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。

基于VB-EKF的GPS/INS松组合导航定位算法

针对应用在无人机(Unmanned Aerial Vehicle,UAV)中的全球定位系统/惯性导航系统(GPS/INS)松组合导航非线性系统受到外界噪声干扰导致量测噪声在滤波时不断变化,从而造成滤波精度下降等问题,提出一种变分贝叶斯扩展卡尔曼滤波(VB-EKF)算法。该算法利用EKF(Extended Kalman Filter)将非线性系统中的状态函数和量测函数展开为线性方程,并将两个不同的导航系统数据进行融合,避免了单系统导航定位发散的问题。考虑到组合系统中量测噪声的时变特性,引入变分贝叶斯算法进行改进,有效解决了系统滤波精度下降问题。仿真结果表明,VB-EKF较EKF算法可有效提高滤波稳定性,进而提高系统导航定位精度。

GPS与INS的组合定位技术研究

组合定位技术是一种新的导航技术,能够使多个导航系统实现信息的互补性和协同性。其中,GPS和惯导结合是一种较为理想的组合定位系统,而深度融合模式是目前GPS和惯导(INS)联合使用的最佳方式,因此,对深度融合模式的研究显得尤为重要。

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。

基于水下GPS／INS／TRN组合导航信息融合技术研究

由于受到客观环境因素的影响，水下导航系统不可能像陆地导航系统那样，连续、不间断的定位，而必须依赖惯性导航技术。为了消除惯性导航系统随时间积累而产生的误差，我们采用了基于Gps／INs／TRN信息融合技术的水下组合导航系统方案，并进行了初步讨论。通过信息融合有效地提高了导航系统的精度和可靠性。

基于GPS/INS的无人机物流配送路径控制研究

随着科技的发展,通过利用无线电遥控设备和自备的程序控制装置操纵的无人驾驶的低空飞行器运载包裹,自动送达目的地,其优点主要在于解决偏远地区的配送问题,提高配送效率,同时减少人力成本。本文以GPS/INS技术为基础,通过深入分析无人机的运动轨迹,指出无人机物流配送路径的识别与控制方法,有利于提高无人机的速度和加速度,增加识别精度。

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。

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。

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.

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。

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。

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%。

INS/CNS/GPS组合导航数据融合算法与仿真研究

研究了INS/CNS/GPS组合导航系统的原理和特点,建立了组合导航系统的数学模型。分别利用集中卡尔曼滤波和联邦滤波数据融合原理对此系统进行了仿真研究,并指出了集中滤波器的不足之处。仿真结果表明采用全球定位系统和天文导航系统对惯导系统误差进行修正不仅可以大幅度提高导航精度,而且通过比较和分析可知联邦滤波可以有效地提高导航系统的可靠性和复原能力,是理想的容错型信息融合算法。

分布式INS/GPS组合导航仿真器开发

在研制INS/GPS组合导航系统之前建立INS/GPS组合导航仿真器系统是节约研制成本和缩短开发周期的有效途径,利用多台计算机搭建分布式组合导航仿真器能够更逼真的对系统进行仿真。该仿真器由GPS仿真子系统、INS仿真子系统和INS/GPS组合导航仿真子系统三大部分组成,对该系统之间的硬件接口设计、算法和软件开发进行了论述,对比较难解决的系统同步问题提出了解决方法。最终的设计方案已成功的应用于某飞机仿真系统中。

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。

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。