捷联惯性导航系统算法简化机制

随着低精度惯性导航系统的广泛使用,算法简化也成了研究热点。本文通过实验来验证简化导航算法对于不同惯导尤其是低精度惯导的可行性,这对实时性应用有很大影响。通过对以上内容的介绍,希望可以为进一步研究捷联算法、低精度惯导的实时应用提供一定的参考。     

一种利用GPS进行姿态估计的新算法

提出了一种基于向量化姿态矩阵的姿态解算方法,该方法顾及了观测量之间的相关性及姿态矩阵的正交性。首先将姿态矩阵作为未知参数的估计问题进行向量化,采用经典最小二乘得到无正交约束的姿态解,然后使用几何规则对姿态矩阵进行正交化。该方法不需要初值,不受天线个数及布局限制,在理论上具有广泛的适用性及更好的严密性。仿真结果表明,新的姿态解算方法可以提高GPS姿态解算精度。     

双基线姿态确定问题的算法优化

两条基线实现姿态测量给工程应用提供了方便。针对两条基线场合下的姿态确定问题,对QUEST(Quaternion Estimator)三轴姿态估计算法进行了优化。在传统TRIAD方法基础上,对两条基线向量进行加权线性组合,并构建基线向量组实现对基线向量信息的充分利用;然后通过QUEST算法实现三轴姿态角的最优解算。用接收机进行了实验,结果表明:通过对比两条基线的TRIAD算法和QUEST算法,本文中的优化算法解算三轴姿态角的精度有了明显提高。     

基于MRPs估计航天器姿态的IUKF算法及改进

航天器姿态确定的模型具有严重的非线性性.而采样卡尔曼滤波(UKF )通过采用一组确定性采样得到的Sigma点比扩展卡尔曼滤波(EKF)能够更准确地近似初始分布,使滤波在不准确的初始条件下更快地收敛.利用修正罗德里格参数(MRPs)表示姿态,用动力学方程进行角速率的传播,利用UKF的改进算法迭代采样卡尔曼滤波(IUKF)对航天器的姿态进行估计.在分析IUKF 性能的基础上进一步对IUKF算法作了改进,通过仿真算例将3种方法进行了比较.结果表明:IUKF及改进IUKF算法姿态参数的滤波精度比UKF更高,同时改进IUKF算法比IUKF的滤波能更快趋于稳定.     

基于MRPs估计航天器姿态的IUKF算法及改进

航天器姿态确定的模型具有严重的非线性性。而采样卡尔曼滤波(UKF)通过采用一组确定性采样得到的Sigma点比扩展卡尔曼滤波(EKF)能够更准确地近似初始分布,使滤波在不准确的初始条件下更快地收敛。利用修正罗德里格参数(MRPs)表示姿态,用动力学方程进行角速率的传播,利用UKF的改进算法迭代采样卡尔曼滤波(IUKF)对航天器的姿态进行估计。在分析IUKF性能的基础上进一步对IUKF算法作了改进,通过仿真算例将3种方法进行了比较。结果表明:IUKF及改进IUKF算法姿态参数的滤波精度比UKF更高,同时改进IUKF算法比IUKF的滤波能更快趋于稳定。     

Milne-Hamming线性多步法在求解姿态四元数微分方程中的应用

姿态微分方程的求解是SINS（Strap—down Inertial Navigation System）导航解算中一项重要的内容,对算法的稳定性、精度和计算量有较高的要求。引入了一种求解姿态四元数微分方程的新方法——Milne—Hamming线性多步预测校正方法,详细推导了应用此方法求解姿态四元数微分方程的过程。应用仿真数据和实测数据对此算法和四阶龙格-库塔算法进行了对比验证,结果表明Milne—Hamming线性多步预测校正方法是一种求解姿态四元数微分方程的有效方法,其稳定度明显优于四阶龙格-库塔算法并且计算量小。     

Milne-Hamming线性多步法在求解姿态四元数微分方程中的应用

姿态微分方程的求解是SINS(Strap-down Inertial Navigation System)导航解算中一项重要的内容,对算法的稳定性、精度和计算量有较高的要求。引入了一种求解姿态四元数微分方程的新方法——Milne-Hamming线性多步预测校正方法,详细推导了应用此方法求解姿态四元数微分方程的过程。应用仿真数据和实测数据对此算法和四阶龙格-库塔算法进行了对比验证,结果表明Milne-Hamming线性多步预测校正方法是一种求解姿态四元数微分方程的有效方法,其稳定度明显优于四阶龙格-库塔算法并且计算量小。     

简化自协方差最小二乘噪声估计的SINS静基座初始对准

目的 研究了观测噪声统计特性未知的情况下,简化的自协方差最小二乘噪声估计方法在捷联惯性导航系统静基座初始对准中的应用。该算法采用迭代计算的策略,同时进行噪声估计和初始姿态修正,估计精度较高。通过数值方法对此算法的正确性和有效性进行了验证。     

基于状态矩阵卡尔曼滤波的姿态估计算法研究

设计一种组合GPS／速率陀螺定姿系统。系统以方向余弦矩阵表示姿态,建立GPS／速率陀螺组合状态模型和观测模型。结合kalman滤波算法,提出一种状态矩阵卡尔曼滤波（StateMatrixKalmanKilter,SMKF）姿态估计算法,并采用拉格朗日算法对姿态矩阵进行正交化约束。与传统的基于四元数的扩展卡尔曼滤波（EKF）算法相比,基于方向余弦矩阵的姿态系统状态方程与测量方程均为线性方程,无需线性化处理,对初始姿态误差更具有较好的鲁棒性。数值仿真表明,该方法具有精度高和稳定性强等优点。     

一种利用BDS/INS的杆塔姿态测量算法

基于姿态信息是状态监测的关键参数这一特征,提出一种北斗卫星导航系统(BeiDou navigation satellite sys-tem,BDS)和惯性导航系统(inertial navigation system,INS)融合的杆塔姿态测量算法.由惯性传感器解算输出姿态信息得出基线向量搜索范围,提高了整周模糊度的求...     

