基于扩展卡尔曼滤波器的超紧耦合GPS／INS组合导航系统设计
基于扩展Kalman滤波的GPS定位算法研究
基于扩展Kalman滤波的GPS定位算法研究GPS定位算法是现代导航系统中的重要组成部分，其精度直接影响到车辆的位置准确性、导航指引的正确性以及整个系统的性能。
虽然传统的Kalman滤波算法已经被广泛应用于GPS定位中，但是在特殊场景下，其精度还是有限。
因此，本文将介绍基于扩展Kalman滤波的GPS定位算法研究进展。
1. GPS定位原理及基本流程GPS定位系统基于卫星发射信号和地面接收器接收信号的时间差测量来确定接收器的位置。
GPS基本流程如下：首先，接收器与卫星之间通过微波通信建立联系。
接收器接收从卫星发送的导航信号，并记录其时间信息。
接收器将测量到的信号传输时间与卫星发射信号的时间进行比较，从而计算出信号传播的时间差。
每个卫星都有自己的坐标，这个卫星通过可见性能够被确定，并且相应的位置信息会被传输回地面接收器。
由于接收器记录了至少三个卫星信号的时间信息，因此可以使用数学方法推导出接收器的位置坐标。
在实践操作中，这个方法会考虑到信号传播的时间以及各种噪声的影响，最终得到卫星定位及地球表面物体的坐标信息。
GPS定位算法的最终结果质量与GPS接收机的设计和信号处理算法有关。
2. 传统Kalman滤波算法在GPS定位中的应用Kalman滤波是一种最优估计过程，用于估计具有内部噪声和外部力影响的系统的状态变量。
Kalman滤波包括两个步骤：预测和修正。
预测步骤利用系统动力学方程来预测下一个时刻的状态变量。
修正步骤则使用测量方程将观测数据与预测结果进行比较，计算出评估误差，并将其用于调整预测值，得到更精确的结果。
在GPS定位中，传统Kalman滤波算法的基本思路是基于GPS信号的三个度量值，即码伪距、载波相位和多普勒频率，将其作为状态向量，建立状态方程和观测方程，然后利用Kalman滤波算法进行状态估计。
然而，Kalman滤波算法对于状态变量的线性性、高斯性等有一定的前提条件。
在实践中，GPS信号在传输过程中会受到多种噪声的干扰，使得传统Kalman滤波的预测结果精度有限。
卡尔曼滤波与H∞滤波在INS／GPS组合导航中的应用
０ 弓Ｉ
舌
式 中 ｘ（） 为状 态矩 阵
组 合 导航通 常 采用传 统 的卡尔 曼 （ ｌ ｎ 滤 Ｋａｍａ ）
波方法 将 各种传 感 器 的信息融 合在 一起 ， 使得 构成 组 合 系统 的各项 性 能 指标 均优 于 ２个 子 系 统 单独 工 作 时的性 能 。但 是 在 对 参数 不确 定 系 统 和 有 色 噪声情 况 下 ， ｌ ｎ滤波器 效果 难 以令人 满意口 ， Ｋａｍａ ］ 而近 年来 提 出的 Ｈ 滤波方 法对 不 确定 和 有色 噪声
Ｉ ／ Ｓ组合 导航 ， 何 确 定 ｙ值 以更 好 地 提 高 ＮＳ ＧＰ 如 精度 是下 一 步研究 的重 点 。
原 理 ［ ． 安 ： 北 工 业 大 学 出 版社 ，０ ７ Ｍ］ 西 西 ２０．
作者简 介
参 考 文献
波算 法 与 Ｈ。滤波 算 法 ， 过 ＶＳ ０ ８编 程 实 现算 。 通 ２０
法 。对 于滤波 初值 的选 取 ， 样 频率 为 １ ｏＨｚ下 采 ０ ， 列参 数 由经验 确定 ： 状态 Ｘ 的初 值 全部 取 零 ， 陀螺
２ 卡尔 曼 滤 波 与 Ｈ。 波 方 程 。 滤
将 上 述 Ｉ ／ Ｓ组 合 导 航 模 型 离 散 化 后 分 ＮＳ ＧＰ 别 建立标 准 卡尔 曼滤 波算 法与 Ｈ 滤 波算 法
具 有 较 强 的 鲁 棒 性 能 ， 满 足 人 们 对 性 能 的 要 能
ｘ（）一 ［
８ ｖ
８ ８ １ ｗ ｆ］ × ￣
Ｆ ￡为连 续系 统 的状 态 转移矩 阵 （）
ｏ ｏ ０ ｏ
Ｆ ＝ ＝
一
２
求［ 。研究 了 Ｉ ／ Ｓ线 性 系 统 的 滤波 问题 ， ２ ］ ＮＳ ＧＰ 分 别用 卡尔 曼滤 波和 Ｈ 滤 波解 的实 例仿 真 说 明 了所 提 出方法 的可行性 和正 确性 。
SINS／GPS组合导航的扩展Kalman滤波算法
我们采用 Ｓ Ｉ ＮＳ和 Ｇ Ｐ Ｓ的 松 耦 合 方 式 ， 利 用
航 信息 ， 具 有不受 外 界 干扰 、 动态 性 能好 、 更 新 频 率
快 等优 点．但 是 ， 陀螺、 加速度计的误差导致 Ｓ Ｉ ＮＳ 的导航 参数 误差 会 随 着 时 间 的积 累 而增 大 ， 长时 间 工 作后 不能 保证 足够 的导 航精 度 ｌ １ ］ ．
文献标识码 ： Ａ
３２ ６９ ．２ ０１ ３． ０ ４． ００１
给出了 Ｓ Ｉ ＮＳ和 Ｇ Ｐ Ｓ组 合 的 仿 真． 由仿 真 可 见 ，
１ 引 言
捷联惯性 导航系统 Ｓ Ｉ ＮＳ （ Ｓ ｔ ｒ ａ ｐ — ｄ ｏ ｗｎ Ｉ ｎ ｅ ｒ ｔ ｉ ａ ｌ
Ｓ Ｉ ＮＳ ／ ＧＰ Ｓ组 合 导 航 系 统 优 于单 一 的导 航 系 统 ， 完 全 满足 了较 高精 度 、 高 可靠性 的 导航要 求 ．
明， 该 算法简单 ， 容 易 实现 ， 能 满 足 导 航 精 度 要 求．
关 键 词： Ｓ Ｉ Ｎ Ｓ ／ ｌ ｍａ ｎ滤 波
中 图 分 类 号 ： ＴＮ ９ ６ ７ ． ２ ｄ ｏ ｉ ： １ ０ ． ３ ９ ６ ９ ／ ｊ ． ｉ ｓ ｓ ｎ ． １ ０ ０ ６
但 由于加速 度计 的 随机 常 数 和 白噪声 较 小 ， 因此 通
Ｎａ ｖ ｉ ｇ ａ ｔ ｉ ｏ ｎ Ｓ ｙ ｓ ｔ ｅ ｍ） 通 过 陀 螺 和加 速度 计 测 量 得 到 的载 体角 速度 和加 速度 数据 ， 经一 系列 坐 标转 换 、 积 分 和数 学计 算 获得 载 体 的 姿 态 角 、 位 置 和 速度 等 导
２ Ｓ Ｉ ＮＳ ／ ＧＰ Ｓ组 合 导 航 的 系 统 模 型
《基于CKF算法的SINS-BDS超紧耦合组合导航方法研究》范文
《基于CKF算法的SINS-BDS超紧耦合组合导航方法研究》篇一基于CKF算法的SINS-BDS超紧耦合组合导航方法研究一、引言随着全球定位系统（GPS）和惯性导航系统（INS）技术的快速发展，组合导航技术已经成为现代导航系统的重要发展方向。
本文针对SINS（Strapdown Inertial Navigation System，捷联式惯性导航系统）与BDS（北斗卫星导航系统）之间的超紧耦合组合导航方法进行了深入研究。
本研究通过采用CKF（基于Chaos Kriging Kernel的非线性滤波算法）算法来提高SINS/BDS组合导航系统的性能和可靠性。
二、背景及意义在传统导航系统中，SINS与BDS分别依靠不同的工作原理提供各自的导航信息。
然而，这两种导航系统在实际应用中存在着一定的局限性。
SINS的精度随时间增长而逐渐降低，而BDS 在复杂环境中可能受到干扰和影响。
因此，将SINS与BDS进行组合，通过超紧耦合的方式提高导航系统的性能和可靠性具有重要的研究意义。
本研究采用CKF算法作为核心算法，以提高SINS/BDS组合导航的准确性和稳定性。
三、CKF算法介绍CKF算法是一种基于Chaos Kriging Kernel的非线性滤波算法，具有优秀的滤波性能和抗干扰能力。
