王安成[1]2014年在《微惯导/北斗深组合导航系统主要误差源抑制方法研究》文中认为INS与GNSS具有误差特性互补的特点,使得INS/GNSS组合导航系统极具应用价值。按照融合方式的不同,INS/GNSS组合可以划分为松组合、紧组合和深组合,其中深组合实现了INS与GNSS的相互辅助,可获得更高的导航精度、更好的动态适应性和抗干扰能力。论文面向高动态应用背景,基于所在课题组研制的国产微惯性/北斗深组合导航系统样机,针对影响系统性能的主要误差源及其抑制方法进行了深入研究,主要结论和创新点如下:(1)提出了基于解调失配角抑制的硅微陀螺温度误差抑制新方法,提高了陀螺的温度稳定性。该方法从抑制和消除微陀螺温度误差传递链路中关键中间参量的角度,提供了一条完全不同于传统温度补偿技术的新思路。深入分析了解调失配角的形成变化机理和温度敏感性。针对工作频率与驱动模态谐振频率不一致所导致的解调失配角,设计了高精度频率跟踪环路进行抑制。首次将Kalman滤波技术应用于硅微陀螺角速度解调中,有效分离了解调失配角所导致的陀螺输出误差,提高了微陀螺的温度稳定性。考虑到实际应用中噪声特性是未知的,引入自适应强跟踪Kalman滤波器设计思想,提高了系统的鲁棒性。仿真和实验结果证明了方法的有效性和优越性。实验结果表明,在100℃的温度变化范围内,传统解调方法的零偏变化了4.5950o/s,而采用新方法时零偏仅变化0.5086o/s,温度稳定性提高了近10倍。(2)深入研究了MIMU精度与接收机载波环跟踪性能的适配性,推导出了深组合系统中MIMU辅助的接收机载波环相位跟踪误差与MIMU精度之间的关系,给出了典型参数下满足环路跟踪需求的MIMU精度下界。结果显示:不考虑其它误差时,采用18Hz噪声带宽的叁阶锁相环,稳定跟踪JPL高动态场景对MIMU精度的要求是加速度计零漂应小于29.72mg,陀螺零漂应小于490.44°/h。基于复合信号模拟器的半物理仿真结果证明了相关结论的正确性。(3)提出了一种基于扩展观测Kalman滤波的新型辅助结构(EMKF方法),降低了MIMU误差对载波环性能的影响。EMKF方法与传统结构的主要区别在于对辅助信息的使用方式不同,传统结构是将辅助信息迭加在环路多普勒估计量上,而EMKF方法将辅助信息扩展为Kalman滤波器的观测量。对于低精度MIMU,EMKF方法可以降低MIMU误差引起的辅助量误差对跟踪环路的影响,使环路跟踪性能优于传统辅助结构。理论和仿真均证明了其优越性,在典型高动态条件下,传统方法的失锁边界为:加速度计零偏稳定性约29.6mg,微陀螺零偏稳定性约296o/h,而EMKF方法的失锁边界为76.2mg和762o/h。(4)提出了一种利用接收机测量的载体加速度信息辅助计算载体航向角的新方法,并将其用于航向角误差阻尼,提高了组合导航系统的航向角精度。在已知载体加速度时,航向角可以利用加速度、组合导航系统输出的位置、速度、水平姿态角和加速度计测量的水平比力信息计算得到,这与惯导利用陀螺输出进行姿态更新获取的航向角在很大程度上是独立的,因此可作为组合导航系统航向角误差阻尼的信息源。借鉴惯性/卫星/磁强计组合方式,将由加速度导出的航向角作为组合滤波器的观测量,可提高航向角误差的可观性,进而提高深组合系统航向角精度。基于复合信号模拟器的半物理仿真测试和车载测试均证明了方法的有效性,车载测试结果表明,航向角误差标准差从2.53°降至0.45°。
