CN112461235B - 一种基于干扰观测器的抗干扰组合导航方法 - Google Patents

一种基于干扰观测器的抗干扰组合导航方法 Download PDF

Info

Publication number
CN112461235B
CN112461235B CN202011311849.2A CN202011311849A CN112461235B CN 112461235 B CN112461235 B CN 112461235B CN 202011311849 A CN202011311849 A CN 202011311849A CN 112461235 B CN112461235 B CN 112461235B
Authority
CN
China
Prior art keywords
drift
error
navigation
adjacent
interference
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
Application number
CN202011311849.2A
Other languages
English (en)
Other versions
CN112461235A (zh
Inventor
郭雷
豆青风
杨健
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beihang University
Original Assignee
Beihang University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beihang University filed Critical Beihang University
Priority to CN202011311849.2A priority Critical patent/CN112461235B/zh
Publication of CN112461235A publication Critical patent/CN112461235A/zh
Application granted granted Critical
Publication of CN112461235B publication Critical patent/CN112461235B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • 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
    • G01S19/48—Determining position by combining or switching between position solutions derived from the satellite radio beacon positioning system and position solutions derived from a further system
    • G01S19/49—Determining position by combining or switching between position solutions derived from the satellite radio beacon positioning system and position solutions derived from a further system whereby the further system is an inertial position system, e.g. loosely-coupled
    • 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)
  • Computer Networks & Wireless Communication (AREA)
  • Automation & Control Theory (AREA)
  • Navigation (AREA)

Abstract

本发明涉及一种基于干扰观测器的抗干扰组合导航方法，涉及一种捷联惯导、GPS组合导航方法。首先由动态捷联解算过程及滤波过程采集不同时刻的导航信息；其次，根据相邻两时刻误差动态方程设计漂移估计器；最后，将漂移估计器的输出值进行反馈。本发明建立了惯性器件漂移的估计器，可对惯性器件的漂移进行一定估计和补偿，从而提高组合导航系统的导航精度。