该算法能够在高动态、复杂环境下有效估计系统状态，降低系统噪声和误差的影响。
本研究将CKF算法应用于SINS/BDS超紧耦合组合导航系统中，以实现更高精度的导航定位。
四、SINS/BDS超紧耦合组合导航方法研究本研究通过建立SINS/BDS超紧耦合组合导航模型，将SINS 和BDS的测量信息进行紧密融合。
在CKF算法的帮助下，该模型能够实时估计系统状态，并对误差进行修正。
具体研究内容包括：1. 构建SINS/BDS组合导航模型：通过分析SINS和BDS的工作原理及特点，建立两者之间的数学模型，实现信息的紧密融合。
2. 引入CKF算法：将CKF算法应用于SINS/BDS组合导航模型中，实现对系统状态的实时估计和误差修正。
GPS与惯导系统的组合导航技术
谢谢观看
LOGO
GPS/INS
INS:
INS 不仅能够提供载体位置、速度参数,还能提 供载体的三维姿态参数,是完全自主的导航方式,在 航空、航天、航海和陆地等几乎所有领域中都得 到了广泛应用。但是,INS 难以克服的缺点是其导航 定位误差随时间累加,难以长时间独立工作。
LOGO
GPS/INS
GPS/INS组合:
LOGO
紧耦合和松耦合
优点:
1.组合结构简单，便于工程实现，便于实现容错 2.两个系统能够独立工作，使得导航系统有一定的 余度
缺点:
1. GPS 输出的位置、速度通常是与时间相关的； 2.INS 和 GPS 信息流动是单向的，INS 无法辅GPS。
LOGO
GPS/INS
紧耦合:
紧耦合模式是指利用 GPS 接收机的的原始信息来和惯 导系统组合，原始信息一般是指伪距、伪距率、载波 相位等。
LOGO
分类:
基于卡尔曼组合数据的融合方法
按照组合中滤波器的设置来分类，可以分成： 集中式的卡尔曼滤波 分布式的卡尔曼滤波 按照对系统校正方法的不同，分为: 开环校正(输出校正) 闭环校正(反馈矫正) 按照组合水平的深度不同，分为： 松耦合 紧耦合 根据卡尔曼滤波器所估计的状态不同，卡尔曼 滤波在组合导航中的应用有: 直接法 间接法
目录
2 3
LOGO
紧耦合和松耦合
基于卡尔曼滤波的组合方式:
利用卡尔曼滤波器设计 GPS/INS 组合导航系统的方法 多种多样按照组合水平的深度不同，分为： 松耦合 紧耦合
LOGO
紧耦合和松耦合
松耦合:
松耦合模式是指直接利用 GPS 接收机输出的定位信 息与 INS 组合，它是一种 低水平的组合。位置、速 度组合是其典型代表，它 采用 GPS 和 INS 输出的位 置和速度信息的差值作为 量测值。
基于扩展卡尔曼滤波的GPS导航系统设计
基于扩展卡尔曼滤波的GPS导航系统设计随着科技的不断发展，全球定位系统（GPS）已经成为现代导航系统中不可或缺的一部分。
GPS导航系统可以帮助我们确定当前的位置，并提供最佳的路线规划，以便我们到达目的地。
在这篇文章中，我们将从基础的GPS技术入手，介绍通过扩展卡尔曼滤波算法设计GPS导航系统的方法和技术。
GPS导航系统的原理和基础知识GPS导航系统是由一组卫星和地面的基站组成的。
GPS卫星通过广播时间信号使接收器可以计算出自己的位置，并确定地面上目标的位置和速度。
使用GPS技术可以更有效地应用我们的移动设备和汽车导航系统，但是由于GPS信号容易受到各种干扰和错误，这就需要使用一种基于扩展卡尔曼滤波的方法来进行校准和纠正。
为了更好地理解GPS导航系统，我们需要了解GPS信号的基本工作原理。
GPS卫星向接收器发送时钟信号，接收器可以用这个信号来计算出到该卫星的距离，然后通过三个卫星来确定自己的位置。
然而，由于GPS信号很容易受到干扰和误差，因此在实际应用中可能出现较大的误差。
扩展卡尔曼滤波扩展卡尔曼滤波是一种常用的GPS信号校正和纠正的算法。
它是卡尔曼滤波的扩展版本，根据实际的GPS数据来计算位置和速度，并对信号进行校正和纠正。
扩展卡尔曼滤波的基本原理是根据已知的系统模型计算未知的状态向量，并利用这些计算出的状态向量来估计未来的值。
在GPS导航系统中，这意味着我们可以根据已知的卫星位置和时钟信号来计算目标的位置和速度。
在扩展卡尔曼滤波算法中，我们首先需要确定系统的状态向量和测量向量。
系统状态向量是包含目标位置和速度的向量数组，而测量向量则包含所有测量的值，包括GPS卫星的位置和时钟信号。
然后我们通过以下步骤来计算：1.预测：利用当前的系统模型以及上一次的状态和控制向量来预测下一步的状态变量。
2.更新：根据测量向量来更新状态变量，并利用卡尔曼增益来确定测量向量和预测向量之间的误差，并将误差减去。
3.重复：重复以上两个步骤直至计算出最后的状态向量。
基于Kalman滤波的GPSSINS组合式无人机导航研究与实现
基于Kalman滤波的GPS/SINS组合式无人机导航研究与实现导航与定位一直是国内外军用和民用领域研究的热点,在载体平台智能化不断升级过程中单一性导航系统已经很难满足技术应用与发展的要求,因此,多系统的组合式导航方式在科研领域越来越受到学者们的关注。
本文通过对全球卫星定位系统和捷联式惯导系统进行深入分析各自存在的优缺点后,对两系统使用Kalman滤波算法实现组合定位,集成两者之间的主要优点,进行优势互补,能够
保证系统较高的精度与可靠性,使其总体性能远远大于单一独立系统。
首先,本文阐述了课题的研究目的和研究意义,对国内外组合导航的发展近况做出了分析,并对论文文各章节所完成的主要工作进行了说明。
其次,分别研究了 GPS和SINS各自工作的原理,对运行中涉及到的坐标系进行了介绍并给出了转换方法,对影响GPS定位精度的误差源进行了逐一分析并给出了相应的改正模型;分析了 SINS的力学编排、基于“四元数”算法的SINS姿态更新方程、速度更新方程以及位置更新方程,并给出误差方程,根据实际情况设计了载体运行轨迹,进行了实验验证。
然后,通过对载体工作环境进行分析,设计了一种适用于短时间运行的组合式导航松耦合数学模型,并对Kalman滤波进行介绍并给出了滤波流程,经测试结果表明采用经结合后的系统即能够解决SINS长时间累积误差发散的问题,又能够避免单独使用GPS刷新率较低的不足,保证了在导航定位的实时性和精确性。
最后,对论文进行总结,得出该设计方案能够满足低成本、微小型载体平台的需求,并且对今后下一步工作进行了展望。
基于自适应迭代扩展卡尔曼滤波算法的INSBDS组合导航系统
惯性导航系统(Inertial Navigation System ，INS )和北斗卫星导航系统(Beidou Navigation Satellite System ，BDS )是目前两种重要的舰船导航系统。
惯性导航系统(INS )是自主导航系统，仅依靠自身就能进行连续的导航和定位，具有自主、隐蔽等特性，所获取舰船的运动信息完备，但其定位误差是积累的，随着时间的积累而不断增大[1]。
北斗卫星导航系统(BDS )的定位精度系统与第3代GPS 定位精度相当，具有观测时间短、定位连续、精度高、误差不随时间积累等优点，可提供覆盖全球的精准定位、导航和授时(Positioning ，摘要为克服惯性导航系统(INS)的积累误差，提高误差的修正精度，提出了基于多天线北斗差分载波相位的北斗/惯性导航系统组合导航算法。
