CN105737828B - 一种基于强跟踪的相关熵扩展卡尔曼滤波的组合导航方法 - Google Patents
一种基于强跟踪的相关熵扩展卡尔曼滤波的组合导航方法 Download PDFInfo
- Publication number
- CN105737828B CN105737828B CN201610299303.7A CN201610299303A CN105737828B CN 105737828 B CN105737828 B CN 105737828B CN 201610299303 A CN201610299303 A CN 201610299303A CN 105737828 B CN105737828 B CN 105737828B
- Authority
- CN
- China
- Prior art keywords
- equation
- sins
- gnss
- state
- matrix
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
- 238000000034 method Methods 0.000 title claims abstract description 23
- 238000005259 measurement Methods 0.000 claims abstract description 29
- 238000001914 filtration Methods 0.000 claims abstract description 26
- 238000005562 fading Methods 0.000 claims abstract description 8
- 239000011159 matrix material Substances 0.000 claims description 42
- 230000001133 acceleration Effects 0.000 claims description 4
- 238000005070 sampling Methods 0.000 claims description 4
- 230000005484 gravity Effects 0.000 claims description 3
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/10—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration
- G01C21/12—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning
- G01C21/16—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation
- G01C21/165—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation combined with non-inertial navigation instruments
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/20—Instruments for performing navigational calculations
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
- G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
- G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
- G01S19/42—Determining position
- G01S19/45—Determining position by combining measurements of signals from the satellite radio beacon positioning system with a supplementary measurement
- G01S19/47—Determining position by combining measurements of signals from the satellite radio beacon positioning system with a supplementary measurement the supplementary measurement being an inertial measurement, e.g. tightly coupled inertial
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Computer Networks & Wireless Communication (AREA)
