CN114279443B - 一种基于最大熵自适应抗差估计的usbl斜距修正方法 - Google Patents
一种基于最大熵自适应抗差估计的usbl斜距修正方法 Download PDFInfo
- Publication number
- CN114279443B CN114279443B CN202111268907.2A CN202111268907A CN114279443B CN 114279443 B CN114279443 B CN 114279443B CN 202111268907 A CN202111268907 A CN 202111268907A CN 114279443 B CN114279443 B CN 114279443B
- Authority
- CN
- China
- Prior art keywords
- usbl
- sins
- representing
- moment
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 26
- 238000012937 correction Methods 0.000 title claims abstract description 25
- 239000011159 matrix material Substances 0.000 claims abstract description 45
- 238000012546 transfer Methods 0.000 claims abstract description 17
- 238000001914 filtration Methods 0.000 claims abstract description 10
- 230000004927 fusion Effects 0.000 claims abstract description 7
- 238000005259 measurement Methods 0.000 claims description 18
- 238000005070 sampling Methods 0.000 claims description 15
- 230000003044 adaptive effect Effects 0.000 claims description 6
- 230000007704 transition Effects 0.000 claims description 5
- 230000001133 acceleration Effects 0.000 claims description 3
- 238000010276 construction Methods 0.000 claims description 3
- 241000287196 Asthenes Species 0.000 claims description 2
- 230000004069 differentiation Effects 0.000 claims description 2
- 230000002159 abnormal effect Effects 0.000 abstract description 4
- 230000008859 change Effects 0.000 abstract description 4
- 238000010586 diagram Methods 0.000 description 6
- 230000006872 improvement Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
Landscapes
- Navigation (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
一种基于最大熵自适应抗差估计的USBL斜距修正方法,1)记录USBL发送请求报文时刻的SINS姿态转移矩阵、速度和位置信息,2)记录USBL接收到应答器报文时刻的方位角,SINS姿态、速度和位置信息,3)根据发送时刻和接收时刻SINS的解算结果修正USBL的斜距,4)根据3)修正的USBL斜距和2)采集的方位角、高度角和SINS解算信息,建立SINS/USBL紧组合系统模型,5)计算动力学模型误差自适应因子和根据最大熵原则计算增益矩阵,6)对5)的模型进行卡尔曼滤波融合,对SINS进行反馈校正,输出导航结果。重复上述步骤,直至导航结束,利用捷联惯导系统测量的姿态和位置建立USBL发射和接收时刻之间的变化模型,推导接收时刻的斜距修正值。最后,为了抑制异常噪声对定位精度的影响。
Description
技术领域
本发明涉及水下航行器SINS/USBL组合导航技术,具体为一种基于最大熵自适应抗差估计的USBL斜距修正方法。
