算法;依据卡尔曼滤波新息检验理论研究了GNSS/INS紧组合中的周跳探测方法。通过实验论证,对比分析了GNSS/INS紧组合模式和纯GNSS模式下,动态周跳探测与处理的效果。实验结果表明:紧组合模式对周跳的发生更为敏感,可以有效地提升周跳探测的效果。     

城市环境下BDS+GPS RTK+INS紧组合算法性能分析

城市环境下运动载体接收的GNSS信号会被频繁地干扰和遮挡,GNSS RTK独立工作模式难以连续且可靠地固定模糊度以满足厘米级高精度定位需求。为此,本文设计了一套基于集中式卡尔曼滤波的BDS+GPS RTK紧组合算法,给出了其动力学模型、观测模型和算法架构流程。通过城市环境下的实际车载测试,对比分析了BDS、GPS、BDS+GPS 3种模式下RTK及RTK+INS紧组合的定位性能。试验结果表明,BDS+GPS双系统大大增加了可见卫星数,提高了城市环境下GNSS动态精密定位的可用性和精度;相对于GNSS RTK,紧组合极大地提高了精密定位的可靠性和可用性。     

抗差EKF滤波在GNSS/INS组合导航中的应用

GNSS/INS组合导航中,姿态解算和比力转换精度是影响精度的关键因素,且GNSS观测数据存在粗差,易对组合导航系统产生影响,针对以上问题,本文设计了一种顾及姿态解算精度的组合导航抗差算法,利用罗德里格斯公式进行姿态更新和比力转换,通过引入抗差估计理论,利用观测值和预测值的差值构造抗差因子,重新设计观测量噪声矩阵.一组...     

支持向量回归辅助的GPS/INS组合导航抗差自适应算法

卡尔曼滤波残差分量受到观测信息误差和动力学模型误差的双重影响,由于GPS/INS松耦合导航系统中观测值个数少于状态参数个数,导致异常检测时难以正确区分误差来源,提出一种支持向量回归辅助的组合导航抗差自适应算法。该算法克服了组合系统观测信息无冗余情况下异常检测的局限性,基于遗传算法参数寻优构建回归模型,预测次优观测值,结合整体异常检验法自主选择抗差或自适应滤波,进而调整观测值或动力学模型对导航解的贡献,进行导航预报。最后利用车载实测数据进行验证,结果表明：该算法能够对存在的异常故障智能判定,减弱观测值异常和动力学模型误差影响,保证组合导航精度,提高导航解可靠性。     

自适应渐消卡尔曼滤波及其在SINS初始对准中的应用

卡尔曼滤波常常被用于惯性导航系统初始对准算法,其使用前提是对系统状态进行建模,从而得到比较准确的系统噪声和观测噪声统计特性。在模型失配和观测噪声干扰的情况下,常规卡尔曼滤波会出现精度下降甚至发散,从而影响初始对准精度。针对这一问题,提出了一种新型渐消卡尔曼滤波算法,引入了多重渐消因子对预测误差协方差阵进行调整,设计了基于新息向量统计特性的滤波状态χ2检验条件,使渐消因子的引入时机更加合理,算法的自适应性得到增强。将改进的卡尔曼滤波算法应用到惯性导航系统的初始对准问题中,仿真试验和实测数据试验结果表明,与常规渐消因子滤波算法相比,新算法可以有效提高滤波精度及鲁棒性。     

GPS/GALLIEO导航系统的抗差EKF模型研究

首先给出扩展卡尔曼滤波(Extended Kalman Filter,EKF)的原理,通过分析粗差在EKF模型中传递特性,给出新的抗差EKF模型。模型根据多余观测分量及预测残差统计,构造抗差等价增益矩阵,通过迭带给出GNSS抗差导航解。为提高模型在动态导航应用中的效率,文章结合统计模型,仅对存在粗差的观测历元进行抗差估计,进一步提高模型实时运行效率。并模拟GPS/Galileo多卫星导航星座及接收机平台的动态轨迹。采用加速度导航方程验证本文模型,并对不同模型运行的时间进行比较。结果表明在粗差存在的情况下,本文模型仍能正确导航,并且改进后的模型能明显提高实时导航的效率。     

城市环境下智能手机车载GNSS/MEMS IMU紧组合定位算法

针对城市环境下卫星信号遮挡严重,智能手机全球导航卫星系统(global navigation satellite system,GNSS)定位难以保证连续性和可靠性的问题,提出了一种基于智能手机内置传感器数据的GNSS/微机械惯性测量单元（microelectro-mechanical system inertial measurement unit,MEMS IMU)紧组合车载导航算法。算法使用惯性导航系统机械编排进行时间更新,在车辆运动模型约束的基础上,使用伪距、多普勒频移和载波相位时间差分计算的航向角作为观测值进行测量更新。采用3部不同型号的智能手机进行车载试验分析,结果表明：城市场景下紧组合滤波定位算法平面位置精度统计约为5～6 m,高程方向约为5 m,且在GNSS信号失锁的隧道场景下具有短时间推算功能。该算法受GNSS观测条件的影响较小,大幅提升了城市复杂环境下智能手机车载定位的连续性和可靠性。     

附加运动学约束的BDS抗差UKF导航算法

针对城市复杂环境中单一BDS导航受多路径（multipath,MP）和非视距（non-line-of-sight,NLOS）信号干扰导致精度下降的问题,提出一种附加运动学约束的抗差无迹卡尔曼滤波（unscented Kalman filter,UKF）算法。该算法基于新息向量构造等价权函数,克服了位置及接收机钟差初值不准确引起的抗差性能下降问题。同时,利用载体的近似运动方向和高程约束,进一步增强滤波解。实测车载试验结果表明,本文方法可有效抑制MP和NLOS信号的干扰,提高城市环境中的BDS导航精度。