该算法建立并线性化惯性导航系统(INS)和北斗导航系统(BDS)的状态方程和量测方程，对系统的运动状态参数应用自适应迭代扩展卡尔曼滤波(adaptive iterated extended Kakman filter ，AIEKF)算法进行估计。
仿真结果表明，自适应迭代扩展卡尔曼滤波算法能够提高INS/BDS 组合导航系统的精度和抗干扰能力，验证了自适应迭代扩展卡尔曼滤波算法的有效性。
关键词INS;BDS;组合导航;自适应卡尔曼滤波中图分类号:U666.1文献标识码:A DOI ：10.19694/ki.issn2095-2457.2020.04.81基于自适应迭代扩展卡尔曼滤波算法的INS/BDS 组合导航系统INS/BDS Integrated Navigation System Based on Innovation-based Estimation Adaptive Kalman Filter Algorithm张源詹金林韩冰陈伟ZHANG Yuan ZHAN Jinlin HAN Bing CHEN WeiAbstractTo achieve high accuracy for INS,this paper presents an INS/BDS adaptive navigation system for marine application.BDS with multi-antennas Dual-Differential carrier phase observation model provides vessel ’s altitude and is selected as the auxiliary navigation system to fuse with INS to obtain better estimation accuracy of INS errors.In oder to solve the degradationperformance of integrated navigation system caused by BDS unstable measurement disturbs,a novel innovation-based adaptive estimation (AIE)kalman filtering approach is proposed.Simulation results show that the novel innovation-based adaptive estimation kalman filtering surpasses thestandard kalman filter with better accuracy,robustness and lesscomputation.Key wordsInertial navigation system;BDS;Integrated navigation system;Adaptive kalman filter;Innovation-based adaptive estimation张源海军士官学校(蚌埠233012)詹金林海军士官学校(蚌埠233012)韩冰海军士官学校(蚌埠233012)陈伟海军士官学校(蚌埠233012). All Rights Reserved.Navigation and Timing，PNT)服务[2]。
基于卡尔曼滤波的GPS与INS位置组合导航及matlab仿真
ˆ (k ) ，则 其中，y(k)是能够量测的输出量。问题是根据量测量 y(k)估计出 x(k)。若记 x(k)的估计量为 x (k ) x(k ) x ˆ (k ) x
为状态估计误差，因而 （1-4）
(k ) x T (k ) P (k ) Ex
（1-5）
为状态估计误差的协方差阵，显然 P(k)为非负定对称阵。这里估计的准则为根据量测量 y(k), y(k-1), …最优
式中： （1-22）
在以上的计算过程中，将式(1-17)展开得
P (k ) P (k k 1) K (k )CP (k k 1) P (k k 1)C T K T (k ) K (k )CP (k k 1)C T K T (k ) K (k )WK (k )T [ I K (k )C ]P (k k 1) P (k k 1)C T K T (k ) K (k )[CP (k k 1)C T W ]K (k )T
其中： （1-18）
R [ I K (k )C ]P (k k 1)C T K (k )W
（1-19）
如果 K(k)能够使得式(1-17)中的 P(k)取极小值，那么，对于任意的增量ΔK(k)均应有ΔP(k) = 0。要使该 点成立，则必须有
R [ I K (k )C ]P (k k 1)C T K (k )W P (k k 1)C T K (k )[CP (k k 1)C T W ] 0
0sintancossintan0cos0sineeieiennenenienmuneienmnmennienuenvvlllrhrhvvllrhrhvvlrhrhvrhvllrhvrh????????????????????????????????????????????????????????????????????????????????????????????????????????2tancossecenueienvllllrh?????????????????????????????????????????????25222速度误差方程及位置误差方程速度误差方程矩阵表达式为
推荐-卡尔曼滤波在INSGPS组合导航中的应用研究 文献综述报告 精品
卡尔曼滤波在INS/GPS组合导航中的应用研究一、前言GPS和惯性系统都是目前世界上先进的导航系统，二者各有优缺点。
惯导系统具有不依赖外界信息、隐蔽性好、抗辐射强、全天候等优点，是机载设备中能提供多种较精确的导航参数信息的设备，但是存在着误差随时间迅速积累增长的问题，这是惯导系统的主要缺点。
与惯导系统相比，GPS定位的显著优点是其高精度和低成本。
尤其是利用GPS卫星信号的高精度载波相位观测量进行定位。
但是在GPS导航定位应用中也存在动态环境中可靠性差，定位数据输出频率低的问题。
利用INS和GPS导航功能互补的特点，以适当的方法将两者组合，可以提高系统的整体导航精度及导航性能。
所谓滤波就是从混合在一起的诸多信号中提取出所需要的信号。
估计理论的研究对象是随机现象。
一个系统的运动轨迹是与系统的初始状态和控制作用的性质、大小有关的。
但在实际系统中，除了已知的控制作用以外，经常有一些外界的杂散信号对系统起作用，如在雷达跟踪系统接收的信号中，有很大一部分随机信号，导弹飞行过程中，由于环境等条件的改变而受到随机信号影响等，通常称这一类信号为噪声。
因此在设计自动控制系统时，除了考虑控制作用外，还必须了解噪声的性质、大小，然后通过适当的结构，抑制或滤掉噪声对系统的影响。
只有对系统的状态做到充分精确地估计，才能保证系统按照最佳的方式运行。
当系统中有随机噪声干扰时，系统的综合就必须同时应用概率和数理统计方法来处理。
也就是在系统的数学模型已建立的基础上，通过对系统输入、输出数据的测量，利用统计方法对系统本来的状态进行估计，此类问题就是滤波问题，卡尔曼滤波其就是为实现这一目的而设置的。
