CN109974695B - 基于Krein空间的水面舰艇导航系统的鲁棒自适应滤波方法 - Google Patents
基于Krein空间的水面舰艇导航系统的鲁棒自适应滤波方法 Download PDFInfo
- Publication number
- CN109974695B CN109974695B CN201910279494.4A CN201910279494A CN109974695B CN 109974695 B CN109974695 B CN 109974695B CN 201910279494 A CN201910279494 A CN 201910279494A CN 109974695 B CN109974695 B CN 109974695B
- Authority
- CN
- China
- Prior art keywords
- navigation system
- matrix
- uncertainty
- perturbation
- equation
- 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.)
- Active
Links
Images
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
- G01C21/203—Specially adapted for sailing ships
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
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)
- Position Fixing By Use Of Radio Waves (AREA)
Abstract
本发明公开了一种基于Krein空间的水面舰艇导航系统的鲁棒自适应滤波方法,包括如下步骤:根据Krein空间线性估计理论和捷联惯性导航系统、全球导航卫星系统特点,引入不确定性摄动参数,建立基于Krein空间的SINS/GNSS组合导航的鲁棒H∞滤波方程;建立捷联惯性导航系统在ECEF系下的误差状态方程和SINS/GNSS组合量测方程;根据鲁棒H∞滤波器新息来正确估计和补偿不确定性摄动参数用于保证水面舰艇导航系统的精度和可靠性。本发明方法通过建立Krein空间下SINS/GNSS组合导航H∞滤波器来保证水面舰艇导航系统抵抗外界不确定性摄动的鲁棒性,同时,根据滤波器新息来正确估计和补偿不确定性摄动参数,以达到进一步提高导航系统可靠性,最终实现水面舰艇的精确定位。
Description
技术领域
本发明属于导航技术领域,涉及水面舰艇的导航定位方法,具体涉及一种基于Krein空间的SINS/GNSS组合导航的鲁棒自适应滤波方法。
背景技术
导航系统作为水面舰艇的重要部分,在一定程度上,决定着水面舰艇运行的安全性和可靠性。捷联惯性导航系统(Strap-down InertialNavigation Systems,,SINS)和全球导航卫星系统(Global Positioning System,,GNSS)是两种常用的水面舰艇导航系统。当海域未知随机干扰环境造成导航系统的不确定性摄动时,常规线性误差模型无法描述不确定性摄动参数对导航系统的影响,这将导致导航精度降低,甚至失效,而现有的水面舰艇导航系统还无法解决这个问题。
发明内容
发明目的:为了克服现有技术中存在的不足,针对海域未知随机干扰环境造成水面舰艇导航系统的精度和可靠性下降的问题,提供一种应用在水面舰艇导航系统上的基于Krein空间的SINS/GNSS组合导航的鲁棒自适应滤波方法,通过建立Krein空间下SINS/GNSS组合导航H∞滤波器来保证水面舰艇导航系统抵抗外界不确定性摄动的鲁棒性,同时,将根据滤波器新息来正确估计和补偿不确定性摄动参数,以达到进一步提高导航系统可靠性,最终实现水面舰艇的精确定位。
技术方案:为实现上述目的,本发明提供一种基于Krein空间的水面舰艇导航系统的鲁棒自适应滤波方法,包括如下步骤:
S1:根据Krein空间线性估计理论和捷联惯性导航系统、全球导航卫星系统特点,引入不确定性摄动参数,建立基于Krein空间的SINS/GNSS组合导航的鲁棒H∞滤波方程;
S2:建立捷联惯性导航系统在ECEF系下的误差状态方程和SINS/GNSS组合量测方程;
S3:根据鲁棒H∞滤波器新息γj来正确估计和补偿不确定性摄动参数用于保证水面舰艇导航系统的精度和可靠性。
进一步的,所述步骤S1具体包括如下步骤:
S1-1:建立目标二次型
考虑一个线性离散摄动系统:
