基于双通道Residual-LSTM的SINS/GNSS组合导航算法

针对全球导航卫星系统信号中断情况下SINS/GNSS组合导航系统无法持续进行误差校正的问题,提出一种基于双通道Residual-LSTM的SINS/GNSS组合导航算法。首先,考虑到SINS经度、纬度误差传播特性不同所导致的模型输入、输出信息之间的非线性相关性差异化,构建具有不同权重系数的双通道长短期记忆神经网络模型结构,并引入遗忘信息共享机制自适应地利用历史导航数据对经度、纬度信息进行拟合预测。其次,针对深层神经网络存在的模型退化和梯度消失问题,在多层双通道LSTM网络之间建立残差高速通道形成Residual-LSTM模型结构,以增加不同网络层次之间的信息传播路径。最后,通过实船数据验证本文所提算法的有效性。实验结果表明,与基于常规智能方法的SINS/GNSS组合导航算法相比,所提组合导航算法在GNSS信号中断期间经度误差降低了51.97%,纬度误差降低了31.45%。

基于新息速率抗差估计的INS/GNSS组合导航系统欺骗检测算法

在INS/GNSS组合导航系统中常采用基于新息的欺骗检测算法。针对现有算法对同步式欺骗干扰的检测时间较长、漏警率和误警率较高的问题,提出了一种基于新息速率抗差估计的INS/GNSS组合导航系统欺骗检测算法。该算法将Kalman滤波估计得到的新息速率作为检测量来判断是否存在欺骗干扰,并利用抗差估计削弱欺骗干扰对新息序列的影响,通过调整等价权函数的参数进一步提高算法的检测能力。仿真结果表明:该算法对诱导速率为0.1 m/s的同步式欺骗干扰的检测时间缩短了60%以上,在3路以下的卫星信号被欺骗时,通过选择合适的检测门限,误警率和漏警率均能维持在4%以内。

基于自适应分类容错滤波的SINS/GNSS组合导航方法

针对SINS/GNSS组合导航在GNSS信号异常时出现的系统滤波精度和稳定性下降的问题,提出一种基于EKF的自适应分类容错滤波算法。该算法通过比较系统残差协方差矩阵的实际值与理论值来检测GNSS信号是否存在异常,然后对异常信号进行分类,并对不同类别的异常信号使用不同的加权矩阵进行修正,以减弱异常值对系统滤波精度的影响,同时在滤波过程中加入UD分解,使系统滤波性能更稳定。仿真结果表明:该算法能够有效降低GNSS输出异常信号对SINS/GNSS组合导航带来的不利影响并提高系统稳定性;在GNSS信号出现异常情况下,其导航精度相比EKF至少提高95.6%,相比REKF和AEKF分别至少提高44.5%和24.6%。

INS/GNSS组合导航系统校准方法

惯性导航系统(INS)和全球导航卫星系统(GNSS)组合的导航系统应用越来越广泛,它的校准问题亟待解决。本文简要介绍了目前广泛使用的各种导航系统,论述了INS/GNSS组合导航系统的工作原理及组合算法;详细分析了INS/GNSS组合导航系统各种测试及校准方法,比较了各种校准方法的优缺点;提出了INS/GNSS组合导航系统校准装置应具备的条件:可产生标准的空间位置和速度、可产生标准的姿态角度变化、可有效地接收GNSS卫星信号、统一的时间基准与同步信号。

MEMS INS/GNSS组合导航系统在车辆和机器人载体上的性能对比分析

同一款MEMS INS/GNSS组合导航系统在不同运动载体上的定位定姿性能差异会显著影响应用效果,有必要做深入的定量研究。本文首先采用奇异值分解方法,分析了组合导航状态量在载体不同运动场景下的可观测度。然后,对比了车辆和轮式机器人载体在开阔场景和GNSS卫星失锁场景下的组合导航性能,并详细分析了两种载体在不同运动模式下的导航误差和卡尔曼滤波均方误差。实测结果表明,车载和轮式机器人组合导航性能的差异主要表现在航向角方面;载体的加减速和转弯有助于航向角和陀螺z轴零偏误差的收敛;轮式机器人采用自动指令控制,造成运动模式单一,加减速时段少,同时转弯过程中加速度变化幅度小,转弯对其航向角和陀螺z轴零偏误差的收敛作用不如车载明显,因此,轮式机器人航向角误差比车载大,差异显著。