背景技术
SINS/USBL组合导航系统是实现水下AUV高精度导航定位的主要途径之一。由于USBL更新频率低,当报文发送和接收之间存在径向速度,传统的斜距计算方法将引入较大误差。并且,由于水下环境的复杂性和水声多径等因素的干扰,USBL的测量通常会包含较大的异常噪声。
发明内容
为解决现有技术中存在的问题,本发明提出了一种基于最大熵自适应抗差估计的USBL斜距修正方法,利用捷联惯导系统(SINS)测量的姿态和位置建立USBL发射和接收时刻之间的变化模型,推导接收时刻的斜距修正值。最后,为了抑制异常噪声对定位精度的影响。一种基于最大熵自适应抗差估计的USBL斜距修正方法,包括:
步骤1:记录USBL发送请求报文时刻的SINS姿态转移矩阵、速度和位置信息;
在USBL发送请求报文时刻t1,SINS姿态转移矩阵为速度更新结果为/>位置更新结果为/> 表示惯导解算地理经度值,/>表示惯导解算地理纬度值,/>表示惯导解算高度值;
步骤2:记录USBL接收到应答器报文时刻的方位角,SINS姿态、速度和位置信息;在应答器报文接收时刻t2,应答器发出的信号到基阵原点的声线与x轴和y轴的夹角分别为α和β,SINS姿态转移矩阵为速度更新结果为/>表示载体东向、北向、天向速度,位置更新结果为/>
步骤3:根据发送时刻和接收时刻SINS的解算结果修正USBL的斜距;
对USBL斜距进行修正,包括如下步骤:
3.1在t2时刻,应答器在n系下的位置为USBL发送t1时刻与接收时刻t2之间,SINS更新了m个周期,则将t2时刻惯性解算位置/>递推至t1时刻/>
其中,MPv(m)表示第m个采样周期时的SINS位置更新矩阵,
表示第m个采样周期惯性解算的速度信息,T表示SINS采样间隔;RNh=RN+h(m),/>RMh=RM+h(m),/>Re表示地球长半轴半径,e表示地球偏心率,h(m)表示第m个采样周期惯导解算的高度值,L(m)表示第m个采样周期惯导解算的纬度值。
3.2根据上式中的递推结果,计算的斜距:
3.3在t1时刻,根据组合的高精度位置,计算发送时刻的斜距:
则应答器在α系下的位置表示为:
其中,表示SINS与USBL之间的安装误差角,/>表示t2时刻的姿态转移矩阵,/>表示n系到e系下的转移矩阵,/>表示SINS与USBL之间的杆臂误差;
3.4SINS计算的姿态转移矩阵为则将t2时刻计算的斜距递推至t1时刻:
3.5根据步骤3.4所计算的斜距,则t2时刻的斜距修正为:
步骤4:根据步骤3修正的USBL斜距和步骤2采集的方位角、高度角和SINS解算信息,建立SINS/USBL紧组合系统模型;
在t2时刻,建立系统模型,步骤如下:
4.1系统状态模型为:
其中,F(k)为状态转移矩阵,W(k)为系统噪声,状态向量X(k)为:
其中,XUSBL=[θx θy θz δα δβ δD]T;
其中,δθ=[θx θy θz]T表示安装角误差,[δα δβ]T表示、测角误差,δD表示测距误差,φn=[φx φy φz]T表示载体俯仰角、横滚角、航向角误差;δV=[δVE δVN δVN]T表示载体东向、北向、天向速度误差;δP=[δL δλ δh]T表示载体地理经度、纬度、高度误差;表示SINS的加速度零偏;[εx εy εz]T表示SINS的陀螺零偏;
其中,FUSBL=06×6,
其中,
F22=(Vn×)F12-(a×)
其中,ωie表示地球自转角速率。
4.2系统量测模型为:
Z(k)=HX(k)+V
其中,Z表示系统量测值,H表示量测方程转移矩阵,V表示量测噪声;根据步骤4.3修正后的斜距以及t2时刻测量的方位角,USBL量测信息表示为:
利用SINS位置计算得到应答器在a系下的相对位置矢量为则应答器的相对位置矢量/>和方位角、斜距之间的关系表达式为:
对上式求偏微分得:
其中,矢量为表述方便,记
则矩阵ATS的表达式为:
根据SINS的位置计算的应答器在a系下的相对位置矢量为:
忽略高阶误差小量,则位置矢量误差为:
其中,
其中,Cλ=cosλ(t2),则利用SINS位置及应答器位置计算得到的a系下的斜距方位角信息重新表述为:
其中,[α β R]T为方位角及斜距的真值,
矩阵分别为
其中,
则系统量测为:
其中,Hu=[0 0 -1],δU=[δα δβ δD]T;
观测矩阵H的表达式为:
H=[Ha 03×3 Hp03×6 HIHu];
步骤5:计算动力学模型误差自适应因子和根据最大熵原则计算增益矩阵;
步骤6:对步骤5的模型进行卡尔曼滤波融合,对SINS进行反馈校正,输出导航结果。重复上述步骤,直至导航结束。
作为本发明进一步改进,步骤5计算增益矩阵,步骤如下:
5.1k时刻,状态预测值为:
5.2k时刻,根据量测方程,最小二乘无偏估计结果为:
5.3预测状态残差向量dk为:
5.4定义误差判别统计量;
