基于MEMS的GPS/SINS舰船组合导航系统设计

针对舰船导航的特点设计了基于MEMS的GPS/SINS舰船组合导航系统,整套系统由GPS卫星导航系统和SINS捷联惯导系统两部分组成;着重介绍了MEMS和组合导航技术以及该设计系统的组成原理和应用前景,并对设计中的关键技术作出详细说明。     

卡尔曼滤波在GPS/SINS船舶组合导航中的应用

本文在深入研究卡尔曼滤波原理及算法的基础上,结合海洋环境实际探索卡尔曼滤波在GPS/SINS船舶组合导航中的应用方法并进行组合导航系统的设计和仿真。为了降低旧数据在误差积累中的权重,本文对记忆数据进行了衰减处理,从而提高整个算法的自适应性能。仿真结果表明,集中式融合和顺序融合误差曲线均存在一定的波动,但绝对误差峰值较小,两者均方误差均为7.563 2。经扩展卡尔曼滤波后的GPS/SINS组合导航系统误差较小,均方误差峰值仅为6.532左右,而单独SINS导航误差约9.532,单独GPS导航误差约10.023。     

卡尔曼/粒子滤波器在船用组合导航中的应用

采用将全球定位系统GPS（Global Positioning System）与捷联惯性导航系统SINS（Strapdown Inertial Navigation System）进行组合导航的方式,组合后系统性能将优于GPS或SINS单独使用时的任一系统。介绍了基本粒子滤波器算法原理并对卡尔曼/粒子组合滤波器在船用GPS/SINS组合导航中的实现形式及算法特点进行了研究。仿真结果表明,对于船用SINS/GPS组合导航问题,卡尔曼/粒子组合滤波器能够获得较高的滤波精度,满足实际船用导航要求。     

船用姿态＋水平速度组合SINS／GPS导航系统的研究及实现

阐述了基于卡尔曼滤波器的船用SINS／GPS姿态 水平速度组合系统的设计及实现方法，建立了12维的组合系统状态方程，给出了GPS误差模型，实现了以GPS与SINS输出的航向角以及北向和东向速度之差作为卡尔曼滤波器观测量的低成本SINS／GPS全组合方案，通过计算机仿真和海上试验验证，证明该方案是可行的，能够加快计算速度，实现实时滤波计算，并大幅度提高姿态测量精度，降低系统成本。     

一种基于DSP的SINS/GPS组合导航系统实现

利用微型惯性测量单元MIMU和GPS接收机,设计了一种基于DSP的SINS/GPS组合导航系统。文章详细介绍了其硬件组成,并在此基础上实现了卡尔曼滤波松散组合的GPS/SINS组合导航。试验结果表明该组合导航系统的结构简单、精度较高,具有很好的实用价值。     

一种新的综合滤波在INS/GPS/CNS组合导航系统中的应用研究

针对INS／GPS／CNS组合导航系统的特点，采用了基于H。滤波的神经网络代替传统卡尔曼滤波器，利用INS／GPS、INS／CNS两个局部滤波器的输出值，通过联合滤波器进行线性最优估计，且进行了计算机仿真。仿真结果表明，该算法在满足系统精度和容错性要求的基础上，有效地改善了系统的自适应性、实时性、鲁棒性等性能，是组合导航系统理想的结构模型。     

GPS/SINS姿态组合系统数据空间同步方法研究

在引入了姿态观测量的基于卡尔曼滤波器的GPS／SINS组合导航系统中，GPS天线体坐标系与IMu所在的载体坐标系由于安装误差或其他原因不能完全重合，两个坐标系之间存在失准角，导致GPS与SINS输出的姿态信息在空间不同步，这将严重影响卡尔曼滤波的效果。针对这一问题进行了深入的研究，分析了姿态测量数据空间不同步的原因，给出了静态和动基座情况下标定两个坐标系位置关系的若干方法并进行仿真分析验证了其可行性。     

SINS/GPS松组合与紧组合两种组合方式的对比研究

SINS/GPS组合导航是现代导航的发展趋势,针对采用GPS输出量的不同,对两种组合方式进行详细的研究.论文建立了松组合与紧组合的数学模型,采用遗忘因子估计的卡尔曼滤波算法提高系统的可观测度和鲁棒性,对于紧组合方式通过增加运动约束的方法提高其可观测度,经过滤波调谐,在仿真模式下进行实验.并得到松组合下系统水平姿态精度优于0.09°,方位姿态精度优于0.23°,水平位置误差小于4m,紧组合下系统水平姿态精度优于0.03°,方位姿态精度优于0.09x(n),水平位置误差小于2m的实验结果.通过SINS/GPS组合导航仿真实验结果验证,表明了SINS/GPS紧组合方式的精度确实要高于松组合方式.     

