基于PSO小波神经网络辅助卡尔曼滤波的BDS/INS定位

在北斗定位系统/惯性导航系统(BDS/INS)中,由于非线性噪声、精确构建运载体模型困难等原因,经卡尔曼滤波,列车的速度曲线会有部分信息损失,导致定位信息不准确。因此,提出了基于小波神经网络辅助的卡尔曼滤波法。神经网络的输入是卡尔曼滤波前的信号,其输出是滤波后的信号。考虑影响小波神经网络精度的因子,对权值、阈值和学习率进行了优化。在此基础上,通过加入对数函数对学习率进行改进,利用遗传算法(GA)和粒子群优化(PSO)算法组合优化权值和阈值。实例仿真表明,经过优化的小波神经网络提高了收敛速度、定位精度,同时在保持原速度波形的整体趋势前提下,降低了因滤波导致的信号误差。

BDS/INS紧组合三频动对动模糊度解算方法

针对伪距观测噪声较大导致动对动条件下三频整周模糊度解法(Three Carrier Ambiguity Resolution,TCAR)模糊度解算不可靠的问题,提出了一种BDS/INS紧组合三频动对动整周模糊度解算方法。通过紧组合系统输出的高精度位置坐标,估算出双差几何距离值,并用其分别代替无几何和几何模式下的双差伪距观测值,显著降低了伪距双差观测噪声水平,有效提高了三频整周模糊度解算成功率。仿真实验结果表明,BDS/INS紧组合输出的高精度位置坐标使得伪距观测精度提高了60%以上,在短基线条件下,当伪距观测噪声达到2 m时,无几何模式下的TCAR算法模糊度解算成功率为0.73%,几何模式下的TCAR算法模糊度解算成功率为31.25%,而BDS/INS紧组合的TCAR算法在两种模式下的模糊度解算成功率达到99%以上,并且获得了厘米级的相对定位精度。

基于高斯过程的中心差分卡尔曼滤波在BDS/INS组合导航中的应用

针对扩展卡尔曼滤波器在BDS/INS组合导航系统模型不确定时精度下降的问题,提出了一种基于高斯过程的中心差分卡尔曼滤波算法(GP-CDKF)。在训练数据有限的情况下,用中心差分卡尔曼滤波(CDKF)来估计组合导航系统的状态向量;同时高斯过程可以考虑CDKF中的噪声和不确定性。因此,将高斯过程引入到CDKF中,可以进一步提升导航性能。试验结果表明,GP-CDKF与CDKF算法相比,东向、北向位置误差分别降低16.4%、57.1%,东向、北向速度误差分别降低15.9%、23.3%,说明GP-CDKF算法在动态系统状态估计方面优于CDKF算法。将GP-CDKF应用于BDS/INS组合导航系统中,可以有效提高导航性能。

基于B1C新信号的BDS/INS深组合改进的跟踪环路设计

针对北斗卫星导航系统/惯性导航系统(BDS/INS)的深组合定位系统,提出了一种利用惯性导航系统(INS)辅助B1C正交分量的信号跟踪算法,以解决定位过程中信号较弱致深组合定位系统失锁的问题.该算法使用了考虑INS数据的卡尔曼滤波算法,并同时利用导频分量和数据分量构成本地码,对信号进行跟踪.由该算法对实测数据计算,并利用传统算法进行对比,可以得出在弱信号的环境下跟踪环路较为稳定,伪距精度较高.

BDS/INS深组合导航仿真平台研究

BDS/INS深组合导航可以提高系统的导航精度、抗干扰性和动态性能,是目前研究的重点和热点。本文给出了BDS/INS深组合导航仿真平台的设计及实现,介绍了仿真平台的总体体系结构、信息流程及各分系统的组成。该平台便于进行深组合导航系统算法及性能的验证分析,仿真验证结果表明,在高动态条件下,BDS/INS深组合导航系统的位置误差稳定在4 m范围内,速度误差稳定在0.2 m/s内。

基于多假设解分离算法的BDS/SINS紧组合完好性监视

完好性是民航基于性能的导航(PBN)运行的关键性能要求,是导航安全性的重要支撑;北斗导航系统(BDS)/惯性导航系统(SINS)紧组合导航系统将SINS信息加入到完好性监视中,增加了冗余信息,通过多假设解分离算法进行故障卫星的检测与隔离,满足民航特定飞行阶段高完好性要求;利用BDS接收机接收到的BDS卫星数据,通过设置飞行轨迹,模拟卫星故障,对BDS/SINS组合导航系统的完好性算法进行测试验证;实验结果表明,基于多假设解分离方法的BDS/SINS紧组合导航系统可以较好地实现故障卫星的检测与隔离,保护限计算符合预期。