二、卡尔曼滤波与组合导航系统将航行体从起始点导引到目的地的技术或方法称为导航。
能够向航行体的操纵者或控制系统提供航行体位置、速度、航向、姿态等即时运动状态的系统都可作为导航系统。
随着科学技术的发展，导航逐渐发展成为一门专门研究导航方法原理和导航技术装置的学科。
扩展卡尔曼滤波（EKF）应用于GPS-INS组合导航
扩展卡尔曼滤波（EKF）应用于GPS-INS组合导航clear all;%% 惯性-GPS组合导航模型参数初始化we = 360/24/60/60*pi/180; %地球自转角速度，弧度/spsi = 10*pi/180; %psi角度/ 弧度Tge = 0.12;Tgn = 0.10;Tgz = 0.10; %这三个参数的含义详见参考文献sigma_ge=1;sigma_gn=1;sigma_gz=1;%% 连续空间系统状态方程% X_dot(t) = A(t)*X(t) + B(t)*W(t)A=[0 we*sin(psi) -we*cos(psi) 1 0 0 1 0 0;-we*sin(psi) 0 0 0 1 0 0 1 0;we*cos(psi) 0 0 0 0 1 0 0 1;0 0 0 -1/Tge 0 0 0 0 0;0 0 0 0 -1/Tgn 0 0 0 0;0 0 0 0 0 -1/Tgz 0 0 0;0 0 0 0 0 0 0 0 0;0 0 0 0 0 0 0 0 0;0 0 0 0 0 0 0 0 0;]; %状态转移矩阵B=[0 0 0 sigma_ge*sqrt(2/Tge) 0 0 0 0 0;0 0 0 0 sigma_gn*sqrt(2/Tgn) 0 0 0 0;0 0 0 0 0 sigma_gz*sqrt(2/Tgz) 0 0 0;]';%输入控制矩阵%% 转化为离散时间系统状态方程% X(k+1) = F*X(k) + G*W(k)T = 0.1;[F,G]=c2d(A,B,T);H=[1 0 0 0 0 0 0 0 0;0 -sec(psi) 0 0 0 0 0 0 0;];%观测矩阵%% 卡尔曼滤波器参数初始化t=0:T:50-T;length=size(t,2);y=zeros(2,length);Q=0.5^2*eye(3); %系统噪声协方差R=0.25^2*eye(2); %测量噪声协方差y(1,:)=2*sin(pi*t*0.5);y(2,:)=2*cos(pi*t*0.5);Z=y+sqrt(R)*randn(2,length); %生成的含有噪声的假定观测值，2维X=zeros(9,length); %状态估计值，9维X(:,1)=[0,0,0,0,0,0,0,0,0]'; %状态估计初始值设定P=eye(9); %状态估计协方差%% 卡尔曼滤波算法迭代过程for n=2:lengthX(:,n)=F*X(:,n-1);P=F*P*F'+ G*Q*G';Kg=P*H'/(H*P*H'+R);X(:,n)=X(:,n)+Kg*(Z(:,n)-H*X(:,n));P=(eye(9,9)-Kg*H)*P;end%% 绘图代码figure(1)plot(y(1,:))hold on;plot(y(2,:))hold off;title('理想的观测量');figure(2)plot(Z(1,:))hold on;plot(Z(2,:))hold off;title('带有噪声的观测量'); figure(3) plot(X(1,:))hold on;plot(X(2,:))hold off;title('滤波后的观测量');。
卡尔曼滤波与组合导航原理第二版课程设计
卡尔曼滤波与组合导航原理第二版课程设计一、课程设计的背景与意义卡尔曼滤波和组合导航原理是航空航天、地球物理、机器人、自动控制等领域中常用的数学工具和技术。
卡尔曼滤波能够在估计物体状态的同时对传感器测量值进行滤波，从而提高测量的精度和准确性。
组合导航原理能够将多个传感器的测量值进行融合，形成高精度的定位和导航系统。
本课程设计旨在让学生深入理解卡尔曼滤波和组合导航原理的基本思想、数学公式和实现方法，通过实践操作使学生掌握卡尔曼滤波和组合导航原理在实际应用中的原理和方法，为学生未来的科研和工程项目奠定扎实的基础。
二、课程设计内容1. 卡尔曼滤波原理1.卡尔曼滤波的基本思想2.线性系统模型3.离散时间卡尔曼滤波4.连续时间卡尔曼滤波5.卡尔曼滤波的应用案例2. 组合导航原理1.组合导航的基本思想2.多传感器的数据融合方法3.INS/GPS组合导航4.组合导航的误差模型5.组合导航的应用案例3. 设计实例1.实现卡尔曼滤波的基本算法2.实现组合导航算法3.基于INS/GPS组合导航实现车辆定位三、实验教学方案1. 实验准备本课程设计需要使用MATLAB或Python等编程语言进行模拟实验，需要提前安装好相应的软件和工具。
另外，在进行实验过程中需要使用IMU和GPS等传感器，学生需要提前了解这些传感器的基本原理和使用方法。
2. 实验步骤1.实现卡尔曼滤波算法，对离散时间模型和连续时间模型进行仿真测试，分析估计效果。
2.实现组合导航算法，并与单一传感器进行对比实验，分析组合导航的优势和不足。
3.在MATLAB或Python环境中，基于INS/GPS数据实现车辆定位，分析不同噪声下的定位误差。
3. 实验报告要求实验报告包括以下内容：1.实验目的2.实验材料和器材3.实验方法和步骤4.实验结果和分析5.实验结论和建议四、课程设计评分方法实验占总评成绩的50%，包括实验报告和实验操作，其中实验报告占20%，实验操作占30%。
基于自适应卡尔曼滤波的RFID_／_SINS_组合导航研究
９８ ２０２４ＲａｄｉｏＥｎｇｉｎｅｅｒｉｎｇＶｏｌ ５４Ｎｏ １ｄｏｉ：１０．３９６９／ｊ．ｉｓｓｎ．１００３－３１０６．２０２４．０１．０１３引用格式：张一康，陈邁涛，刘芳．基于自适应卡尔曼滤波的ＲＦＩＤ／ＳＩＮＳ组合导航研究［Ｊ］．无线电工程，２０２４，５４（１）：９８－１０４．［ＺＨＡＮＧＹｉｋａｎｇ，ＣＨＥＮＹｉｔａｏ，ＬＩＵＦａｎｇ．ＲＦＩＤ／ＳＩＮＳＣｏｍｂｉｎｅｄＮａｖｉｇａｔｉｏｎＲｅｓｅａｒｃｈＢａｓｅｄｏｎＡｄａｐｔｉｖｅＫａｌｍａｎＦｉｌｔｅｒｉｎｇ［Ｊ］．ＲａｄｉｏＥｎｇｉｎｅｅｒｉｎｇ，２０２４，５４（１）：９８－１０４．］基于自适应卡尔曼滤波的ＲＦＩＤ／ＳＩＮＳ组合导航研究张一康，陈邁涛，刘 芳（武汉纺织大学机械工程与自动化学院，湖北武汉４３０２００）摘 要：在室内导航定位中，射频识别（ＲａｄｉｏＦｒｅｑｕｅｎｃｙＩｄｅｎｔｉｆｉｃａｔｉｏｎ，ＲＦＩＤ）技术具有信号穿透性强、成本低廉等诸多优点，能够有效代替ＧＰＳ完成室内组合导航。
针对室内惯性导航误差发散和滤波中噪声参数不确定的问题，提出了基于自适应卡尔曼滤波（ＡｄａｐｔｉｖｅＫａｌｍａｎＦｉｌｔｅｒｉｎｇ，ＡＫＦ）的ＲＦＩＤ／ＳＩＮＳ组合导航系统，通过ＲＦＩＤ定位系统抑制惯性导航误差发散，并应用ＡＫＦ将噪声参数与量测输出参数关联实现实时更新。
对ＡＫＦ和标准卡尔曼滤波（ＫａｌｍａｎＦｉｌｔｅｒｉｎｇ，ＫＦ）下的ＲＦＩＤ／ＳＩＮＳ组合导航系统进行了仿真和实验。
