军用系统GPS／INS的发展趋势

本文重点讲座军用平台和武器系统用的惯性传感器、GPS精度及GPS／INS组合的技术发展趋势，其中包括干扰问题，这将使得未来GPS的精度达1m。就惯性传感器而言，描述了军用系统将要应用的传感器技术，它们是：光纤陀螺、硅微机械陀螺、振梁速度计及硅微机机械加速度度。描述了未来几十年内军用惯性传感仪表领域及惯性系统的概鉴，给出了GPS系统的规定精确和目前的实测精度。同时也包括：由于各段广域GPS增强（WAGA）的顺利实现、中际卫星测距及“全视野”跟踪，计划之中精度的提高。讨论了相关GPS及差分GPS的应用，描述了紧耦合GPS／INS的技术趋势（其中采用惯性传感信息辅助码环与载波跟踪环），并利用了两者的协同益处。描述了干扰效应的一些实例，给出了提高系统抗干扰能力期望采用的技术趋势。

基于GPS/INS和线控转向的农业机械自动驾驶系统

研究旨在设计出一套农用车辆自动导航控制系统,让机器人代替农民进行田间作业,实现农用车辆自动驾驶,从而可以有效提高农业机械的作业精度、生产效率和使用安全性,并且为精细农业研究提供技术支持,改善农业生产的方法。该文通过GPS/INS（global positioning system/inertial navigation system）组合导航技术实时获得载体的导航信息（位置、速度、航向、姿态）,根据导航信息与预设轨迹参数计算出载体的目标前轮转向角,并以该目标前轮转向角与当前前轮转角的差值作为控制输入,实现对转向执行电机的精确控制,从而实现载体的路径跟踪控制。同时对整个系统的软硬件进行设计,并对系统控制策略进行仿真和试验验证。最终结果表明,本文所设计的组合导航系统定位精度高,其定位精度可达到0.1~0.5 m;路径跟踪系统误差小,当车速分别为0.5 m/s和1 m/s时,路径跟踪的最大横向误差分别为0.16 m和0.27 m;整个系统响应速度快,可达到0.1s。通过将GPS/INS组合导航技术与线控转向技术相结合,能够实现农用车辆的自动驾驶。

基于模糊自适应卡尔曼滤波的INS/GPS组合导航系统算法研究

针对车载组合导航系统量测噪声统计特性随实际工作条件的不同而变化的特点,提出了一种基于模糊自适应卡尔曼滤波的车载INS/GPS组合导航算法。该方法通过监视理论残差与实际残差的比值是否在一附近,应用模糊推理系统不断的调整量测噪声协方差阵的加权,对卡尔曼滤波的量测噪声协方差阵进行递推在线修正,使其逐渐逼近真实噪声水平,从而使滤波器执行最优估计,提高导航系统的精度。对车载组合导航系统的仿真结果表明,这种算法对时变的量测噪声具有较强的自适应性,进而精度比常规卡尔曼滤波也大为提高,是一种可行的车载组合导航算法。

GPS/INS组合导航系统半实物仿真研究

为了研究ＧＰＳ（ＧｌｏｂａｌＰｏｓｉｔｉｏｎｉｎｇＳｙｓｔｅｍ）／ＩＮＳ（ＩｎｅｒｔｉａｌｎａｖｉｇａｔｉｏｎＳｙｓｔｅｍ）组合导航系统的性能，利用跑车实验实时采集的惯性导航系统和ＧＰＳ的数据进行了测后仿真研究．分别进行了ＧＰＳ／ＩＮＳ位置、速度组合和伪距、伪距率组合仿真，仿真中组合Ｋａｌｍａｎ滤波器采用数值稳定性较好的ＵＤ分解算法．最后给出了纯惯导及组合后系统的位置、速度误差仿真曲线。

GPS/INS 组合导航系统降阶滤波器设计

本文研究了某型号飞机上ＧＰＳ／平台惯性组合导航系统中降阶卡尔曼滤波的设计方法。文中提出了一种降阶滤波器结构，并讨论了模型误差的伪随机噪声补偿方法。采用蒙特——卡洛分析法对降阶滤波器的实际误差进行了数字仿真，结果表明：本文提出的这种降阶滤波器能保证组合系统的导航精度。

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。

INS/GPS/TERCOM组合制导系统中的信息融合方法研究

提出由坐标变换、误匹配检测和卡尔曼滤波三个单元构成的一种新型 INS/TER-COM系统优化结构 ,并对 INS/GPS/TERCOM组合系统自适应联邦滤波信息融合和分散式信息融合两种算法分别进行了研究 ,将这两种算法与传统的集中滤波算法进行了比较。结果表明 ,系统无故障情况下三种方法精度相同 ;而在有故障情况下自适应联邦融合法优于另两种方法。

INS/CNS/GPS智能容错导航系统研究

本文提出并设计了一种新的基于自适应模糊系统和联合卡尔曼滤波的ＩＮＳ／ＣＮＳ／ＧＰＳ融合导航系统智能容错结构方案，并进行了计算机仿真。结果表明，该系统具有较强的容错性能和较高的导航精度，是航空、航天。

INS/GPS组合导航系统的数据同步技术研究

指出在组合导航系统进行有效的信息融合之前,对来自不同导航传感器的数据进行同步化处理是非常重要的前提。对INS (惯性导航系统)和GPS构成的组合系统中的数据同步技术进行研究,提出了一种以GPS接收机输出的1PPS(每秒一个脉冲)作为参考时标,软硬件相结合的实时数据同步方法。实验结果表明:该方法能保证数据在融合点上准确同步。

