集中式GNSS/INS深组合模型及算法研究

研究了集中式深组合量测模型;并在此基础上研究了深组合滤波算法。由于集中式深组合系统具有强非线性、状态向量维数高、计算量大等特点,将一种降维容积卡尔曼滤波算法(reduced-dimension cubature kalman filter,RCKF)应用于集中式深组合滤波中。相较于常规容积卡尔曼滤波算法(cubature kalman filter,CKF),该算法仅对状态向量中与量测矩阵非线性有关向量采样,减少采样向量维数从而降低滤波计算量。通过仿真实验证明该算法在不损失精度的情况下,可大大减少组合滤波计算量。

一种GNSS/SINS容错深组合导航系统设计

卫星惯性深组合导航技术是卫星惯性组合导航领域最有前景的技术之一。深组合导航系统的关键技术之一就是矢量跟踪环路技术,当一个或者多个通道信号质量较差时,组合导航滤波器必然会受影响,从而会影响矢量跟踪环路的参数计算,因此通道运行状态的实时检测十分必要。针对此问题,为每个通道设计了新的通道子滤波器和对应的子滤波器状态检测函数,当通道存在故障时,能够及时检测出故障并对故障通道进行隔离;当通道恢复正常时,也能够及时检测到并充分利用恢复正常的通道卫星信号。仿真结果表明,在部分通道卫星信号被遮挡导致伪距异常的环境下,改进的矢量跟踪环路提高了矢量跟踪卫星惯性深组合的导航性能,有效遏制了故障通道对组合导航系统的影响。

硬件可实现的GNSS/INS矢量深组合跟踪环路(英文)

GNSS矢量跟踪环路(VTL)跟踪灵敏度和定位精度优于标量跟踪环路(STL),但实现复杂度高,三个主要难点是:多通道联合跟踪要求各通道同时获取观测量并在同一时刻更新环路参数;高频率计算卫星位置加重处理器运算负担;无法跟踪载波相位导致无法解调导航电文。以上三个难点阻碍VTL在硬件平台上实现,因此商业接收机通常使用容易硬件实现的STL,但性能次优。为了在嵌入式硬件平台上实现VTL,引入三种方法:异步观测量线性插值、卫星位置计算算法优化、特殊的导航电文解调方法,之后通过仿真验证优化算法的功能及性能。使用航迹发生器生成飞机协调转弯航迹,再使用GNSS卫星信号模拟器产生中频采样信号,基于Matlab平台处理数据并进行了对比分析。仿真结果表明该VTL计算卫星位置效率提升55倍,成功解调导航电文,VTL位置精度优于3 m,速度精度优于0.3 m/s,基于该VTL的矢量深组合(VDI)算法位置精度优于2 m,速度精度优于0.1 m/s。

基于环路相关积分观测的SINS/GPS深组合导航算法

深组合模式下惯性系统与卫星接收机基带信号进行深层次融合,可实现惯性和卫星导航系统的双向辅助。在分析深组合技术原理的基础上,研究了直接利用相关积分输出作为观测量构建环路预处理滤波器的方法,有效减小了传统跟踪环路中信号参量的估计误差;然后设计了基于环路相关观测信息的深组合系统主滤波器模型,实现了原跟踪环路中复制信号生成的外部控制;最后,利用深组合仿真平台对卫星信号载噪比变化环境下的紧组合与深组合性能进行实验对比分析,结果表明深组合算法在弱信号环境下具有环路失锁后快速恢复跟踪的特点及稳定的导航性能。

基于矢量跟踪的SINS/GPS深组合导航方法

为了满足高动态用户及强噪声干扰条件下的应用需求,提出了一种基于矢量跟踪的SINS/GPS深组合导航方案。深组合方案利用组合卡尔曼滤波器反馈回路取代了传统接收机中独立、并行的跟踪环路,能够同时完成所有可视卫星信号跟踪和组合导航信息处理的任务;利用相关器残差来更新导航参数状态,同时根据已有的导航参数和星历信息推测GPS伪码相位和多普勒频移等信号跟踪参数,用以控制接收机的本地伪码、载波数控振荡器(NCO),使本地伪码相位和载波频率与输入信号保持一致。最后,通过仿真验证表明,基于矢量跟踪的深组合方法不仅在GPS信号发生短暂中断期间,能够保证组合系统的导航精度和可靠性,而且在载噪比较低的环境中能够维持较好的伪码相位和载波频率跟踪性能。

