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。

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。

GPS/INS组合导航系统时间同步系统设计

为了说明高动态环境中时间同步对于组合导航系统的重要性,在Kalman滤波方程的基础上,推导了时间同步误差与Kalman滤波结果之间的定性关系。提出一种利用GPS接收机中1PPS(Pulse Per Second)信号作为同步标签的时间同步方法,将IMU中的数据加上精确的时间标签,从而达到时间同步的目的。全部时间同步功能由FPGA实现,利用Verilog HDL语言进行开发,整体硬件结构简单而且适用范围广。试验结果显示了这种时间同步设计可以明显减小滤波结果的估计误差,有效的提高了组合导航系统的定位精度。

紧耦合GPS/INS组合特性及其关键技术

针对GPS/INS组合导航系统在军民各领域广泛应用的特点,鉴借国外对紧耦合GPS/INS组合模式的实验研究,分析常规紧耦合和深紧耦合GPS/INS组合模式的构成与工作原理,仿真研究紧耦合GPS/INS组合模式的特性,其具有高抗干扰能力、高伪距测量精度及高导航定位能力。面对深紧耦合GPS/INS组合导航突出的性能特点,探讨深紧耦合GPS/INS组合研究从仿真到工程化中的几个关键技术问题,目的以供相关人员在组合导航系统研制时参考。

自适应UKF算法及其在GPS/INS组合导航中的应用

提出了一种自适应无迹Kalman滤波(UKF)算法.针对UKF受初始值误差和动力学模型异常扰动误差影响的问题,将自适应估计原理引入到UKF算法,将动力学模型信息对导航解的贡献进行合理调整.计算结果表明,在GPS/INS松组合导航系统数据处理时,UKF算法略优于扩展Kalman滤波(EKF),自适应UKF算法优于自适应EKF算法,自适应UKF算法能够很好地抑制动力学模型误差对导航解的影响,进一步提高导航解的精度和可靠性.

附加运动约束提高GPS/INS导航参数估计精度

针对GPS/INS组合数据融合处理中存在的仅利用GPS观测信息不能准确估计全部状态参数的问题,提出了将不同运动环境或运动条件下部分参数满足一些特定的条件作为虚拟观测输入滤波器,形成附加运动约束的GPS/INS组合模式的新思路,其关键是如何对附加的运动信息建立准确的函数模型和合理定权。以倍受人们关注的GPS卫星不足4颗时,附加速度高程约束的GPS/INS紧组合模式为例,详细介绍新算法的实施过程。结果表明,新算法能有效提高GPS部分中断情况下的组合系统的导航精度。

GPS/INS组合导航系统数据同步处理方法研究

论述了GPS/INS组合导航系统中的数据同步问题,提出了一种完全利用软件编程的数据实时同步的方法。实验结果表明,这种方法不需借助硬件电路,能较好地消除由GPS接收机和INS(惯性导航系统)之间数据不同步所引起的误差对组合系统导航精度的影响。

GPS/INS系统HPR与OPK角元素的剖析与转换

介绍了Heading Pitch Roll(HPR)和Omega Phi Kappa(OPK)两种角元素系统的定义,分析了HPR与OPK之间的区别,给出了相互转换的基本思路,并重点推导了利用GPS/INS系统获取的HPR角度和惯性测量单元(IMU)几何中心坐标计算影像外方位元素的数学公式和各种旋转矩阵的构成。实验结果表明,文中利用HPR角计算外方位元素的理论与方法正确、可行。

神经网络辅助的GPS/INS组合导航自适应UKF算法

GPS/INS组合导航非线性系统最优估计算法中,基于统计信息和假设检验理论的多渐消因子自适应滤波算法的应用前提条件是残差向量为高斯白噪声。本文针对观测异常会影响残差向量的数字特性分布,提出了一种神经网络辅助的多重渐消因子自适应SVD-UKF算法。该算法采用神经网络算法削弱观测异常对残差序列高斯白噪声分布特性的影响,利用奇异值分解抑制UKF中先验协方差矩阵负定性变化,同时构造多重渐消因子对预测状态协方差阵进行调整,使得不同的滤波通道具有不同的调节能力,高效地应用于多变量复杂系统。最后利用车载实测数据进行了验证。结果表明,神经网络算法极大削弱了观测粗差对残差序列高斯白噪声分布特性的影响,拓展了多重渐消因子的应用范围,使其能在观测值含有粗差的条件下自适应调节不同滤波通道,消除滤波状态中的异常,提高组合导航解的精度和可靠性。

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。

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紧组合的INS辅助周跳探测与修复

建立了GPS/INS紧组合定位模型,改正惯性器件误差及电离层折射误差,对不同组合观测量的误差影响进行了分析,构造不同观测值组合,提出了基于惯性信息辅助的GPS周跳自适应探测方法,分析了INS定位误差对周跳探测的影响,给出了周跳探测误报率及修复成功率评价指标,提出了一种周跳检测阈值自适应确定方法。利用实测组合导航试验数据验证本文的算法,文中模拟了不同的单历元多周跳及信号失锁条件,结果表明,在GPS信号完全失锁20s内,该方法能准确检测和修复所有周跳,中断时间的延长降低了周跳修复的成功率;GPS信号部分失锁时,在模拟的90s中断时段内仍能修复所有周跳;模拟了170历元的5s间隔密集周跳,周跳探测成功率为100%,正确修复率为99.41%。