Description

一种基于干扰观测器的抗干扰组合导航方法
技术领域
本发明涉及一种基于干扰观测器的抗干扰组合导航方法，该方法设计观测器对组合导航系统中的惯性器件漂移进行估计并反馈实现高精度导航，属组合导航领域。
背景技术
由于惯导系统的误差累积，组合导航成为了目前导航领域的主流导航方式。组合导航充分利用各传感器的特点进行优势互补，其中最典型的当属捷联惯导/GPS组合导航方式，GPS利用卫星信息解算得到导航信息，弥补了捷联惯导误差累积的缺点。然而，GPS一般提供速度位置信息，与捷联惯导组成的量测模型只能提供部分观测信息，这便导致了组合导航系统中部分状态不可观测的问题，这部分状态便包括惯性器件的漂移。惯性器件漂移是引起捷联惯导误差累积的关键因素。
截至目前为止，组合导航方法大多集中在对载体姿态、速度、位置信息的估计上，对于惯性器件漂移估计的研究较少，或者对于惯性器件漂移的估计并不理想，而在包含捷联惯导的组合导航系统中，由于惯性器件漂移的存在，直接影响捷联惯导系统的捷联解算过程的精度，进而影响组合导航系统的精度，因此，惯性器件漂移的估计问题是由捷联惯导组成的组合导航系统的关键问题，同时也是提高组合导航系统导航精度的重点问题。例如，中国授权专利CN102759364B提出了应用GPS/SINS组合的挠性陀螺比力敏感误差飞行校准方法，其本质是利用GPS/SINS组合导航系统经卡尔曼滤波估计后的状态量对陀螺比力敏感误差补偿，对陀螺比力漂移并没有实质性的估计；参考文献[1]：基于SINS辅助的GPS完善性监测方法，北京航空航天大学学报，2001年No.02，耿延睿，张伟伟，崔忠兴。文中利用GPS/SINS组合系统对系统状态进行估计，包括陀螺加速度计的漂移，但是由于惯性器件漂移不完全可观，此方法并不能得到惯性器件漂移的有效估计。所以上述专利论文方法并没有对MEMS惯性器件漂移进行有效估计和补偿。参考文献[2]：一种舰载无人机IMU/GPS组合导航系统研究，舰船电子工程，2016年No.02，杨益兴，文中在IMU/GPS组合导航系统种引入了磁航向仪，利用滤波过程对惯性器件漂移进行估计，由于外传感器量测信息的引入，一定程度上提高了组合导航精度。参考文献[3]：基于视觉的惯性导航误差在线修正，导航定位与授时，2018年No.03，张超，王芳，李楠。文中利用视觉传感器的姿态输出信息建立惯性器件漂移的量测信息。虽然上述论文中提出的方法增加了外传感器提高了惯性器件漂移的估计精度，但是也给组合导航系统增加了成本和环境适用要求。
发明内容
本发明要解决的技术问题是：组合导航系统的惯性漂移估计反馈问题，提出了一种基于干扰观测器的抗干扰组合导航方法，从捷联解算过程和滤波过程中估计出惯性器件漂移并反馈，完成高精度组合导航。
本发明解决上述技术问题采用的技术方案为：一种基于干扰观测器的抗干扰组合导航方法，其实现步骤如下：
(1)步骤(1)首先基于捷联惯导/GPS松组合导航系统，松组合导航系统状态方程为捷联惯导误差方程，捷联导航k时刻速度、位置信息与GPS k时刻速度、位置信息作差构成松组合导航系统的量测，松组合导航系统采用卡尔曼滤波方法进行状态估计。由捷联导航过程和滤波估计过程采集相邻两时刻(当前滤波时刻(k)与下一捷联解算时刻(k+1))的姿态矩阵
Figure GDA0004184944140000021
速度矢量vnk+1,vnk，位置矢量pnk+1,pnk，其中，/>
Figure GDA0004184944140000022
vnk、pnk为滤波时刻估计反馈后的信息量。
(2)利用步骤(1)的姿态矩阵
Figure GDA0004184944140000023
根据速度矢量vnk+1,vnk，位置矢量pnk+1,pnk得到相邻两时刻的失准角φ，相邻两时刻速度误差δv，相邻两时刻位置误差δp。具体实现如下：
相邻两时刻的失准角计算如下：
Figure GDA0004184944140000024
φx＝δC2,3；φy＝δC3,1；φz＝δC1,2；
其中，φx、φy、φz为相邻两时刻失准角φ＝[φx φy φz]T的元素，δC2,3、δC3,1、δC1,2为相邻两时刻误差矩阵δC的元素,I3×3为单位矩阵。
相邻两时刻速度误差计算如下：
δv＝vnk+1-vnk
相邻两时刻位置误差计算如下：