其中,下标j表示时刻或迭代次数;xj表示系统状态变量;zj表示系统量测值;μj、νj分别表示状态空间和量测空间的随机噪声,其系数矩阵表示为Bj、Dj;δAj、δCj分别表示状态空间和测量空间的不确定性干扰输入;Aj+1|j表示从时刻j到j+1的状态转移矩阵;Cj表示时刻j的量测矩阵;
将不确定性摄动参数ξAj、ξCj引入系统方程:
令sj=Ejxj,则:
||ΔjEjxj||2≤||Ejxj||2
其中,||·||表示向量H2范数。
为寻找最优估计,构建下列目标等价二次型:
S1-2:建立krein空间形式系统模型和滤波方程
建立krein空间形式系统:
得到形式噪声协方差阵为:
进一步的,所述步骤S2具体包括如下步骤:
考虑一个15维系统状态量的INS\GNSS速率位置松组合导航系统:
其中,表示水下滑翔器的姿态角误差,δvE,δvN,δvU代表水下滑翔器的东北向速度误差,δrE,δrN,δrU表示水下滑翔器的东北天向位置误差,▽bx,▽by,▽bz代表加计的常值偏移,εbx,εby,εbz代表陀螺仪的常值偏移;
则捷联惯导系统在ECEF系下的误差方程为:
SINS/GNSS组合量测方程为:
进一步的,所述步骤S3具体包括如下步骤:
但是如果未知随机干扰所造成导航系统的不确定性输入δAj、δCj没有得到正确估计,其补偿的不确定性摄动参数ξAj、ξCj会引起滤波器的失常,而适配新息平方和的变化则可以反映出适配矩阵的估计是否得当,即反映出未补偿的环境未知随机干扰部分对系统的影响大小。
S3-2:正确估计摄动参数ξAj、ξCj
当且仅当不确定摄动参数ξAj、ξCj被完全补偿时,上式取等号,因此可以通过反推得到:
若假设当前时刻确定摄动参数ξAj、ξCj被完全补偿时,上式可以改写为:
由步骤S1-1可知适配矩阵Ej与摄动参数ξAj、ξCj、不确定性干扰输入δAj、δCj的关系为:
最后通过滤波器不断迭代,通过上面的算法能够实时地估计和补偿正确的摄动参数,保证水面舰艇导航系统的精度和可靠性。
有益效果:本发明与现有技术相比,通过建立Krein空间下SINS/GNSS组合导航H∞滤波器来保证水面舰艇导航系统抵抗外界不确定性摄动的鲁棒性,将根据滤波器新息来正确估计和补偿不确定性摄动参数,能够自适应的正确估计和补偿海域未知环境干扰对组合导航系统的影响,防止导航定位发散,从而大幅提高了水面舰艇导航系统的定位精确度,提升了导航系统的可靠性。
附图说明
图1是本发明实施例中水面舰艇导航系统的SINS/GNSS组合导航的鲁棒自适应滤波方法流程图;
图2是本发明实施例中水面舰艇导航系统的SINS/GNSS位置速度校正的松组合导航系统框图;
图3是本发明实施例中的定位误差仿真对比图。
具体实施方式
下面结合附图和具体实施例,进一步阐明本发明。
本发明提供一种基于Krein空间的SINS/GNSS组合导航的鲁棒自适应滤波方法,包括如下步骤:
S1:根据Krein空间线性估计理论和捷联惯性导航系统(SINS)、全球导航卫星系统(GNSS)特点,引入不确定性摄动参数,建立基于Krein空间的SINS/GNSS组合导航的鲁棒H∞滤波方程,其具体如下:
S1-1:建立目标二次型
考虑一个线性离散摄动系统:
其中,下标j表示时刻或迭代次数;xj表示系统状态变量;zj表示系统量测值;μj、νj分别表示状态空间和量测空间的随机噪声,其系数矩阵表示为Bj、Dj;δAj、δCj分别表示状态空间和测量空间的不确定性干扰输入;Aj+1|j表示从时刻j到j+1的状态转移矩阵;Cj表示时刻j的量测矩阵;
由于传统鲁棒H∞系统的不确定性可用能量约束二次型来描述:
为了将不确定性摄动参数ξAj、ξCj引入系统方程,不确定性干扰输入δAj、δCj可以改写为:
||ΔjEjxj||2≤||Ejxj||2
即:
||ξj||2≤||sj||2
其中,||·||表示向量H2范数。
整个鲁棒H∞线性离散摄动系统的不确定性可由能量约束二次型描述为:
上述不等式为H∞鲁棒问题的线性离散摄动系统状态量集合的估计椭圆,为寻找最优估计,构建下列目标等价二次型:
S1-2:建立krein空间形式系统模型和滤波方程
建立krein空间形式系统:
得到形式噪声协方差阵为:
基于krein空间的形式系统的具体鲁棒H∞滤波方程为:
S2:建立捷联惯性导航系统(SINS)在ECEF系下的误差状态方程和SINS/GNSS组合量测方程:
考虑一个15维系统状态量的INS\GNSS速率位置松组合导航系统:
其中,表示水下滑翔器的姿态角误差,δvE,δvN,δvU代表水下滑翔器的东北向速度误差,δrE,δrN,δrU表示水下滑翔器的东北天向位置误差,▽bx,▽by,▽bz代表加计的常值偏移,εbx,εby,εbz代表陀螺仪的常值偏移;