吴富梅[2]2010年在《GNSS/INS组合导航误差补偿与自适应滤波理论的拓展》文中进行了进一步梳理本文对GNSS/INS组合导航误差补偿与自适应滤波理论进行了系统而深入的研究。内容涵盖GNSS/INS组合导航基本原理、INS惯性元件随机误差分析和建模、GNSS/INS组合导航姿态角对准、GNSS/INS组合导航函数模型和随机模型误差补偿、GNSS/INS组合导航自适应滤波算法以及GNSS失锁时INS导航算法研究等。主要工作和创新点概括如下：1.总结了GNSS/INS组合导航数据处理的基本原理,介绍了INS导航、GNSS导航的基本原理以及GNSS/INS组合导航的滤波模型,分析了INS误差闭环校正和开环校正的优缺点。2.对INS随机误差进行了系统的分析和处理；分析和比较了陀螺信号中几种性质不同的随机误差在功率谱密度和Allan方差上不同的特性和表现形式；对叁种陀螺实测信号中的随机误差进行了分析,给出这些陀螺信号中存在的主要噪声类型及其相应的系数；通过对分解后高频系数进行检验,给出了一种自动判别小波多分辨分析尺度的方法；建立了叁种陀螺随机误差的ARMA模型,确定了相应的ARMA模型阶数和模型参数。3.在INS力学编排基础上从误差分析角度提出一种基于累积误差极小值的精对准方法,有效缩短了初始对准时间；实测算例表明这种方法不受初始对准时间的约束,在较短时间内可以获得较高的对准精度。4.针对车载系统,提出一种顾及姿态角更新的低成本车载GNSS/INS组合导航算法,推导了利用GNSS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；利用实测算例确定了不同速度下的航向角精度,并且验证了新算法的有效性。5.给出了叁种确定INS白噪声谱密度的方法：直接估计法、基于小波变换的谱密度估计法和Allan方差法。利用实测数据对这叁种方法进行了比较和分析,结果表明直接估计法和基于小波变换的谱密度估计所估计的噪声谱密度不仅仅是白噪声,还包含其它各种噪声在内的高频噪声,而Allan方差能够很好地分辨出信号中主要干扰噪声,但是一旦白噪声不占主导,就很容易淹没在别的高频噪声中；GNSS/INS组合导航结果也表明基于Allan方差所确定的白噪声谱密度能够更好地反映惯性元件中的白噪声统计特性。6.INS信号自相关和偏相关系数表明AR模型尤其是ARMA模型能够更好地反映信号的低频噪声；分别基于AR模型和基于ARMA模型,推导了GNSS/INS组合导航动力学模型方程和随机误差模型。实测算例表明,基于AR模型和ARMA模型的Kalman滤波精度都要高于根据经验设定参数的标准Kalman滤波,其中ARMA模型能够更好地反映低频信号的特性。7.推导了基于载波相位平滑伪距的实时GNSS/INS组合导航的公式,并且进行了误差分析。利用实测算例对算法进行验证,结果表明如果GPS周跳较少或者不发生周跳,基于载波相位平滑伪距技术的GPS/INS组合导航的精度较伪距紧组合导航有较大的提高,但是当GPS周跳较多时,精度提高不显着。8.提出伪距差分求解速度的方法,给出了相邻历元和历元间伪距差分测速的公式,并且对其精度进行了分析。利用实测算例对伪距差分测速的精度进行了比较和分析,指出在外界环境恶劣的情况下伪距差分可以保证较高的可靠性。9.在GNSS/INS松组合和紧组合导航中,为避免单一自适应因子对可靠参数的作用,基于预测残差和选权滤波构造出分类自适应因子,该自适应滤波能够将位置、速度、姿态角误差、陀螺仪和加速度计误差分别赋予不同的自适应因子,避免精度损耗。实测算例表明相比于标准Kalman滤波和单因子自适应滤波,分类因子自适应滤波精度有所提高。10.针对紧组合导航中观测值存在粗差的问题,提出通过部分状态不符值来构造自适应因子的方法,给出部分状态不符值构造自适应因子的过程,并与单因子自适应滤波和分类因子自适应滤波进行了分析和比较。