UKF在GPS/INS组合导航系统中的应用

扩展卡尔曼滤波(EKF)是GPS/INS组合导航系统工程实现中常用的一种数据融合方式.但EKF线性化误差在一定程度上影响了GPS/INS组合导航系统精度的提高.Unscented卡尔曼滤波器(UKF)是一种非线性滤波器,它能有效地减小线性化误差对GPS/INS组合导航系统精度的影响.基于四元数法建立了GPS/INS组合导航系统的非线性误差方程模型;最后通过数字仿真验证了UKF组合导航系统应用中的性能.     

UKF在GPS/INS组合导航系统中的应用

扩展卡尔曼滤波(EKF)是GPS/INS组合导航系统工程实现中常用的一种数据融合方式。但EKF线性化误差在一定程度上影响了GPS/INS组合导航系统精度的提高。Unscented卡尔曼滤波器(UKF)是一种非线性滤波器,它能有效地减小线性化误差对GPS/INS组合导航系统精度的影响。基于四元数法建立了GPS/INS组合导航系统的非线性误差方程模型;最后通过数字仿真验证了UKF组合导航系统应用中的性能。     

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.     

一种GPS/GLONASS/INS数据融合算法

针对卫星导航系统和惯性导航系统(INS)的不同特性,提出了一种GPS/GLONASS/INS数据融合算法。采用差分自适应检测算法、改进码平均相位算法以及位置联合解算方法实现了GPS/GLONASS数据融合,借助于改进的粒子滤波器、INS误差模型建立系统状态方程和观测方程,完成GPS/GLONASS系统速度值和INS系统速度值数据融合,提高组合导航系统精度和可靠性。使用真实数据对数据融合算法性能进行仿真分析,结果表明所设计算法是有效的,能够处理非线性非高斯条件下的滤波估计,提高滤波精度和系统可靠性。     

GPS/INS组合导航系统的Matlab/Simulink仿真

首先系统研究了GPS/INS 组合导航系统的仿真原理,然后以Matlab/Simulink为平台,在对GPS、INS进行单独仿真的基础上,对GPS/INS组合导航系统进行了实时的扩展Kalman滤波仿真试验,试验结果不仅证明组合导航具有较高的导航精度,而且为进一步研究组合导航系统开辟了一条比较实用的道路.     

附加方位约束的GPS/INS组合系统选权自适应卡尔曼滤波

单天线GPS/INS经典组合模型存在的明显不足是：由于状态参数不仅包含INS的位置、速度误差,而且还包含INS的姿态误差和元件误差,存在观测信息不足,间接可测参数难以准确估计。在深入分析常用GPS/INS组合模型及滤波算法中参数估值的特性基础上,提出从两方面改善这类滤波结果：①在运动条件下的组合观测模型中附加GPS单天线测方位角约束,建立观测值与间接可测参数之间的联系;②将选权自适应卡尔曼滤波方法拓展到GPS/INS滤波中,以提高参数估计的精确性。通过对滤波结果的增益阵、位置差、速度差及姿态估计结果的分析可知,该方法的滤波结果更趋准确、合理。     

应用EKF平滑算法提高GPS/INS定位定姿精度

为了提高城市遮挡环境下GPS较长时间(60s)无法单独定位情况下GPS/INS组合定位定姿精度,研究了扩展卡尔曼滤波及其RTS(Rauch Tung Striebel)平滑算法;同时给出了基于ψ角惯导误差模型的GPS/INS组合系统状态方程和基于位置、速度更新的量测方程。实验中模拟GPS信号失锁60s,应用RTS后处理算法进行了GPS/INS组合数据处理。结果表明,扩展卡尔曼滤波EKF平滑算法可以有效地提高城市遮挡环境下GPS/INS组合定位定姿精度,特别是对GPS失锁的情况。从而很大程度上降低对高成本惯导的依赖。     