- Navigation (AREA)
Abstract
本发明公开了一种基于强跟踪的相关熵扩展卡尔曼滤波的组合导航方法,步骤如下:建立飞行器导航系统的状态方程;建立SINS/GNSS组合导航系统的动力学方程;建立SINS/GNSS组合导航系统的量测方程;离散化SINS/GNSS组合导航的动力学方程和量测方程;对非线性离散后的动力学方程进行线性化;对线性化的动力学方程采用基于强跟踪的相关熵扩展卡尔曼滤波算法,输出SINS/GNSS组合导航的信息。本发明将强跟踪理论中的渐消因子引入到相关熵扩展卡尔曼滤波算法中,有效地解决了非线性SINS/GNSS组合导航系统的模型不确定性和噪声统计特性的非高斯问题,从而提高了导航精度,增强了导航过程的稳定性。
Description
技术领域
本发明属于组合导航的技术领域,具体涉及一种基于强跟踪的相关熵扩展卡尔曼滤波的组合导航方法,可用于提高飞行器、导弹、舰船、地面车辆的SINS/GNSS组合导航系统的精度。
背景技术
高精度的组合导航一直以来是导航领域关注的关键问题。为了获得更高的导航精度,学者们和工业界人士致力于寻找具有鲁棒性和高精度的滤波方法,用于对载体的位置、速度、姿态等状态进行估计。
捷联惯性导航系统(Serial inertial navigation system,SINS)主要基于加速度二次积分的推算过程,自主性好、导航信息量大,但长时间工作导航精度变差。全球导航卫星系统(Global Navigation Satellite System,GNSS)是以导航卫星为基础的无线电导航系统,具有较高的定位精度和测速精度,但是机载GNSS接收机接收信号时受载体飞行姿态的影响,地面GNSS接收机受所在地域的影响。这两种导航系统单独使用时,均存在不同的限制,难以达到理想的导航精度。而SINS/GNSS组合导航是组合上述两种导航设备的特点,利用导航滤波算法和计算机技术对多种导航信息进行综合处理,显著地提高了导航系统性能,特别是导航精度。
针对SINS/GNSS组合导航系统而言,其组合滤波的非线性状态方程包括捷联惯导力学编排方程和姿态误差方程,故采用的导航滤波方法宜选取为非线性滤波方法。经典的扩展卡尔曼滤波方法通过时间更新和量测更新得到对状态进行估计,但当模型不精确或者噪声统计信息是非高斯时,滤波效果会很差,甚至会导致滤波过程发散。基于最大相关熵准则,有学者提出了相应的相关熵卡尔曼滤波算法,用于解决滤波过程中噪声的非高斯统计特性问题,取得了不错的效果。但是其未考虑模型的不确定性,针对这种模型的不确定性问题,基于强跟踪理论将渐消因子引入到相关熵卡尔曼滤波算法中,提出了一种基于强跟踪的相关熵扩展卡尔曼滤波的SINS/GNSS组合导航方法,能有效地解决SINS/GNSS组合导航系统的非线性问题,以及噪声统计特性的非高斯问题,提高了SINS/GNSS组合导航的精度。
发明内容
针对SINS/GNSS组合导航系统模型的不确定性和噪声的非高斯特性,本发明提供了一种基于强跟踪的相关熵扩展卡尔曼滤波的组合导航方法,基于最大相关熵准则建立了相关熵卡尔曼滤波方法,将渐消因子引入到相关熵扩展卡尔曼滤波方法,提高滤波精度。该方法利用强跟踪理论的特点,最大限度的消除模型的不确定性对SINS/GNSS组合导航的精度的影响,提高导航滤波精度,增强导航滤波稳定性。
为了达到上述目的,本发明提出了一种基于强跟踪的相关熵扩展卡尔曼滤波的组合导航方法,包括以下五个步骤:
步骤一:建立SINS/GNSS组合导航系统的动力学方程
在东北天地理坐标系下,SINS/GNSS组合导航系统的动力学方程为:
其中,φE,φN,φU分别是东、北、天的高度,vE,vN,vU分别是东、北、天的速度,L,λ,h分别为地理纬度、经度和高度;fE,fN,fU分别为东北天三个轴向的加速度计输出的比力测量值,δvE、δvN分别是惯导系统的速度vE、vN输出减去GNSS对应输出的速度的近似值,δL、δh是惯导系统的地理纬度L、地理高度vE输出减去GNSS对应输出的位置的近似值;RM为RM=Re(1-2e+3esin2L),RN为RN=Re(1-esin2L),其中Re=6378137.0m为地球长半径,e=1/298.257是地球扁率,ωie=7.292×10-5rad/s是地球自转角速度,g=9.78m/s2是重力加速度;地球陀螺东北天常值漂移εbE,εbN,εbU分别为:
其中,wgE,wgN,wgU分别是陀螺东、北、天的噪声;
状态向量为x=[φE,φN,φU,vE,vN,vU,L,λ,h,εbE,εbN,εbU]T,则其动力学方程为
式中,w为系统的噪声;
步骤二:建立SINS/GNSS组合导航系统的量测方程
选取GNSS输出的载体速度信息vEG,vNG,vUG和位置信息LG,λG,hG作为量测值组成量测方程:
y=[vEG,vNG,vUG,LG,λG,hG]T (11)
则相应的量测方程为
y=Hx+v (12)
其中,量测方程系数矩阵H为H=[I6×6,O6×6],I为单位矩阵,O为零矩阵,v为量测噪声。
步骤三:离散化SINS/GNSS组合导航的动力学方程和量测方程