UKF在深组合GPS/INS导航系统中的应用

采用联邦滤波的深组合GPS/INS导航系统预滤波器量测模型具有很强的非线性,导致扩展卡尔曼滤波(EKF)的预滤波器估计精度不高。Unscented卡尔曼滤波(UKF)方法是一种非线性分布近似方法,它使用有限数量的sigma点去逼近整个非线性动态系统的分布可能,从而避免了对非线性测量模型进行线性化,具有较高的精度和较好的鲁棒性。在分析深组合导航系统预滤波器模型和UKF原理的基础上,设计了基于UKF滤波算法的预滤波器,对码相位误差、载波相位误差、载波频率误差、载波频率变化率等参数进行估计,同时将UKF和EKF算法进行了仿真比较。结果表明,在深组合导航系统中使用UKF滤波比EKF有更高的导航定位精度。

埋深组合群桩复合地基的沉降模式与模型试验验证

采用理论分析和室内模型实验相结合的方法研究埋深组合群桩复合地基的沉降。研究结果表明:具有一定埋置深度的组合群桩复合地基受压后,桩间土顶面和桩顶面产生差异沉降,桩间土顶面沉降较大,长度和强度较大的桩顶面沉降较小;桩的长度和强度越大,桩顶面沉降越小,上刺入量越大;埋深组合群桩复合地基的沉降量等于桩顶沉降与桩顶垫层的压缩量之和,也等于桩间土顶面沉降量与土顶垫层的压缩量之和。具有一定埋置深度的组合群桩复合地基的p-s曲线呈缓变型,可以采用双曲线模型拟合,然后求得切线模量,再根据现行规范计算沉降。

一种GPS/BDS/INS深组合导航系统降维滤波方法

针对全球定位系统/北斗卫星导航系统/惯性导航系统(GPS/BDS/INS)深组合导航系统中卫星数量增加导致计算量迅速增加,难以满足高精度实时定位的问题,该文提出了一种基于星间差分的多星座GPS/BDS/INS深组合导航系统降维滤波方法。首先,通过星间差分消除时钟误差相关状态量,降低状态方程维数;然后,将滤波器分拆成多个子滤波器,通过分散估计、两步级联的方法减少计算量,即通过分散式组合方法(DIM)降低量测方程维数;最后,通过子滤波器的并行运行实现高精度实时定位需求。通过仿真实验对该文算法的定位精度和复杂度进行了分析。结果表明:当GPS和BDS可见星数目均为4时,DIM运行时间相对于集中式组合方法(CIM)减少了约31.7%;当GPS和BDS可见星数目均为5时,DIM运行时间相对于CIM减少了约28.4%。该文算法可以在保持定位精度的同时有效减小计算量。

一种新型深组合GPS／INS系统的设计与性能仿真研究

本文提出和研究了一种新的深组合ＧＰＳ／ＩＮＳ系统设计方法，它适用于干扰环境中的各类高动态载体。其特点是利用自适应码跟踪误差估计器，使组合卡尔曼滤波器获得白化的伪距量测残差，将组合卡尔曼滤波器纳入码跟踪环路，用以代替传统的速率辅助的延迟锁定环。组合卡尔曼滤波器根据信号的噪声、动态、以及ＩＮＳ的误差，自适应地改变码环的跟踪特性，同时也完成惯性导航系统误差的估计。它能克服常规组合系统不稳定性问题，仿真结果表明，在机动飞行和强干扰状态下，这种组合导航系统具有较高的导航精度和良好的信号跟踪及抗干扰性能。

空天飞行器SINS/CNS深组合导航算法(英文)

