一种基于深度学习辅助的SINS/DVL组合导航方法

水下机器人(autonomous underwater vehicle,AUV)导航定位精度一定上程度影响了AUV的工作效率,由于GNSS无法在水下使用,以捷联惯导系统/多普勒计程仪(SINS/DVL)的组合导航系统受到众多青睐。DVL在部分情况下会失效,若直接将DVL隔离,系统将变为纯惯性导航系统,严重影响导航定位的精度。为了应对DVL在部分波束缺失的情况,提出了一种DLinear-informer辅助组合导航算法。通过DLinear对原始输入数据特有的分解方式,增强了算法对AUV非线性信息的提取与学习,提高了速度预测精度。实验结果表明:所提算法能够准确预测DVL失效期间丢失波束的速度,降低组合导航的位置误差,提高了系统的鲁棒性和定位精度。

复杂城市环境下的全球导航卫星系统/捷联惯性导航系统组合导航算法

针对复杂城市环境下,全球导航卫星系统(GNSS)信号出现频繁短暂失锁或拒止时,对GNSS/捷联惯性导航系统(SINS)组合导航系统的导航精度和鲁棒性影响较大问题,该文提出一种改进的因子图滤波方法。首先使用GNSS接收机内部参数构建信号误差鉴别函数,能实时估计出信号受多径干扰、遮挡等情况下的信号测量性能;同时利用载体运动约束条件构造零速修正因子,对GNSS拒止情况下的系统状态进行更新,避免系统导航性能极速下降。实验结果表明,改进的因子图方法相比经典因子图方法,在城市复杂环境下能提高定位精度63.50%和测速精度42.26%,同时也具有更低的存储量和计算复杂度,特别适用于城市车辆辅助驾驶导航设备中,对导航精度、硬件资源和实时性约束强的场景。

基于注意力机制的GRU神经网络辅助INS/GNSS组合导航算法

针对全球导航卫星系统(Global Navigation Satellite System,GNSS)信号失锁导致定位精度低的问题,提出一种基于注意力机制的门控循环单元(Gated Recurrent Unit,GRU)神经网络辅助惯性导航系统(Inertial Navigation System,INS)和全球导航卫星系统(Global Navigation Satellite System,GNSS)的组合导航算法。在惯性测量单元(Inertial Measurement Unit,IMU)信号中采用5点中值滤波降低随机噪声,训练结合注意力机制的GRU神经网络辅助组合导航。当GNSS信号失锁时,预测伪GNSS位置辅助组合导航,以解决惯性导航系统(Inertial Navigation System,INS)位置随时间发散的问题。仿真结果表明,与基于多层感知机(Multi-Layer Perceptron,MLP)神经网络的算法和基于长短期记忆递归(Long Short-Term Memory,LSTM)神经网络的算法相比,所提算法在转弯和直线场景下,北向和东向位置最大误差均低于对比算法,可以在GNSS信号失锁的情况下提高导航定位精度。

GNSS/INS组合导航中IMU参数设定与优化

针对惯性测量单元(IMU)参数设置不合理导致全球卫星导航系统(GNSS)/惯性导航系统(INS)组合导航无法充分发挥IMU性能的问题,提出了一套IMU参数设定与优化方案,建立了以GNSS短期中断期间导航漂移误差统计值、理论估计精度一致性以及IMU误差参数估计稳定性为评估对象的考核准则,使优化后的IMU参数可以确保GNSS/INS组合导航解算中状态预测方差阵的准确性,实现预测信息与观测信息权重合理分配,进而保障GNSS/INS组合导航最优性能。实测验证采用ADIS16465和ICM206022款典型车规级和消费级微机电(MEMS)IMU进行性能测试分析,测试结果表明:初始IMU参数与GNSS/INS组合导航算法适配度较低,无法得到最优组合导航结果;优化后,IMU参数在保障组合导航最优性能基础之上,也可实现理论估计精度与实际精度高度一致。

卫星导航中电离层误差校正技术现状与发展

电离层误差严重影响着GNSS的定位精度,GPS、BDS、Galileo、GLONASS有不同的电离层误差校正方法.全文概述了电离层误差校正方法,综述了单频电离层误差校正、双频电离层误差校正及多频电离层误差校正等技术的原理与发展现状.在单频电离层误差校正技术中总结了增强系统中的电离层误差校正技术、北斗全球电离层延迟修正模型(BeiDou global ionospheric delay correction model,BDGIM)、Klobuchar模型、单频电离层误差校正技术的优化—附加国际参考电离层(international reference ionosphere,IRI)约束模型和NeQuick-G模型;在双频电离层误差校正技术中重点总结了双频消电离层误差、无电离层组合模型及PPP-RTK技术中电离层误差校正方法;在多频电离层误差校正技术中介绍了高阶项改正和地磁场建模对电离层误差校正技术的优化与改进.最后,对电离层误差校正技术及其改进方法进行了分析,总结了其发展趋势与方向.