5.5根据IGGIII构造自适应因子αk:
5.6根据最大熵原则,构造损失函数J(k):
其中,PX(k,k-1)表示状态预测向量的权矩阵,Pk,k-1=F(k)Pk-1F(k)+G(k-1)W[G(k-1)]T,/>eki表示ek的第i个分量,/>
5.7取β=σ2,对J(k)关于X(k)求导,并令导数为0,则
将上式对X(k)求解,则:
写成Kalman标准形式,则:
其中,
作为本发明进一步改进,步骤6进行卡尔曼滤波融合,步骤如下:
状态一步预测:
状态一步预测均方误差:
滤波增益:
状态估计:
状态估计均方误差阵:
Pk=Pk-KkHkPk|(k-1)。
与现有技术相比,本发明的有益效果为:
本发明提出了一种基于最大熵自适应抗差估计的USBL斜距修正方法,步骤1:记录USBL发送请求报文时刻的SINS姿态转移矩阵、速度和位置信息;步骤2:记录USBL接收到应答器报文时刻的方位角,SINS姿态、速度和位置信息;步骤3:根据发送时刻和接收时刻SINS的解算结果修正USBL的斜距;步骤4:根据步骤3修正的USBL斜距和步骤2采集的方位角、高度角和SINS解算信息,建立SINS/USBL紧组合系统模型;步骤5:计算动力学模型误差自适应因子和根据最大熵原则计算增益矩阵;步骤6:对步骤5的模型进行卡尔曼滤波融合,对SINS进行反馈校正,输出导航结果。重复上述步骤,直至导航结束,其利用捷联惯导系统(SINS)测量的姿态和位置建立USBL发射和接收时刻之间的变化模型,推导接收时刻的斜距修正值。最后,为了抑制异常噪声对定位精度的影响。
附图说明
图1为USBL发送报文和接收报文示意图;
图2为SINS位置信息递推示意图;
图3为本发明描述的基于最大熵自适应抗差估计的USBL斜距修正方法原理图。
具体实施方式
下面结合附图与具体实施方式对本发明作进一步详细描述:
本发明提出了一种基于最大熵自适应抗差估计的USBL斜距修正方法,利用捷联惯导系统(SINS)测量的姿态和位置建立USBL发射和接收时刻之间的变化模型,推导接收时刻的斜距修正值。最后,为了抑制异常噪声对定位精度的影响
一种基于最大熵自适应抗差估计的USBL斜距修正方法,其中USBL发送报文和接收报文示意图如图1所示,SINS位置信息递推示意图如图2所示,基于最大熵自适应抗差估计的USBL斜距修正方法原理图如图3所示:
在USBL发送请求报文时刻t1,SINS姿态转移矩阵为速度更新结果为/>位置更新结果为/> 表示惯导解算地理经度值,/>表示惯导解算地理纬度值,/>表示惯导解算高度值;
在应答器报文接收时刻t2,应答器发出的信号到基阵原点的声线与x轴和y轴的夹角分别为α和β,SINS姿态转移矩阵为速度更新结果为/>表示载体东向、北向、天向速度,位置更新结果为/>
步骤1:对USBL斜距进行修正:
(1)在t2时刻,应答器在n系下的位置为USBL发送t1时刻与接收时刻t2之间,SINS更新了m个周期,则将t2时刻惯性解算位置/>递推至t1时刻/>
其中,MPv(m)表示第m个采样周期时的SINS位置更新矩阵,
表示第m个采样周期惯性解算的速度信息,T表示SINS采样间隔;RNh=RN+h(m),/>RMh=RM+h(m),/>Re表示地球长半轴半径,e表示地球偏心率,h(m)表示第m个采样周期惯导解算的高度值,L(m)表示第m个采样周期惯导解算的纬度值。
(2)根据(1)中的递推结果,计算的斜距:
(3)在t1时刻,根据组合的高精度位置,计算发送时刻的斜距:
则应答器在α系下的位置可表示为:
(4)SINS计算的姿态转移矩阵为则将t2时刻计算的斜距递推至t1时刻:
(5)根据步骤4.2所计算的斜距,则t2时刻的斜距修正为:
在t2时刻,建立系统模型,步骤如下:
(1)系统状态模型为:
其中,F(k)为状态转移矩阵,W(k)为系统噪声。状态向量X(k)为:
其中,
XUSBL=[θx θy θz δα δβ δD]T。
其中,δθ=[θx θy θz]T表示安装角误差,[δα δβ]T表示、测角误差,δD表示测距误差。
φn=[φx φy φz]T表示载体俯仰角、横滚角、航向角误差;δV=[δVE δVN δVN]T表示载体东向、北向、天向速度误差;δP=[δL δλ δh]T表示载体地理经度、纬度、高度误差;表示SINS的加速度零偏;[εx εy εz]T表示SINS的陀螺零偏。
其中,FUSBL=06×6,
其中,
F22=(Vn×)F12-(a×)
其中,ωie表示地球自转角速率。
计算增益矩阵,步骤如下:
(1)k时刻,状态预测值为:
(2)k时刻,根据量测方程,最小二乘无偏估计结果为:
(3)预测状态残差向量dk为:
(4)定义误差判别统计量
(5)根据IGGIII构造自适应因子αk:
(6)根据最大熵原则,构造损失函数J(k):