利用实际飞行数据插值的INS/GNSS组合导航仿真轨迹发生器

针对INS/GNSS组合导航仿真中捷联惯导系统陀螺、加速度计信号高精度模拟问题,提出基于实际飞行数据插值的动态轨迹解析生成仿真算法。对转换到地心惯性坐标系中的载体姿态、位置和重力场数据进行关于时间的样条函数插值,得到载体坐标系下陀螺角速率、角增量以及加速度计比力积分增量的高精度分段解析表达式。使生成的陀螺、加速度计信号符合载体运动学和动力学特性,反映杆臂效应影响,同时与经事后处理的实测GNSS伪距、伪距率等数据特征保持一致。提出四元数约束插值算法,其可满足四元数解析插值时范数为1的约束限制条件。基于某实际无人机飞行数据,验证了所提算法的有效性,其完全满足组合导航动态仿真精度要求。该算法也适用于其他高精度高动态导航系统和刚体运动控制仿真中的角运动、线运动传感器信号模拟。

基于极大似然准则的INS/GNSS组合导航自适应UKF滤波算法

为提高INS/GNSS组合系统对过程噪声方差不确定性的鲁棒性,提出一种基于极大似然准则的自适应UKF算法。在该算法中,首先利用新息向量的统计信息构造量测向量的后验概率密度,然后通过极大似然准则在线求取过程噪声方差的估值,并将其反馈至UKF滤波过程,用于调整卡尔曼增益矩阵。提出的算法可以抑制过程噪声方差不确定性对滤波解的影响,克服了UKF的缺陷。仿真结果表明,当过程噪声的标准差增大为其真实值的4倍时,相比于UKF,提出方法的导航精度可至少提高45.5%;相比于ARUKF,其导航精度也可至少提高35.7%。跑车实验结果也验证了提出算法的有效性。

SINS/GNSS组合导航系统中激光多普勒测速仪参数估计

为了提高SINS/GNSS组合导航系统的全局性能,考虑加速度与高斯包络对激光多普勒测速仪的影响,提出SINS/GNSS组合导航系统中激光多普勒测速仪参数估计方法。通过分析SINS/GNSS组合导航系统工作原理,明确SINS/GNSS组合系统状态;采用预先梯度评估方法,对梯度方向进行估计迭代,以提高导航定位精度,将获取的方位偏差代入卡尔曼滤波器中进行处理,保证SINS/GNSS组合导航系统实际应用的可靠性;获取对应费希尔信息矩阵,采用正弦信号的圆频率估计方差获取CRLB;分析激光多普勒测速仪测速过程中存在的问题;在信号成分参数分解前提下,将各距离门回波近似看作多个Chirp分量合成信号,对距离压缩后的数据实施自适应Chirplet分解,完成激光多普勒测速仪参数估计。实验结果表明:所提方法能够得到准确的参数估计数值,为SINS/GNSS组合导航系统的有效应用提供理论参考。

融合SAR的INS/GNSS组合导航系统

针对ＩＮＳ／ＧＮＳＳ组合导航系统应用中存在的问题，提出了引入合成孔径雷达（ＳＡＲ）传感器，用以提高系统的自主性、融错性和导航精度．仿真结果表明，融合ＳＡＲ的ＩＮＳ／ＧＮＳＳ组合导航系统的精度得到了提高，是一个高性能的导航系统．

等离子鞘套影响下的INS/GNSS组合导航技术研究

分析了再入飞行器高速飞行所面临的环境特点及等离子鞘套产生的原因,研究表明等离子鞘套的存在会造成电磁波的衰减,对于INS/GNSS组合导航会产生较大的影响,提出了通过INS/GNSS紧耦合方法提高复杂环境下组合导航抗干扰能力,经分析这一技术有效。

