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。     

一种低动态高抖动环境下的GPS/INS紧组合方法

针对低动态高抖动环境下,影响GPS/INS紧组合精度的重要因素——惯性测量单元(IMU)数据中的噪声,该文提出利用小波降噪方法分离IMU数据中的噪声和有用信号以提高GPS/INS紧组合的精度。首先对IMU数据进行小波分解后得到的高频系数进行阈值量化处理,然后将GPS观测数据与降噪后的IMU数据进行GPS/INS紧组合解算,最终得到载体的导航信息。实例结果表明,该方法可以大幅提升GPS/INS紧组合的精度和稳定可靠性。     

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。     

一种低动态高抖动环境下的GPS/INS紧组合方法

针对低动态高抖动环境下,GPS/INS紧组合精度的重要因素之一——惯性测量单元(IMU)数据中的噪声,该文提出利用小波降噪方法分离IMU数据中的噪声和有用信号以提高GPS/INS紧组合的精度。首先对IMU数据进行小波分解后得到的高频系数进行阈值量化处理,然后将GPS观测数据与降噪后的IMU数据进行GPS/INS紧组合解算,最终得到载体的导航信息。实例结果表明,该方法可以大幅提升GPS/INS紧组合的精度和稳定可靠性。     

一种低动态高抖动环境下的GPS/INS紧组合方法

针对低动态高抖动环境下,GPS/INS紧组合精度的重要因素之一——惯性测量单元(IMU)数据中的噪声,该文提出利用小波降噪方法分离IMU数据中的噪声和有用信号以提高GPS/INS紧组合的精度。首先对IMU数据进行小波分解后得到的高频系数进行阈值量化处理,然后将GPS观测数据与降噪后的IMU数据进行GPS/INS紧组合解算,最终得到载体的导航信息。实例结果表明,该方法可以大幅提升GPS/INS紧组合的精度和稳定可靠性。     

一种低动态高抖动环境下的GPS/INS紧组合方法

针对低动态高抖动环境下,GPS/INS紧组合精度的重要因素之一——惯性测量单元(IMU)数据中的噪声,该文提出利用小波降噪方法分离IMU数据中的噪声和有用信号以提高GPS/INS紧组合的精度。首先对IMU数据进行小波分解后得到的高频系数进行阈值量化处理,然后将GPS观测数据与降噪后的IMU数据进行GPS/INS紧组合解算,最终得到载体的导航信息。实例结果表明,该方法可以大幅提升GPS/INS紧组合的精度和稳定可靠性。     

基于低通滤波的GPS/INS组合导航模型研究

惯导系统中惯性元件误差是影响惯性导航及组合导航精度的重要因素。本文首先分析了INS加速度计及陀螺仪在不同方向上的原始观测数据误差源及其相关作用,并给出低通滤波及GPS/INS(Global Positioning System/Inertial Navi-gation System)组合导航模型。在此基础上,提出采用低通滤波器消除INS原始数据中的高频随机误差,提高GPS/INS组合导航精度的技术路线。模拟INS的线速度及角加速度原始观测数据,对本文模型进行INS自主导航测试,导航精度得到明显提高。进一步采用实测数据进行组合导航分析,滤波前后计算的位置误差比较可以看出滤波后的导航解要优于滤波前,X、Y、Z三个方向上导航精度分别提高了15.1%、28.3%、28.1%。在残差最大值的比较上,三个方向上都有所减小,说明本文模型可有效提高导航精度。     

经验模态分解阈值消噪方法及其在惯性导航系统数据处理中的应用

针对惯性元件误差中有色噪声影响远大于白噪声的情况,建立元件误差的分形高斯噪声模型,利用功率谱密度方法估计模型参数。基于噪声模型推导经验模分解(EMD)的各固有模态函数(IMF)分量中噪声的方差,以此估计各分量相应的阈值,建立EMD阈值消噪方法。将该方法应用于INS中,并与小波阈值法进行比较。结果表明,小波阈值法难以控制元件中有色噪声的影响,EMD阈值法与噪声模型紧密结合,能够更有效地削弱元件中的随机误差,提高INS精度。     

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。     

改进的UKF在GPS/INS组合导航中的应用

在GPS/INS组合导航中,传统UKF(Unscented Kalman Filter)计算量大,无法满足实时性要求。而且当动力学模型受到异常扰动误差影响时,其精度与稳定性易受到影响。针对以上问题,利用最小偏度单形采样策略降低UKF计算量以提高精度;通过自适应调整过程噪声以降低动态异常扰动误差对UKF精度与稳定性的影响。由此提出了一种改进UKF算法,用于GPS/INS组合导航。仿真实验结果表明,改进UKF算法用于GPS/INS组合导航的精度要优于UKF算法。     

基于小波阈值的海洋磁力测量数据消噪方法

波浪噪声和随机噪声是影响海洋磁力测量数据处理精度的重要因素。基于小波变换理论,研究了海洋磁力测量数据中的波浪和随机噪声的消除方法。首先对带有噪声的实测磁异常数据进行频谱分析,确定相应的多分辨分析尺度。分别采用滑动拟合法、基于小波高频系数置零的消噪方法、基于小波阈值消噪方法进行消噪计算。实例计算表明:基于小波阈值消噪方法能够将磁异常中的噪声和真实的高频信息分离开来,进一步提高了消噪的精度和可靠性。     

基于高阶AR模型的陀螺随机漂移模型

陀螺随机漂移是影响惯性导航和组合导航精度的重要因素。首先用周期函数拟合和小波变换两种方法分别对随机漂移中的周期噪声进行分析和处理;然后对相关噪声建立高阶AR模型;最后将该模型应用在GPS／INS组合导航Kalman滤波中,并对结果进行分析和比较。结果表明,相比于周期函数拟合,小渡变换不仅能够更好地削弱周期噪声的影响,还能够削弱高频白噪声的影响;相比于一阶马尔科夫过程,高阶AR模型能够更好地描述随机漂移中的相关噪声;基于小渡变换和高阶AR模型的GPS／INS组合导航具有明显的优势。     