则捷联惯导系统在ECEF系下的误差方程为:
SINS/GNSS组合量测方程为:
S3:根据鲁棒H∞滤波器新息γj来正确估计和补偿不确定性摄动参数用于保证水面舰艇导航系统的精度和可靠性,因为在水面舰艇执行任务多种多样,环境随机干扰多变,单一不确定性干扰输入δAj、δCj不能满足实际应用需求,本实施例根据多传感器和滤波器信息实时地估计和补偿正确的摄动参数,其具体如下步骤S3-1和步骤S3-2:
但是如果未知随机干扰所造成导航系统的不确定性输入δAj、δCj没有得到正确估计,其补偿的不确定性摄动参数ξAj、ξCj会引起滤波器的失常,而适配新息平方和的变化则可以反映出适配矩阵的估计是否得当,即反映出未补偿的环境未知随机干扰部分对系统的影响大小。
S3-2:正确估计摄动参数ξAj、ξCj
当且仅当不确定摄动参数ξAj、ξCj被完全补偿时,上式取等号,因此可以通过反推得到:
若假设当前时刻确定摄动参数ξAj、ξCj被完全补偿时,上式可以改写为:
由步骤S1-1可知适配矩阵Ej与摄动参数ξAj、ξCj、不确定性干扰输入δAj、δCj的关系为:
最后通过滤波器不断迭代,通过上面的算法能够实时地估计和补偿正确的摄动参数,保证水面舰艇导航系统的精度和可靠性。
根据上述方法步骤,如图1所示,鲁棒自适应滤波方式分为三个阶段:初始化阶段、时间更新阶段以及量测更新阶段。
①初始化阶段:惯性导航系统和GNSS卫星接收机解算完相应导航信息参数后,组合导航滤波器开始工作,此时需要提前预设滤波器滤波回路、适配回路和增益回路的相关参数(包括:滤波器状态x、状态不确定度协方差P以及适配阵E)的初始化值。该初值由组合导航系统的先验知识获取,根据使用的传感器精度、应用环境的不同而存在差异化。
②时间更新阶段:在滤波回路中,根据上一时刻滤波输出的最优状态量估计一步预测当前时刻的状态量在增益回路中,根据上一时刻滤波输出的最优协方差估计阵系统形式噪声和量测形式噪声计算滤波增益Kf,j和相关性增益Kt,j。在适配回路中,根据上一时刻滤波输出的最优协方差估计阵和新息Kf,j更新适配阵
③量测更新阶段:在滤波回路中,接收新的外部观测量zj后利用增益阵Kf,j和一步预测状态量更新系统最优状态量估计在增益回路中,利用时间更新阶段计算的增益阵Kf,j和相关性增益Kt,j更新鲁棒H∞状态最优估计协方差在适配回路中,根据适配矩阵Ej与摄动参数ξAj、ξCj、不确定性干扰输入δAj、δCj的关系,将其正确补偿至形式系统模型中。
本实施例将上述鲁棒自适应滤波方法应用在SINS/GNSS组合的水面舰艇导航系统上,如图2所示,在滑翔器上浮校正过程中,IMU输出三轴加速度和角速率信息,经过惯性导航系统解算得到水面舰艇的姿态角(横滚角、俯仰角和航向角)、三个方向上的速率和经纬高位置信息。GNSS卫星接收机直接输出水面舰艇的三个方向上的速率和经纬高位置信息。将GNSS系统与INS系统单独输出的信息(位置、速率)作差作为外部观测量输入组合导航滤波器。该滤波器所采用的滤波过程即为图1所示的鲁棒自适应滤波方式的具体过程。通过滤波器不断的迭代,输出组合导航系统的最优状态量估计,即导航信息误差(位置、速率误差)和传感器误差(加速度计、陀螺仪等误差)用于修正惯导系统中包含各种噪声误差的导航定位和速率(姿态角无法在松组合信息融合模式下进行修正)。
本实施例将结合一个具有多重参数不确定性的线性离散时变系统,对本发明应用的基于KREIN空间的鲁棒自适应滤波方法与传统卡尔曼滤波(Kalman Filter,KF)方法进行仿真对比试验:
考虑线性离散时变不确定系统为:
上述符号与具体实施方案中一致。系统初始状态量为x0=[0.01 -0.02]T,初始状态协方差为P0=I2×2。则相应的Krein空间形式系统的参数有:
根据上述鲁棒自适应滤波公式和传统卡尔曼滤波公式,进行了200s仿真实验,定位误差如图3所示。其均方根误差如下表1所示。
表1不同滤波方法的定位均方根误差(RMSE)
滤波方法 | 误差(单位:米) |
卡尔曼滤波 | 0.0955 |
基于Krein空间的鲁棒自适应滤波 | 0.0822 |
参照图3和表1的数据对比,本发明与传统卡尔曼滤波方式相比,提高了导航系统的定位精度(定位误差缩减13.9%),提升了导航系统在复杂未知环境中的可靠性。
Claims (2)
1.基于Krein空间的水面舰艇导航系统的鲁棒自适应滤波方法,其特征在于:包括如下步骤:
S1:根据Krein空间线性估计理论和捷联惯性导航系统、全球导航卫星系统特点,引入不确定性摄动参数,建立基于Krein空间的SINS/GNSS组合导航的鲁棒H∞滤波方程;
S2:建立捷联惯性导航系统在ECEF系下的误差状态方程和SINS/GNSS组合量测方程;