BDS3/INS紧组合单点定位测速性能分析

为验证BDS-3在动态环境下的定位性能,利用BDS/INS紧组合定位技术,构建基于BDS3伪距及伪距率观测值的状态和量测模型,基于实测数据,以定位、测速精度为评价指标分别比较BDS2、BDS3、BDS2+3与INS紧组合定位、测速结果。实验结果表明:BDS3/INS伪距紧组合相比BDS2/INS紧组合定位精度提升58.0%,尤其在高程方面提升明显;测速精度提升6.0%,在动态环境下BDS3定位、测速性能优于BDS2。由于BDS3的加入进一步优化可视卫星几何分布,且BDS3具有更高的伪距测量精度,BDS2/BDS3/INS紧组合定位系统相比单系统紧组合有着更好的定位稳定性和可用性,其定位精度相较BDS2/INS紧组合提升45.6%,测速精度提升27.8%。

基于自校准变结构Kalman的农机导航BDS失锁续航方法

针对农机自动导航作业过程中存在的BDS信号失锁导致系统突然失控的问题,提出了一种适用于轮式农机的基于自校准变结构Kalman滤波器的农机导航BDS失锁续航方法。依据4自由度农机运动学模型,设计了BDS/INS信息融合Kalman滤波器;进行INS导航定位误差不确定度分析,并设计了基于自回归模型的航向校准方法、INS传感器角速率测量零偏实时校准方法,结合上述方法设计了自校准变结构滤波器,进行位姿信息处理,结合导航跟踪控制方法实现失锁续航功能。根据分米级精度要求,进行了机器人直线、矩形路径失锁续航试验和农机田间直线续航试验。机器人续航试验结果表明:行驶速度为1 m/s时,与运用未校准滤波器的续航系统相比,该方法实际平均横向偏差减小34%,横向偏差达到20 cm时机器人在路径上的平均行驶距离提高80%。农机田间续航试验结果表明:行驶速度为1 m/s时,在实际偏差小于20 cm的条件下,农机在路径上的行驶平均距离达到16.65 m。

GPS/INS深组合技术及其应用

分析GPS/INS深组合结构,研究INS信息辅助GPS接收机基带环路技术,仿真研究GPS/INS深组合模式特性,其具有提高接收机动态适应能力、抗干扰能力、伪距测量精度等特性,拓展了卫星导航的应用范围。随着BDS具备亚太区域导航能力,鉴借GPS/INS深组合技术,分析BDS/INS深组合中的若干技术问题,以供相关人士研究参考。

基于低成本惯导和运动约束的农机高精度定位系统研究

北斗定位系统(BDS)能够实现厘米级的定位,在农机导航系统中获得了广泛应用。然而,单纯的卫星定位系统存在一些局限性,比如易受外界遮挡、数据频率低等。因此,在导航系统中集成惯性元件并发展组合导航技术成为重要研究方向。考虑到高性能惯导成本很高,不利于推广应用,本文研究了农业场景下,使用低成本惯导和BDS构成组合导航系统。为提高定位精度,解决由BDS中断导致误差发散的问题,设计了零速修正。同时,分析了BDS/INS组合导航系统中航向角误差不可观测的原因和误差来源,设计了航向约束方法。当BDS信息可用时,利用双天线航向角信息来抑制航向角误差的累积;当BDS中断时,使用零角速度修正。通过现场实验验证,当BDS可用时,零速修正可以将位置、速度和水平姿态的精度分别提高20%、40%和15%以上,航向约束可以将航向角精度提高90%以上;BDS中断时,零速修正可以将位置、速度的精度提高90%以上,水平姿态的精度提高80%以上,航向约束可以将航向角精度提高40%以上。

基于自适应估计的机载三维激光轨迹校正研究

无人机机载三维激光扫描技术应用广泛,其数据精度受多个方面影响,其中无人机飞行轨迹精度对点云数据质量有着重要影响。无人机在飞行过程中会产生扰动,产生有色噪声,进而降低无人机飞行轨迹的精度。本文将基于有色噪声及其协方差矩阵的自适应估计算法应用于无人机轨迹解算中,通过削弱有色噪声的影响提高无人机轨迹精度,进而提高点云精度。最后通过实验证明基于有色噪声及其协方差矩阵的自适应估计算法可以有效提高点云精度。

基于北斗高精度定位的自由流车载终端软硬件研究

为提高高速公路收费站通行速度,实现高速公路自由流收费,设计了一套采用网络RTK与BDS/INS组合定位技术的北斗高精度车载终端。该终端由北斗差分定位模块、惯性导航模块和4G通讯模块等组成,终端基于NTRIP协议与CORS服务器进行用户认证和数据传输。同时,结合高速公路自由流收费站高精度地图,该终端通过车辆位置识别算法获取车辆在自由流收费站中的位置信息并上传至自由流收费系统位置云平台请求抬杆。实际道路测试结果表明,该终端可满足高速公路自由流收费系统应用需求,促进交通运输行业健康发展。

基于模糊Kalman滤波的港口车辆组合定位方法研究

针对北斗卫星导航系统(BDS)/惯性导航系统(INS)组合导航系统在遮挡环境下定位失效这一问题,通过分析组合导航系统中传感器的状态变化对定位精度的影响,设计了一种基于传感器工作状态的模糊逻辑推理系统,并与卡尔曼滤波算法相结合,通过实时调整系统量测噪声方差的方法提高定位精度.在港口环境下的无人车辆上进行了实验,实验表明,提出的方法能有效提高遮挡环境下无人车辆的定位精度,并具有良好的鲁棒性.