δp＝pnk+1-pnk。
(3)利用步骤(2)的得到的相邻两时刻的失准角φ，相邻两时刻速度误差δv以及相邻两时刻位置误差δp，根据相邻两时刻捷联惯导误差动态方程设计漂移估计器，得到捷联惯导陀螺、加速度计的漂移估计值
Figure GDA0004184944140000031
和/>
Figure GDA0004184944140000032
具体实现如下：
捷联惯导相邻两时刻捷联惯导误差动态方程为：
Figure GDA0004184944140000033
其中，x＝[φ δv δp]T为误差状态向量，由相邻两时刻失准角φ＝[φx φy φz]T、相邻两时刻速度误差矢量δv＝[δvx δvy δvz]T、相邻两时刻位置误差矢量δp＝[δpx δpy δpz]T、
Figure GDA0004184944140000034
为系统干扰，由陀螺漂移ε＝[εx εy εz]T和加速度计漂移/>
Figure GDA0004184944140000035
组成，F为状态转移矩阵，B为干扰转移矩阵。
依据干扰观测器的设计原理，陀螺漂移估计器为：
Figure GDA0004184944140000036
其中，v为干扰观测器设计的中间变量，L为干扰观测器增益，x＝[φ δv δp]T为误差状态向量，此干扰观测器增益设计满足条件：
Reλ(LB)＜0
其中，Re(·)表示取复数(·)的实部，λ(LB)表示矩阵(LB)的特征值。
(4)在滤波估计反馈的基础上，将步骤(3)中得到的陀螺、加速度计的漂移估计值
Figure GDA0004184944140000037
和/>
Figure GDA0004184944140000038
反馈给捷联惯导系统，完成抗干扰组合导航。具体实现如下：
惯性器件漂移存在于惯性器件输出量中，包括陀螺输出
Figure GDA0004184944140000039
加速度计输出/>
Figure GDA00041849441400000310
由此得到反馈形式：
Figure GDA00041849441400000311
Figure GDA00041849441400000312
其中，
Figure GDA00041849441400000313
分别为陀螺仪输出估计值、陀螺仪漂移估计值；/>
Figure GDA00041849441400000314
分别为加速度计输出估计值、加速度计漂移估计值。
与现有的技术相比，本发明具有以下的优点：
(1)目前存在的组合导航方法，尚无对惯性器件漂移的成熟估计，本发明所设计的漂移估计器属于降维观测器，计算简单，性能稳定，能够对惯性器件进行有效的估计。同时，该漂移估计器的输出还可作为漂移的虚拟量测信息融入组合导航系统，进一步提高组合导航系统的可观测性。
(2)本发明对惯性器件漂移的估计问题进行了研究，传统的组合导航方法中虽然对惯性器件的漂移进行了建模，但是由于估计不准确并未对其进行处理，本发明针对此问题提出了一种基于干扰观测器的抗干扰组合导航方法。一方面，该方法充分利用捷联过程和滤波过程的导航信息，结合干扰观测器的设计原理对惯性器件漂移进行估计。另一方面，将干扰观测器得到的惯性器件漂移反馈给捷联惯导系统，完成一个闭环过程，从而减弱了惯性器件漂移对组合导航系统导航精度的影响，实现了高精度导航。
附图说明
图1为本发明一种基于干扰观测器的抗干扰组合导航方法的流程图；
图2航向角估计结果对比图。
具体实施方式
下面结合附图以及具体实施方式进一步说明本发明具体实施方式。
如图1所示，本发明方法具体实现如下：
(1)步骤(1)首先基于捷联惯导/GPS松组合导航系统，松组合导航系统状态方程为捷联惯导误差方程，捷联导航k时刻速度、位置信息与GPS k时刻速度、位置信息作差构成松组合导航系统的量测，松组合导航系统采用卡尔曼滤波方法进行状态估计。由捷联导航过程和滤波估计过程采集相邻两时刻(当前滤波时刻(k)与下一捷联解算时刻(k+1))的姿态矩阵
Figure GDA0004184944140000041
速度矢量vnk+1,vnk，位置矢量pnk+1,pnk，其中，/>
Figure GDA0004184944140000042
vnk、pnk为滤波时刻估计反馈后的信息量。
(2)利用步骤(1)的姿态矩阵