车载移动测量中定位定姿系统误差校正与补偿研究

讨论了全球导航卫星系统(global navigation satellite system,GNSS)/里程计(odometer,ODO)/惯性导航系统(inertial navigation system,INS)组合定位定姿中误差校正与ODO/INS组合导航两个方面的问题。针对里程计刻度因子和安装误差角的校正,在不改变原GNSS/INS滤波器的基础上,设计了GNSS/INS与INS/ODO两级卡尔曼滤波器级联结构,将INS导航误差与里程计刻度因子误差、安装误差角分别列入两个滤波器的系统状态中,在GNSS连续观测和固定模糊度条件下,利用里程计和惯导里程增量之差作为INS/ODO卡尔曼滤波器的外部观测,对误差进行校正。另一方面,使用校正过的里程计和安装误差角,在GNSS失锁条件下对INS进行观测和修正。跑车实验结果表明,本文算法可以有效校正里程计刻度因子和定位定姿(positioning and orientaton system,POS)安装误差角,同时大幅提高GNSS失锁条件下的定位精度,配合平滑卡尔曼滤波器,可将城市移动测量两分钟GNSS失锁条件下的定位误差控制在0.5m以内。     

VNS中定位数据的滤波处理

定位模块是车辆导航系统（VNS）的重要组成部分，在实际使用中必须充分利用各种手段以提高定位模块的精度。本文在讨论了GPS和INS误差源的基础上，提出了用联合卡尔曼滤波器对GPS／INS组合导航的输出信号进行滤波，从而减小定位的误差，提高定位的精度。     

北斗/INS组合导航关键技术分析

组合导航系统有利于充分利用各导航系统进行信息互补与信息合作,成为导航系统发展的方向。在所有的组合导航系统中,以GPS与惯性导航系统INS组合的系统最为理想,而深组合方式是GPS与惯性导航系统（INS）组合的最优方法。鉴于GPS的不可依赖性,北斗卫星导航系统与INS的组合是组合导航系统的发展趋势,研究其组合模式具有重要意义。通过分析、评述国外INS/GPS深组合导航系统的发展现状,提出我国自主研制INS/北斗深组合导航系统需要解决的关键技术。     

一种基于渐消因子的区间卡尔曼滤波器方法

在噪声环境中,运动目标发生稳态突变会降低卡尔曼滤波器的滤波性能,进而导致组合导航的可靠性降低,导航系统抗干扰能力下降,影响导航的精确度。为了提高卡尔曼滤波器性能,提高抗干扰能力和导航精度,在采用基于卡尔曼滤波器的超紧耦合同时,提出一种新型的基于渐消因子的区间卡尔曼滤波器算法。该算法通过引入渐消因子和区间矩阵对滤波器增益矩阵进行实时调整,并利用区间运算中的交集运算将各种误差源约束到交集区间,进而保证在区间运算中保真集合映射的完备性并取得最优化。结果显示,该算法能够克服原有滤波器算法的缺陷,在噪声环境中提升对稳态突变目标的跟踪能力,且在噪声中滤波器效果提高,算法计算量没有明显增加。     

Hybrid derivative-free extended Kalman filter for unknown lever arm estimation in tightly coupled DGPS/INS integration

Differential carrier phase observations from GPS (Global Positioning System) integrated with high-rate sensor measurements, such as those from an inertial navigation system (INS) or an inertial measurement unit (IMU), in a tightly coupled approach can guarantee continuous and precise geo-location information by bridging short outages in GPS and providing a solution even when less than four satellites are visible. However, to be efficient, the integration requires precise knowledge of the lever arm, i.e. the position vector of the GPS antenna relative to the IMU. A previously determined lever arm by direct measurement is not always available in real applications; therefore, an efficient automatic estimation method can be very useful. We propose a new hybrid derivative-free extended Kalman filter for the estimation of the unknown lever arm in tightly coupled GPS/INS integration. The new approach takes advantage of both the linear time propagation of the Kalman filter and the nonlinear measurement propagation of the derivative-free extended Kalman filter. Compared to the unscented Kalman filter, which in recent years is typically used as a superior alternative to the extended Kalman filter for nonlinear estimation, the virtue of the new Kalman filter is equal estimation accuracy at a significantly reduced computational burden. The performance of the new lever arm estimation method is assessed with simulated and real data. Simulations show that the proposed technique can estimate the unknown lever arm correctly provided that maneuvers with attitude changes are performed during initialization. Field test results confirm the effectiveness of the new method.     