北斗三号/GPS组合导航系统全球定位性能分析

为研究北斗三号/GPS组合导航系统在全球的定位性能,基于STK仿真软件,在全球范围内,以经纬度5°×5°的分辨率设置观测点,评估每个观测点的卫星可见性和GDOP值。结果表明:在良好观测环境下,相比单系统,组合系统平均可见星数增加了10颗左右,GDOP值达到“优”的状态,极大改善了卫星空间几何结构,弥补了北斗三号在西半球可见星数少、定位精度低的问题,GPS在高纬度地区卫星仰角小,定位精度低的问题;在复杂观测环境下,组合系统平均可见星数明显下降,GDOP平均值显著增大,但整体定位性能仍可以满足定位导航的需求。

GPS/INS组合导航终端的全向位置驱离算法研究

随着微惯性导航系统技术的发展,越来越多的无人平台装备了GPS/INS组合导航终端并具备了一定的抗欺骗能力,但现有的卫星导航欺骗方法难以满足对欺骗目标任意方向的位置驱离需求。为解决这一问题,提出了一种GPS/INS组合导航终端的全向位置驱离算法,可用于对非法无人平台管控的场景。该方法以卫星欺骗信号的设计为突破口,首先分析了卫星导航欺骗对组合导航位置和状态参数的影响,接着将卫星导航欺骗对组合导航状态参数的影响量作为求取欺骗信号的约束条件,进而确定位置驱离所需卫星欺骗信号的欺骗量,接着利用确定的欺骗量建立全向位置驱离模型,最终利用建立的模型生成对应的欺骗信号实现对组合导航终端的全向位置驱离任务。试验验证了本文设计的算法能够实现对组合导航终端360°任意方向的位置驱离。

自适应无迹卡尔曼滤波算法在水下组合导航系统中的应用

【目的】解决水下组合导航系统中先验噪声与实际噪声分布不匹配时,融合滤波性能下降问题,提高自主式水下航行器导航精度。【方法】提出一种自适应无迹卡尔曼滤波算法(AUKF),在融合算法中引入自适应因子;重构系统状态方程中速度项与状态变量的结合方式,解决系统方差不一致问题。通过仿真实验和半物理实验验证该算法的有效性。【结果与结论】与无迹卡尔曼滤波算法相比,在平均位置估计偏差上,AUKF算法的纬度均方根误差(RMSE)降低27%,经度RMSE降低27%,高度RMSE降低25%。AUKF在面对偏差对系统状态的扰动时能够有效抑制滤波发散,从而有效地提高自主式水下航行器的导航精度。

GPS/BDS组合导航系统的精密单点定位模型

为了改善单卫星导航系统由于卫星数量较少,导致定位误差高的问题,设计全球定位系统(GPS)/北斗卫星导航系统(BDS)组合导航系统的精密单点定位模型:线性组合处理GPS与BDS的伪距和载波相位观测值,并构建GPS/BDS组合导航系统的组合观测值;接下来利用协方差成形自适应卡尔曼滤波方法,对组合导航系统导航过程中的卫星钟差、电离层延迟等误差实施滤波;再利用滤波处理后组合导航系统的广播星历,获取卫星轨道以及钟差;然后利用经验模型修正对流层延迟,获取相位观测值与伪距的综合改正数;最后利用综合改正数修正组合导航系统的观测方程,构建精密单点定位模型。实验结果表明,GPS/BDS组合导航系统采用所构建模型进行精密单点定位,不同方向定位误差均低于10 cm,证明了提出模型的有效性。

先验信息约束的车载GNSS RTK/IMU紧组合导航算法

针对传统RTK/IMU组合导航系统在复杂环境中的模糊度固定率低导致其精度和可靠性较差的问题,文中提出一种先验信息约束的车载GNSS RTK/IMU紧组合导航算法。该算法首先构建一种基于IMU辅助伪距一致性检测的GNSS质量控制模型,以识别并剔除粗差较大的伪距观测量,接着提出一种附加先验长度信息约束的GNSS模糊度解算方法,提高GNSS模糊度解算的成功率,最后,将RTK与IMU输出的数据通过EKF进行紧组合滤波融合,从而提高组合导航系统在复杂环境中的精度与可靠性。实测车辆实验数据表明,提出算法相对于传统RTK/IMU紧组合导航算法,在三维位置和速度上的精度提升率达到36.36%和14.29%;与基于IMU位置信息约束的RTK/IMU紧组合导航算法相比,提升率分别达到26.31%和20.00%。