Figure GDA0004184944140000043
根据速度矢量vnk+1,vnk，位置矢量pnk+1,pnk得到相邻两时刻的失准角φ，相邻两时刻速度误差δv，相邻两时刻位置误差δp。具体实现如下：
相邻两时刻的失准角计算如下：
Figure GDA0004184944140000044
φx＝δC2,3；φy＝δC3,1；φz＝δC1,2；
其中，φx、φy、φz为相邻两时刻失准角φ＝[φx φy φz]T的元素，δC2,3、δC3,1、δC1,2为相邻两时刻误差矩阵δC的元素,I3×3为单位矩阵。
相邻两时刻速度误差计算如下：
δv＝vnk+1-vnk
相邻两时刻位置误差计算如下：
δp＝pnk+1-pnk。
(3)利用步骤(2)的得到的相邻两时刻的失准角φ，相邻两时刻速度误差δv以及相邻两时刻位置误差δp，根据相邻两时刻捷联惯导误差动态方程设计漂移估计器，得到捷联惯导陀螺、加速度计的漂移估计值
Figure GDA0004184944140000051
和/>
Figure GDA0004184944140000052
具体实现如下：
捷联惯导相邻两时刻捷联惯导误差动态方程为：
Figure GDA0004184944140000053
其中，x＝[φ δv δp]T为误差状态向量，由相邻两时刻失准角φ＝[φx φy φz]T、相邻两时刻速度误差矢量δv＝[δvx δvy δvz]T、相邻两时刻位置误差矢量δp＝[δpx δpy δpz]T、
Figure GDA0004184944140000054
为系统干扰，由陀螺漂移ε＝[εx εy εz]T和加速度计漂移/>
Figure GDA0004184944140000055
组成，F为状态转移矩阵，B为干扰转移矩阵。
依据干扰观测器的设计原理，陀螺漂移估计器为：
Figure GDA0004184944140000056
其中，v为干扰观测器设计的中间变量，L为干扰观测器增益，B为干扰转移矩阵，x＝[φ δv δp]T为误差状态向量，此干扰观测器增益设计满足条件：
Reλ(LB)＜0
其中，Re(·)表示取复数(·)的实部，λ(LB)表示矩阵(LB)的特征值，L为干扰观测器增益，B为干扰转移矩阵。
(4)在滤波估计反馈的基础上，将步骤(3)中得到的陀螺、加速度计的漂移估计值
Figure GDA0004184944140000057
和/>
Figure GDA0004184944140000058
反馈给捷联惯导系统，完成抗干扰组合导航。具体实现如下：
惯性器件漂移存在于惯性器件输出量中，包括陀螺输出
Figure GDA0004184944140000059
加速度计输出/>
Figure GDA00041849441400000510
由此得到反馈形式：
Figure GDA00041849441400000511
Figure GDA00041849441400000512
其中，
Figure GDA00041849441400000513
分别为陀螺仪输出估计值、陀螺仪漂移估计值；/>
Figure GDA00041849441400000514
分别为加速度计输出估计值、加速度计漂移估计值。
为验证本发明所提方法的优点，给出基于实测数据的对比处理结果。对比方法为基于捷联惯导/GPS松组合导航系统卡尔曼滤波方法(KF)与本发明所提方法(DOKF)，对比量为速度、位置与姿态信息估计误差绝对值的均值(MAE),即均方误差，参考信息为基准GPS提供的速度、位置与姿态信息。
实验结果：
表1实测数据处理结果对比表
Figure GDA0004184944140000061
从上表中结果可以看出，本发明提出的方法与传统的卡尔曼滤波方法相比，对航向角、横滚角、俯仰角、东向速度、北向速度、经度及纬度的估计精度均有所提高，航向角提高最大，达到34.95％；虽然在天向速度及高度上估计精度未能体现，整体上来讲，说明本发明提出的方法是有效的、有应用价值的。
如图2所示，给出估计精度明显提高的航向角结果对比图，三条线分别代表航向基准值、本发明所提方法(DOKF)下的航向估计值与传统卡尔曼滤波方法下的航向估计值，从图2中可以看出，本发明提出的方法(DOKF)较传统卡尔曼滤波方法(KF)更接近航向基准值，与基准值之间的差值更小，即估计精度更高。