实测算例结果表明,当观测无异常时,叁种自适应因子都能够较好地抑制动态模型误差的影响；但是当观测存在异常时,由预测残差构造的自适应因子不能分辨模型误差和观测误差,而由部分状态不符值构造的自适应因子能够抵制观测异常的影响,滤波结果优于由预测残差构造的自适应因子滤波结果。11.从参数可观测性角度提出一种两步自适应Kalman滤波算法,推导了两步自适应抗差滤波的公式和具体步骤,并且进行了分析和比较；实测算例结果表明,相比于标准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,并且能够控制动态扰动异常和观测异常的影响。12.针对由GNSS观测条件不佳或观测不足引起的误差,在一般自适应滤波的基础之上,对其进行扩展,自适应地调节状态预测向量的协方差阵,使其既能控制动态模型误差又能抑制由GNSS观测条件不佳引起的误差的影响。实际计算结果表明,相比于一般自适应滤波,扩展自适应滤波能够很好地控制这两种误差的影响。13.在GNSS信号失锁时,提出一种速度先验信息和Odometer观测信息辅助车载INS导航的方法,并且对位置修正法进行了改进。实测计算结果表明,与INS单独导航相比较,新算法可以大幅度提高载体位置和速度精度。14.给出了一种对INS单独导航累积误差建立模型的方法,并且用实测算例对所建立的模型进行验证,结果表明通过所建立的模型对INS累积误差进行修正,可以大幅度地削弱INS误差。
谭兴龙[3]2014年在《惯性导航辅助的无缝定位改进模型研究》文中研究指明惯性导航系统是一种无源导航设备，相对于其他导航系统而言，具有自主性强、短时精度高，可以连续输出导航信息，在军事、民用中都有巨大应用价值。本文围绕无缝定位的惯性导航模型改正方法中的关键技术开展研究，重点涵盖惯导元件随机误差辨识、异常检测与改正抗差自适应滤波模型、机器学习辅助遮蔽区智能导航算法，惯性辅助的行人航迹推算与零速修正室内导航定位，主要研究成果如下：(1)针对常规Allan方差计算量庞大，基于最小二乘拟合随机误差参数时无法修正系数矩阵，提出一种基于WTLS的Allan方差简化估计算法。经实测数据验证，表明该算法可实现大幅降低计算量、加快运算速度并保持Allan方差分析的准确性。(2)针对室外遮蔽区卫星失锁，提出一种改进径向基神经网络结合自适应滤波辅助的组合系统导航模型。采用遗传算法参数寻优和最近邻聚类学习算法改进径向基神经网络，通过预测出伪观测值与其对应的协方差，实现了卫星失锁情况下短时可靠的导航算法。(3)提出一种改进抗差非线性滤波模型，通过判断矩阵病态性自主选取抗差策略；针对松组合系统观测无冗余，无法区分观测异常和状态异常，提出一种支持向量回归辅助的组合导航抗差自适应模型，实现智能区分观测值异常和动力学模型异常，保证组合导航精度，实现抗差精度与可靠度的统一。(4)提出一种LS-SVR辅助的改进多重渐消自适应SVD-UKF算法，利用奇异值分解抑制UKF中先验协方差矩阵负定性变化，采用LS-SVR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，拓展了多重渐消因子的应用范围，为多变量复杂系统提供了一种可行的先进滤波模型。(5)基于时频变换分析惯性传感器用于室内定位的噪声特征，提出了基于FIR设计滤波器、磁力计数据改进步态检测和姿态计算的行人航迹推算；采用广义似然比辨识零速时刻，基于可靠观测构建自适应滤波模型的零速度修正导航模型。削弱观测值中的噪声信息，提高定向稳定性，增强零速检测的可靠性，改进惯性辅助室内行人导航精度。