其中,PX(k,k-1)表示状态预测向量的权矩阵,Pk,k-1=F(k)Pk-1F(k)+G(k-1)W[G(k-1)]T。/>eki表示ek的第i个分量,/>
(7)取β=σ2,对J(k)关于X(k)求导,并令导数为0,则
将上式对X(k)求解,则:
写成Kalman标准形式,则:
其中,
进行卡尔曼滤波融合,步骤如下:
状态一步预测:
状态一步预测均方误差:
滤波增益:
状态估计:
状态估计均方误差阵:
Pk=Pk-KkHkPk|(k-1)
以上所述,仅是本发明的较佳实施例而已,并非是对本发明作任何其他形式的限制,而依据本发明的技术实质所作的任何修改或等同变化,仍属于本发明所要求保护的范围。
Claims (3)
1.一种基于最大熵自适应抗差估计的USBL斜距修正方法,其特征在于:包括:
步骤1:记录USBL发送请求报文时刻的SINS姿态转移矩阵、速度和位置信息;
在USBL发送请求报文时刻t1,SINS姿态转移矩阵为速度更新结果为/>位置更新结果为/>表示惯导解算地理经度值,/>表示惯导解算地理纬度值,/>表示惯导解算高度值;
步骤2:记录USBL接收到应答器报文时刻的方位角,SINS姿态、速度和位置信息;
在应答器报文接收时刻t2,应答器发出的信号到基阵原点的声线与x轴和y轴的夹角分别为α和β,SINS姿态转移矩阵为速度更新结果为/>表示载体东向、北向、天向速度,位置更新结果为/>
步骤3:根据发送时刻和接收时刻SINS的解算结果修正USBL的斜距;
对USBL斜距进行修正,包括如下步骤:
3.1在t2时刻,应答器在n系下的位置为USBL发送t1时刻与接收时刻t2之间,SINS更新了m个周期,则将t2时刻惯性解算位置/>递推至t1时刻/>
其中,MPV(m)表示第m个采样周期时的SINS位置更新矩阵, 表示第m个采样周期惯性解算的速度信息,T表示SINS采样间隔;RNh=RN+h(m),RMh=RM+h(m),/>Re表示地球长半轴半径,e表示地球偏心率,h(m)表示第m个采样周期惯导解算的高度值,L(m)表示第m个采样周期惯导解算的纬度值;
3.2根据上式中的递推结果,计算的斜距:
3.3在t1时刻,根据组合的高精度位置,计算发送时刻的斜距:
则应答器在α系下的位置表示为:
其中,表示SINS与USBL之间的安装误差角,/>表示t2时刻的姿态转移矩阵,/>表示n系到e系下的转移矩阵,/>表示SINS与USBL之间的杆臂误差;
3.4SINS计算的姿态转移矩阵为则将t2时刻计算的斜距递推至t1时刻:
3.5根据步骤3.4所计算的斜距,则t2时刻的斜距修正为:
步骤4:根据步骤3修正的USBL斜距和步骤2采集的方位角、高度角和SINS解算信息,建立SINS/USBL紧组合系统模型;
在t2时刻,建立系统模型,步骤如下:
4.1系统状态模型为:
其中,F(k)为状态转移矩阵,W(k)为系统噪声,状态向量X(k)为:
其中,
XUSBL=[θx θy θz δα δβ δD]T;
其中,δθ=[θx θy θz]T表示安装角误差,[δα δβ]T表示、测角误差,δD表示测距误差,φn=[φx φy φz]T表示载体俯仰角、横滚角、航向角误差;δV=[δVE δVN δVN]T表示载体东向、北向、天向速度误差;δP=[δL δλ δh]T表示载体地理经度、纬度、高度误差;表示SINS的加速度零偏;[εx εy εz]T表示SINS的陀螺零偏;
其中,FUSBL=06×6,
其中,
F22=(Vn×)F12-(a×)
其中,ωie表示地球自转角速率;
4.2系统量测模型为:
Z(k)=HX(k)+V
其中,Z表示系统量测值,H表示量测方程转移矩阵,V表示量测噪声;
根据步骤4.3修正后的斜距以及t2时刻测量的方位角,USBL量测信息表示为:
利用SINS位置计算得到应答器在a系下的相对位置矢量为则应答器的相对位置矢量/>和方位角、斜距之间的关系表达式为:
对上式求偏微分得:
其中,矢量为表述方便,记
则矩阵ATS的表达式为:
根据SINS的位置计算的应答器在a系下的相对位置矢量为:
忽略高阶误差小量,则位置矢量误差为:
其中,
其中,Cλ=cosλ(t2),
则利用SINS位置及应答器位置计算得到的a系下的斜距方位角信息重新表述为:
其中,[α β R]T为方位角及斜距的真值,
矩阵分别为
其中,
则系统量测为:
其中,Hu=[0 0 -1],δU=[δα δβ δD]T;
观测矩阵H的表达式为:
H=[Ha 03×3 Hp03×6 HI Hu];
步骤5:计算动力学模型误差自适应因子和根据最大熵原则计算增益矩阵;
步骤6:对步骤5的模型进行卡尔曼滤波融合,对SINS进行反馈校正,输出导航结果,重复上述步骤,直至导航结束。
2.根据权利要求1所述的一种基于最大熵自适应抗差估计的USBL斜距修正方法,其特征在于:
步骤5计算增益矩阵,步骤如下:
5.1k时刻,状态预测值为:
5.2k时刻,根据量测方程,最小二乘无偏估计结果为:
5.3预测状态残差向量dk为:
5.4定义误差判别统计量
5.5根据IGGⅢ构造自适应因子αk:
5.6根据最大熵原则,构造损失函数J(k):
其中,PX(k,k-1)表示状态预测向量的权矩阵,
Pk,k-1=F(k)Pk-1F(k)+G(k-1)W[G(k-1)]T,eki表示ek的第i个分量,/>
5.7取β=σ2,对J(k)关于X(k)求导,并令导数为0,则
将上式对X(k)求解,则:
写成Kalman标准形式,则:
其中,
3.根据权利要求1所述的一种基于最大熵自适应抗差估计的USBL斜距修正方法,其特征在于:
步骤6进行卡尔曼滤波融合,步骤如下:
状态一步预测:
状态一步预测均方误差:
滤波增益:
状态估计:
状态估计均方误差阵:
Pk=Pk-KkHkPk|(k-1)。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111268907.2A CN114279443B (zh) | 2021-10-29 | 2021-10-29 | 一种基于最大熵自适应抗差估计的usbl斜距修正方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111268907.2A CN114279443B (zh) | 2021-10-29 | 2021-10-29 | 一种基于最大熵自适应抗差估计的usbl斜距修正方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114279443A CN114279443A (zh) | 2022-04-05 |
CN114279443B true CN114279443B (zh) | 2024-01-02 |
Family
ID=80868771
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111268907.2A Active CN114279443B (zh) | 2021-10-29 | 2021-10-29 | 一种基于最大熵自适应抗差估计的usbl斜距修正方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114279443B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116980856B (zh) * | 2023-09-21 | 2023-12-05 | 常州瑞豪轨道交通科技有限公司 | 基于物联网的智慧地铁应答器控制数据传输系统及方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109324330A (zh) * | 2018-09-18 | 2019-02-12 | 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 |
CN109828296A (zh) * | 2019-03-08 | 2019-05-31 | 哈尔滨工程大学 | 一种ins/usbl非线性紧组合综合校正方法 |
CN110568407A (zh) * | 2019-09-05 | 2019-12-13 | 武汉理工大学 | 一种基于超短基线和航位推算的水下导航定位方法 |
CN112507281A (zh) * | 2020-11-19 | 2021-03-16 | 东南大学 | 一种基于双状态多因子抗差估计的sins/dvl紧组合系统 |
CN113203411A (zh) * | 2021-04-23 | 2021-08-03 | 南京理工大学 | 一种弹性嵌入式gnss/惯性组合导航系统及方法 |
-
2021
- 2021-10-29 CN CN202111268907.2A patent/CN114279443B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109324330A (zh) * | 2018-09-18 | 2019-02-12 | 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 |
CN109828296A (zh) * | 2019-03-08 | 2019-05-31 | 哈尔滨工程大学 | 一种ins/usbl非线性紧组合综合校正方法 |
CN110568407A (zh) * | 2019-09-05 | 2019-12-13 | 武汉理工大学 | 一种基于超短基线和航位推算的水下导航定位方法 |
CN112507281A (zh) * | 2020-11-19 | 2021-03-16 | 东南大学 | 一种基于双状态多因子抗差估计的sins/dvl紧组合系统 |