将式(10)的动力学方程和式(12)的量测方程进行离散化,得到非线性的状态方程和线性的量测方程:
xk=f(xk-1)+wk-1 (13)
yk=Hxk+vk (14)
其中,xk为状态向量,f(·)为非线性离散函数,wk为系统噪声向量;yk为量测向量;vk为量测噪声向量,k是指第k步,代表tk时刻;系统噪声向量wk和量测噪声向量vk满足:
步骤四:对非线性离散后的动力学方程进行线性化
首先,将式(13)中的非线性离散函数f(xk-1)围绕估计值展开成泰勒级数,并略去二阶以上的项,得线性化之后的状态方程:
xk=Φk/k-1xk-1+uk-1+wk-1 (16)
其中,
其中,表示状态x的估计值;
步骤五:对线性化的动力学方程采用基于强跟踪的相关熵扩展卡尔曼滤波算法,输出SINS/GNSS组合导航的信息
(1).对由式(16)和式(14)组成的非线性离散系统的状态和误差方差阵Pk进行初始化和时间更新;对状态和误差方差阵分别赋予初值
其中,k取值为k=1,2,3,…,N,N由滤波时间和采样周期决定;
(2).第k-1步tk-1时刻的状态估计值为和误差方差阵为Pk-1,对第k步tk时刻的状态向量xk和误差方差阵Pk进行时间更新分别得到状态的一步预测
和相应的一步预测的误差方差阵:
其中,“-”表示先验估计,Qk-1表示系统的噪声方差阵,λk为渐消因子,其计算过程如下:
其中,
Nk=Sk(Vk-HQk-1HT)-Rk(25)
其中,tr(·)为求矩阵迹的算子,Rk表示量测噪声的方差阵;Vk为实际输出残差序列的协方差阵,由下式估算:
其中,为输出残差序列,ρ为遗忘因子,且满足0<ρ≤1;
(3).计算相关信息熵系数Sk:
其中,Gσ(·)表示带宽为σ的高斯核函数;
(4).计算滤波的增益矩阵Kk:
(5).计算状态估计
(6).计算状态估计的误差方差阵Pk:
通过以上6步循环可得到载体三维的位置(L,λ,h)和速度(vE,vN,vU)的估计值。
本发明的有益效果是:本发明将强跟踪理论中的渐消因子引入到相关熵扩展卡尔曼滤波算法中,有效地解决了非线性SINS/GNSS组合导航系统的模型不确定性和噪声统计特性的非高斯问题,从而提高了导航精度,增强了导航过程的稳定性。
附图说明
图1为本发明的流程图。
图2为本发明中的基于强跟踪的相关熵扩展卡尔曼滤波算法的原理图。
具体实施方式
下面结合附图和实施例对本发明作详细说明。
一种基于强跟踪的相关熵扩展卡尔曼滤波的组合导航方法,其流程图如图1所示,包括以下五个步骤:
步骤一、建立SINS/GNSS组合导航系统的动力学方程
在东北天地理坐标系下,SINS/GNSS组合导航系统的动力学方程为
式中,φE,φN,φU分别是东、北、天的高度,vE,vN,vU分别是东、北、天的速度,L,λ,h分别为地理纬度、经度和高度。fE,fN,fU分别为三个轴向的加速度计输出的比力测量值,δvE、δvN分别是惯导系统的速度vE、vN输出减去GNSS对应输出的速度的近似值,δL、δh是惯导系统的地理纬度L、地理高度vE输出减去GNSS对应输出的位置的近似值。RM为RM=Re(1-2e+3esin2L),RN为RN=Re(1-esin2L),Re=6378137.0m为地球长半径,e=1/298.257是地球扁率,ωie=7.292×10-5rad/s是地球自转角速度,g=9.78m/s2是重力加速度。地球陀螺常值漂移εbE,εbN,εbU定义为
式中,wgE,wgN,wgU分别是陀螺东、北、天的噪声。
取状态向量为x=[φE,φN,φU,vE,vN,vU,L,λ,h,εbE,εbN,εbU]T,则其动力学方程为
式中,w为系统噪声。
步骤二、建立SINS/GNSS组合导航系统的量测方程
选取GNSS输出的载体速度信息vEG,vNG,vUG和位置信息LG,λG,hG作为量测值组成量测方程:
y=[vEG,vNG,vUG,LG,λG,hG]T (12)
则相应的量测方程为
y=Hx+v (13)
式中,量测方程系数矩阵H为H=[I6×6,O6×6],I为单位矩阵,O为零矩阵,v为量测噪声。
步骤三、离散化SINS/GNSS组合导航的动力学方程和量测方程
离散化SINS/GNSS组合导航的动力学方程和量测方程,建立SINS/GNSS组合导航的非线性离散系统。
将上述式(10)的动力学方程和式(12)的量测方程进行离散化,得到非线性的状态方程和线性的量测方程:
xk=f(xk-1)+wk-1 (14)
yk=Hxk+vk (15)
式中,xk为状态向量,f(·)为非线性离散函数,wk为系统噪声向量;yk为量测向量,vk为量测噪声向量,k是指第k步,代表tk时刻。系统噪声向量wk和量测噪声向量vk满足
步骤四、对非线性离散后的动力学方程进行线性化
首先,将式(13)中的非线性离散函数f(xk-1)围绕估计值展开成泰勒级数,并略去二阶以上项,得线性化之后的状态方程:
xk=Φk/k-1xk-1+uk-1+wk-1 (17)
式中,
其中,表示状态x的估计值。利用泰勒级数对非线性离散函数进行泰勒级数展开时,只取前两项。以上四个步骤为前期准备过程,下面一个步骤是基于强跟踪的相关熵扩展卡尔曼滤波方法的滤波过程。
