非线性自适应抗差滤波定轨算法

讨论了应用卡尔曼滤波进行卫星精密定轨所遇到的一些问题,提出了一种新的非线性自适应抗差滤波定轨算法。该方法首先采用非线性滤波来提高定轨精度,避免了模型线性化误差的影响。另外,采用双因子方差膨胀模型来自适应地调节观测噪声的协方差阵,以控制观测异常对定轨结果的影响;通过自适应因子实时调节状态噪声协方差阵,以降低状态异常对定轨结果的影响。通过CHAMP卫星定轨计算,验证了新方法的可行性和有效性。     

改进的GNSS/SINS组合导航系统自适应滤波算法

GNSS/SINS(global navigation satellite system/strapdown inertial navigation system)组合导航系统已得到广泛的应用与研究,当处于复杂环境时,GNSS输出容易出现误差均方差突变、误差均方差缓变、硬故障和软故障4种现象,进而影响组合导航系统滤波精度及载体的导航安全。为了解决上述问题,提出了一种改进的GNSS/SINS组合导航系统自适应滤波算法。首先,利用滤波过程中的观测异常检验统计量与滤波器门限值构建观测因子,然后,将变分贝叶斯原理与抗野值滤波方法结合,设计了改进的组合导航系统自适应滤波算法。仿真实验表明,相较于传统算法,当GNSS输出误差均方差发生变化时,所提算法可将位置精度及速度精度提高11.8%及13.7%;在GNSS输出发生硬故障时,所提算法可将位置精度及速度精度提高70.8%及69.6%。实验结果表明,所提算法具有较强的自适应性,可提升复杂环境下组合导航系统的精度和连续可用性。     

组合双星敏感器定姿算法

本文简要介绍了利用星敏感器确定航天测绘相机姿态的基本原理,在此基础上给出了双星敏感器组合定姿算法。通过较严密的方法模拟生成星敏感器姿态四元数,并进行了单、双星敏感器定姿模拟计算,对定姿结果进行了统计分析。分析结果表明,双星敏感器联合定姿具有较高的稳定性。     

非差改正数的多GNSS恒星日滤波方法

多路径误差是全球卫星导航系统(GNSS)精密数据处理的主要误差源之一,观测值域的恒星日滤波是应用较为广泛的多路径误差削弱方法,但其在多系统应用中存在映射方法相对低效的问题,且缺乏针对Galileo的应用研究.为解决现有方法不适用于大规模网解数据处理的弊端,该文提出了一种基于非差改正数的多GNSS系统恒星日滤波方法,从理论上证明了该方法在进行多路径误差改正时的效果与双差观测值域恒星日滤波方法的等价性,并提出了该方法在Galileo中的应用服务方案.对一组采集于2018年年积日219-231 d的多系统数据进行了多路径误差改正实验分析,观测值域的双差残差测试结果表明,GPS、BDS和Galileo的双差残差统计精度得到了显著的提升,频域分析结果也表明多路径误差的低频部分能被有效削弱.坐标域的静态定位结果显示,强多路径环境下GPS和BDS联合定位精度在三维方向上相对于单GPS有一定改善,加入Galileo数据后相对于单GPS可进一步提升.     

应用预测滤波估计卫星姿态

本文推导了预测滤波法的基本原理,应用了预测滤波作为卫星姿态状态预报算法,并与经典卡尔曼滤波进行了比较。实验表明采用预测滤波法对不同姿态角均能得出较好的估计结果,克服了经典卡尔曼滤波法进行估计存在的估计模型误差和推广卡尔曼滤波(EKF)的线性化误差。     

GNSS/声学联合定位的自适应滤波算法

海底控制点布设是构建海洋时空基准的重要环节,而可靠的海洋基准定位模型及方法又是实现高精度海底控制点布设的前提和基础。应用广泛的走航船测量方式兼具灵活性和可控性,但载体异常扰动影响不可避免,易导致海底控制点联合定位模型解算失真。针对这一问题,本文提出一种基于自适应选权滤波的GNSS/声学联合解算方法。首先推导了统一海面及水下观测过程的GNSS/声学联合定位数学模型;然后研究了在联合模型的自适应滤波解算中对载体异常扰动的判别标准,给出了各状态参数自适应因子的构造方法;最后通过仿真和实测数据进行了试验验证。结果表明:引入自适应滤波算法后,能有效改善状态扰动对GNSS/声学联合定位的异常影响,提升其定位稳定性及定位精度;当分别对各类状态参数的自适应因子进行合理构造后,滤波效果可达最佳。     

基于GNSS多径信号的反射面参数估计算法

全球卫星导航系统(GNSS)多径信号广泛存在于城市峡谷等复杂导航定位场景中.多径信号在干扰GNSS接收机并造成系统定位精度下降的同时,也为接收机提供了周边反射面环境信息.在码相位延迟幅度联合跟踪算法(CADLL)实现GNSS多径信号感知和特征参数提取的基础上,设计实现了基于粒子滤波的反射面参数估计算法.该算法可以在GN...     

联邦滤波的改进算法

分析并综述了联邦滤波算法,以及该算法存在的问题。针对观测信息不足的情况下,结合抗差估计和自适应估计理论对联邦滤波算法进行了改进,给出了联邦滤波在局部传感器观测信息不足情况下的改进算法。由模拟计算结果可知,在局部传感器观测信息不足的情况下,改进的联邦滤波器能较好地抑制载体观测异常和状态扰动异常对动态系统参数估值的影响,具有很强的的抗差性和自适应性。     

联邦滤波的改进算法

分析并综述了联邦滤波算法,以及该算法存在的问题.针对观测信息不足的情况下,结合抗差估计和自适应估计理论对联邦滤波算法进行了改进,给出了联邦滤波在局部传感器观测信息不足情况下的改进算法.由模拟计算结果可知,在局部传感器观测信息不足的情况下,改进的联邦滤波器能较好地抑制载体观测异常和状态扰动异常对动态系统参数估值的影响,具有很强的的抗差性和自适应性.     