S3:根据鲁棒H∞滤波器新息γj来正确估计和补偿不确定性摄动参数用于保证水面舰艇导航系统的精度和可靠性;
所述步骤S1具体包括如下步骤:
S1-1:建立目标二次型
考虑一个线性离散摄动系统:
其中,下标j表示时刻或迭代次数;xj表示系统状态变量;zj表示系统量测值;μj、νj分别表示状态空间和量测空间的随机噪声,其系数矩阵表示为Bj、Dj;δAj、δCj分别表示状态空间和测量空间的不确定性干扰输入;Aj+1|j表示从时刻j到j+1的状态转移矩阵;Cj表示时刻j的量测矩阵;
将不确定性摄动参数ξAj、ξCj引入系统方程:
令sj=Ejxj,则:
||ΔjEjxj||2≤||Ejxj||2
其中,||·||表示向量H2范数,
为寻找最优估计,构建下列目标等价二次型:
S1-2:建立krein空间形式系统模型和滤波方程
建立krein空间形式系统:
得到形式噪声协方差阵为:
所述步骤S2具体包括如下步骤:
考虑一个15维系统状态量的INS\GNSS速率位置松组合导航系统:
其中,δψ表示水下滑翔器的姿态角误差,δvE,δvN,δvU代表水下滑翔器的东北向速度误差,δrE,δrN,δrU表示水下滑翔器的东北天向位置误差,▽bx,▽by,▽bz代表加计的常值偏移,εbx,εby,εbz代表陀螺仪的常值偏移;
则捷联惯导系统在ECEF系下的误差方程为:
SINS/GNSS组合量测方程为:
2.根据权利要求1所述的基于Krein空间的水面舰艇导航系统的鲁棒自适应滤波方法,其特征在于:所述步骤S3具体包括如下步骤:
S3-2:正确估计摄动参数ξAj、ξCj
当且仅当不确定摄动参数ξAj、ξCj被完全补偿时,上式取等号,因此可以通过反推得到:
若假设当前时刻确定摄动参数ξAj、ξCj被完全补偿时,上式可以改写为:
由步骤S1-1可知适配矩阵Ej与摄动参数ξAj、ξCj、不确定性干扰输入δAj、δCj的关系为:
最后通过滤波器不断迭代,通过上面的算法能够实时地估计和补偿正确的摄动参数,保证水面舰艇导航系统的精度和可靠性。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910279494.4A CN109974695B (zh) | 2019-04-09 | 2019-04-09 | 基于Krein空间的水面舰艇导航系统的鲁棒自适应滤波方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910279494.4A CN109974695B (zh) | 2019-04-09 | 2019-04-09 | 基于Krein空间的水面舰艇导航系统的鲁棒自适应滤波方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109974695A CN109974695A (zh) | 2019-07-05 |
CN109974695B true CN109974695B (zh) | 2022-08-26 |
Family
ID=67083616
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910279494.4A Active CN109974695B (zh) | 2019-04-09 | 2019-04-09 | 基于Krein空间的水面舰艇导航系统的鲁棒自适应滤波方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109974695B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111750865B (zh) * | 2020-07-04 | 2023-05-16 | 东南大学 | 一种用于双功能深海无人潜器导航系统的自适应滤波导航方法 |
CN112284384B (zh) * | 2020-10-26 | 2023-11-17 | 东南大学 | 考虑量测异常的集群式多深海潜航器的协同定位方法 |
CN113218421B (zh) * | 2021-05-11 | 2023-07-04 | 中国人民解放军63921部队 | 北斗拒止条件下捷联惯导系统鲁棒自适应动态对准方法 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103278837B (zh) * | 2013-05-17 | 2015-04-15 | 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 |