步骤五、对线性化的动力学方程采用基于强跟踪的相关熵扩展卡尔曼滤波算法,输出SINS/GNSS组合导航的信息
本发明的基于强跟踪的相关熵扩展卡尔曼滤波算法的原理图参见图2。
(1).对由式(17)和式(15)组成的非线性离散系统的状态和误差方差阵Pk进行初始化和时间更新:首先,对状态和误差方差阵分别赋予初值:
其中,k取值为k=1,2,3,…,N,N由滤波时间和采样周期决定。比如当滤波时间为100秒,采样周期为1赫兹时,N=100/1=100。
(2).设第k-1步tk-1时刻的状态估计值为和误差方差阵为Pk-1,在此基础之上对第k步即tk时刻的状态向量xk和误差方差阵Pk进行时间更新分别得到状态的一步预测
和相应的一步预测的误差方差阵
式中,上标“-”表示先验估计,Qk-1表示系统的噪声方差阵;λk为渐消因子,其计算过程如下:
式中,
Nk=Sk(Vk-HQk-1HT)-Rk (26)
其中,tr(·)为求矩阵迹的算子,Rk表示量测噪声的方差阵。Vk为实际输出残差序列的协方差阵,一般由下式估算:
其中,为输出残差序列,ρ为遗忘因子,满足0<ρ≤1,一般来说ρ取为0.95。
(3).计算相关信息熵系数Sk:
其中,范数表示 表示带宽为σ的高斯核函数,即
同样,范数表示
表示
(4).计算滤波的增益矩阵Kk:
(5).计算状态估计
(6).计算状态估计的误差方差阵Pk:
通过以上6步循环进行即可得到载体三维的位置(L,λ,h)和速度(vE,vN,vU)估计值。
本发明由步骤一、步骤二、步骤三、步骤四和步骤五共五个步骤组成,通过建立SINS/GNSS组合导航系统的非线性状态方程和量测方程,然后利用基于强跟踪的相关熵扩展卡尔曼滤波算法将渐消因子引入到相关熵扩展卡尔曼滤波中,提高导航系统的精度。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。
Claims (1)
1.一种基于强跟踪的相关熵扩展卡尔曼滤波的组合导航方法,其特征在于,包括以下步骤:
步骤一:建立SINS/GNSS组合导航系统的动力学方程
在东北天地理坐标系下,SINS/GNSS组合导航系统的动力学方程为:
其中,φE,φN,φU分别是东、北、天的高度,vE,vN,vU分别是东、北、天的速度,L,λ,h分别为地理纬度、经度和高度;fE,fN,fU分别为东北天三个轴向的加速度计输出的比力测量值,δvE、δvN分别是惯导系统的速度vE、vN输出减去GNSS对应输出的速度的近似值,δL、δh是惯导系统的地理纬度L、地理高度vE输出减去GNSS对应输出的位置的近似值;RM为RM=Re(1-2e+3esin2L),RN为RN=Re(1-esin2L),其中Re=6378137.0m为地球长半径,e=1/298.257是地球扁率,ωie=7.292×10-5rad/s是地球自转角速度,g=9.78m/s2是重力加速度;地球陀螺东北天常值漂移εbE,εbN,εbU分别为:
其中,wgE,wgN,wgU分别是陀螺东、北、天的噪声;
状态向量为x=[φE,φN,φU,vE,vN,vU,L,λ,h,εbE,εbN,εbU]T,则其动力学方程为
式中,w为系统的噪声;
步骤二:建立SINS/GNSS组合导航系统的量测方程
选取GNSS输出的载体速度信息vEG,vNG,vUG和位置信息LG,λG,hG作为量测值组成量测方程:
y=[vEG,vNG,vUG,LG,λG,hG]T················(12)
则相应的量测方程为
y=Hx+v·····················(13)
其中,量测方程系数矩阵H为H=[I6×6,O6×6],I为单位矩阵,O为零矩阵,v为量测噪声;
步骤三:离散化SINS/GNSS组合导航的动力学方程和量测方程
将式(11)的动力学方程和式(13)的量测方程进行离散化,得到非线性的状态方程和线性的量测方程:
xk=f(xk-1)+wk-1························(14)
yk=Hxk+vk·····························(15)
其中,xk为状态向量,f(·)为非线性离散函数,wk为系统噪声向量;yk为量测向量;vk为量测噪声向量,k是指第k步,代表tk时刻;系统噪声向量wk和量测噪声向量vk满足:
步骤四:对非线性离散后的动力学方程进行线性化
首先,将式(14)中的非线性离散函数f(xk-1)围绕估计值展开成泰勒级数,并略去二阶以上的项,得线性化之后的状态方程:
xk=Φk/k-1xk-1+uk-1+wk-1···················(17)
其中,
其中,表示状态x的估计值;
步骤五:对线性化的动力学方程采用基于强跟踪的相关熵扩展卡尔曼滤波算法,输出SINS/GNSS组合导航的信息
(1).对由式(17)和式(15)组成的非线性离散系统的状态和误差方差阵Pk进行初始化和时间更新;对状态和误差方差阵分别赋予初值
其中,k取值为k=1,2,3,…,N,N由滤波时间和采样周期决定;
