GPS/DR组合导航系统线性模型的研究与实现

GPS/DR组合导航一般建模成非线性系统,需要采用扩展卡尔曼滤波器(EKF)等非线性滤波器.由于非线性的建模方式会使模型变得复杂,若采用EKF还会引入系统误差.提出基于单陀螺仪单加速度计的线性化模型,可以直接用包含位置和速度的标准卡尔曼滤波器(PV-SKF),改进的模型使用包含位置、速度和加速度的标准卡尔曼滤波器(PVA-SKF).仿真和实际测试表明,线性化模型的精度较高,改进的模型有更好的效果.     

神经网络辅助的GPS/MEMS-INS组合导航算法

在GPS/MEMS-INS(Micro-electromechanical System-Inertial Navigation System)组合导航中,当载体处于恶劣环境下或者载体处于大机动运动情况下,会导致GPS失锁。此时单独工作的低精度MEMS-INS会由于其位置和速度误差随着时间的变化而迅速积累最终无法导航。针对此问题,设计了一种结构简单易于实现的神经网络辅助的GPS/MEMS-INS组合导航系统。通过模拟实验,与标准卡尔曼滤波(KF)和无迹卡尔曼滤波(UKF)框架下组合导航相比,所提出的结构简单容易实现的神经网络辅助的组合导航系统具有较高的稳定性,并且组合导航整体过程中经纬度与速度精度均提高了65%左右。     

神经网络辅助的GPS/MEMS-INS组合导航算法

在GPS/MEMS-INS(Micro-electromechanical System-Inertial Navigation System)组合导航中,当载体处于恶劣环境下或者载体处于大机动运动情况下,会导致GPS失锁。此时单独工作的低精度MEMS-INS会由于其位置和速度误差随着时间的变化而迅速积累最终无法导航。针对此问题,设计了一种结构简单易于实现的神经网络辅助的GPS/MEMS-INS组合导航系统。通过模拟实验,与标准卡尔曼滤波(KF)和无迹卡尔曼滤波(UKF)框架下组合导航相比,所提出的结构简单容易实现的神经网络辅助的组合导航系统具有较高的稳定性,并且组合导航整体过程中经纬度与速度精度均提高了65%左右。     

利用联邦滤波器设计SINS／RDSS／GPS组合导航系统

介绍了Garlson提出的分布式联邦滤波理论，讨论了两类系统设计类型和四种配置模式的特征。首次提出SINS／RDSS／GPS组合导航的设想，并对各子系统特点进行了探讨和对SINS／RDSS子系统进行了建模，建议在实际开发中采用NR配置模式，该模式属于A类联邦滤波系统。通过算例验证了NR模式融合结果的近似最优性、优良的容错性和故障探测能力。     

浅谈GPS/SINS组合导航系统的设计

SINS/GPS组合导航系统是一种性能较好的导航系统,它结合了GPS的高精度定位,误差无积累及INS的自主性、实时性等优点。两者的结合可使导航系统的成本下降,可靠性增加,精度提高。本文概要地介绍了SINS/GPS的研究背景、结构组成、建立了系统的总体设计方案,给出详细的软件设计框图.并介绍实现系统各个功能的软件算法。实际应用结果表明:该系统的导航精度、成本、体积等指标均达到了设计要求。     

弹道导弹的GNSS/SST/SINS组合导航系统研究

提出一种组合导航方案,该方案在硬件上采用全捷联的结构,在算法上将捷联星光跟踪仪(strapdownstar tracker,SST)的姿态信息,高动态GNSS的位置、速度信息与捷联惯导进行组合滤波,全面提高导航精度。设计并实现了弹道导弹GNSS/SST/SINS组合导航系统实时仿真平台,仿真结果表明了该组合方案的稳定、可靠性。     

车辆GPS/DR组合导航系统研究

车辆导航系统常采用GPS/DR组合导航方式,很多该类组合导航系统采用联邦滤波器,分别对GPS信号和DR信号进行处理,再通过主滤波器融合两个子滤波器的计算结果。使用联邦滤波器有很多优点,特别是当GPS或DR其中任何一个子系统出现故障时联邦滤波器仍然可继续为用户提供导航服务。但是,联邦滤波器设计结构复杂,各种参数选取对滤波器的性能影响较大,选取不当反而引起导航精度的降低。设计一种GPS/DR滤波器,这种滤波器当GPS接收机在城市中受到遮挡引起失锁时仍能够为用户导航,并且该滤波器与联邦滤波器相比,结构简单,设计简易。通过在城市中进行车辆实测导航实验,验证了该滤波器能够满足导航精度要求,适用于城市中车辆导航应用。     

神经网络在SINS/GPS组合定位中的应用

地籍测量中,单一系统无法满足定位要求,组合定位技术应运而生.其中,捷联惯性导航系统(SINS)和GPS组合定位应用最为广泛.在卫星信号受到干扰失效区域,系统进入纯SINS解算,定位误差会逐渐累积,无法满足定位精度要求.针对此问题,提出一种长短期记忆(LSTM)神经网络辅助的组合定位算法.根据LSTM神经网络能够有效运用...     