陈光武, 李文元, 于月, 刘孝博[4]2019年在《基于改进径向基神经网络的MEMS惯导系统误差抑制方法》文中提出由微机电惯性导航系统和全球定位系统构成的组合导航系统在卫导信号失锁的情况下,纯惯导定位误差将迅速发散。为了抑制惯导系统误差发散,提出了改进的径向基神经网络与自适应卡尔曼滤波算法,并提出了新的网络训练模型,采用自适应量子粒子群算法改进径向基神经网络的结构设计与参数。在卫导信号可用时用组合导航数据训练神经网络,当卫导信号失锁时,由改进的径向基神经网络预测自适应卡尔曼滤波的量测,使滤波器继续为系统提供速度与位置修正值。实验结果表明,转弯行驶状态下,卫星失锁15 s时,相比较原算法,水平定位精度提高了62%,有效抑制了惯导误差。
黄凤荣, 朱雨晨, 杨泽清, 郭兰申, 钱法[5]2019年在《基于高斯混合模型的惯导/计程仪组合导航方法》文中研究表明针对长航时舰船航行过程中电磁计程仪误差变化较大,同时存在未知测量噪声,无法满足船用捷联惯导/电磁计程仪组合导航系统对计程仪要求的问题,提出了一种用于非线性非高斯系统状态估计的滤波方法。以无迹卡尔曼滤波为组合导航系统基本算法,测量噪声密度分布中引入高斯混合模型,提出了捷联惯导/电磁计程仪组合导航的高斯混合模型无迹卡尔曼滤波算法,达到实时准确估计并补偿惯性导航系统误差的目的。航行试验验证了基于高斯混合模型组合导航方法的可行性,使得捷联惯导/电磁计程仪组合导航系统的最大定位误差由水平阻尼的1213 m减小到392 m,且比传统无迹卡尔曼滤波方法进一步消除了计程仪误差的影响,定位精度提高了15%。
宋凯, 钟若飞, 杜黎明, 吴琼, 郭姣[6]2019年在《3D SLAM的室内背包移动测量系统研究》文中进行了进一步梳理针对室内移动测图中GPS信号缺失,导致无法获取精确定位坐标与导航的问题,该文研发了一套室内背包式移动测量系统,该系统能够利用叁维激光定位与测图的方法实现快速同步定位及地图创建和室内叁维激光点云获取,可以应用在室内或地下的环境中进行数据采集,在不损失作业效率的前提下获取系统作业轨迹、高精度点云等多种数据结果。为了对系统的精度进行验证,使用该系统在实验室大楼走廊中进行实验获取室内叁维激光点云,并将实验结果与采用常规测量手段得到的结果进行对比分析。实验表明,此系统的相对精度和绝对精度分别能够达到0.048和0.047m,在室内叁维信息获取过程中相比较于传统作业方式显着提高了作业效率和数据质量,能够满足室内建模与测图要求。
参考文献：
[1]. 微惯导/北斗深组合导航系统主要误差源抑制方法研究[D]. 王安成. 国防科学技术大学. 2014
[2]. GNSS/INS组合导航误差补偿与自适应滤波理论的拓展[D]. 吴富梅. 解放军信息工程大学. 2010
[3]. 惯性导航辅助的无缝定位改进模型研究[D]. 谭兴龙. 中国矿业大学. 2014
[4]. 基于改进径向基神经网络的MEMS惯导系统误差抑制方法[J]. 陈光武, 李文元, 于月, 刘孝博. 中国惯性技术学报. 2019
[5]. 基于高斯混合模型的惯导/计程仪组合导航方法[J]. 黄凤荣, 朱雨晨, 杨泽清, 郭兰申, 钱法. 中国惯性技术学报. 2019
[6]. 3D SLAM的室内背包移动测量系统研究[J]. 宋凯, 钟若飞, 杜黎明, 吴琼, 郭姣. 测绘科学. 2019
标签：电信技术论文; 自适应论文; gnss论文; 误差分析论文; 平滑滤波论文; 卡尔曼滤波论文; 人工智能论文; 自适应滤波器论文; gps论文; gnss系统论文; gps导航论文;