结果表明，在ＡＫＦ下组合导航系统平均定位误差降低了１０％，位置稳定性提升了７．４％，定位误差保持在０．０７ｍ左右。
基于ＡＫＦ的ＲＦＩＤ／ＳＩＮＳ组合导航系统能够满足室内高精度定位导航的需求。
关键词：射频识别；捷联惯导系统；组合导航；自适应卡尔曼滤波；仿真与实验分析中图分类号：ＴＰ３９１；ＴＰ２４２．２文献标志码：Ａ开放科学（资源服务）标识码（ＯＳＩＤ）：文章编号：１００３－３１０６（２０２４）０１－００９８－０７ＲＦＩＤ／ＳＩＮＳＣｏｍｂｉｎｅｄＮａｖｉｇａｔｉｏｎＲｅｓｅａｒｃｈＢａｓｅｄｏｎＡｄａｐｔｉｖｅＫａｌｍａｎＦｉｌｔｅｒｉｎｇＺＨＡＮＧＹｉｋａｎｇ，ＣＨＥＮＹｉｔａｏ，ＬＩＵＦａｎｇ（ＳｃｈｏｏｌｏｆＭｅｃｈａｎｉｃａｌＥｎｇｉｎｅｅｒｉｎｇａｎｄＡｕｔｏｍａｔｉｏｎ，ＷｕｈａｎＴｅｘｔｉｌｅＵｎｉｖｅｒｓｉｔｙ，Ｗｕｈａｎ４３０２００，Ｃｈｉｎａ）Ａｂｓｔｒａｃｔ：Ｉｎｉｎｄｏｏｒｎａｖｉｇａｔｉｏｎａｎｄｐｏｓｉｔｉｏｎｉｎｇ，ＲａｄｉｏＦｒｅｑｕｅｎｃｙＩｄｅｎｔｉｆｉｃａｔｉｏｎ（ＲＦＩＤ）ｔｅｃｈｎｏｌｏｇｙｈａｓｍａｎｙａｄｖａｎｔａｇｅｓｓｕｃｈａｓｓｔｒｏｎｇｓｉｇｎａｌｐｅｎｅｔｒａｔｉｏｎａｎｄｌｏｗｃｏｓｔ，ｗｈｉｃｈｃａｎｅｆｆｅｃｔｉｖｅｌｙｒｅｐｌａｃｅＧＰＳｔｏｃｏｍｐｌｅｔｅｉｎｄｏｏｒｃｏｍｂｉｎｅｄｎａｖｉｇａｔｉｏｎ．Ｔｏａｄｄｒｅｓｓｔｈｅｐｒｏｂｌｅｍｓｏｆｉｎｄｏｏｒｉｎｅｒｔｉａｌｎａｖｉｇａｔｉｏｎｅｒｒｏｒｄｉｓｐｅｒｓｉｏｎａｎｄｕｎｃｅｒｔａｉｎｔｙｏｆｎｏｉｓｅｐａｒａｍｅｔｅｒｓｉｎｆｉｌｔｅｒｉｎｇ，ａＲＦＩＤ／ＳＩＮＳｃｏｍｂｉｎｅｄｎａｖｉｇａｔｉｏｎｓｙｓｔｅｍｂａｓｅｄｏｎＡｄａｐｔｉｖｅＫａｌｍａｎＦｉｌｔｅｒｉｎｇ（ＡＫＦ）ｉｓｐｒｏｐｏｓｅｄ，ｗｈｉｃｈｓｕｐｐｒｅｓｓｅｓｉｎｅｒｔｉａｌｎａｖｉｇａｔｉｏｎｅｒｒｏｒｄｉｓｐｅｒｓｉｏｎｂｙＲＦＩＤｐｏｓｉｔｉｏｎｉｎｇｓｙｓｔｅｍａｎｄａｐｐｌｉｅｓＡＫＦｔｏｃｏｒｒｅｌａｔｅｎｏｉｓｅｐａｒａｍｅｔｅｒｓｗｉｔｈｍｅａｓｕｒｅｍｅｎｔｏｕｔｐｕｔｐａｒａｍｅｔｅｒｓｔｏａｃｈｉｅｖｅｒｅａｌ ｔｉｍｅｕｐｄａｔｅ．ＳｉｍｕｌａｔｉｏｎｓａｎｄｅｘｐｅｒｉｍｅｎｔｓａｒｅｃｏｎｄｕｃｔｅｄｔｏｃｏｍｐａｒｅｔｈｅＲＦＩＤ／ＳＩＮＳｃｏｍｂｉｎｅｄｎａｖｉｇａｔｉｏｎｓｙｓｔｅｍｕｎｄｅｒＡＫＦａｎｄｓｔａｎｄａｒｄＫａｌｍａｎＦｉｌｔｅｒｉｎｇ（ＫＦ）．ＴｈｅｒｅｓｕｌｔｓｓｈｏｗｅｄｔｈａｔｔｈｅａｖｅｒａｇｅｐｏｓｉｔｉｏｎｉｎｇｅｒｒｏｒｏｆｔｈｅｃｏｍｂｉｎｅｄｎａｖｉｇａｔｉｏｎｓｙｓｔｅｍｕｎｄｅｒＡＫＦｉｓｒｅｄｕｃｅｄｂｙ１０％，ｔｈｅｐｏｓｉｔｉｏｎｓｔａｂｉｌｉｔｙｉｓｉｍｐｒｏｖｅｄｂｙ７．４％，ａｎｄｔｈｅｐｏｓｉｔｉｏｎｉｎｇｅｒｒｏｒｉｓｍａｉｎｔａｉｎｅｄａｔａｂｏｕｔ０．０７ｍ．Ｔｈｅｒｅｆｏｒｅ，ｔｈｅＲＦＩＤ／ＳＩＮＳｃｏｍｂｉｎｅｄｎａｖｉｇａｔｉｏｎｓｙｓｔｅｍｂａｓｅｄｏｎＡＫＦｃａｎｍｅｅｔｔｈｅｄｅｍａｎｄｏｆｉｎｄｏｏｒｈｉｇｈ ｐｒｅｃｉｓｉｏｎｐｏｓｉｔｉｏｎｉｎｇａｎｄｎａｖｉｇａｔｉｏｎ．Ｋｅｙｗｏｒｄｓ：ＲＦＩＤ；ＳＩＮＳ；ｃｏｍｂｉｎａｔｉｏｎｎａｖｉｇａｔｉｏｎ；ＡＫＦ；ｓｉｍｕｌａｔｉｏｎａｎｄｅｘｐｅｒｉｍｅｎｔａｌａｎａｌｙｓｉｓ收稿日期：２０２３－０４－１０基金项目：国家自然科学基金（５１７７５３８８）ＦｏｕｎｄａｔｉｏｎＩｔｅｍ：ＮａｔｉｏｎａｌＮａｔｕｒａｌＳｃｉｅｎｃｅＦｏｕｎｄａｔｉｏｎｏｆＣｈｉｎａ（５１７７５３８８）０ 引言自动导引车（ＡｕｔｏｍａｔｅｄＧｕｉｄｅｄＶｅｈｉｃｌｅ，ＡＧＶ）作为自动仓储和自动物流的关键设备能够实现无人运输的功能，其关键技术是利用导航系统提供较为精确的位置信息［１］。
《基于CKF算法的SINS-BDS超紧耦合组合导航方法研究》范文
《基于CKF算法的SINS-BDS超紧耦合组合导航方法研究》篇一基于CKF算法的SINS-BDS超紧耦合组合导航方法研究一、引言随着全球定位系统（GPS）技术的广泛应用，组合导航系统在各种领域中显得愈发重要。
其中，基于SINS（Strapdown Inertial Navigation System，捷联式惯性导航系统）和BDS （BeiDou Navigation Satellite System，北斗卫星导航系统）的组合导航方法因其高精度、高稳定性和高可靠性而备受关注。
本文针对基于CKF（连续卡尔曼滤波）算法的SINS/BDS超紧耦合组合导航方法展开研究，以提高系统的整体性能和定位精度。
二、SINS与BDS的原理与特点SINS是一种利用陀螺仪和加速度计来测量并确定导航信息的系统。
其优点在于无需外部信号源即可实现自主导航，但长时间运行会因积累的误差而降低精度。
BDS则是一种全球卫星导航系统，通过接收来自多个卫星的信号来计算位置、速度和姿态信息。
其优点在于具有较高的定位精度和稳定性，但易受环境因素影响。
三、CKF算法原理及在SINS/BDS组合导航中的应用CKF算法是一种基于卡尔曼滤波的递归算法，具有较高的估计精度和稳定性。
在SINS/BDS组合导航中，CKF算法通过将SINS和BDS的测量数据进行融合，实现超紧耦合。
具体而言，CKF算法利用SINS的短期高精度特性和BDS的长期高稳定性特性，对两种系统的误差进行估计和修正，从而提高整体导航精度。
四、超紧耦合组合导航方法研究本研究采用基于CKF算法的超紧耦合组合导航方法。
首先，通过建立SINS和BDS的数学模型，描述系统的动态特性和观测模型。
然后，将CKF算法应用于模型的滤波过程，实现SINS和BDS数据的融合。
最后，通过对实际环境下的实验数据进行处理和分析，验证了该方法的有效性和优越性。
五、实验与结果分析为验证本文所提方法的性能，进行了实际环境下的实验。
SINS辅助GPS跟踪环路超紧耦合系统设计
2010年5月第36卷第5期北京航空航天大学学报Journa l o f Be iji ng U nivers it y of A eronauti cs and A stronauti cs M ay 2010V o.l 36 N o 15收稿日期:2009-06-10基金项目:航空科学基金资助项目(20090151004)作者简介:于 洁(1985-),女,山东威海人,硕士生,2104yu @163.co m.SINS 辅助GPS 跟踪环路超紧耦合系统设计于 洁王新龙(北京航空航天大学宇航学院,北京100191)摘 要:为了提高GPS(G l o ba l Position i n g Syste m )在高动态条件下的跟踪性能并为S I N S(S trapdo w n Inertia lN av igati o n Syste m )提供精确、可靠的修正信息,提出了一种S I N S 辅助GPS 超紧耦合导航方案.针对高动态条件下载波跟踪性能不佳的问题,利用SI NS 速度信息为载波环提供多普勒频率辅助,从而降低了载体动态对载波环的影响.此外,将载波环跟踪误差扩充为组合系统的状态变量,并建立了载波环跟踪误差、伪距率量测误差与惯导误差之间的关系模型,从而消除了引入SI N S 辅助信息导致的量测相关问题.