小波包多阈值去噪法及其在形变分析中的应用

在GPS变形监测领域,传统的小波去噪只保留低频上的有用信息,很容易去掉中频以及高频上的有用信息。小波包分析方法是近几年发展起来的一种新的小波分析方法,它同时考虑了各个频段上的有用信息,因此是一种更为精细的去噪方法。小波包去噪的关键是对小波包分解系数选取合适的阈值准则并进行阈值处理,但传统的小波包去噪并没有对此进行充分的研究。本文针对传统小波、小波包分析的不足,提出了一种基于频率顺序并依据信息类型分段的多阈值准则小波包去噪法。通过理论分析与实际应用,结果表明新方法能够高效剔除各频段的噪声,同时当采样频率较低时能有效保留去噪信号中频率高达10-1 Hz数量级的有用信息,其去噪能力优于传统的小波、小波包等其它去噪方法,因此可以广泛应用于高精度GPS变形监测领域中。     

融合小波变换和自适应Kalman滤波在GPS监测中的应用研究

针对自适应卡尔曼滤波只适用于滤除高斯分布的白噪声,本文提出了融合小波变换和自适应卡尔曼滤波的算法。该算法利用小波变换的多尺度分解,将GPS高频的监测时间序列进行多层分解,重构出新的GPS监测时间序列,将其作为新的自适应卡尔曼滤波初始值,进行滤波处理。将融合算法的滤波结果与单一的自适应卡尔曼滤波结果进行对比分析,结果表明融合算法的滤波效果较为显著。同时,对融合算法滤除的噪声信息进行统计分析,结果表明融合算法滤除的噪声符合正态分布,进一步说明了该融合算法的有效性,为GPS的高频率、高精度的监测提供了技术支持。     

基于经验模分解的陀螺信号消噪

陀螺随机漂移是影响惯性导航精度的重要因素。小波消噪方法对异常噪声效果不明显,且对小波基和分解尺度等因素依赖性较强。提出陀螺信号经验模分解(EMD)消噪方法,将信号进行经验模分解得到一个本征模态函数(IMF)组,先基于2sigma准则处理异常噪声IMF分量,再利用相关系数确定高频噪声IMF分量个数,将噪声分量去除以实现陀螺信号消噪。详细对比小波方法与EMD方法,利用交叠式Allan方差分析两者的消噪效果,通过惯导算例进一步验证EMD方法的实效性。结果表明,相比小波方法,EMD消噪法能剔除异常噪声,可以更有效地抑制陀螺漂移。     

Integrated GPS/INS navigation system with dual-rate Kalman Filter

A dual-rate Kalman Filter (DRKF) has been developed to integrate the time-differenced GPS carrier phases and the GPS pseudoranges with INS measurements. The time-differenced GPS carrier phases, which have low noise and millimeter measurement precision, are integrated with INS measurements using a Kalman Filter with high update rates to improve the performance of the integrated system. Since the time-differenced GPS carrier phases are only relative measurements, when integrated with INS, the position error of the integrated system will accumulate over time. Therefore, the GPS pseudoranges are also incorporated into the integrated system using a Kalman Filter with a low update rate to control the accumulation of system errors. Experimental tests have shown that this design, compared to a conventional design using a single Kalman Filter, reduces the coasting error by two-thirds for a medium coasting time of 30?s, and the position, velocity, and attitude errors by at least one-half for a 45-min field navigation experiment.     

基于小波技术的GPS单历元形变信号降噪研究

基于小波变换多分率分析原理,本文阐述了阈值降噪、中值滤波小波降噪原理,在中值滤波基础上通过改进,提出加权中值滤波小波降噪方法。通过仿真实验分别与软硬阈值降噪,中值滤波降噪方法作比较。实验表明,对小波高频系数采用加权中值滤波,然后重构信号,不仅可以最大限度地保留有效信号、有效降噪,保持信号的光滑性,而且具有良好的抗粗差性。     

A combined algorithm of improving INS error modeling and sensor measurements for accurate INS/GPS navigation

Although the integrated system of a differential global positioning system (DGPS) and an inertial navigation system (INS) had been widely used in many geodetic navigation applications, it has sometimes a major limitation. This limitation is associated with the frequent occurrence of DGPS outages caused by GPS signal blockages in certain situations (urban areas, high trees, tunnels, etc.). In the standard mechanization of INS/DGPS navigation, the DGPS is used for positioning while the INS is used for attitude determination. In case of GPS signal blockages, positioning is provided using the INS instead of the GPS until satellite signals are obtained again with sufficient accuracy. Since the INS has a very short-time accuracy, the accuracy of the provided INS navigation parameters during these periods decreases with time. However, the obtained accuracy in these cases is totally dependent on the INS error model and on the quality of the INS sensor data. Therefore, enhanced navigation parameters could be obtained during DGPS outages if better inertial error models are implemented and better quality inertial measurements are used. In this paper, it will be shown that better INS error models are obtained using autoregressive processes for modeling inertial sensor errors instead of Gauss–Markov processes that are implemented in most of the current inertial systems and, on the other hand, that the quality of inertial data is improved using wavelet multi-resolution techniques. The above two methods are discussed and then a combined algorithm of both techniques is applied. The performance of each method as well as of the combined algorithm is analyzed using land-vehicle INS/DGPS data with induced DGPS outage periods. In addition to the considerable navigation accuracy improvement obtained from each single method, the results showed that the combined algorithm is better than both methods by more than 30%.