(2).第k-1步tk-1时刻的状态估计值为和误差方差阵为Pk-1,对第k步tk时刻的状态向量xk和误差方差阵Pk进行时间更新分别得到状态的一步预测
和相应的一步预测的误差方差阵:
其中,“-”表示先验估计,Qk-1表示系统的噪声方差阵,λk为渐消因子,其计算过程如下:
其中,
Nk=Sk(Vk-HQk-1HT)-Rk····················(26)
其中,tr(·)为求矩阵迹的算子,Rk表示量测噪声的方差阵;Vk为实际输出残差序列的协方差阵,由下式估算:
其中,为输出残差序列,ρ为遗忘因子,且满足0<ρ≤1;
(3).计算相关信息熵系数Sk:
其中,Gσ(·)表示带宽为σ的高斯核函数;
(4).计算滤波的增益矩阵Kk:
(5).计算状态估计
(6).计算状态估计的误差方差阵Pk:
通过以上6步循环可得到载体三维的位置(L,λ,h)和速度(vE,vN,vU)的估计值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610299303.7A CN105737828B (zh) | 2016-05-09 | 2016-05-09 | 一种基于强跟踪的相关熵扩展卡尔曼滤波的组合导航方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610299303.7A CN105737828B (zh) | 2016-05-09 | 2016-05-09 | 一种基于强跟踪的相关熵扩展卡尔曼滤波的组合导航方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105737828A CN105737828A (zh) | 2016-07-06 |
CN105737828B true CN105737828B (zh) | 2018-07-31 |
Family
ID=56288827
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610299303.7A Expired - Fee Related CN105737828B (zh) | 2016-05-09 | 2016-05-09 | 一种基于强跟踪的相关熵扩展卡尔曼滤波的组合导航方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105737828B (zh) |
Families Citing this family (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106441291B (zh) * | 2016-09-27 | 2019-06-21 | 北京理工大学 | 一种基于强跟踪sdre滤波的组合导航系统及导航方法 |
CN106487358B (zh) * | 2016-09-30 | 2019-05-10 | 西南大学 | 一种机动目标转弯跟踪方法 |
CN106931966B (zh) * | 2017-02-24 | 2019-07-26 | 西北工业大学 | 一种基于泰勒高阶余项拟合的组合导航方法 |
CN108332751B (zh) * | 2018-01-08 | 2020-11-20 | 北京邮电大学 | 一种多源融合定位方法、装置、电子设备及存储介质 |
CN108490472B (zh) * | 2018-01-29 | 2021-12-03 | 哈尔滨工程大学 | 一种基于模糊自适应滤波的无人艇组合导航方法 |
CN108375381B (zh) * | 2018-02-08 | 2021-12-21 | 北方工业大学 | 一种基于扩展卡尔曼滤波的仿生偏振传感器多源误差标定方法 |
CN108388720B (zh) * | 2018-02-08 | 2021-11-30 | 北方工业大学 | 基于无迹卡尔曼滤波的仿生偏振传感器多源误差标定方法 |
CN108592911B (zh) * | 2018-03-23 | 2021-09-17 | 南京航空航天大学 | 一种四旋翼飞行器动力学模型/机载传感器组合导航方法 |
CN108665400A (zh) * | 2018-04-28 | 2018-10-16 | 湖南城市学院 | 一种城乡规划管理案例系统 |
CN109000642A (zh) * | 2018-05-25 | 2018-12-14 | 哈尔滨工程大学 | 一种改进的强跟踪容积卡尔曼滤波组合导航方法 |
CN108562290B (zh) * | 2018-07-13 | 2020-10-27 | 深圳市戴升智能科技有限公司 | 导航数据的滤波方法、装置、计算机设备及存储介质 |
CN109781098B (zh) * | 2019-03-08 | 2021-04-06 | 兰州交通大学 | 一种列车定位的方法和系统 |
CN110865334B (zh) * | 2019-11-26 | 2021-09-03 | 北京航空航天大学 | 一种基于噪声统计特性的多传感器目标跟踪方法及系统 |