基于GPS矢量观测信息的姿态确定算法

用于GPS姿态确定的矢量化算法可等价于两级最优问题。第一级把GPS载波相位观测量转换为矢量观测量。第二级是Wahba问题,即从矢量观测量获得最佳姿态解。Wahba问题可用四元数法求解,如QUEST方法。本文采用基于小角度的迭代法求解Wahba问题。在均衡星座或均衡基线务件下,两级最优解亦是全局最优解。实验结果表明迭代解的精度与QUEST解相同。实验中也应用了改进的TRIAD算法以比较两级最优解。     

高斯混合求积分卡尔曼滤波姿态估计算法

针对求积分卡尔曼滤波QKF(Quadrature Kalman Filter)在噪声先验特性不准确时引发的滤波缺陷问题,提出了一种基于高斯混合模型的QKF姿态估计算法GMQKF。该算法首先通过引入有限高斯分量来近似状态后验分布和噪声随机模型,在线估计时变方差;然后再采用稀疏网格和高斯-厄米特数值积分理论配置多维积分点,优化了高维滤波的计算量。仿真结果表明:在非高斯噪声环境和载体发生稳态突变情况下,GMQKF算法较传统QKF减少了对随机模型的依赖,增加了系统抗干扰能力,提高了稳定性,将其用于非高斯非线性姿态估计场合可以获得更好的精度,且计算量适中。     

量测噪声自适应平方根TCKF姿态数据融合算法

为了提高微电机系统(Micro-Electro-Mechanical Systems, MEMS)器件的姿态解算精度,本文提出了一种量测噪声自适应平方根正交变换容积卡尔曼滤波(Adaptive-Square Root Transformed Cubature Kalman Filter, A-SRTCKF)姿态数据融合算法。该算法对MEMS器件中的加速度计、陀螺仪和磁力计输出的数据进行数据融合,以TCKF作为基础算法,采用QR分解更新误差协方差矩阵的平方根进行滤波运算,并通过渐消记忆Sage-Husa噪声估计方法对量测噪声进行实时估计。实验结果表明,该算法使姿态测量系统的估计误差至少降低了79.6%,不但避免了因误差协方差矩阵非正定导致算法异常终止的情况,而且解决了系统因量测噪声未知造成的状态估计精度急剧下降问题,具有比TCKF和SRTCKF更高的精度和鲁棒性。     

基于Partial-EIV模型的TLS姿态估计方法

推导了基于乘性姿态角误差的观测方程,顾及其系数矩阵也含有误差的特点提出一种利用整体最小二乘原理估计姿态参数的新思路。该问题的系数矩阵中同时存在随机元素和固定元素且存在结构性特征,故引入Partial-EIV模型,设计了一种符合其系数矩阵结构特点的新模型。最后通过两组仿真实验将其与已有姿态估计方法进行对比,得出结论:基于Partial-EIV模型的整体最小二乘解法解算精度高于常规最小二乘法;其解算效果与基于乘性姿态角误差的最小二乘法基本一致。表明本文提出的方法正确有效。     

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。     

基于星敏感器的航天器姿态估计

星敏感器是一种高精度的姿态测量仪器,本文在分析星敏感器姿态测量原理的基础上,利用序贯平差方法确定航天器姿态并予以实现.仿真结果表明,该算法能满足实时姿态确定的精度要求,且降低了数据存储量,节省了存储单元,具有较强的灵活性.     

基于Adaboost算法和人脸特征三角形的姿态参数估计

提出了一种基于Adaboost算法和人脸特征三角形的姿态参数估计方法。首先利用Adaboost算法训练人脸器官检测器,然后根据人脸器官的几何特征定位人脸特征点,利用获得的人脸特征点构建人脸特征三角形。当人脸发生姿态变化时,利用特征三角形的位置变化进行姿态参数的初步估计。     

非线性最小二乘估计的蚁群单纯形混合算法

基于对单纯形算法和蚁群算法的分析,提出了非线性最小二乘估计的蚁群单纯形混合算法,并用实例证实了该算法既具有单纯形算法收敛较快的优点,又能以较大概率得到全局最优。     

双星姿态测量的算法及双值问题

给出了双星姿态测量的两种算法,并从几何和代数两个方面证实其存在双值问题;探讨了双值问题与精度衰减因子(DOP)之间的关系,并提出了双值问题的解决方案.     

单目相机姿态估计的点云与图像融合

针对点云与图像信息快速融合的问题,该文研究并实现了一种基于单目相机姿态估计的点云与图像融合方法。首先利用视觉导航中单目相机姿态估计方法估算小型无人机的姿态信息,然后与无人机导航系统中的姿态信息匹配来准确获得相机曝光时间点,最后结合图像曝光时间点的外方位元素和已知的内方位元素完成点云与图像融合。该方法直接利用图像信息进行融合,省去了相机时间检校步骤,避免了由此带来的误差,提高了时间匹配的准确性以及数据融合的自动化水平。实验结果表明,该方法能够准确地获得时间匹配信息,融合效果良好。