仿真验证表明:超紧耦合系统不仅能够有效地提高跟踪环路的噪声抑制能力和动态跟踪性能,而且可以显著地改善组合滤波器的误差估计精度.关 键 词:捷联惯性导航系统;全球定位系统;相位锁定环;动态跟踪性能;抗干扰能力中图分类号:V 249.32+8文献标识码:A 文章编号:1001-5965(2010)05-0606-04U ltra -tightl y coupled navi gati on syste m desi gn based onSIN S ai ding GPS tracki ng loopsYu Ji e W ang X i n long(School ofA stronauti cs ,B eiji ng U n i vers it y of Aeronau tics and Astronau tics ,Beiji ng 100191,C hina)Abstr act :I n o r der to i m prove the track i n g perfor m ance o f g l o ba l positi o ning syste m (GPS)i n h i g h dy -na m ic env ironm ent and prov i d e re li a ble calibrati o n i n for m ati o n for strapdo w n i n erti a l nav i g ati o n syste m(SI N S),the sche m e o f SI N S aiding GPS u ltra -ti g htly coupled nav i g ati o n w as presented .Consi d eri n g t h e poor tracking perfo r m ance o f the carrier phase l o ck loop (PLL)in h i g h dyna m ic app lications ,Dopp ler frequency derived fro m S I N S para m eters w as prov i d ed for PLL ,and so the effect of veh icle dyna m ics on PLL w as de -creased .Add itionally ,i n or der to eli m inate the m easure m ent correlation caused by i n troduc i n g SI N S aiding in -f o r m ation,the relationsh i p s bet w een PLL errors and SI N S err o rs have been established and PLL errors w ere ap -pended to t h e syste m state vector .Fina ll y ,the si m ulati o ns indicate the u ltra -ti g htly coupled syste m can not on -l y enhance the ant-i ja mm i n g capab ility and the dyna m ic tracking perfor m ance o f the track i n g l o ops effectively ,but also i m prove the error esti m ati n g prec isi o n of t h e integ rated Ka l m an filter sign ifi c antly .Key w ords :strapdo w n inertial nav i g ati o n syste m;g lobal positi o ning syste m;phase locked l o ops ;dyna m -ic track i n g perf o r m ance ;ant-i ja mm ing capability随着现代武器对导航精度要求的提高,SI N S (Strapdo wnI nertia l N av i g ati o nSyste m )/GPS(G lobal Position i n g Syste m )组合系统已广泛应用于航空、航天等领域.SI N S 和GPS 具有优势互补的性能特点,将两者组合不仅能充分发挥各自的优势,而且能提高系统的总体性能.按照组合深度的不同,SI NS 和GPS 有松散、紧密两种组合方式[1-2].目前这两种组合方式应用较为广泛,但随着飞行器机动性能的提高,为满足高动态及强干扰条件下的应用需求,以紧密组合为基础发展起来的超紧耦合逐渐成为SI NS /GPS 组合系统的新一代设计模式.超紧耦合方案是由文献[3-5]提出的.Draper 实验室、Interstate 公司等机构的研究表明,超紧耦合在精度、反电子欺骗和可靠性等方面表现出极大的优势.高动态应用环境要求GPS 跟踪环路,尤其是载波环具有较高的动态跟踪性能.在高动态环境中,如果载波跟踪失锁,接收机将无法独立提供导航参数,这可能导致整个系统性能下降甚至无法工作.因此提高载波环的动态跟踪性能,是高动态环境下S I N S /GPS 组合系统亟待解决的问题.为此,本文提出一种SI N S 辅助GPS 超紧耦合导航方案,并对系统的组合方式以及载波跟踪环的结构进行了改进,以提高组合系统的动态性能和抗干扰能力.1 SI NS 辅助GPS 超紧耦合方案设计GPS 接收机在干扰或者低载噪比环境中工作时,载波跟踪容易失锁.而载波跟踪失锁会影响到整个系统的稳定性和可靠性,为提高载波环的跟踪性能,本文提出了一种SI NS 辅助GPS 超紧耦合导航方案,其原理如图1所示.图1 S I NS 辅助GPS 超紧耦合方案原理框图超紧耦合系统通过引入SI NS 对载波环的频率辅助,以减小载波环的动态跟踪范围;另外为消除伪距率误差与S I N S 速度误差之间的相关性,对载波环跟踪误差进行建模,并在伪距率量测方程中扣除载波环跟踪误差的影响.此外,在接收机内部采用载波辅助码环的技术以去除码环的动态,而码环则通过降低相关间隔来提高跟踪精度.为防止载波跟踪性能下降对码环造成污染,当载波环工作异常时利用SI N S 速度信息辅助码环.2 SI NS 辅助GPS 超紧耦合实现方法2.1 超紧耦合系统SINS 辅助PLL 模型分析图2为超紧耦合系统中SI NS 辅助GPS 载波跟踪回路的s 域模型,超紧耦合系统利用多普勒频率与接收机钟频误差之和来表征参考载波相位的变化率.前向通道中的辅助频率与PLL(Phase Lock Loop)环路滤波器的输出之和,用于控制载波数控振荡器NCO(Nu m erical ControlOsc illator).图2 超紧耦合系统中S I N S 辅助PLL 模型图2前向支路中的低通滤波器用来限定惯性传感器的带宽,误差项e (s )表示由SI N S 传感器的标定误差、钟频误差等因素引起的频率估计误差[6].SI NS 辅助PLL 在抑制相位噪声和扩展跟踪带宽方面更具优势,由于参考相位H (s )与相位噪声w (s)不再由相同的传递函数来处理,因此可以通过调整环路滤波器的参数来抑制噪声.