CN111258218B (zh) * | 2020-01-17 | 2022-08-12 | 成都信息工程大学 | 基于最大相关熵准则的智能车辆路径跟踪方法 |
CN111596290B (zh) * | 2020-06-01 | 2022-07-29 | 中国电子科技集团公司信息科学研究院 | 一种基于最大相关熵扩展卡尔曼滤波的雷达目标跟踪方法 |
CN112525205B (zh) * | 2020-11-17 | 2021-09-03 | 上海电机学院 | 一种最小误差熵准则下的车联网相对组合导航定位方法 |
CN114858166B (zh) * | 2022-07-11 | 2022-10-11 | 北京神导科技股份有限公司 | 基于最大相关熵卡尔曼滤波器的imu姿态解算方法 |
CN116774263B (zh) * | 2023-06-12 | 2024-04-05 | 同济大学 | 面向组合导航系统的导航定位方法及装置 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1945212A (zh) * | 2006-11-03 | 2007-04-11 | 北京航空航天大学 | 一种sins/gps组合导航系统的自适应加权反馈校正滤波方法 |
CN101464152A (zh) * | 2009-01-09 | 2009-06-24 | 哈尔滨工程大学 | 一种sins/gps组合导航系统自适应滤波方法 |
CN101852615A (zh) * | 2010-05-18 | 2010-10-06 | 南京航空航天大学 | 一种用于惯性组合导航系统中的改进混合高斯粒子滤波方法 |
EP2400267A1 (fr) * | 2010-06-25 | 2011-12-28 | Thales | Filtre de navigation pour système de navigation par corrélation de terrain. |
CN103278837A (zh) * | 2013-05-17 | 2013-09-04 | 南京理工大学 | 基于自适应滤波的sins/gnss多级容错组合导航方法 |
CN103292812A (zh) * | 2013-05-10 | 2013-09-11 | 哈尔滨工程大学 | 一种微惯性sins/gps组合导航系统的自适应滤波方法 |
CN104019817A (zh) * | 2014-05-30 | 2014-09-03 | 哈尔滨工程大学 | 一种用于卫星姿态估计的范数约束强跟踪容积卡尔曼滤波方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8589072B2 (en) * | 2011-04-13 | 2013-11-19 | Honeywell International, Inc. | Optimal combination of satellite navigation system data and inertial data |
-
2016
- 2016-05-09 CN CN201610299303.7A patent/CN105737828B/zh not_active Expired - Fee Related
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1945212A (zh) * | 2006-11-03 | 2007-04-11 | 北京航空航天大学 | 一种sins/gps组合导航系统的自适应加权反馈校正滤波方法 |
CN101464152A (zh) * | 2009-01-09 | 2009-06-24 | 哈尔滨工程大学 | 一种sins/gps组合导航系统自适应滤波方法 |
CN101852615A (zh) * | 2010-05-18 | 2010-10-06 | 南京航空航天大学 | 一种用于惯性组合导航系统中的改进混合高斯粒子滤波方法 |
EP2400267A1 (fr) * | 2010-06-25 | 2011-12-28 | Thales | Filtre de navigation pour système de navigation par corrélation de terrain. |
CN103292812A (zh) * | 2013-05-10 | 2013-09-11 | 哈尔滨工程大学 | 一种微惯性sins/gps组合导航系统的自适应滤波方法 |
CN103278837A (zh) * | 2013-05-17 | 2013-09-04 | 南京理工大学 | 基于自适应滤波的sins/gnss多级容错组合导航方法 |
CN104019817A (zh) * | 2014-05-30 | 2014-09-03 | 哈尔滨工程大学 | 一种用于卫星姿态估计的范数约束强跟踪容积卡尔曼滤波方法 |
Non-Patent Citations (2)
Title |
---|