基于Vondrak滤波的GPS周跳探测与修复

利用天文数据处理中的最优平滑法Vondrak滤波,导出了结合双差观测数据的GPS周跳探测与修复的新方法,实现了分析双差观测数据质量和双差观测域中探测和修复周跳的功能。     

基于星敏感器的航天器姿态估计

星敏感器是一种高精度的姿态测量仪器,本文在分析星敏感器姿态测量原理的基础上,利用序贯平差方法确定航天器姿态并予以实现.仿真结果表明,该算法能满足实时姿态确定的精度要求,且降低了数据存储量,节省了存储单元,具有较强的灵活性.     

GNSS双差定姿模型的精化

把GNSS双差定姿模型推广到km级短基线精密解算。指出常用的GNSS双差定姿模型存在几何上的系统偏差,该系统偏差严重影响km级基线的精密定位解算。提出了修正该系统偏差的方法,并把修正量加入定位模型,提高了模型的精确程度。采用两组实验数据分别对修正前和修正后的模型进行比较,验证了改进效果。     

基于GNSS/传感器铁道施工维护人员安全监测与预警系统的设计

铁道施工维护人员安全监测与预警系统集成了GNSS CORS、雷达、网络传输、计算机等先进技术,实现了铁路快速预警。根据实际情况,既能提高工作效率、增加经济效益,又能保障维护人员的安全,以实现高铁维护的智能化、网络化、实时化和精准化的监测和预警。     

GNSS测站速度估计模型重建

获取准确的GNSS测站速度对于研究全球板块运动、地壳形变、地震活动及其地球动力学过程至关重要。为此,以GNSS基线解算后的基线向量作为观测值,重建了最小二乘综合速度解算模型和卡尔曼滤波速度估计模型。模型中,考虑了测站坐标、运动速度、年、半年周期项一同作为参数,在基线解网平差的同时,一并求解获取速度估值。同时,利用坐标时序分析的方法,顾及白噪声和幂律噪声的影响,对单日解坐标时间序列重建了时序速度拟合估计模型,以获取长期趋势项作为速度值。基于3种模型,对川滇地区中国地壳运动观测网络2010—2014年21个GPS基准站的观测数据进行了速度估计与对比分析。结果表明:3种模型所估计测站速度非常接近,差异基本处于0~1mm/a范围之内;速度估值中误差均在亚毫米水平。由此得出,3种速度估计模型具有本质的一致性,均可正确估计测站运动速度,能够满足高精度地壳形变研究的需要。     

基于距离和姿态观测量的GNSS基线网平差方法

针对目前单历元算法需要连续观测较长时间才能够得到较为精确的解算结果的问题,利用载具同时架设3台GNSS接收机,获得基线观测量,同时事先精确测定接收机之间的距离,并利用陀螺仪获得载具的姿态角,通过增加距离和姿态观测量,与基线观测量共同进行平差处理,可以得到单历元较为稳定而精确的坐标解算结果。试验表明,平面精度在10 mm以内,高程精度在3 cm以内,相较于不添加距离和姿态观测量的结果精度提高了15%以上。     

利用改进的Kalman滤波算法进行GNSS单历元姿态测量

传统G PS单历元姿态解算中存在没有利用历元间的相互关系以及不能有效抵制粗差影响等问题,而Kalman滤波则可一定程度上解决这些问题。结合稳健估计理论对GPS单历元姿态解算提出了一种改进的Kalman稳健估计算法,通过实验及与传统的最小二乘解算方法相比较,该算法能够较好地消除历元间计算结果中出现的跳变值,使得解算结果更稳健。     

利用高精度PPS测量进行GPS-GLONASS时差监测

首先对三类不同卫星导航系统时间基准偏差监测途径进行简要介绍,并首次把高精度PPS(pulse per second)测量这种方法成功应用到GPS-GLONASS时差监测中。针对PPS测量方案作了较为详尽的论述和说明,包括硬件配置、数据采集和后处理等内容,在试验中利用两台GPS和GLONASS双模接收机分别输出1PPS的GPS和GLONASS秒脉冲信号,使用斯坦福大学的SR620精密时间间隔计数器进行PPS精密测量,从而得到GPS和GLONASS的系统时间偏差测量值,并通过带有汉宁窗的FIR滤波器得到GPS和GLONASS的系统时间偏差估计结果,其平均值为317. 1 ns,标准差为5. 01 ns.     

基于Kalman滤波的大规模GNSS网参数估计方法

针对传统方法存在的缺陷,研究了利用Kalman滤波技术进行大规模GNSS网参数（主要包括测站位置参数、卫星轨道参数及极移参数）估计的理论方法与关键技术,并利用40个全球均匀分布的IGS站多天的观测数据对理论成果进行了验证。结果表明,本文估计得到的测站位置参数与IGS结果各分量较差的RMS值分别为0.85、1.1、1.21 cm,得到的卫星轨道参数外推1 h后与IGS最终星历各分量较差的RMS值分别为9.8、8.6、7.2 cm,得到的极移参数与IERS结果的较差基本在1 mas之内;该方法具有较高的估值精度,可有效地用于GNSS网各类参数的估计。