INS/GPS无线电近程导航系统

鉴于传统惯性导航和卫星导航的组合应用存在着一定局限,分析了飞机无线电近程导航系统校正和与INS/GPS的综合过程,探讨了无线电近程导航系统对INS/GPS综合校正应用过程中的一些技术问题,并提出了相应的解决措施。

卡尔曼滤波直接法在INS/GPS组合导航系统中的应用

结合 INS/GPS组合导航系统 ,讨论了卡尔曼滤波直接法的应用。仿真结果证明

GPS/INS组合系统自适应滤波算法

研究了GPS/INS组合系统在高动态运动目标定位中的应用。根据组合系统建立状态方程 ,GPS观测量构成观测方程。自适应滤波过程中 ,通过观测数据对观测噪声进行估计 ,再用Sage -Husa算法在对动态噪声进行估计的同时实现状态滤波估计。计算机仿真结果验证了这种滤波算法的有效性。

信息融合技术在INS/GPS/TAN/SMN四组合系统中的应用

主要介绍了组合导航系统中多传感器信息融合技术的国内外发展状况 ,对 INS/ GPS/ TAN/SMN(惯性系统 /卫星导航系统 /地形辅助导航 /景象匹配导航 )组合系统中的多传感器信息融合的层次结构与融合方法 ,首次提出 INS/ GPS/ TAN/ SMN组合导航系统信息融合的层次结构 ,并提出了多源图像融合制导的思想与方法 .本文指出比较有应用前景的信息融合研究方法是基于模糊逻辑、小波分析、神经网络等人工智能的新方法 ,以及这些新方法与传统的随机类方法相结合的随机

INS/SAR/GPS组合导航系统中的分散估计融合算法

以 INS/SAR/GPS组合导航系统的工程应用为目标 ,讨论了其分散估计融合算法及理论证明 ,给出一二级最优估计融合结构。仿真结果证明 :采用先分散处理 ,再全局融合的方法 ,是提高整个组合系统的导航精度和可靠性的行之有效的方法。

INS／GPS组合系统在反舰导弹导航制导中的应用

为了提高反舰导弹的精确制导效率,提出了INS/GPS(惯性导航/卫星导航)相结合的导航方法,分析了INS与GPS相结合时的误差模型、整个系统的性能及滤波算法,并对INS/GPS组合导航的应用前景做了一般性的分析.

GPS/INS/TRN组合导航系统信息融合技术研究

本文提出了一种基于信息融合技术的巡航导弹组合导航系统方案，并对系统组合方式、以及相关的信息融合技术进行了初步讨论。基于信息融合的组合导航方案可以充分地利用各种导航传感器的信息，有效地提高导航系统的精度。同时，系统的重构能力保证了系统的可靠性。

一种多模型自适应联邦滤波器及其在INS/CNS/GPS组合导航系统中的应用

本文介绍一种基于多模自适应估计的联邦滤波器的原理和特点。设计了INS/CNS/GPS组合导航系统的联邦滤波算法 ,并首次将多模自适应估计方法运用到联邦卡尔曼滤波器中。此外 ,联邦滤波器算法中采用自适应调整信息分配系数的方法。仿真结果表明 ,与采用单一模型的联邦滤波算法相比 ,多模自适应方法与联邦滤波方法结合使用能大大提高导航系统的精度和可靠性。

GPS/INS组合导航系统设计及实现方案

将两种或多种导航系统 (或传感器 )组合起来成为一个综合系统 ,其导航性能比单一的系统好 ,因此组合导航系统目前已成为导航系统的发展方向之一。现代控制理论的成就 ,特别是最优估计理论的数据处理方法 ,为组合导航系统提供了理论基础。介绍了 GPS/ INS组合导航系统的经典组合方式和采用卡尔曼组合滤波器的组合方式。重点对采用卡尔曼滤波的软件组合方式进行分析和推导 ,将全组合滤波法和分布式组合滤波法进行了较全面的比较。

应用INS/GPS系统数据估计迎角和侧滑角的方法研究

针对迎角和侧滑角,特别在大迎角飞行情况下不能够精确测量的问题,研究了一种利用INS/GPS系统数据结合其他辅助系统来估计迎角和侧滑角的方法,利用INS/GPS系统测量的地速和总加速度信号结合飞机其他传感器和数学模型估计得到了迎角和侧滑角传感器的虚拟信号。通过仿真验证,该方法结构简单易于工程实现,并且估计出来的迎角和侧滑角误差小于0.10,具有很好的实时性。

GPS/INS组合导航系统的研究

讨论了飞机惯性导航系统(INS)与全球卫星导航系统(GPS)的利与弊以及卡尔曼滤波方法在组合定位中的应用情况,进一步提出了基于神经网络数据融合方法的GPS/INS组合导航系统。系统神经网络结构采用单隐层的三层神经网络,输入输出神经元数目是4个,基于256个训练样本由经验公式求得隐层神经元数目为8个,同时还建立了惯导系统的数学模型和数据融合的数学模型。给出了利用MATLAB编制的神经网络训练程序并对这一神经网络进行了训练和仿真。实验表明,组合导航系统经度误差可达9m,纬度误差可达8m,与单独GPS定位和INS定位相比精度得到了提高。