此外,载波参考相位H (s)与估计相位H^(s)之间的关系在很大程度上取决于SI N S 的带宽限制,设误差项e(s)为0,则有H ^(s)=H 1(s)H (s)+H 2(s )w (s)(1)其中H 1(s)=T 1s2as +a +K 1(T 2s +1)T 1s 2+K 1T 2s +K 1(2)H 2(s)=K 1(T 2s +1)T 1s 2+K 1T 2s +K 1(3)由式(2)可以看出,当a y ]即SI NS 提供的跟踪带宽增大时,H 1(s)趋向于单位传递函数.这表明SI N S 能够为载波环提供足够大的等效带宽,以使PLL 跟踪载体运动导致的载波相位动态变化.环路滤波器只需设置较低的带宽来跟踪辅助频率误差,这样可大大地提高环路的噪声抑制能力.在超紧耦合系统中,SI NS 辅助PLL 环路滤波器的带宽底限取决于外部频率估计误差e(s).2.2 SI N S 辅助PLL 载波环实现方法S I N S 辅助的载波环包括信息融合辅助回路和载波跟踪环2个回路.在信息融合辅助回路中,组合系统利用卡尔曼滤波器对SI N S 和GPS 的导航信息进行融合,并根据校正后的SI N S 参数计算载波多普勒频移,将其与钟频误差估计值作和,作607第5期 于 洁等:SI N S 辅助G PS 跟踪环路超紧耦合系统设计为载波环的辅助信息,以去除载体动态对载波环的影响;而在载波跟踪环中,NC O根据辅助频率和环路滤波器输出,调节载波频率,使PLL只跟踪剩余的频率辅助误差;此外,PLL通过降低滤波器带宽以增强环路的噪声抑制性能.在超紧耦合系统中,需要先利用GPS信息对S I N S进行误差校正,当SI N S导航参数达到一定精度时,才能为GPS载波环提供辅助.常规PLL 与SI N S辅助PLL之间的切换通过转换开关来实现.当系统能够得到精度可靠的多普勒频移和接收机的钟频误差估计信息时,跟踪环路就可以从原滤波器支路切换到新的环路滤波器支路.该支路包括多普勒频移和接收机的钟频误差估计等外部辅助信息,而新的环路滤波器的带宽则根据跟踪需求设置.2.3PLL误差分析与处理S I N S辅助频率信息的引入会导致载波相位、频率误差以及伪距率误差与惯导误差相关.为消除这种相关性,将PLL跟踪误差扩充为组合滤波器的状态变量,在量测方程中扣除SI N S辅助误差的影响.PLL频率误差D f PLL为环路滤波器输出量D f TRK与S I N S辅助频率误差f a id之和:D f PLL=D f TRK+D f a id(4)由此可得SI N S辅助载波环的跟踪误差方程:D H#=2P(D f TR K+D f aid)D f#TRK=2P T2T1(D f TRK+D f aid+D HT1#K PLL(5)其中,D H为本地载波与输入信号载波之间的相位差;K PLL为环路增益;T1,T2为环路滤波器参数,环路滤波器频域表达式为F(s)=(T2s+1)/T1s.将跟踪误差D H和D f TRK扩充为组合滤波器的状态变量,并从伪距率误差中去除SI N S辅助误差的影响,能够提高量测信息的准确度,进而提高滤波器的误差估计精度.此外,根据滤波器对频率跟踪误差的估值对载波频率进行调整,能够提高载波跟踪精度.3仿真及结果分析3.1仿真条件仿真中,以弹道导弹为载体,导航坐标系选为发射点惯性系;惯性元件误差:陀螺仪常值漂移0.3(b)/h,白噪声均方差0.02(b)/h,一次项系数5@10-6;加速度计常值零偏100L g,白噪声均方差10L g,一次项系数1@10-4,二次项系数10L g.GPS信号中频为7MH z,采样频率为30MH z.接收机独立运行时载波环噪声带宽为10H z,阻尼因子为0.7,码环带宽2.5H z,伪码相关间隔为10个采样点,载波环和码环增益分别为0.3和0.5;SI N S提供辅助时,载波环带宽降为0.3H z,码环降为一阶,带宽0.5H z.仿真过程中,将多颗卫星噪声的叠加当作整体噪声,定义为均值为0、方差为R2n的高斯白噪声,作为射频前端输出的离散噪声序列.根据信噪比SNR为20lg(A S/A N)反推出噪声幅值,再以此幅值与期望为0、方差为1的高斯白噪声相乘,并与原GPS信号叠加得到相应信噪比的GPS中频信号.3.2仿真验证及分析3.2.1信号中断情况下系统性能分析仿真中假定在信号接收过程中300~500m s信号中断,在500m s处重新捕获、跟踪GPS信号.图3、图4分别为信号中断情况下紧密组合、超紧耦合系统的多普勒频率误差和位置误差.a紧密组合系统多普勒频率误差b超紧耦合系统多普勒频率误差图3信号中断情况下的多普勒频率跟踪误差超紧耦合系统在信号恢复时,在SI N S提供的多普勒频移估计信息的基础上,根据卡尔曼滤波器的误差估计对载波频率进行调节,能够加速环路闭合,减小频率跟踪误差的波动幅度.由于PLL是闭合的二阶环路,信号中断时组合系统估计的多普勒频移值中包含误差,这会导致环路闭合前608北京航空航天大学学报2010年PLL 输出发生阶跃现象.这就是多普勒频率跟踪误差在500m s 时发生波动的原因.由图3可见,在信号失锁或中断情况下,超紧耦合系统的多普勒频率误差在3H z 范围内,其跟踪能力优于紧密系统.a紧密组合系统位置误差b 超紧耦合系统位置误差图4 信号中断情况下超紧耦合系统位置误差由图4可见,信号恢复时,紧密组合系统中GPS 跟踪环路重捕获后的伪码跟踪精度降低,从而导致组合系统位置误差显著增大.而在超紧耦合系统中,无需调用重捕获程序,根据SI NS 提供的辅助信息就可以重新锁定环路,并且在载波环的频率辅助下码环能够迅速恢复到信号中断前的跟踪精度,因此其位置精度明显高于紧密组合系统.3.2.2 噪声环境中系统抗干扰性能分析由于常规条件下接收机输入端的信噪比约为-19dB ,因此在300~500m s 施加-30dB 的噪声干扰.图5为紧密组合、超紧耦合系统的速度误差.施加干扰时紧密组合系统的速度误差增大,且干扰消失后导航精度需要较长时间才能恢复;而超紧耦合系统中,即使由于噪声影响导致载波环跟踪误差增大,PLL 仍能通过SI N S 频率辅助、跟踪误差估计及载波频率精调等,将速度误差限制在0.05m /s 范围内,并且噪声消失后PLL 能够准确地锁定载波频率.a紧密组合系统速度误差b 超紧耦合系统速度误差图5 强干扰环境中超紧耦合系统速度误差4 结 论本文针对高动态和强干扰应用环境对GPS跟踪环路的性能要求,提出了一种SI NS 辅助GPS 超紧耦合方案,利用SI N S 速度信息辅助载波环,能够减小载波环的动态跟踪范围,有效解决了动态跟踪性能和抗干扰能力之间的矛盾;降低PLL 噪声带宽,并根据组合滤波器输出的PLL 跟踪误差估计信息调整载波频率,能够提高载波环的跟踪精度.SI N S 辅助GPS 超紧耦合方案在重捕获时能够迅速、准确地锁定跟踪环路,在强干扰环境中能保证载波环和码环的跟踪精度,从而更好地满足高动态和强干扰环境对导航系统的性能要求.参考文献(References )[1]Sp il k er J ,Park i n s on B .G lobal positi on i ng syste m:theory and ap -p lications[M ].W ash i ngt on:AI AA,1996:187-220[2]C ox D B .Integrati on ofGPS w it h i n ertial navi gation s yste m s[J].N avigation ,1980,1:144-153[3]Gu st afson D ,Do w dle J ,E l w ell J .Deep l y -i ntegrated adapti veGPS -b ased nav i gator w it h extended -range code track i ng :USA ,6331835[P].2001-12-18[4]H ors l und J M,H ooker J R.Increase ja mm i ng i m mun ity by opt-im i z i ng process i ng gai n f or GPS /I NS syste m s :USA ,5983160[P].1999-11-09[5]Abbott A S,L illo W E.G l obal positi on i ng syste m s and i n ertialm easuri ng un it u ltrati ght coup li ng m ethod :U SA ,6516021[P ].2003-02-04[6]Le w i s D E.U ltra -ti ghtl y coup l ed GPS /I NS track i ng perfor m an ce[R ].A I AA-2003-6815,2003(编 辑:张 嵘)609第5期 于 洁等:SI N S 辅助G PS 跟踪环路超紧耦合系统设计。
GPS与惯导系统的组合导航技术
LOGO 基于卡尔曼组合数据的融合方法
分类:
按照组合中滤波器的设置来分类，可以分成： 集中式的卡尔曼滤波 分布式的卡尔曼滤波 按照对系统校正方法的不同，分为: 开环校正(输出校正) 闭环校正(反馈矫正) 按照组合水平的深度不同，分为： 松耦合 紧耦合 根据卡尔曼滤波器所估计的状态不同，卡尔曼 滤波在组合导航中的应用有: 直接法 间接法
LOGO 标准卡尔曼滤波原理
系统的过程噪声和观测噪声的统计特性，假定如下： () () (3)
其中QK 是系统过程噪声WK 的 p*p维对称非负定方差矩阵，RK 是系统观测噪声 VK 的 m*m维对称正定方差阵，而δkj是 Kronecker-δ函数
如果被估计状态XK 和对XK 的观测量ZK 满足(1)、(2)式的约束，系统 过程噪声WK 和观测噪声VK满足(3)式的假定，系统过程噪声方差阵 QK 非负定，系统观测噪声方差阵RK 正定， k 时刻的观测为ZK，则XK 的估计XˆK可按下述方程求解
度组合是其典型代表，它 采用 GPS 和 INS 输出的位 置和速度信息的差值作为 量测值。
LOGO 紧耦合和松耦合
优点:
1.组合结构简单，便于工程实现，便于实现容错 2.两个系统能够独立工作，使得导航系统有一定的 余度
缺点:
1. GPS 输出的位置、速度通常是与时间相关的； 2.INS 和 GPS 信息流动是单向的，INS 无法辅GPS。
LOGO
GPS/INS
INS:
INS 不仅能够提供载体位置、速度参数,还能提 供载体的三维姿态参数,是完全自主的导航方式,在 航空、航天、航海和陆地等几乎所有领域中都得 到了广泛应用。但是,INS 难以克服的缺点是其导航 定位误差随时间累加,难以长时间独立工作。
《2024年基于SINS-BDS超紧组合导航滤波算法的研究》范文
《基于SINS-BDS超紧组合导航滤波算法的研究》篇一基于SINS-BDS超紧组合导航滤波算法的研究一、引言随着科技的不断进步，组合导航系统在各种应用中变得越来越重要。
特别是基于SINS（Strapdown Inertial Navigation System，捷联式惯性导航系统）和BDS（BeiDou Satellite Navigation System，北斗卫星导航系统）的超紧组合导航系统，其性能的优化和提升对于提高导航精度和可靠性具有重要意义。
本文旨在研究基于SINS/BDS超紧组合导航滤波算法，以提高导航系统的性能。
二、SINS与BDS技术概述SINS是一种利用惯性传感器测量载体运动加速度和角速度，进而推算出载体的姿态、速度和位置的导航系统。
而BDS则是中国自主研发的全球卫星导航系统，具有高精度、高可靠性和实时性的特点。
SINS与BDS的组合，可以充分发挥两者的优势，提高导航精度和可靠性。
三、超紧组合导航原理超紧组合导航系统将SINS和BDS的信息进行紧密融合，利用滤波算法对两者数据进行优化处理。
该系统能够实时估计载体的姿态、速度和位置，同时对SINS的漂移误差和BDS的观测误差进行补偿。
超紧组合导航系统的关键在于滤波算法的设计和实现。
四、基于SINS/BDS的超紧组合导航滤波算法研究4.1 算法概述本文研究的基于SINS/BDS的超紧组合导航滤波算法，主要采用卡尔曼滤波器（Kalman Filter）进行数据处理。
卡尔曼滤波器是一种线性递归滤波器，能够根据系统的动态特性和观测数据进行最优估计。
通过将SINS和BDS的数据进行融合，卡尔曼滤波器可以实时估计载体的状态，并对误差进行补偿。
4.2 算法实现算法实现主要包括数据预处理、模型建立、滤波器设计和性能评估四个步骤。
数据预处理包括对SINS和BDS的数据进行同步、校正和噪声抑制等处理。
模型建立则根据SINS和BDS的工作原理，建立系统的动态模型和观测模型。
一种基于扩展卡尔曼滤波的导航装置[实用新型专利]
![一种基于扩展卡尔曼滤波的导航装置[实用新型专利]](https://img.taocdn.com/s3/m/0e66a0cb192e45361166f52e.png)
专利名称：一种基于扩展卡尔曼滤波的导航装置专利类型：实用新型专利
发明人：裴海龙,申文斌,张铖
申请号：CN201120521964.2
申请日：20111213
公开号：CN202511801U
公开日：
20121031
专利内容由知识产权出版社提供
摘要：本实用新型公开了一种基于扩展卡尔曼滤波的导航装置包括数据采集模块、数据处理系统和数据反馈模块，所述数据采集模块用于采集当前状态观测值，所述信号处理系统用于将当前状态观测值转换为所需姿态角并进一步转换为所需模型矩阵，所述数据反馈模块用于输出当前状态估计值，其特征在于还包括扩展卡尔曼滤波器，所述扩展卡尔曼滤波器接收上述信号处理系统的信号，通过扩展卡尔曼滤波，将当前状态观测值修正为估计值，并反馈给数据反馈模块，得到精确导航数据。
分析十一阶参数之间的联系与独立性，对矩阵运算进行研究、对系统进行拆分处理。
从而达到了运算周期短，减少计算量，节省存储空间从而提高效率的目的，同时也降低了对硬件的要求。
申请人：华南理工大学
地址：510640 广东省广州市天河区五山路381号
国籍：CN
代理机构：广州粤高专利商标代理有限公司
代理人：何淑珍
更多信息请下载全文后查看。