基于UKF的水下地形匹配算法组合

为了克服断续地形辅助导航给UKF算法带来的不利影响,提出了改进TERCOM／ICCP＋UKF地形匹配组合算法.首先分析了基于UKF的水下地形匹配算法及其在实际水下地形辅助导航中的局限性.然后,针对UKF地形匹配效果易受大初始位置误差影响的不足,以“粗搜索”＋“精匹配”的算法组合模式为基础,给出了TERCOM、ICCP和UKF匹配算法的组合策略和算法克服相似地形影响的方法.仿真显示,较之单一UKF匹配算法,组合算法能够克服了大初始位置误差对算法匹配效果的影响,具有更好的工程适用性.     

基于地形熵和ICCP算法的水下辅助导航组合方法研究

基于ICCP算法的水下地形辅助导航可以很好地弥补INS长期误差积累的缺点.但ICCP算法在INS初始误差较大情况下易发散,为解决这个问题,提出用地形熵和ICCP算法的组合方法,即先用地形熵算法做粗匹配来降低INS的初始误差,用ICCP算法进行精匹配得到最佳匹配位置,在粗匹配阶段采用动态门限法,在精匹配阶段引入滑动窗口,这样可提高组合算法的快速性.仿真结果表明,组合算法是正确的和有效的.     

水下地形辅助导航新方法仿真

水下地形辅助导航是水下运载体导航定位技术研究的关键技术之一。传统的水下地形辅助导航采用回声测深仪,导航定位精度低,有时甚至失效。本文将多波束测深引入水下地形辅助导航,将水深映射为灰度值,利用快速傅立叶变换将输入灰度图从空间域变换为频率域。先采用相位相关技术进行粗匹配,再采用图像Hu不变矩特征进行精匹配,实现导航定位。对基于不同实验获取的实测海底地形图、惯性导航数据、DGPS数据以及多波束实测数据进行了实验室仿真。仿真结果表明,新方法可以极大地提高水下地形导航定位精度,使INS误差降低到原误差的15%以内,尤其是在INS初始误差较大时(小于3 km)导航定位精度改进更好。     

海底地形辅助导航SITAN算法的改进

利用海底地形辅助导航是水下载体导航技术致力研究的新方向,在利用多波束测深系统测量真实地形数据的基础上,采用SITAN算法作为对准匹配算法,对传统的SITAN算法加以改进,进行仿真计算,得到水下载体的最佳匹配位置,以提高水下载体的导航精度.仿真结果表明,改进后的SITAN算法更能满足导航的精度要求.     

基于卡尔曼滤波的地形辅助导航

利用海底地形辅助导航是水下载体导航技术致力研究的新方向。该文利用多波束测深系统测量真实地形数据,在此实测地形图的基础上,采用ICCp算法为对准匹配算法,得到水下载体的最佳匹配位置,提高水下载体的导航精度。并利用仿真以平台式惯导系统为例,用卡尔曼滤波对惯导系统误差进行最优估计,取得了较好的效果。     

水下航行器组合导航蔽障控制器的设计与实现

为了提高水下航行器的蔽障性能,进行组合导航蔽障控制器优化设计。针对水下航行器导航中容易出现横滚误差的问题,提出一种基于横滚小扰动误差补偿的组合导航蔽障控制算法,构建水下航行器组合导航蔽障控制对象模型,进行控制约束参量分析,设计组合导航蔽障的运动方程和控制目标函数,采用小扰动误差补偿方法进行横滚误差抑制,提高控制精度,在纵向运动的弹道模型下实现控制器的优化设计。仿真结果表明,采用该控制方法进行水下航行器组合导航蔽障控制的误差较小,收敛性和鲁棒性较好,性能优越。     

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。     

重力场辅助水下导航仿真及分析平台的构建

基于Simulink工具对重力场辅助水下导航仿真及分析平台进行了详细设计,并对平台各模块的原理、建立过程和细节进行了详细介绍,形成了从基础重力格网数据库构建、匹配算法设计到最终性能评估的完整的重力场辅助水下导航仿真体系.该平台集成了现阶段比较优秀的重力场网格插值模型和匹配算法模型,只需要简单地对相应的算法Matlab函数进行修改就能方便地进行对比研究,是进行重力场匹配导航实验研究、演示验证的有力工具.     

基于快速卡尔曼滤波的SAS水下组合导航方法

合成孔径声呐(SAS)成像是基于匀速直线运动这一理想模型的,因此需要对其进行水下导航运动参数估计并确定出1条用于运动补偿的理想航迹。一般可以利用高精度的组合导航方法测量获得。文中研究了基于光纤陀螺惯导(Octans)和多普勒声速剖面仪(ADCP)等设备的SAS水下导航方法,建立组合导航系统的误差方程,并利用快速跟踪卡尔曼滤波技术进行了SAS的运动参数估计仿真。仿真结果表明,位置误差精度达到航程的0.24%,可作为SAS的水下导航方法。     

水下航行器多普勒导航系统误差辨识与修正

水下航行器(Autonomous Underwater Vehicles,AUV)在水下往往采用航位推算定位方式.由于存在传感器误差,航位推算的定位误差是随着时间发散的,而直接准确检测这类误差非常困难.对多普勒导航系统进行导航误差分析,简化航位推算算法,在此基础上推导出一种新的辨识AUV导航误差参数的方法.仿真结果表明,该算法能够准确辨识AUV导航误差参数向量,可以有效提高AUV自主导航精度,且方法合理、简单.     