SINS／Two-antenna GPS组合导航系统设计及实现方案

研究了SINS(Strapdown Inertial Navigation System)／Two-antenna GPS(Global Positioning System)全组合系统，建立了相应的误差模型和系统观测模型，特别是组合系统下的GPS载波相位双差观测模型。提出了一种扩展的卡尔曼滤波方法。并进行了系统硬件集成设计。仿真结果表明：该设计改善了系统性能，提高了导航定位的精度、可靠性和实用性。     

CNS/SINS陀螺标定系统在UUV中的应用

UUV在水下长时间航行后,陀螺的漂移将使导航系统误差发散,严重时可影响作战任务或造成航行安全事故。通常采用的方式是UUV上浮至水面与GPS组合进行校准与标定。由于GPS的输出频率通常较低且海面环境复杂,校准过程消耗较长时间,易使UUV暴露自身位置,破坏作战任务的隐蔽性。针对此问题,设计了一种基于星敏感器的CNS/SINS陀螺标定系统,由CNS提供四元数形式的高精度姿态信息,与SINS的计算姿态进行滤波估计,确定陀螺漂移量。通过仿真分析,模型对陀螺常数漂移的估计准确有效且估计速度快。该方法可结合GPS提供的位置、速度,CNS提供的精准姿态,使UUV快速完成导航系统的校准或重置,对增强UUV在部分任务中的安全与效能具有一定意义。     

SINS/GPS/LORAN-C多传感器组合导航系统研究

基于联邦滤波的捷联惯导与GPS、Loran-C组合导航系统,是利用GPS、Loran-C等子系统提供的参数信息对组合导航系统进行联邦卡尔曼滤波,校正捷联惯导系统的误差。在对系统进行了理论仿真的基础上,进行了海上试验,给出了静态和动态试验的结果。理论仿真和基于实测数据的试验结果表明,此滤波器具有较高的滤波性能和精度,而且提高了导航系统的可靠性。     

基于浮点DSP的SINS/GPS舰船导航计算机设计

导航计算机是航行器导航系统的重要组成部分。介绍一种基于DSPTMS320VC33的光纤SINS/GPS组合导航系统,主从式多处理器结构、高精度数据采集电路、双口RAM并行数据传送模式、FPGA接口电路的设计以及系统软件设计,实验证明该系统具有实时性好、精度高、体积小的优点。     

Comparison of robust H<Subscript>∞</Subscript> filter and Kalman filter for initial alignment of inertial navigation system

There are many filtering methods that can be used for the initial alignment of an integrated inertial navigation system. This paper discussed the use of GPS, but focused on two kinds of filters for the initial alignment of an integrated strapdown inertial navigation system （SINS）. One method is based on the Kalman filter （KF）, and the other is based on the robust filter. Simulation results showed that the filter provides a quick transient response and a little more accurate estimate than KF, given substantial process noise or unknown noise statistics. So the robust filter is an effective and useful method for initial alignment of SINS. This research should make the use of SINS more popular, and is also a step for further research.     

MIMU/GPS/磁罗盘组合导航系统算法研究

在自行研制的微小型MIMU/GPS/磁罗盘组合导航系统上,深入研究了组合导航算法。该组合导航系统用FPGA芯片为主控制器,以TI公司高性能DSP芯片TMS320C6713作为导航解算协处理器。它采用了圆锥误差补偿和划船误差补偿的现代捷联导航算法和18阶状态变量的扩展Kalman滤波算法进行了组合导航参数计算。经室外车载试验表明,该组合导航系统的水平姿态误差小于0.2°,航向角误差小于0.3°,定位精度小于5m。     

Comparison of robust H∞ filter and Kalman filter for initial alignment of inertial navigation system

There are many filtering methods that can be used for the initial alignment of an integrated inertial navigation system.This paper discussed the use of GPS,but focused on two kinds of filters for the initial alignment of an integrated strapdown inertial navigation system (SINS).One method is based on the Kalman filter (KF),and the other is based on the robust filter.Simulation results showed that the filter provides a quick transient response and a little more accurate estimate than KF,given substantial process noise or unknown noise statistics.So the robust filter is an effective and useful method for initial alignment of SINS.This research should make the use of SINS more popular,and is also a step for further research.     

Comparison of robust H∞ filter and Kalman filter for initial alignment of inertial navigation system

There are many filtering methods that can be used for the initial alignment of an integrated inertial navigation system. This paper discussed the use of GPS, but focused on two kinds of filters for the initial alignment of an integrated strapdown inertial navigation system (SINS). One method is based on the Kalman filter (KF), and the other is based on the robust filter. Simulation results showed that the filter provides a quick transient response and a little more accurate estimate than KF, given substantial process noise or unknown noise statistics. So the robust filter is an effective and useful method for initial alignment of SINS. This research should make the use of SINS more popular, and is also a step for further research.     

Research on integrated navigation method for AUV

The principles of the SINS/DVL integrated navigation system are introduced, and the compass status accuracy is compared. When the heading is changed, the dead reckoning algorithm using the heading information of the SINS （Strapdown inertial navigation systems） and DVL （doppler velocity log） is adopted to substitute the SINS/DVL integrated system. The simulation results show that the method can improve the accuracy of integrated navigation system when AUV （autonomous underwater vehicle） is in motion.