GPS/INS组合导航系统自适应滤波算法与仿真研究

随着组合导航系统应用环境的日趋复杂 ,给噪声统计特性的准确描述带来困难 ,这将造成Kalman滤波器不稳定甚至发散。首先对目前解决此问题常用的自适应滤波方法进行了总结和分析 ,在此基础上 ,给出了基于滤波收敛性判据 ,结合 Sage-Husa自适应滤波和强跟踪 Kalman滤波的改进自适应滤波算法。最后以 GPS/ INS组合导航系统为例进行了计算机仿真 ,结果表明 :该算法可有效抑制滤波发散 。

基于小波阈值消噪自适应滤波的GPS/INS组合导航

惯导系统中惯性元件误差是影响惯性导航及其组合导航精度的重要因素。在GPS/INS组合导航自适应滤波的基础之上,提出利用小波进行阈值消噪以提高组合导航精度。首先对惯性元件输出信号进行频谱分析,确定相应的多分辨分析尺度以及不同尺度下对高频系数采取的相应措施。对噪声占主要成分的尺度将其高频系数全部置零,对噪声和有用信号共同占有的尺度将其高频系数作阈值处理。利用实测数据进行验证,结果表明这种方法能够有效地削弱惯性元件误差的影响,提高GPS/INS组合导航系统的精度和可靠性。

基于EMD-小波随机消噪模型的GPS/INS组合导航

为提高GPS/INS组合导航精度,提出了EMD-小波INS随机误差削弱模型.首先分析了GPS/INS组合系统的误差特点,给出组合导航的基本原理.基于EMD的多尺度结构,结合小波分解理论,提出基于EMD-小波的GPS/INS组合导航技术路线.采集新南威尔士大学校园内的实测数据,分别选用1 s与2 s的GPS采样信息和100 Hz的INS数据,进行融合试验.用随机模型消噪前后的INS数据计算导航解,并与GPS测量的位置进行比较,分析误差分布情况.结果表明,滤波后的INS自主导航解要优于滤波前.当GPS更新周期为1 s时,X,Y,Z方向上导航精度分别提高9.07%,13.89%,35.14%,残差最大值分别减小2.62%,19.54%,31.23%.当GPS更新周期为2 s时,X,Y,Z方向上导航精度分别提高17.82%,23.46%,22.48%,残差最大值分别减小14.34%,28.85%,17.48%.

神经网络辅助的GPS/INS组合导航自适应滤波算法

首先利用预报残差构造的最优自适应因子设计GPS/INS组合导航自适应滤波器。并针对BP神经网络存在的训练速度慢、容易陷入局部极小等问题,给出网络的改进算法。利用神经网络对自适应滤波器状态方程的预报值进行在线修正,给出神经网络辅助的GPS/INS组合导航自适应滤波算法。最后,利用实测数据进行验证。结果表明,改进的神经网络算法明显提高网络收敛速度;两种自适应滤波算法相对标准组合导航算法都能够可靠地反映载体运动轨迹;神经网络辅助的GPS/INS组合导航自适应滤波算法相对GPS/INS组合导航自适应滤波算法在精度和可靠性方面又有明显提高。

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。

紧耦合GPS/INS组合导航能力的分析

将GPS的长期高精度与惯性导航(INS)的短期高精度结合,构成GPS/INS组合导航系统是目前大型舰船、潜艇、飞机、导弹等导航技术发展的方向。该文主要根据紧耦合GPS/INS组合导航的机理,分析其导航能力。

引入滑模观测器的GPS/INS组合导航滤波方法

由低成本器件组成的卫星/惯性(GPS/INS)组合导航系统中,存在较大的非线性与不确定性,为改善这一问题,本文提出一种引入滑模观测器(SMO)的滤波方法。首先,该方法建立了组合导航系统模型,介绍了扩展卡尔曼滤波(EKF)计算过程并分析存在的不足。然后,介绍了滑模观测器的基本原理,根据系统构建观测器。最后,说明了引入滑模观测器的EKF组合导航算法实现流程,滑模观测器将模型误差、状态估计以及均值方差融入EKF算法,修正系统输出。通过轨迹仿真实验与车载实验验证了所提方法优于传统EKF算法,具有更高的滤波精度。在车载实验中,卫星信号失锁15 s情况下,与EKF方法相比,所提方法的东向位置误差降低了53%,北向位置误差降低了37%,证明该方法能够有效抑制GPS/INS组合导航误差发散,为以后工程实践提供一定的参考价值。

低成本车载GPS/INS组合导航姿态角更新算法

低成本INS系统的元件误差严重影响INS导航精度。针对车载系统,提出一种低成本车载GPS/INS组合导航姿态角更新算法。首先在GPS/INS组合导航Kalman滤波方程基础上,给出两种姿态角更新的观测方程。然后给出利用GPS测速确定航向角的原理,并且对低成本车载INS系统的俯仰角和翻滚角进行了分析,指出由INS随机误差造成的俯仰角和翻滚角误差比其本身量值要大,建议令俯仰角和翻滚角数值保持不变。利用实测算例确定了不同速度下的航向角精度,并且验证了该算法的有效性,以及相对于基于位置、速度组合的Kalman滤波,导航精度有明显提高。