基于自适应卡尔曼滤波的RFID/SINS组合导航研究

在室内导航定位中,射频识别(Radio Frequency Identification,RFID)技术具有信号穿透性强、成本低廉等诸多优点,能够有效代替GPS完成室内组合导航。针对室内惯性导航误差发散和滤波中噪声参数不确定的问题,提出了基于自适应卡尔曼滤波(Adaptive Kalman Filtering,AKF)的RFID/SINS组合导航系统,通过RFID定位系统抑制惯性导航误差发散,并应用AKF将噪声参数与量测输出参数关联实现实时更新。对AKF和标准卡尔曼滤波(Kalman Filtering,KF)下的RFID/SINS组合导航系统进行了仿真和实验。结果表明,在AKF下组合导航系统平均定位误差降低了10%,位置稳定性提升了7.4%,定位误差保持在0.07 m左右。基于AKF的RFID/SINS组合导航系统能够满足室内高精度定位导航的需求。

芯片级原子钟辅助的惯性/卫星组合导航系统欺骗检测方法

商业化芯片级原子钟产品的出现,使其在惯性/卫星组合导航系统中的应用成为可能。针对卫星导航欺骗信号检测,提出利用芯片级原子钟高精度时间保持能力,从时间维度进行欺骗检测的方法。首先,介绍了芯片级原子钟的基本特点和时间保持能力,然后通过分析欺骗干扰对接收机时间的影响,针对先压制后欺骗的典型模式,基于真实信号和欺骗信号下的钟差预测误差分布,构造了芯片级原子钟辅助的欺骗检测模型。实测数据表明,芯片级原子钟的钟差预测精度高出接收机内部时钟精度一个数量级以上。通过检测概率分析,证明了芯片级原子钟在卫星欺骗检测上的优异性能。

一种适用于高动态强干扰环境的视觉辅助微机械捷联惯性导航系统/全球定位系统超紧组合导航系统

为解决高动态、恶劣全球定位系统(GPS)环境下微机械捷联惯性导航系统(MEMSSINS)/GPS超紧组合导航系统抗干扰能力差的问题,提出一种适用于高动态强干扰环境的视觉辅助MEMS-SINS/GPS超紧组合导航系统。将双目视觉提供的姿态信息引入MEMS-SINS/GPS超紧组合系统中,提高了平台失准角的可观测性;推导了系统的状态方程和量测方程,使用模糊控制方法对两个子滤波器的导航结果进行信息融合。通过数字仿真验证了该系统方案设计的可行性:当GPS信号受到强噪声或多径干扰造成跟踪精度下降时,双目视觉辅助MEMS-SINS/GPS超紧组合系统可以有效降低导航误差,系统位置误差和速度误差分别保持在5. 0 m和0. 5 m/s以内,有效地解决了低空飞行器在GPS信号被遮挡或干扰情况下的导航问题。

激光捷联惯导系统/地形辅助导航系统中卡尔曼/粒子组合滤波算法设计及仿真

粒子滤波技术是近几年出现的一种非线性滤波技术,它适用于非线性系统以及非高斯噪声模型。结合粒子滤波和卡尔曼滤波各自的优点,给出了一种卡尔曼/粒子组合滤波器,并将这种滤波器应用到激光捷联惯导(LSINS)/地形辅助导航(TAN)数据融合过程中,避免了地形复杂的线性化问题。仿真结果表明,系统的定位精度得到了明显提高。应用粒子滤波器及其改进算法解决了导航系统中存在的强非线性问题。

不同卫星导航系统组合监测的玛多地震同震形变与精度分析

为全面分析不同卫星导航系统(GNSS)组合监测地震形变的精度,本文首先基于青海玛多地震(Mw 7.4)周边近场及远场共8个区域CORS站的高频(采样率为1 Hz)GNSS观测数据,采用精密单点定位技术进行高频数据解算,初步分析了多系统组合相对单GPS系统的同震形变精度提升,然后对具有相同卫星系统数/不同卫星系统组合的同震形变误差进行对比分析,最后基于GREC2(GPS/GLONASS/Galileo/BD-2)和GREC3(GPS/GLONASS/Galileo/BD-3)两种组合情况分析了北斗二号与北斗三号的同震形变精度差异。研究结果表明,多系统组合观测同震形变的精度优于单系统,其中GEC2+3(GPS/Galileo/BD-2/BD-3)组合观测同震形变精度最优,相对于单系统GPS而言,在水平方向上的精度提升可达30%~60%,在垂向上的精度平均提升可达30%;在三系统卫星导航系统组合中,含北斗的多系统组合在水平方向上的精度提升最高可达38.75%,垂向上的精度提升最高可达41.46%;北斗三号观测的同震形变精度比北斗二号精度更高、效果更好。