CN103744098B (zh) * | 2014-01-23 | 2017-03-15 | 东南大学 | 基于sins/dvl/gps的auv组合导航系统 |
CN107179693B (zh) * | 2017-06-27 | 2019-12-27 | 哈尔滨工程大学 | 基于Huber估计的鲁棒自适应滤波和状态估计方法 |
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 |
CN108594272B (zh) * | 2018-08-01 | 2020-09-15 | 北京航空航天大学 | 一种基于鲁棒卡尔曼滤波的抗欺骗干扰组合导航方法 |
CN109324330B (zh) * | 2018-09-18 | 2022-11-18 | 东南大学 | 基于混合无导数扩展卡尔曼滤波的usbl/sins紧组合导航定位方法 |
CN109443379B (zh) * | 2018-09-28 | 2020-07-21 | 东南大学 | 一种深海潜航器的sins/dvl水下抗晃动对准方法 |
-
2019
- 2019-04-09 CN CN201910279494.4A patent/CN109974695B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN109974695A (zh) | 2019-07-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108226980B (zh) | 基于惯性测量单元的差分gnss与ins自适应紧耦合导航方法 | |
CN109211276B (zh) | 基于gpr与改进的srckf的sins初始对准方法 | |
CN110579740B (zh) | 一种基于自适应联邦卡尔曼滤波的无人船组合导航方法 | |
CN109324330B (zh) | 基于混合无导数扩展卡尔曼滤波的usbl/sins紧组合导航定位方法 | |
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 | |
CN109373999B (zh) | 基于故障容错卡尔曼滤波的组合导航方法 | |
CN107525503B (zh) | 基于双天线gps和mimu组合的自适应级联卡尔曼滤波方法 | |
CN109974695B (zh) | 基于Krein空间的水面舰艇导航系统的鲁棒自适应滤波方法 | |
CN110567454B (zh) | 一种复杂环境下sins/dvl紧组合导航方法 | |
EP2927640B1 (en) | Global positioning system (gps) self-calibrating lever arm function | |
CN109724599A (zh) | 一种抗野值的鲁棒卡尔曼滤波sins/dvl组合导航方法 | |
CN110514203B (zh) | 一种基于isr-ukf的水下组合导航方法 | |
CN108387227B (zh) | 机载分布式pos的多节点信息融合方法及系统 | |
CN106767900A (zh) | 一种基于组合导航技术的船用光纤捷联惯导系统的在线标定方法 | |
CN111024064A (zh) | 一种改进Sage-Husa自适应滤波的SINS/DVL组合导航方法 | |
CN113203418B (zh) | 基于序贯卡尔曼滤波的gnssins视觉融合定位方法及系统 | |
CN108827310A (zh) | 一种船用星敏感器辅助陀螺仪在线标定方法 | |
CN102508278A (zh) | 一种基于观测噪声方差阵估计的自适应滤波方法 | |
CN109612460B (zh) | 一种基于静止修正的垂线偏差测量方法 | |
CN104344836A (zh) | 一种基于姿态观测的冗余惯导系统光纤陀螺系统级标定方法 | |
CN110567455B (zh) | 一种求积更新容积卡尔曼滤波的紧组合导航方法 | |
CN115096303B (zh) | 一种gnss多天线与ins紧组合定位定姿方法和设备 | |
CN108225312B (zh) | 一种gnss/ins松组合中杆臂估计以及补偿方法 | |
CN113984054A (zh) | 基于信息异常检测的改进Sage-Husa自适应融合滤波方法及多源信息融合设备 | |
CN116222551A (zh) | 一种融合多种数据的水下导航方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |