两种滤波方法在SINS/GPS组合导航中的应用与比较

本文针对SINS/GPS组合导航系统中卡尔曼滤波发散的情况,引入了自适应滤波和H∞滤波,分析了它们各自的特性,最后进行仿真计算,验证了这两种滤波用于SINS/GPS组合导航系统的可行性和有效性,对实际应用中组合导航系统滤波器的设计具有一定的指导意义.     

两种滤波方法在SINS／GPS组合导航中的应用与比较

针对SINS／GPS组合导航系统中卡尔曼滤波发散的情况,引入了自适应滤波和H∞滤波,分析了它们各自的特性,最后进行仿真计算,验证了这两种滤波用于SINS／GPS组合导航系统的可行性和有效性,对实际应用中组合导航系统滤波器的设计具有一定的指导意义。     

GPS/DR组合导航自适应Kalman滤波算法

针对GPS/DR组合导航Kalman滤波的异常扰动影响问题,引入了自适应滤波算法。给出了由预测残差确定自适应因子的过程。利用实测数据进行验证,结果表明无论是单因子自适应滤波还是多因子自适应滤波都能够很好地控制状态异常对滤波估值的影响,滤波精度均优于标准Kalman滤波导航解;而且因为多因子自适应滤波避免损失可靠的状态参数信息,较单因子自适应滤波,精度又有明显提高。     

卡尔曼滤波与H∞滤波在INS／GPS组合导航中的应用

组合导航利用惯性导航（INS）和全球定位系统（GPS）较强的非相似性和互补性,将两者组合,可以取长补短,充分发挥各自的优点,提高导航系统性能。利用卡尔曼滤波能够有效提高其精度,但卡尔曼滤波的应用要求函数模型和随机模型已知,符合实际,这在实际应用中是很难保证的,一般都是通过经验信息确定。H滤波则具有很强的鲁棒性,抗干扰性强。通过仿真数据处理,结果表明：H滤波比卡尔曼滤波在噪声特性未知时更适用,精度更高。     

SINS／GPS级联组合滤波新算法

针对级联式SINS／GPS导航系统中组合滤波器的测量噪声与系统噪声的相关问题，提出了一种相关程度未知条件下的估计量最优融合算法，并由此得到了一个顾及噪声相关性的的卡尔曼滤波新算法；通过对一套SINS／GPS数据的计算，证明了新算法是成功的。     

SINS／GPS级联组合滤波新算法

针对级联式SINS／GPS导航系统中组合滤波器的测量噪声与系统噪声的相关问题，提出了一种相关程度未知条件下的估计量最优融合算法，并由此得到了一个顾及噪声相关性的卡尔曼滤波新算法；通过对一套SINS／GPS数据的计算，证明了新算法是成功的。     

神经网络辅助的GPS/INS组合导航自适应滤波算法

首先利用预报残差构造的最优自适应因子设计GPS/INS组合导航自适应滤波器。并针对BP神经网络存在的训练速度慢、容易陷入局部极小等问题,给出网络的改进算法。利用神经网络对自适应滤波器状态方程的预报值进行在线修正,给出神经网络辅助的GPS/INS组合导航自适应滤波算法。最后,利用实测数据进行验证。结果表明,改进的神经网络算法明显提高网络收敛速度;两种自适应滤波算法相对标准组合导航算法都能够可靠地反映载体运动轨迹;神经网络辅助的GPS/INS组合导航自适应滤波算法相对GPS/INS组合导航自适应滤波算法在精度和可靠性方面又有明显提高。     

一种两步自适应抗差Kalman滤波在GPS/INS组合导航中的应用

当GPS观测可用时,如何提高组合导航的可靠性、连续性以及导航精度是组合导航重要的研究主题。针对伪距、伪距率紧组合导航精度低、姿态角误差修正不精确的缺点,本文从参数可观测性角度提出一种两步自适应Kalman滤波算法。首先简单介绍了紧组合Kalman滤波的过程,然后给出了两步自适应抗差滤波的公式和具体步骤,并且进行了分析和比较。最后用实测算例对提出的算法进行验证。结果表明,相比较于伪距、伪距率紧组合Kalman滤波,两步自适应抗差滤波能够控制动态扰动异常和观测异常的影响;导航精度不会随着组合周期的增长、INS惯性元件误差的增大而降低;在惯性元件误差较大的情形下也能够很好地估计元件误差,提高姿态角精度。     

一种结合H~∞滤波的SINS/GPS组合无人机定位算法

高动态复杂环境下的无人机移动定位中,捷联式惯性导航(SINS)系统存在误差漂移,全球定位系统(GPS)可能发生信号失锁等问题。本文针对无人机定位方法进行研究,基于其速度信息和位置信息,给出了一套无人机测算目标物精准位置信息的方法。该方法结合GPS定位技术与SINS定位技术,采用H~∞滤波算法对量测数据进行融合,使两定位技术优势互补,进一步降低了定位误差,特别适合于长时间导航定位。试验结果表明:将H~∞滤波引入组合式导航定位时,既能提高滤波的收敛性,又可以保持较高的定位精度。     

一种迭代的GPS/INS组合导航滤波算法

简要介绍了GPS/INS松组合导航系统状态方程和观测方程.针对标准Kalman滤波算法存在的状态方程截断误差、噪声统计特性的不确定性以及状态扰动异常的影响,给出了一种应用于GPS/INS组合导航系统的迭代滤波算法.该算法采用迭代策略,不断利用观测信息实时修正状态预报值.实测数据计算结果表明,通过对状态预报值的实时修正,该算法能够很好地抑制状态预报信息的不确定性和扰动异常等对导航解的影响.其滤波解精度明显优于标准Kalman滤波.     