超低轨道地球卫星脉冲星/星光折射/光谱组合导航

针对超低轨道地球卫星导航自主需求,提出了一种脉冲星/星光折射/光谱测速组合天文导航方法。首先根据地球超低轨道卫星运行轨道动力学方程建立导航系统状态模型;分别根据脉冲到达时间差和星光折射角与天体光谱频率建立导航系统量测模型;使用Unscented卡尔曼滤波方法,降低随机误差对导航精度的影响,使用基于UKF的信息融合方法,有效融合了三种天文导航方法结果数据。经计算机仿真分析,该组合导航方法位置导航误差均值为85.62m,速度误差均值0.190m/s,能够满足超低轨道地球卫星在轨运行导航需求。

基于卫星惯性组合导航技术的列车多源信息融合定位方法

由于在传统列车定位分析中,并未考虑惯性器件自身误差,导致定位结果误差较大,为此,提出基于卫星惯性组合导航技术的列车多源信息融合定位方法。将BDS(北斗卫星导航系统)和INS(惯性导航系统)构成捷联式惯性导航系统,计算了在常值漂移和高斯白噪声作用下,惯性器件(加速度计和陀螺仪)的误差特性,并借助姿态矩阵将误差转换为导航坐标形式,利用计算得到的结果,对捷联式惯性导航系统采集到的位置信息进行全方位校正,以此实现对列车多源信息的准确获取。测试结果中,设计方法对列车经度、纬度的定位误差小于50 m,高度的定位结果误差小于5.0 m。

伪卫星辅助的车辆组合导航算法

研究了采用伪卫星辅助的车辆组合导航系统,以及S IN S/里程仪/伪卫星车辆组合导航方案、误差方程、联邦滤波算法,并进行了算法仿真。仿真结果表明,伪卫星加入车辆组合导航系统后导航误差可以得到明显改善。伪卫星是一种完全自主的导航定位系统,伪卫星辅助导航不会影响车辆的快速性和机动性,提出的采用伪卫星辅助的S IN S/里程仪车辆组合导航系统是一种可行的战区内车辆精确导航定位方案。

基于模型辅助捷联惯导组合导航仿真

为提高自主式水下潜器(AUV)捷联惯导(SINS)的自主导航精度,增强系统鲁棒性,采用了有关H∞滤波的AUV模型辅助的组合导航方法。克服当海底深度超出多普勒测速仪(DVL)范围时,SINS/DVL组合模式失效导致的捷联惯导误差迅速增大问题。针对传统卡尔曼滤波中系统模型和外部干扰统计噪声不确定时,系统精度降低的情况,提出采用H∞滤波提高系统精度和鲁棒性。在Matlab/LabVIEW的仿真平台上验证组合方法的可行性,仿真结果表明,基于H∞滤波的模型辅助捷联惯导方法能够有效提高组合导航系统精度、鲁棒性,是DVL工作失效时的备份导航系统,并能够有效抑制AUV在模型不准确的情况下Kalman滤波的发散问题。

GNSS/SINS/视觉导航鲁棒算法

全球导航卫星系统(Global Navigation Satellite System, GNSS)、捷联惯性导航系统(Strapdown Inertial Navigation System, SINS)和视觉传感器优势互补,3者信息融合可获得高精度、无漂移的导航定位信息.针对GNSS/SINS/视觉融合导航易受运动速度、光照变化、遮挡等影响导致定位精度和鲁棒性降低问题,本文在图优化框架的代价函数中加入SoftLOne鲁棒核函数,设置量测值粗差检验程序,降低离群点带来的负面影响.进一步,对量测值计算残差进行卡方检验,对超限残差降权处理,提高系统精度和鲁棒性.实验结果表明,本文算法较不施加鲁棒核函数、不采用异常值剔除策略和卡方检验的传统算法,以及加入其他鲁棒核函数的算法精度更高、鲁棒性更好,能够较大程度提升GNSS/SINS/视觉导航定位精度和鲁棒性,在大尺度环境下,未出现较大漂移误差,绝对位姿均方根误差0.735 m,绝对位姿误差标准差0.336 m.