简介:无陀螺惯性导航系统是一种主要以加速度计为惯性元件构造的惯性导航系统。本文设计研制了一种基于9加速度计的无陀螺惯性导航系统原理样机,提出了无陀螺惯性导航系统与GPS扩展松组合导航的模型,设计了组合导航的卡尔曼滤波算法,进行了组合导航实验。无陀螺惯性导航系统独立工作模式下3min的纬度误差最大为0.1",经度误差最大为0.6";在GPS不能定位时,3min的松组合导航纬度误差最大为0.08",经度误差最大为0.02"。与GPS扩展组合导航模式下,3min的纬度误差最大为0.01",经度误差最大为0.01"。实验结果表明,与GPS进行扩展松组合导航能够有效提高无陀螺惯性导航系统的长期定位精度,增强GPS导航设备的抗干扰性能。
简介:Unscented卡尔曼滤波(UKF)是一种新的非线性滤波算法,将其引入到GPS/DR系统的滤波中,并针对系统模型的特点对原UKF算法进行了简化,建立了新的滤波方法.仿真结果表明,同EKF相比,UKF的滤波精度和稳定性都显著提高了,还可避免计算烦琐的Jacobi矩阵,真正实现了低成本、高精度的导航定位要求.
简介:—本文介绍了INS/SAR(合成孔径雷达)组合导航系统中的误差修正原理和方法,描述了如何获得观测量和构造INS/SAR组合滤波器。给出的仿真结果证明,这种修正方法能大大提高导航精度,并且具有很强的初始捕获和对准能力。
简介: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%。
简介:摘要:微惯性行人导航系统和虚拟惯性导航系统,通过对卡尔曼滤波方程的可观测性分析,发现其航向角误差的可观测性很差,卡尔曼滤波器不能精确的将其航向角误差估计出来,所以足部航向角误差逐步积累,无法通过零速修正的方式对航向角进行修正。基于磁传感器获取航向角的方法容易受到地球磁场的干扰。为了提高足部惯性导航系统的航向角精度,本文研究了基于足部惯性信息辅助的视觉导航系统,在某种行走方式下,将足部惯性导航系统的航向角用视觉/惯性组合导航系统的航向角替代。
简介:以SINSiGPS组合导航系统为背景,在对Kalman滤波原理和工程应用进行深入分析的基础上,总结了该方法的不足,提出了应用神经网络和模糊推理技术对系统噪声、观测噪声和其相关阵进行直接调控的方法。该方法根据新息和新息方差的变化,实时调整自适应因子,间接改变Kalman滤波器的当前观测量和过去信息的比例关系。仿真结果表明,该算法对模型和噪声干扰有较强的自适应性,能够有效抑制滤波发散,在不损失原有精度的前提下,提高了系统的鲁棒性。
简介:提出一种单目视觉里程计/捷联惯性组合导航定位算法。与视觉里程计估计相机姿态不同,惯导系统连续提供相机拍摄时刻对应的三维姿态,克服了单纯由视觉估计相机姿态精度低造成的长距离导航误差大的问题。通过配准和时间同步,用惯导系统解算的速度和视觉里程计计算的速度之差作为组合导航的观测量,采用Kalman滤波修正组合导航系统的误差,同时估计视觉里程计标度因数误差。分别在室内外不同环境下进行了22m的推车实验和1412m的跑车实验,定位误差分别为3.2%和4.0%。与Clark采用姿态传感器定期更新相机姿态估计结果的方法相比,单目视觉里程计/惯性组合导航定位精度更高,定位误差随距离增长率低,适合步行机器人或轮式移动机器人在复杂地形环境下车轮严重打滑时的自主定位导航。