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.

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。

一种两步自适应抗差Kalman滤波在GPS/INS组合导航中的应用

针对伪距、伪距率紧组合导航精度低、姿态角误差修正误差较大的缺点,从参数可观测性角度提出一种两步自适应Kalman滤波算法。首先简单介绍紧组合Kalman滤波的过程,然后给出两步自适应抗差滤波的公式和具体步骤,并且进行分析和比较。最后用实测算例对提出的算法进行验证。结果表明,相比于伪距、伪距率紧组合Kalman滤波,两步自适应抗差滤波的导航精度受组合周期的长短、INS惯性元件误差的大小影响较小,精度略有提高,更重要的是能够控制动态扰动异常和观测异常的影响,在惯性元件误差较大的情形下也能够很好地估计元件误差,避免姿态角错误修正。

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。

神经网络辅助的GPS/INS组合导航故障检测算法

针对GPS/INS松组合导航系统观测信息无冗余,而且观测信息可能存在故障的情形,提出一种神经网络辅助的组合导航故障检测算法。该算法克服了基于模型的故障检测算法受模型误差影响的局限性;能够自动地对观测信息进行故障的检测、定位和剔除;能够基于故障检测后可靠的观测信息进一步调整动力学模型信息对导航解的贡献;能够在GPS失锁时,较好地进行导航预报。最后利用车载实测数据进行验证,结果表明该算法能够很好地从模型误差中分离出观测信息含有的故障信息,降低了故障检测算法存在的虚警率,避免故障信息对导航解的影响;且GPS失锁时,神经网络的预报输出在一定程度上能够进一步提高导航解的精度。

GPS/INS组合系统自适应滤波算法

研究了GPS/INS组合系统在高动态运动目标定位中的应用。根据组合系统建立状态方程 ,GPS观测量构成观测方程。自适应滤波过程中 ,通过观测数据对观测噪声进行估计 ,再用Sage -Husa算法在对动态噪声进行估计的同时实现状态滤波估计。计算机仿真结果验证了这种滤波算法的有效性。

基于博弈论的鲁棒滤波器应用于GPS/INS组合系统的设计研究

考虑了组合导航系统中的不确定噪声问题;根据博弈理论与最优控制理论,提出一种能够在具有不确定噪声干扰中最小化滤波误差的极小极大值鲁棒滤波器。通过设计一种高动态的飞行轨迹进行仿真研究,发现在不确定噪声干扰下该算法具有比标准卡尔曼滤波器更高的精度。

GPS/INS组合导航中两步自适应滤波方法

GPS/INS组合导航实际应用中存在系统模型偏差、噪声模型不确定等问题,导致卡尔曼滤波器无法实现最优滤波效果,严重时甚至导致滤波发散。渐消卡尔曼滤波器和自适应卡尔曼滤波器通过引入单渐消因子和单自适应因子可以部分解决上述问题,但是不足在于单因子只能进行整体调整,不能精确调整各个通道。针对此问题,本论文提出一种2步自适应卡尔曼滤波算法,构造基于残差协方差估计的多重渐消因子和自适应因子对各个通道精确调整,克服动态环境下跟踪性差的局限性。实验结果表明,改进后的自适应卡尔曼滤波算法可以精确调整各通道,增强系统的定位精度、跟踪性能和鲁棒性。

UKF在GPS/INS组合导航系统中的应用

扩展卡尔曼滤波(EKF)是GPS/INS组合导航系统工程实现中常用的一种数据融合方式。但EKF线性化误差在一定程度上影响了GPS/INS组合导航系统精度的提高。Unscented卡尔曼滤波器(UKF)是一种非线性滤波器,它能有效地减小线性化误差对GPS/INS组合导航系统精度的影响。基于四元数法建立了GPS/INS组合导航系统的非线性误差方程模型;最后通过数字仿真验证了UKF组合导航系统应用中的性能。

局部状态检测的GPS/INS组合导航转发式干扰检验方法

针对GPS/INS(Global Positioning System/Inertial Navigation System)组合导航中GPS转发式干扰问题,在分析故障变化特性与故障诊断函数特性之间关系的基础上,提出了一种基于局部状态χ2检验的方法。通过观测值的变化、观测模型的变化和χ2检验中x赞1k的变化论证了方法的可行性,并得出组合导航受到转发式干扰是判断系统发生故障的充分而非必要条件的结论。最后通过在仿真轨迹中加入诱偏来模拟转发式干扰,仿真实验证明该方法能够以较高的灵敏度和较高的准确性判断转发式干扰的发生。

基于变长扫描模型的故障检测方法及其在GPS/INS组合导航系统中的应用

提出了一种基于变长扫描模型的故障检测方法.该方法对待检测的时间序列数据进行差减操作求得相应的差减序列.由于跳跃点会影响两个相邻差减序列的统计特性,因此通过当前差减序列来估计即将来临的下一时刻的取值区间,进而判断下一时刻是否是跳跃点,从而实现故障检测.考虑算法的时间复杂度,设计了扫描窗口的变长机制,以在检测精度和检测速度上寻求平衡.通过仿真实验讨论了置信度和扫描窗口长度的取值问题.最后将该故障检测算法应用到GPS/INS组合导航系统中.试验表明,该故障诊断方法能够有效地检测出数据中的跳跃点,提高了滤波器的精度.

一种迭代的GPS/INS组合导航滤波算法

简要介绍了GPS/INS松组合导航系统状态方程和观测方程。针对标准Kalman滤波算法存在的状态方程截断误差、噪声统计特性的不确定性以及状态扰动异常的影响,给出了一种应用于GPS/INS组合导航系统的迭代滤波算法。该算法采用迭代策略,不断利用观测信息实时修正状态预报值。实测数据计算结果表明,通过对状态预报值的实时修正,该算法能够很好地抑制状态预报信息的不确定性和扰动异常等对导航解的影响。其滤波解精度明显优于标准Kalman滤波。

基于低通滤波的GPS/INS组合导航模型研究

惯导系统中惯性元件误差是影响惯性导航及组合导航精度的重要因素。本文首先分析了INS加速度计及陀螺仪在不同方向上的原始观测数据误差源及其相关作用,并给出低通滤波及GPS/INS(Global Positioning System/Inertial Navi-gation System)组合导航模型。在此基础上,提出采用低通滤波器消除INS原始数据中的高频随机误差,提高GPS/INS组合导航精度的技术路线。模拟INS的线速度及角加速度原始观测数据,对本文模型进行INS自主导航测试,导航精度得到明显提高。进一步采用实测数据进行组合导航分析,滤波前后计算的位置误差比较可以看出滤波后的导航解要优于滤波前,X、Y、Z三个方向上导航精度分别提高了15.1%、28.3%、28.1%。在残差最大值的比较上,三个方向上都有所减小,说明本文模型可有效提高导航精度。

GPS/INS组合系统在飞船自主定位中的应用

为了提高绕地飞船的自主定位精度 ,又不至于增大定位系统的体积和重量 ,采用紧密组合方式构成GPS INS定位系统 ,研究了在绕地飞船自主定位中的应用。根据绕地飞船运动的实际情况建立了误差状态方程和组合观测方程。仿真分析表明 :建立的GPS INS组合导航系统模型既能保证定位的高精度 。