空天飞行器往返于大气层内外,持续工作时间长。捷联惯性/天文组合导航自主性强、隐蔽性好,是最适合空天飞行器的导航方式之一。为提高传统天文定位的导航精度和可靠性,解决其在机载应用中水平基准制约的问题,分析了平台误差角和位置误差对高度角量测的影响,提出了一种以天体高度角为量测信息的捷联惯性/天文深组合导航算法。该算法采用卡尔曼滤波器进行最优估计,可有效估计并补偿系统的姿态误差,减少天文导航定位对水平基准的依赖。仿真表明,单星观测条件下,导航系统姿态误差快速收敛,定位的均方根误差在200 m以内,且系统导航性能随导航星数量的增加而提高。

遗传算法辅助下的粒子滤波及其在GPS/SINS深组合中的应用

为了解决粒子滤波中的退化现象,结合深组合对实时性的考虑,采用再采样方法,并在此基础上,利用遗传算法在选择继承性上的明显优势来弥补再采样的权值退化和多样性问题,同时引入自适应算子和并行处理方法对遗传算法的实时性进行优化。把遗传算法辅助下的粒子滤波在GPS/SINS深组合的模型上进行应用,并通过仿真与PF(particle filter)做了比较。结果表明,遗传算法辅助下的粒子滤波在估算精度上取得了良好的效果,从而为GPS和SINS在深度组合时的高精度数据处理提供了新的选择。

一种低复杂度的惯性/GNSS矢量深组合方法

针对标量跟踪中接收机各跟踪通道相互独立,通道之间没有信息交互和相关辅助的现象,提出了一种惯性/GNSS矢量深组合方法。该方法将接收机标量跟踪独立的跟踪通道合并为一个大通道,通过所有通道信息联合对各通道控制信息进行估计,一方面降低了通道噪声,另一方面能够实现强信号通道对弱信号通道的辅助,进一步提升接收机的跟踪灵敏度。此外,它将惯导滤波与接收机滤波融合为一个滤波器,降低了计算复杂度,易于工程实现。仿真结果表明,所提出算法相比标量深组合算法,能够有效改善多普勒频率误差、灵敏度以及速度、高度误差,将多普勒频率误差从原来的9.21 Hz降低到0.94 Hz,速度误差改善约33.3%,高度误差减少1.5~2 m。

基于深组合应用的GPS接收机设计

为了能在GPS接收机的基带信号处理部分引入SINS的辅助信息,并且灵活进行接收机的参数设定和加载新的信号处理算法,提出了一种基于FPGA/DSP平台的GPS接收机设计。用Xilinx的Spartan 3E-1600完成RF数据的采集和AGC控制,对采集数据进行相干累加计算;用TI公司TMS320系列的VC6727完成基带信号处理和PVT解算。同时,基于对低价、小尺寸的考虑,RF前端用分立元件进行设计。该接收机尺寸小,功耗低,参数控制灵活,有较好的通用性和兼容性,并且提高了动态性能和抗干扰能力。

简化的混合估计算法及其在GPS/SINS深组合中的应用

为解决GPS/SINS深组合导航系统滤波的非线性和噪声的不确定性的问题,针对深组合模型特点,设计了一种简化的基于U滤波的多模型混合估计滤波器。根据系统模型中状态方程是线性方程、观测方程是非线性方程的特点,提出了一种简化的U滤波算法(Ultra tight coupling unscented Kalman filter,UTCUKF),然后针对噪声变化建立了非线性模型,多模型混合估计滤波器的输出为各滤波器的概率加权融合,因此模型概率是根据噪声变化而调整的,从而也使系统输出对噪声变化具有一定自适应能力。最后进行了仿真,并与基于普通U滤波的多模型混合估计算法进行了比较。结果表明,本文算法的解算时间短,模型切换速度更快,而估计的精确度与同条件下的基于普通U滤波的多模型混合估计算法相当,更符合深组合系统高动态的要求。