Improved decentralized multi-sensor navigation system for airborne applications

The integration of Global Navigation Satellite System (GNSS) and Inertial Navigation System (INS) technologies is a very useful navigation option for high-accuracy positioning in many applications. However, its performance is still limited by GNSS satellite availability and satellite geometry. To address such limitations, a non-GNSS-based positioning technology known as “Locata” is used to augment a standard GNSS/INS system. The conventional methods for multi-sensor integration can be classified as being either in the form of centralized Kalman filtering (CKF), or decentralized Kalman filtering. However, these two filtering architectures are not always ideal for real-world applications. To satisfy both accuracy and reliability requirements, these three integration algorithms—CKF, federated Kalman filtering (FKF) and an improved decentralized filtering, known as global optimal filtering (GOF)—are investigated. In principle, the GOF is derived from more information resources than the CKF and FKF algorithms. These three algorithms are implemented in a GPS/Locata/INS integrated navigation system and evaluated using data obtained from a flight test. The experimental results show that the position, velocity and attitude solution derived from the GOF-based system indicate improvements of 30, 18.4 and 20.8% over the CKF- and FKF-based systems, respectively.     

Design of minimax robust filtering for an integrated GPS/INS system

The problem of navigation systems with uncertain noise is considered. A minimax robust filtering which can minimize the worst performance under noise uncertainties using the game theory is proposed. This new filter is applied to an integrated GPS/INS navigation system. A high dynamics aircraft trajectory is designed to test the new filter. The results show that minimax robust filtering performs better than standard Kalman filtering when noise parameters of an inertial measurement unit change their statistical properties. Received: 21 October 1997 / Accepted: 26 May 1999     

一种迭代的GPS／INS组合导航滤波算法

简要介绍了GPS/INS松组合导航系统状态方程和观测方程。针对标准Kalman滤波算法存在的状态方程截断误差、噪声统计特性的不确定性以及状态扰动异常的影响,给出了一种应用于GPS/INS组合导航系统的迭代滤波算法。该算法采用迭代策略,不断利用观测信息实时修正状态预报值。实测数据计算结果表明,通过对状态预报值的实时修正,该算法能够很好地抑制状态预报信息的不确定性和扰动异常等对导航解的影响。其滤波解精度明显优于标准Kalman滤波。     

大失准角的SINS/GPS组合对准算法研究

利用四元数误差方程和非线性滤波技术能较好地解决大失准角下SINS的空中对准问题。迭代滤波比扩展卡尔曼滤波能在更大程度上改善对准精度，但计算量大。针对此不足，本文基于扩展卡尔曼滤波的状态与偏差解耦算法具有较高数值效率和迭代滤波具有较高精度的特点，推导出了一种非线性滤波算法，并对基于加性四元数误差方程的SINS／GPS组合对准进行了数字仿真。仿真结果表明：该算法既具有迭代滤波的精度又比迭代滤波计算量小。     

具有区间隶属函数的模糊卡尔曼滤波在组合导航系统中的应用

将具有区间值隶属函数的区间参数引入卡尔曼滤波,用区间值的集合来表示隶属函数,为解决具有不确定参数的系统优化问题提供了一种新的思路。最后通过实验验证了方法的有效性。     

GPS／INS组合导航系统的Matlab／Simulink仿真

首先系统研究了GPS／INS组合导航系统的仿真原理，然后以Matlab／Simulink为平台，在对GPS、INS进行单独仿真的基础上，对GPS／INS组合导航系统进行了实时的扩展Kalman滤波仿真试验，试验结果不仅证明组合导航具有较高的导航精度，而且为进一步研究组合导航系统开辟了一条比较实用的道路。