SINS/GNSS组合导航技术研究

本文分别介绍了SINS和GNSs的工作原理和系统误差.说明了组合导航的必要性;然后从组合导航的方式、信息融合技术等方面.分析了组合导航的相关技术.最后指出了组合导航的发展趋势。

因子图框架下里程计辅助GNSS/INS组合导航算法

在复杂观测环境下,GNSS/INS组合导航系统的GNSS信号易受干扰从而导致INS独立导航精度迅速下降。针对上述问题,本文基于因子图的里程计辅助GNSS/INS组合导航算法,利用里程计观测信息结合非完整性约束构建航向速度约束方程,同时采用能多次线性化计算和多次迭代的因子图优化方法进行参数估计。实际车载试验解算结果表明,在GNSS信号良好时,基于因子图方法比滤波方法具有更快的收敛时间,收敛速度提高了近10倍;在GNSS信号发生中断时,添加里程计辅助后组合导航系统在东向和北向分别提升了83%和89%。与传统的滤波融合手段相比,本文采用因子图优化后在东向和北向的定位精度分别有63%、70%的改善。

GNSS/INS组合导航中IMU参数设定与优化

针对惯性测量单元(IMU)参数设置不合理导致全球卫星导航系统(GNSS)/惯性导航系统(INS)组合导航无法充分发挥IMU性能的问题,提出了一套IMU参数设定与优化方案,建立了以GNSS短期中断期间导航漂移误差统计值、理论估计精度一致性以及IMU误差参数估计稳定性为评估对象的考核准则,使优化后的IMU参数可以确保GNSS/INS组合导航解算中状态预测方差阵的准确性,实现预测信息与观测信息权重合理分配,进而保障GNSS/INS组合导航最优性能。实测验证采用ADIS16465和ICM206022款典型车规级和消费级微机电(MEMS)IMU进行性能测试分析,测试结果表明:初始IMU参数与GNSS/INS组合导航算法适配度较低,无法得到最优组合导航结果;优化后,IMU参数在保障组合导航最优性能基础之上,也可实现理论估计精度与实际精度高度一致。

基于自适应高斯渐进滤波的工程车GNSS/INS紧组合定位

研究了量测野值影响下的工程车GNSS/INS紧组合定位问题,提出了一种基于自适应高斯渐进滤波的车辆定位方法。首先,为降低量测野值对滤波器的破坏风险,利用假设检验方法对量测野值进行检测和剔除;其次,对于野值漏检测引起的定位性能下降的问题,设计了自适应的高斯渐进滤波方法来补偿量测的不确定性;特别地,利用线性化误差与系统估计误差的变化关系,对渐进量测更新方式进行了改进,从而实现对线性化误差的间接补偿。最后,通过工程车GNSS/INS紧组合定位实验进行结果分析,验证了所提方法的可靠性和优越性。

基于MEMS IMU的GNSS RTK/INS紧组合定位分析

本文针对复杂动态的城市环境自动驾驶规模化应用需求,提出惯性单元辅助RTK快速收敛的自动驾驶低成本、高精度定位方法。使用MEMS IMU M39和战术级IMU Pos320,通过对多组实测车载数据进行仿真中断,得到INS位置漂移误差、模糊度收敛时间、模糊度固定正确性指标,再对无惯导辅助、M39辅助模糊度固定和Pos320辅助3种情形下的模糊度固定时间和定位精度进行了统计和分析。结果表明,M39在GNSS中断5 s时可辅助RTK实现模糊度瞬时固定,中断时间为10 s时可以将RTK模糊度收敛时间压缩至1/4。MEMS IMU的加入使得RTK模糊度固定错误个数显著下降,10 cm以内高精度定位占比由62.25%提高至98.44%。试验验证了MEMS IMU辅助RTK能够加快模糊度收敛速度,提高了其在自动驾驶导航定位应用中的精度和可靠性。

