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。     

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。     

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。     

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%。     

一种改进的UKF滤波算法在BDS/SINS组合导航系统中的应用研究

将自适应估计原理引入UKF(unscented Kalman filter)算法中,该改进算法可以自适应地调节系统模型信息在导航解中的比重,从而减少滤波器初值偏差和系统模型异常扰动对导航解的影响.将改进的UKF算法应用于BDS/SINS(北斗/捷联惯导)组合导航系统中,仿真结果验证了其有效性,且该算法可提高组合导航系统...     

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。     

改进抗差自适应EKF算法在GNSS/INS组合导航中的应用

在车载GNSS/INS组合导航中,抗差自适应滤波以其具有控制动力学异常和观测异常的能力成为实现综合PNT的关键技术之一。然而,不合适的决策算法和抗差因子会导致滤波进一步劣化。针对该问题,提出一种双窗口Sage-Husa抗差算法和一种改进的异常新息占比决策方法。采用松组合结构,利用异常新息占比决策对组合过程中出现的模型异常作出判断,针对观测模型异常和动态模型异常分别采用对应的抗差或自适应滤波。利用武汉市城区林荫道、街区多遮挡环境下动态实测数据进行分析。实验结果表明,该方案在复杂多遮挡环境下东、北、天3个方向上位置精度分别提升35.78%、38.94%、66.00%,位置均方根误差达到0.70 m、0.69 m、1.16 m。     

一种顾及有色噪声的四星座GNSS动态导航滤波算法

经典Kalman滤波要求噪声是高斯白噪声,而动态GNSS定位的观测误差和状态预测误差往往是有色噪声。本文提出一种简便的有色噪声函数模型拟合滤波算法,采用前面历元的观测残差和状态残差建立有色噪声模型,削弱有色噪声对动态导航解算的影响。采用四星座GNSS接收机观测数据进行动态导航实验,结果表明,顾及有色噪声的动态导航滤波算法比未顾及有色噪声的经典Kalman滤波算法定位精度更高,三维位置精度提升9%以上。     

GNSS/SINS组合进行惯性重力测量误差分析

针对INS技术及GNSS数据处理技术,分析中国实现惯性重力测量的可能性。分析结果表明,目前中国GNSS观测与数据处理技术用于惯性重力测量已不存在技术上的困难,而国产惯性测量系统的性能指标要达到1×10^-5 ms ^-2 的重力观测精度虽有一定的困难,但随着惯性测量系统技术的进步,利用国内研制的捷联式惯导与GNSS联合进行惯性重力测量已成为可能。     

基于运动检测的飞行区车辆差分北斗/SINS组合导航

针对机场飞行区车载差分北斗/SINS组合导航系统中卫星信号衰弱、断续和中断时引起导航系统精度降低的问题,提出一种基于运动检测的高精度组合导航方法。该方法基于运动检测的差分北斗/SINS组合导航系统框架,根据车辆运动的特性,利用零速修正与动态零速修正相结合的模式来约束SINS误差;建立系统误差最优估计状态方程和量测方程,并结合惯性测量单元输出的陀螺和加速度计信息以及SINS输出速度来实现车辆运动状态的检测;最后通过车载实验验证该方法的可行性。结果表明,卫星信号有效时,差分北斗/SINS组合导航定位精度优于1 m;相比于传统运动学约束技术,2.5 km信号中断场景下,组合导航系统的经度误差最大值由5.21 m减小为1.35 m。     

复杂环境下基于GPS+BDS-3的PPP/INS/ODO组合导航性能分析

针对复杂环境下单一导航定位技术存在精度低、可靠性和完整性差的问题,提出一种GPS+BDS-3的PPP/INS/ODO组合导航方案。采用GPS+BDS-3双系统观测数据,推导无电离层组合PPP模型,进一步给出PPP/INS/ODO组合模型并分析时间异步及杆臂误差的处理策略,结合里程计测速信息和非完整性约束信息,提高组合导航的定位性能。利用仿动态和动态跑车实测数据,分别对GPS+BDS-3无电离层组合PPP的定位性能和PPP/INS/ODO组合导航的定位性能进行分析。实验结果表明,GPS+BDS-3组合定位精度较单系统有显著提高;PPP/INS/ODO组合系统在复杂环境下位置的RMSE优于1 m,可为复杂环境下的车载导航提供技术支撑。     

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。     

���е�ͼ��ϢԼ����GPS/DR��ϵ���ϵͳKalman�˲��㷨

??GPS/DR?????????У?GPS???????????????????????????ж??????DR?????????е???????DR??????????????????????????????????????????????λ??????????????????????????????????????????У???DR???????????????????????????????????Ч????λ?????     

GNSS多星座组合导航系统性能提升量化分析

为定量研究不同层次GNSS多星座组合系统的性能提升情况,构建相应的量化指标,并对多星座组合系统的性能提升进行量化分析。通过仿真实验验证量化指标的有效性,分析组合系统性能提升随组合层次和截止高度角的变化规律,推出各层次的最优系统组合。实验表明,高层次多星座组合系统不仅改善了单一、低层次多星座组合构型的不足和缺陷,还在很大程度上提升了星座的各项性能指标。