Claims (2)

1.一种基于干扰观测器的抗干扰组合导航方法，其特征在于，实现步骤如下：
(1)首先基于捷联惯导/GPS松组合导航系统，松组合导航系统状态方程为捷联惯导误差方程，捷联导航的k时刻速度、位置信息与GPS的k时刻速度、位置信息作差构成松组合导航系统的量测，松组合导航系统采用卡尔曼滤波方法进行状态估计，由捷联导航过程和滤波估计过程采集相邻两时刻，即当前滤波时刻k与下一捷联解算时刻k+1的姿态矩阵
Figure FDA0004184944130000011
速度矢量vnk+1,vnk，位置矢量pnk+1,pnk，其中，/>
Figure FDA0004184944130000012
vnk、pnk为滤波时刻估计反馈后的信息量；
(2)利用步骤(1)的姿态矩阵
Figure FDA0004184944130000013
根据速度矢量vnk+1,vnk，位置矢量pnk+1,pnk得到相邻两时刻的失准角φ，相邻两时刻速度误差δv，相邻两时刻位置误差δp；
(3)利用步骤(2)的得到的相邻两时刻的失准角φ，相邻两时刻速度误差δv以及相邻两时刻位置误差δp，根据相邻两时刻捷联惯导误差动态方程设计漂移估计器，得到捷联惯导陀螺、加速度计的漂移估计值
Figure FDA0004184944130000014
和/>
Figure FDA0004184944130000015
(4)在滤波估计反馈的基础上，将步骤(3)中得到的陀螺、加速度计的漂移估计值
Figure FDA0004184944130000016
和
Figure FDA0004184944130000017
反馈给捷联惯导系统，完成抗干扰组合导航；
所述步骤(2)中，利用步骤(1)的姿态矩阵
Figure FDA0004184944130000018
根据速度矢量vnk+1,vnk，位置矢量pnk+1,pnk得到相邻两时刻的失准角φ，相邻两时刻速度误差δv，相邻两时刻位置误差δp；具体实现如下：
相邻两时刻的失准角计算如下：
Figure FDA0004184944130000019
φx＝δC2,3；φy＝δC3,1；φz＝δC1,2；
其中，φx、φy、φz为相邻两时刻失准角φ＝[φx φy φz]T的元素，δC2,3、δC3,1、δC1,2为相邻两时刻误差矩阵δC的元素,I3×3为单位矩阵；
相邻两时刻速度误差计算如下：
δv＝vnk+1-vnk
相邻两时刻位置误差计算如下：
δp＝pnk+1-pnk；
所述步骤(3)具体实现如下：
捷联惯导相邻两时刻捷联惯导误差动态方程为：
Figure FDA0004184944130000021
其中，x＝[φ δv δp]T为误差状态向量，由相邻两时刻失准角φ＝[φx φy φz]T、相邻两时刻速度误差矢量δv＝[δvx δvy δvz]T、相邻两时刻位置误差矢量δp＝[δpx δpy δpz]T组成，
Figure FDA0004184944130000022
为系统干扰，由陀螺漂移ε＝[εx εy εz]T和加速度计漂移/>
Figure FDA0004184944130000023
组成，F为状态转移矩阵，B为干扰转移矩阵；
依据干扰观测器的设计原理，陀螺漂移估计器为：
Figure FDA0004184944130000024
其中，v为干扰观测器设计的中间变量，L为干扰观测器增益，x＝[φ δv δp]T为误差状态向量，此干扰观测器增益设计满足条件：
Reλ(LB)＜0
其中，Re(·)表示取复数(·)的实部，λ(LB)表示矩阵(LB)的特征值。
2.根据权利要求1所述的基于干扰观测器的抗干扰组合导航方法，其特征在于：所述步骤(4)中，在滤波估计反馈的基础上，将步骤(3)中得到的陀螺、加速度计的漂移估计值
Figure FDA0004184944130000025
和
Figure FDA0004184944130000026
反馈给捷联惯导系统，完成抗干扰组合导航，具体实现如下：
惯性器件漂移存在于惯性器件输出量中，包括陀螺输出
Figure FDA0004184944130000027
加速度计输出/>
Figure FDA0004184944130000028
由此得到反馈形式：
Figure FDA0004184944130000029
Figure FDA00041849441300000210
其中，
Figure FDA00041849441300000211
分别为陀螺仪输出估计值、陀螺仪漂移估计值；/>
Figure FDA00041849441300000212
分别为加速度计输出估计值、加速度计漂移估计值。
CN202011311849.2A 2020-11-20 2020-11-20 一种基于干扰观测器的抗干扰组合导航方法 Active CN112461235B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011311849.2A CN112461235B (zh) 2020-11-20 2020-11-20 一种基于干扰观测器的抗干扰组合导航方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011311849.2A CN112461235B (zh) 2020-11-20 2020-11-20 一种基于干扰观测器的抗干扰组合导航方法

