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。     

零速修正在GNSS/INS紧组合导航中的应用研究

为研究零速修正在GNSS/INS紧组合导航中的应用,提出综合利用GNSS/INS紧组合解算速度、IMU原始数据和多普勒观测数据的零速判断准则以及零速状态下的紧组合数学模型,并通过车载测试进行验证。结果表明,该零速判断准则对载体静止状态的判断与实际情况吻合良好,零速修正能够有效抑制载体静止状态下的IMU传感器误差积累,尤其是在卫星观测质量不好时。相对于不使用零速修正,在较短静止时间内,采用零速修正算法可以使卫星信号正常时的载体位置、速度精度分别改善27%、35%;卫星信号中断30~120 s时,载体位置和速度精度分别改善16%~75%和87%~97%;但卫星信号正常与中断时,姿态改善效果都不明显。     

BDS/INS深组合导航性能分析

通过对BDS/INS深组合导航进行较为全面的性能分析（重点针对INS辅助BDS捕获、跟踪环路机理及性能评判准则）发现,在INS辅助下可以显著提高BDS信号捕获灵敏度、缩短平均捕获时间,并可以维持环路的锁定跟踪状态以提高导航精度。同时,考虑GNSS接收机受到超强干扰或卫星信号受到持续遮挡等特殊条件,给出BDS/INS深组合的结构设计,并基于软件接收机对深组合导航系统性能进行仿真分析。该仿真结果对工程应用具有参考价值。     

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

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

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

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

����ӦUKF��GNSS/INS����ϵ����е�Ӧ���о�

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

���ڿ���EKF��INS/GNSS������㷨Ӧ���о�

???INS/GNSS????????GNSS????????????????о?????????EKF???????????????????INS?????????????μ???????INS/GNSS?????????????????????????????С?????????????????С????в??????????????Э???????????????????????????????????????????????????????????????GNSS?????д???????????????EKF??????????????????????????????????????????????????     

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。     

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。     

一种SINS/CNS/GNSS组合导航滤波算法

捷联惯性导航系统/天文导航系统/全球导航卫星系统(SINS/CNS/GNSS)构成的组合导航系统可有效提高飞行器的定位精度,而导弹等飞行器常用发射时刻的发射点惯性坐标系作为测量载体飞行的基准.为此,首先在发射惯性坐标系下推导并建立一种简洁的SINS/CNS/GNSS组合导航数学模型,该模型将SINS积分预报姿态四元数误...     

车载导航系统的高精度定位算法

提出了一种基于联合卡尔曼滤波理论和地图匹配技术的高精度车载导航系统定位方法。该方法一方面对联合卡尔曼滤波器的结构进行简化,简化后的联合滤波器能够较好地将全球定位系统(GPS)与航位推算系统(DR)获取的空间信息进行融合,不仅较大程度地减小滤波计算量,而且避免了子滤波器间误差的互相干扰,提高了空间定位精度。另一方面提出了根据行车方向与位置匹配行车道路的技术,该技术不仅具有较好的行车道路匹配效果,而且能够对各种行车异常情况进行处理。实验证明,本文提出的方法能够较好地满足车载导航系统对空间定位方法实时性及高精度的要求。     

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。