基于SINS／GPS的无人机组合导航系统建模与仿真

根据无人机的飞行特点以及SINS(捷联惯导)和GPS(全球定位系统)的优缺点,利用轨迹发生器设计无人机的飞行轨迹,建立基于SINS/GPS的无人机组合导航系统,依据卡尔曼滤波的相关原理对系统进行数学建模和计算仿真,验证无人机SINS/GPS组合导航系统的可靠性。     

CNS/SINS组合导航系统仿真分析

天文导航和捷联惯性导航(CNS/SINS)相结合构成的组合导航系统,实现导航优势的互补,提高导航的精度和可靠性。文中阐述在惯性系下,以弹道导弹为研究对象而建立CNS/SINS组合导航的数学模型,并利用MATLAB编程设计基于离散型卡尔曼滤波的组合导航系统仿真,对比SINS和CNS/SINS对载体位置误差、速度误差以及姿态角估计的影响,进而验证CNS/SINS组合导航系统的可靠性。     

自适应卡尔曼滤波在GPS/DR组合导航中的应用

针对在观测条件较差的情况下卡尔曼滤波的鲁棒性较差,本文设计了一种自适应卡尔曼滤波模型。通过实际车载GPS/DR组合导航试验,结果表明该模型在观测质量较差的情况下能够抑制较大的偏差,相对于标准卡尔曼滤波模型,其平面定位精度提高了近一倍,达到2～3m。因此,在观测环境较差的情况下建议采用渐消自适应卡尔曼滤波模式进行组合导航。     

GPS浮标/SINS组合水下导航与定姿若干问题讨论

介绍了GPS浮标／SINS组合用于水下设备的导航与定姿的优点,推导了水下设备载体坐标系与GPS定位的WGS84坐标系的转换关系,并根据陆地GPS／SINS力学编排的原理推导了水下GPS／SINS的误差状态方程。     

基于椭球GPS/DR导航模型的鲁棒滤波研究

为了获得更精确的运动物体的数学模型,本文建立了GPS/DR组合导航系统的椭球模型,并将含参模型转化为不确定性参数滤波模型,并利用鲁棒卡尔曼滤波算法和鲁棒H∞滤波算法进行了仿真,从滤波的稳健性和效率两个方面进行了分析,得出在椭球GPS/DR导航模型下,鲁棒H∞滤波算法比鲁棒卡尔曼滤波更符合工程实际应用的滤波方法。     

GPS/SINS组合系统时间同步误差的分析与验证

用示波器测量了Novatel SuperstarⅡGPS接收机串口输出的导航数据相对于1 pps的时间延迟,并以此估算出该接收机用于组合导航时时间同步误差的取值范围应为0.6~1.6 s。使用该接收机与某现役机载SINS构成组合系统进行了跑车实验。实验结果表明,根据跑车数据拟合出的GPS/SINS组合系统的时间同步误差约为1.1 s,说明本方法对时间同步概念的描述是符合实际的。     

大失准角的SINS/GPS组合对准算法研究

利用四元数误差方程和非线性滤波技术能较好地解决大失准角下SINS的空中对准问题。迭代滤波比扩展卡尔曼滤波能在更大程度上改善对准精度，但计算量大。针对此不足，本文基于扩展卡尔曼滤波的状态与偏差解耦算法具有较高数值效率和迭代滤波具有较高精度的特点，推导出了一种非线性滤波算法，并对基于加性四元数误差方程的SINS／GPS组合对准进行了数字仿真。仿真结果表明：该算法既具有迭代滤波的精度又比迭代滤波计算量小。     

基于GPS软件接收机的SINS／GPS紧组合系统仿真

为了系统验证SINS／GPS紧组合系统的性能,基于GPS软件接收机,进行了仿真系统构建。仿真系统由轨迹发生器、GPS中频信号模拟器、IMU信号模拟器、GPS软件接收机、SINS导航解算模块、组合滤波算法和导航性能分析模块等部分构成,其中详细设计了GPS软件接收机中的捕获和跟踪算法、SINS解算以及基于伪距和伪距率的组合滤波算法。仿真结果表明：紧组合导航系统收敛性较好,能够一定程度上抑制惯导系统误差的积累,有较好的导航性能。设计的该系统满足紧组合导航系统性能验证的需要,也为后续的超紧组合研究奠定了良好的基础。     

Integrated Navigation System and Experiment of a Low-Cost and Low-Accuracy SINS/GPS

When SINS (strap-down inertial navigation system) is combined with GPS, the observability of the course angle is weak. Although the course angle error is improved to some extent through Kalman filtering, the course angle still assumes a divergent trend. This trend is aggravated further when using low-cost and low-accuracy SINS. In order to restrain this trend, a method that uses AHRS to substitute for SINS course angle information is put forward aimed at the hardware component characteristic of the low-cost and low-accuracy SINS including AHRS (attitude and heading reference system) and IMU (inertial measurement unit). Real static and dynamic experiments show that the method can restrain the divergent trend of the navigation system angle effectively, and the positioning accuracy is high.