一种新的SINS/GPS深组合导航系统设计

为了提高GPS在高动态、强干扰条件下的跟踪性能和导航精度,提出了一种新的SINS/GPS深组合导航方案.利用卡尔曼滤波器反馈回路取代了传统接收机中独立、并行的跟踪回路,能够同时完成所有可视卫星信号和组合导航信息处理的任务;利用矢量跟踪算法加强各跟踪通道相互关联,增强跟踪通道对信号载噪比变化的适应能力,从而提高接收机在信号中断条件下的导航性能;利用相关器输出的I和Q路测量值直接作为导航滤波器的观测量,减小滤波过程残差,可以提高组合导航系统的导航精度和跟踪性能.仿真验证表明,这种基于矢量跟踪的深组合导航方案不仅在GPS信号中断期间能够保证系统的导航精度和可靠性,而且在低载噪比条件下可以增强导航系统的跟踪性能以及抗干扰能力.

自适应钟差模型在GPS/INS深组合中的应用研究

针对GPS/INS深组合系统中GPS接收机误差状态模型难以确定的问题,文中提出了一种自适应的时钟误差模型。该模型可以根据GPS接收机钟差的变化规律而自适应调节模型参数。通过GPS/INS深组合导航系统将传统的固定参数多项式模型与该自适应钟差模型进行半物理仿真比较,结果表明文中提出的模型能有效提高组合系统的导航精度和可靠性。

GNSS/SINS深组合导航系统研究现状及展望

介绍了基于矢量跟踪的GNSS/SINS深组合导航系统的概念,根据信息融合的不同将深组合导航系统分为集中式深组合和级联式深组合,给出具体的深组合模型并进行对比分析,综述了GNSS/SINS深组合导航系统的国内外研究现状,展望了深组合导航系统的未来发展方向。

一种SINS/GPS深组合导航系统技术问题分析

为了满足高动态用户及强干扰条件下的应用需求,提出了一种基于卫星信号矢量跟踪的SINS/GPS深组合导航方法,设计了基于FPGA硬件平台的实施方案。利用组合卡尔曼滤波器反馈回路取代了传统接收机中独立、并行的跟踪环路,能够同时完成所有可视卫星信号的跟踪和导航信息处理;通过矢量跟踪算法对所有可视卫星信号进行集中处理,能够增强跟踪通道对信号载噪比变化的适应能力,从而提高接收机在强干扰或信号中断条件下的跟踪性能;根据SINS导航参数和星历信息推测GPS伪码相位和多普勒频移等参数,用以辅助卫星信号的捕获和跟踪,能够大大缩短接收机的搜索捕获时间,并增强接收机在高动态条件下的跟踪性能。基于矢量跟踪的深组合方法不仅在GPS信号短暂中断期间,能够保证系统的导航精度和可靠性,而且在强干扰环境中能够维持较好的伪码相位和载波频率跟踪性能。

BDS/INS深组合导航性能分析

通过对BDS/INS深组合导航进行较为全面的性能分析(重点针对INS辅助BDS捕获、跟踪环路机理及性能评判准则)发现,在INS辅助下可以显著提高BDS信号捕获灵敏度、缩短平均捕获时间,并可以维持环路的锁定跟踪状态以提高导航精度。同时,考虑GNSS接收机受到超强干扰或卫星信号受到持续遮挡等特殊条件,给出BDS/INS深组合的结构设计,并基于软件接收机对深组合导航系统性能进行仿真分析。该仿真结果对工程应用具有参考价值。

基于软件接收机的分布式深组合仿真系统研究

为实现高动态环境下组合导航系统稳定导航定位,设计基于软件接收机的分布式深组合导航仿真系统方案,采用改进的基于伪距、伪距率的组合滤波器校正SINS误差,并利用校正后的SINS信息对GNSS跟踪环路进行频率辅助。结合VC++和Matlab各自的特点,采用VC++与Matlab混合编程,搭建基于GNSS软件接收机的分布式深组合导航仿真系统,实现SINS与GNSS双向辅助。实验结果表明:高动态环境下,深组合导航系统能有效提高GNSS接收机动态跟踪性能,具有良好的组合导航定位能力。