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。     

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。     

神经网络辅助的GPS/INS组合导航自适应UKF算法

GPS/INS组合导航非线性系统最优估计算法中,基于统计信息和假设检验理论的多渐消因子自适应滤波算法的应用前提条件是残差向量为高斯白噪声。本文针对观测异常会影响残差向量的数字特性分布,提出了一种神经网络辅助的多重渐消因子自适应SVD-UKF算法。该算法采用神经网络算法削弱观测异常对残差序列高斯白噪声分布特性的影响,利用奇异值分解抑制UKF中先验协方差矩阵负定性变化,同时构造多重渐消因子对预测状态协方差阵进行调整,使得不同的滤波通道具有不同的调节能力,高效地应用于多变量复杂系统。最后利用车载实测数据进行了验证。结果表明,神经网络算法极大削弱了观测粗差对残差序列高斯白噪声分布特性的影响,拓展了多重渐消因子的应用范围,使其能在观测值含有粗差的条件下自适应调节不同滤波通道,消除滤波状态中的异常,提高组合导航解的精度和可靠性。     

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。     

神经网络辅助的GPS/INS组合导航故障检测算法

针对GPS/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故障的情形,提出一种神经网络辅助的组合导航故障检测算法。该算法克服了基于模型的故障检测算法受模型误差影响的局限性;能够自动地对观测信息进行故障的检测、定位和剔除;能够基于故障检测后可靠的观测信息进一步调整动力学模型信息对导航解的贡献;能够在GPS失锁时,较好地进行导航预报。最后利用车载实测数据进行验证,结果表明该算法能够很好地从模型误差中分离出观测信息含有的故障信息,降低了故障检测算法存在的虚警率,避免故障信息对导航解的影响;且GPS失锁时,神经网络的预报输出在一定程度上能够进一步提高导航解的精度。     

利用SVM的GPS/INS组合导航滤波发散抑制方法研究

为验证导航模型在GPS信号更新频率较低的情况下的导航能力,给出了GPS/INS组合导航滤波模型。载体运动过程中,分别使信号中断5s、10s、15s。通过实验得出,GPS信号中断时间过长(10s以上),GPS信号恢复后,Kalman滤波器会产生发散现象。引入支持向量机,提出利用SVM内插GPS信号提高信息更新频率消除组合导航滤波器的发散。结果表明,GPS信号中断时间过长导致组合导航系统滤波发散的情况下,通过SVM内插GPS数据提高GPS更新频率,可以有效地抑制滤波发散,提高导航的准确性。     

基于多尺度预处理的GPS/SINS组合导航系统

基于多尺度分析的思想,以离散小波变换为工具,利用小波对惯性元件输出的信息进行并行阈值消噪以削弱惯性元件误差对SINS及组合系统性能的影响;然后,对GPS输出的信息进行并行多尺度预处理,并结合传统的Kalman滤波方法,对系统进行综合滤波;将上述方法引入到GPS/SINS组合导航系统中,利用实测数据进行验证,并给出了基于不同方法的大量实验曲线。实验结果表明,该方法可以有效削弱惯性元件以及GPS误差对系统的影响,提高了GPS/SINS组合导航系的精度和可靠性。     

利用随机系数矩阵的GNSS/INS组合导航Kalman滤波算法

在动力学模型可靠的情况下,为避免观测异常对滤波结果的影响,建立处理观测异常的观测模型集合,以观测模型集合中系数矩阵的期望来代替观测方程的系数矩阵,利用随机系数矩阵Kalman滤波算法来控制观测信息异常的影响。算例结果表明,该算法可以有效地控制观测值异常对滤波结果的影响。     

信息分配系数的自适应滤波在GPS/DR组合导航中的应用

在组合导航中常采用联合滤波器进行多源传感器的信息融合,其中信息分配系数的取值直接影响着联合滤波器的性能。在详细分析子滤波器状态变量估计协方差阵特点的基础上,文中提出了采用两组信息分配系数的自适应联合滤波模型,并将设计的自适应联合滤波模型应用于车载GPS/DR组合导航中。仿真实验表明,导航的位置精度提高约为40%;速度精度提高约为10%。同时也提高了组合系统的容错性和可靠性。