四大导航系统在舰船作战系统中的应用

军事舰船在海上执行任务时,为了获取侦测目标的准确信息,需要借助导航系统实现航行线路的规划和目标的定位。本文介绍了全球范围内最为常用的4种导航系统:GPS导航系统、北斗卫星导航系统、伽利略导航系统和格洛纳斯(GLONASS)全球卫星导航系统,重点介绍了北斗卫星导航系统和GPS导航系统的原理,并基于成熟的导航技术,研究了舰船作战系统中导航系统的信息融合问题,开发了一种基于卡尔曼滤波算法的舰船组合导航系统的信息融合技术。试验表明,本文研究了舰船作战系统的导航信息融合技术可以提升侦察目标的准确度,提升作战水平。     

基于自适应滤波器的AUV组合导航系统研究

为满足自主式水下航行器(AUV)应对水下复杂环境和水下高精度导航的需求,提出了捷联式惯性导航系统(SINS)、多普勒计程仪(DVL)、磁罗经导航系统(MCP)和地形辅助导航系统(TAN)的水下组合导航系统方案,设计了一种基于BP神经网络的自适应滤波算法,建立了卡尔曼滤波器的线性滤波方程和导航传感器的量测方程,根据数学模型进行仿真实验。仿真结果表明,导航传感器和基于神经网络的自适应滤波技术的应用大大提高了AUV的导航精度和自适应能力。     

基于Hopfield神经网络的导航系统的滤波估计

介绍了以中精度惯性导航系统INS(Inertial Navigation System)为主,与全球导航定位系统GPS(Global Position System)等多个次级导航系统组成的导航系统的实现方案.设计了基于Hopfield神经网络的导航系统的滤波估计算法.经计算机模拟仿真证明,神经网络的算法优于通常的卡尔曼滤波方法.     

船舶导航技术和设备发展新动向

自动雷达标绘仪(ARPA)、自适应自动舵和综合导航系统三种新潮系统,在80年代曾被誉为船舶导航设备的“三大件”。而今,船舶导航设备和系统又有了新的“三大件”,那就是:综合船桥(IB)、全球卫星导航仪(GPS)和电子海图信息显示系统(ECDIS)。“窥一斑而见全豹”,船用导航系统“三大件”的变迁和发展,从一个侧面显露了当今船舶导航朝实现船舶航行全自动化方向发展的总趋势。本文拟围绕船舶导航系统的新“三大件”,对当今世界船用导航设备和系统的发展新动向作一个扼要的综述。     

基于SINS/DVL/GPS的AUV组合导航标定方法的研究及其误差分析

为了进一步提高自主水下航行器(AUV)捷联惯导(SINS)与多普勒计程仪(DVL)组合导航定位精度,需要准确标定出SINS与DVL之间的安装误差角以及DVL的刻度系数。论文系统的介绍了组合导航系统的标定方法和流程,最后分析了组合导航系统的误差来源。     

美国海军航母及编队导航系统分析

重点研究美国航母及编队导航系统的核心——导航传感器系统接口(NAVSSI)的系统构成及主要功能,分析美国航母及编队导航系统从数据输入、数据检查、数据处理到数据分发的整个信息流程及信息安全问题,并总结美国航母及编队导航系统的特点.     

关于舰载分布式处理系统拓扑结构的发展趋势

综合化是当前舰载分布式处理系统(包括指挥控制系统、武器控制系统、通信系统、导航系统和动力控捌系统等)的一个发展趋势。在电子设备日益增多的现有舰艇上,     

大尺度欠驱动高速AUV导航系统研制

[目的]针对某新型大尺度欠驱动高速自主式水下机器人(AUV)导航系统的研制,[方法]详细介绍AUV导航系统的硬件组成及软件构架,构建基于VxWorks实时嵌入式操作系统的AUV组合导航系统。考虑到高速AUV导航系统的非线性特征及容错性要求,将无迹卡尔曼滤波(UKF)技术用于联邦滤波器,设计基于UKF的联邦卡尔曼滤波器,并对导航系统的二维平面模型进行数值仿真。[结果]结果表明,联邦无迹卡尔曼滤波器相比传统的卡尔曼滤波方法能够获得更高的精度和更好的鲁棒性;半实物仿真联调试验、水池试验、湖上试验及艇载试验充分验证了导航系统的实时性和可靠性,[结论]证明该系统能够满足AUV航行任务的需要。     

美日联手推出声控汽车导航系统

美国国际商用机器公司(IBM)和日本本田汽车公司已经联手开发出世界上第一个可用语音控制的汽车导航系统。IBM公司说，这一导航系统能够识别美国大陆所有城市和街道的名称，只要司机说出要去的城市、街道和邮编，导航系统就能用语音提前提示司机在何处拐弯。声控系统还输入了全国范围的餐馆名称和地址，     

RDSS/LORAN-C组合导航的实现方法研究

目前，世界各国都认识到在开发应用卫星导航系统的同时，必须继续发展陆基无线电导航系统。因此，我国在大力发展双星导航系统(RDSS)的同时，还应继续加强LORAN—C系统的的研究，积极开发RDSS／LORAN—C组合导航的潜力。本文对RDSS／LORAN—C组合导航的优势和可实现性进行了分析，提出了三种不同的数据组合方法，并给出了这三种方法性能的简单比较。