水下机器人航位推算导航系统及误差分析

构建了基于GPS/航位推算的智能水下机器人(AUV)组合导航系统,阐述了水下机器人导航系统体系结构,详细介绍了基于强跟踪卡尔曼滤波和辛格模型的航位推算导航算法,解决了水下机器人难以建立精确数学模型的问题,最后结合海上实验数据深入地分析了产生航位推算误差的原因,并有针对性地提出了降低水下机器人航位推算导航系统误差的方案。     

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。     

粒子群优化算法在海底地形导航中的应用

海底导航技术随着深海测量技术的不断进步,得到了迅速的发展,逐渐成为各国研究的热点方向。传统的地形匹配算法由于海底地形的特殊性等因素,普遍存在复杂度高、匹配误差大等问题。本文研究了常规粒子群算法,将平均Hausdorff距离和混沌局部搜索引入粒子群算法中,有效降低算法复杂度,同时提高STAN的定位精度和计算速度,并给出仿真结果。     

SVR辅助SINS-DVL的水下机器人组合导航方法

多普勒计程仪(DVL)在水下导航系统应用越来越广泛。当海底环境发生变化时,DVL会发生数据刷新频率不稳定,数据无效等情况。为了提高导航的可靠性,本文提出了一种变训练集的SVR回归方法,对DVL的数据进行预测。根据水下机器人的速度变化率和加速度变化率调节训练集大小。把捷联惯导(SINS)的东向和北向速度作为输入,DVL东向和北向速度作为输出对模型进行训练。根据SINS的数据输出频率,选取合适的预测数据输出频率进行仿真。仿真发现算法有效地提高了SINS/DVL组合导航的精度,并在DVL数据无效时,有效地抑制误差,提高导航系统的稳定性。     

单频实时GPS软件接收机导航解算的C＋＋实现

针对单频实时GPS软件接收机的导航解算部分主要算法进行了研究,采用C＋＋语言实现了该部分的仿真,并与MATLAB平台条件下仿真结果进行比较,仿真及测试结果表明采用C＋＋语言编制的算法比MATLAB环境实时性要快近3倍,二者间方差的误差约为10^-3米,满足一定条件下应用要求。并基于中频采样器GPS210A的前端在不同地区进行了实际数据验证,结果表明本程序可广泛运用于不同地区的导航解算,此时其误差产生的主要原因为电离层延迟。     

AUV导航技术概述

AUV具有良好的隐蔽性、自主性和水下适应性,在探索海洋方面的作用日益凸显。高精度的定位导航是AUV执行任务和安全返回的重要保障,随着水下作业的多样化和工作条件复杂化,AUV的导航性能被提出了更高要求。从当前典型AUV的导航配置入手,阐述适用于水下环境的惯性导航、声学导航、地球物理场导航等重点方法,并分析几种典型组合导航方式和协同导航模式的应用,总结了所涉及的关键技术及未来发展趋势,为今后更进一步的研究打下基础。     

基于PMF算法的水下地形匹配技术研究

作为海洋地球物理导航方法之一的水下地形匹配导航技术正受到各国的强烈关注。文章采用PMF（point—mass filter）算法作为匹配定位算法,利用peaks函数产生模拟数字地图,进行仿真计算,并对计算所得的估计值进行了真实性判断。通过与TERCOM算法的比较,表明该算法具有良好的精确性和鲁棒性。     

基于USQUE的四元数容积卡尔曼滤波算法在组合导航中的应用

组合导航是导航领域中一个重要的研究领域和应用方向。传统的基于惯导误差模型的组合导航模式,因模型在建立过程存在各种近似计算,这必然使得建立的模型中引入诸多近似误差和模型误差,因此,其信息融合的估计精度下降。论文基于USQUE计算流程,提出一种四元数容积卡尔曼滤波算法,并将该算法应用于SINS/GPS位置松组合导航问题当中,仿真结果验证该算法的有效性并且具有较高的估计精度。     

粒子群优化算法在海底地形导航中的应用

通过研究将连续粒子群优化算法离散化,提出二进制离散粒子群优化算法。在海底地形导航的非线性、实时性、精准性的情况下,利用2个子群的协同进化来降低陷入局部最优的风险,有效提高收敛速度。最后通过与传统的地形轮廓匹配算法进行对比,说明本文算法在经纬度误差和最佳匹配点定位方面更具优越性。     

简化UKF算法在SINS／GPS组合导航中的应用

针对SINS／GPS组合导航系统的特点,建立了系统的非线性误差模型。根据系统状态方程为非线性而观测方程为线性的特点,将一种简化的UKF方法（Rao-Blackwellisation Additive Unscented Kalman Filter,RBAUKF）用于SINS／GPS组合导航系统中,RBAUKF采用较少的采样点数目和简化的更新算法,降低了计算复杂度。最后,在机动条件下,进行了SINS／GPS组合导航实验仿真。仿真结果表明,RBAUKF相比EKF具有更高的滤波精度,更适合在SINS／GPS组合导航系统中应用。