基于组合历元新息抗差的GNSS/INS欺骗检测方法

针对传统的全球卫星导航系统/惯性导航系统(GNSS/INS)新息平均抗差欺骗检测算法对阶跃式欺骗存在检测时延长、对斜坡式欺骗检测不敏感等问题,提出了一种基于组合历元新息抗差的GNSS/INS欺骗检测方法。检测方法联合使用单历元新息和多历元新息平均检测方法提高检测效率,构造多历元等价权因子加大对斜坡式欺骗的削弱力度,按欺骗类型进行分类处理。实验结果表明,与单历元新息检测方法和多历元新息平均检测方法相比,所提方法更具敏感性,能够检测到单历元新息无法检出的10 m的阶跃式欺骗和多历元新息平均法无法检出的0.03 m/s的斜坡式欺骗;多历元等价权因子能削弱在检测到斜坡式欺骗之前误差跟踪效应对新息的影响;在多通道欺骗场景下,所提方法使检测时延缩短了21.3%,对欺骗进行分类处理使得与真实轨迹的最大位置误差减小了86.6%,均方根误差减小了96.8%。

LS-SVM和抗差估计的GNSS/INS紧组合欺骗检测算法

针对传统欺骗检测算法对斜率较小的斜坡式欺骗检测时间过长、虚警率和漏检率偏高等问题,提出一种最小二乘支持向量机(LS-SVM)和抗差估计的全球卫星导航系统(GNSS)和惯性导航系统(INS)紧组合欺骗检测算法。所提算法通过抗差自适应调整增益矩阵,有效削弱欺骗对新息的影响,将抗差优化的训练数据集经LS-SVM回归得到的预测新息来代替滤波器中的欺骗新息,从而进一步提高对斜率较小的斜坡式欺骗检测处理能力。仿真结果表明:在检测欺骗值为0.1 m/s的斜坡式欺骗时,所提算法与传统算法相比,检测时间缩短26.65%,虚警率降低40.63%,定位精度提高72.72%。所提算法具有检测快、虚警率低的优势,适用于GNSS/INS紧组合导航用户的斜坡式欺骗检测。

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。

改进抗差自适应EKF算法在GNSS/INS组合导航中的应用

在车载GNSS/INS组合导航中,抗差自适应滤波以其具有控制动力学异常和观测异常的能力成为实现综合PNT的关键技术之一。然而,不合适的决策算法和抗差因子会导致滤波进一步劣化。针对该问题,提出一种双窗口Sage-Husa抗差算法和一种改进的异常新息占比决策方法。采用松组合结构,利用异常新息占比决策对组合过程中出现的模型异常作出判断,针对观测模型异常和动态模型异常分别采用对应的抗差或自适应滤波。利用武汉市城区林荫道、街区多遮挡环境下动态实测数据进行分析。实验结果表明,该方案在复杂多遮挡环境下东、北、天3个方向上位置精度分别提升35.78%、38.94%、66.00%,位置均方根误差达到0.70 m、0.69 m、1.16 m。

GNSS/INS/VNS组合定位信息融合的多无人机协同导航方法

在信息化战场上,无人机面临多种潜在威胁,不时出现的非意图干扰对无人机系统的卫星信号和通信链路造成干扰,对飞行产生不良影响。为了解决这一挑战,采用多传感器信息融合,以全球导航卫星系统(Global Navigation Satellite System,GNSS)和惯性导航系统(Inertial Navigation System,INS)组合导航系统为主滤波器,并将全球定位系统导航系统和视觉导航系统作为子滤波器,建立了联合滤波器。将多架无人机数字影像的相对导航信息与各无人机平台获取的绝对导航信息融合,实现了一种基于卡尔曼滤波的多地标接力辅助导航算法,有效提高了GNSS/INS相对导航系统的解算精度,降低了多无人机群体的计算负担,扩大了无人机的巡航范围。采用并行分布式的系统框架,将算法部署在多个无人机平台上,通过无人机之间的信息传递和互动,实现多无人机的协同感知与自主定位。在仿真任务场景中进行相关实验,实验结果显示该方法在3架无人机协同导航中位置估计平均误差达到0.66 m,速度估计精度保持在±0.4 m/s,满足设计要求。