Publications (2)

Publication Number Publication Date
CN112461235A CN112461235A (zh) 2021-03-09
CN112461235B true CN112461235B (zh) 2023-06-30

Family

ID=74798344

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011311849.2A Active CN112461235B (zh) 2020-11-20 2020-11-20 一种基于干扰观测器的抗干扰组合导航方法

Country Status (1)

Country Link
CN (1) CN112461235B (zh)

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005245059A (ja) * 2004-02-24 2005-09-08 Yaskawa Electric Corp イナーシャ推定装置
CN101572533B (zh) * 2009-06-18 2011-05-04 北京航空航天大学 一种复合分层抗干扰滤波器的设计方法
CN102353970B (zh) * 2011-06-10 2013-06-12 北京航空航天大学 一种高抗干扰性能gps/sins组合导航系统及实现方法
CN103323005B (zh) * 2013-03-06 2017-04-19 北京航空航天大学 一种sins/gps/偏振光组合导航系统多目标优化抗干扰滤波方法
CN106403938B (zh) * 2016-08-25 2019-04-09 北京航空航天大学 一种针对小型无人机多源复合振动干扰的系统滤波方法
CN106949889A (zh) * 2017-03-17 2017-07-14 南京航空航天大学 针对行人导航的低成本mems/gps组合导航系统及方法
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
CN108594271B (zh) * 2018-08-01 2020-07-10 北京航空航天大学 一种基于复合分层滤波的抗欺骗干扰的组合导航方法

Also Published As

Publication number Publication date
CN112461235A (zh) 2021-03-09

Similar Documents

Publication Publication Date Title
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
CN106052716B (zh) 惯性系下基于星光信息辅助的陀螺误差在线标定方法
CN106500693B (zh) 一种基于自适应扩展卡尔曼滤波的ahrs算法
CN103941274B (zh) 一种导航方法及导航终端
CN102538792A (zh) 一种位置姿态系统的滤波方法
CN102853837B (zh) 一种mimu和gnss信息融合的方法
Xue et al. In-motion alignment algorithm for vehicle carried SINS based on odometer aiding
CN111766397B (zh) 一种基于惯性/卫星/大气组合的气象风测量方法
CN111121766A (zh) 一种基于星光矢量的天文与惯性组合导航方法
CN111189442A (zh) 基于cepf的无人机多源导航信息状态预测方法
CN105910623B (zh) 利用磁强计辅助gnss/mins紧组合系统进行航向校正的方法
CN110849360A (zh) 面向多机协同编队飞行的分布式相对导航方法
He et al. MEMS IMU and two-antenna GPS integration navigation system using interval adaptive Kalman filter
CN108151765B (zh) 一种在线实时估计补偿磁强计误差的定位测姿方法
De Alteriis et al. Accurate attitude inizialization procedure based on MEMS IMU and magnetometer integration
Zhang et al. A multi-position calibration algorithm for inertial measurement units
Li et al. Unmanned aerial vehicle position estimation augmentation using optical flow sensor
CN112461235B (zh) 一种基于干扰观测器的抗干扰组合导航方法
Yang et al. Model-free integrated navigation of small fixed-wing UAVs full state estimation in wind disturbance
Xu et al. EKF based multiple-mode attitude estimator for quadrotor using inertial measurement unit
Zhai et al. A SINS/CNS/GPS online calibration method based on improved sage-husa adaptive filtering algorithm
CN111307179A (zh) 一种高动态无人机的加速度计干扰加速度自补偿方法
CN112393741A (zh) 基于有限时间滑模的sins/bds组合导航系统空中对准方法
Wu et al. A study of low-cost attitude and heading reference system under high magnetic interference

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