基于卡尔曼/粒子组合滤波的组合导航方法研究;崔平远,郑黎方,裴福俊,刘红云;《系统仿真学报》;20090131;第21卷(第1期);第220-223页 * |
基于模糊自适应卡尔曼滤波的INS/GPS组合导航系统算法研究;徐田来,游文虎,崔平远;《宇航学报》;20050930;第26卷(第5期);第571-575页 * |
Also Published As
Publication number | Publication date |
---|---|
CN105737828A (zh) | 2016-07-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105737828B (zh) | 一种基于强跟踪的相关熵扩展卡尔曼滤波的组合导航方法 | |
CN109556632B (zh) | 一种基于卡尔曼滤波的ins/gnss/偏振/地磁组合导航对准方法 | |
CN107655476B (zh) | 基于多信息融合补偿的行人高精度足部导航方法 | |
CN107314718B (zh) | 基于磁测滚转角速率信息的高速旋转弹姿态估计方法 | |
Fang et al. | Predictive iterated Kalman filter for INS/GPS integration and its application to SAR motion compensation | |
CN106405670B (zh) | 一种适用于捷联式海洋重力仪的重力异常数据处理方法 | |
CN106500693B (zh) | 一种基于自适应扩展卡尔曼滤波的ahrs算法 | |
CN110849360B (zh) | 面向多机协同编队飞行的分布式相对导航方法 | |
CN108594272A (zh) | 一种基于鲁棒卡尔曼滤波的抗欺骗干扰组合导航方法 | |
Fu et al. | Autonomous in-motion alignment for land vehicle strapdown inertial navigation system without the aid of external sensors | |
CN102116634A (zh) | 一种着陆深空天体探测器的降维自主导航方法 | |
CN103278165A (zh) | 基于剩磁标定的磁测及星光备份的自主导航方法 | |
CN104833375A (zh) | 一种借助星敏感器的imu两位置对准方法 | |
CN105988129A (zh) | 一种基于标量估计算法的ins/gnss组合导航方法 | |
CN108225312A (zh) | 一种gnss/ins松组合中杆臂估计以及补偿方法 | |
CN110095117A (zh) | 一种无陀螺惯性量测系统与gps组合的导航方法 | |
CN105606093A (zh) | 基于重力实时补偿的惯性导航方法及装置 | |
Omerbashich | Integrated INS/GPS navigation from a popular perspective | |
CN114994732B (zh) | 基于gnss载波相位的车载航向快速初始化装置及方法 | |
CN103256932A (zh) | 一种替换结合外推的着陆导航方法 | |
Botha et al. | Vehicle sideslip estimation using unscented Kalman filter, AHRS and GPS | |
Grochowski et al. | A GPS-aided inertial navigation system for vehicular navigation using a smartphone | |
Vigrahala et al. | Attitude, Position and Velocity determination using Low-cost Inertial Measurement Unit for Global Navigation Satellite System Outages | |
Fu et al. | Autonomous navigation method based on unbiased minimum-variance estimation during Mars entry | |
Snyder et al. | Performance of a mems imu for localizing a seaglider auv on an acoustic tracking range |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20180731 Termination date: 20190509 |
|
CF01 | Termination of patent right due to non-payment of annual fee |