CN113203411A (zh) * | 2021-04-23 | 2021-08-03 | 南京理工大学 | 一种弹性嵌入式gnss/惯性组合导航系统及方法 |
Non-Patent Citations (6)
Title |
---|
A Calibration Method of USBL Installation Error Based on Attitude Determination;Yongyun Zhu;IEEE;第69卷(第8期);全文 * |
A Student’s T-Based Measurement Uncertainty Filter for SINS/USBL Tightly Integration Navigation System;Tao Zhang;IEEE;第70卷(第9期);全文 * |
Maximum correntropy delay Kalman filter for SINS/USBL integrated navigation;Bo Xu;ISA Transactions;全文 * |
Student’s t-Based Robust Kalman Filter for a SINS/USBL Integration Navigation Strategy;Jian Wang;IEEE;第20卷(第10期);全文 * |
一种基于相对测量信息的SINS/USBL组合导航算法;张亚文;莫明岗;马小艳;邓继权;;导航定位与授时(02);全文 * |
一种基于集中滤波的SINS/DVL/USBL水下组合导航算法;张亚文;莫明岗;马小艳;江薇;;导航定位与授时(01);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN114279443A (zh) | 2022-04-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110221332B (zh) | 一种车载gnss/ins组合导航的动态杆臂误差估计和补偿方法 | |
CN110487301B (zh) | 一种雷达辅助机载捷联惯性导航系统初始对准方法 | |
CN107270893B (zh) | 面向不动产测量的杆臂、时间不同步误差估计与补偿方法 | |
CN110823217B (zh) | 一种基于自适应联邦强跟踪滤波的组合导航容错方法 | |
CN113819906B (zh) | 一种基于统计相似度量的组合导航鲁棒滤波方法 | |
CN111024064B (zh) | 一种改进Sage-Husa自适应滤波的SINS/DVL组合导航方法 | |
CA2565143C (en) | System and method for aligning multiple navigation components | |
CN112507281B (zh) | 一种基于双状态多因子抗差估计sins/dvl紧组合系统的方法 | |
CN112097763A (zh) | 一种基于mems imu/磁力计/dvl组合的水下运载体组合导航方法 | |
CN111156994A (zh) | 一种基于mems惯性组件的ins/dr&gnss松组合导航方法 | |
CN106979781B (zh) | 基于分布式惯性网络的高精度传递对准方法 | |
CN109443385B (zh) | 一种动中通天线的惯导安装误差自动标定方法 | |
CN111323012B (zh) | 载体高动态环境下的ins辅助dvl测速误差补偿方法 | |
CN113203418A (zh) | 基于序贯卡尔曼滤波的gnssins视觉融合定位方法及系统 | |
CN114279443B (zh) | 一种基于最大熵自适应抗差估计的usbl斜距修正方法 | |
US7406379B2 (en) | System for interferometric sensing | |
CN110388942B (zh) | 一种基于角度和速度增量的车载姿态精对准系统 | |
CN112050807A (zh) | 一种基于时间同步补偿的sins_gnss组合导航方法 | |
CN115542363B (zh) | 一种适用于垂直下视航空吊舱的姿态测量方法 | |
CN117053802A (zh) | 一种基于旋转mems imu的车载导航系统定位误差减小的方法 | |
CN116380067A (zh) | 一种适应于挑战环境下的无人艇旋转调制惯导系统及方法 | |
CN113551669B (zh) | 基于短基线的组合导航定位方法及装置 | |
CN116337115B (zh) | 一种基于声呐标校惯性传感器的方法及系统 | |
CN113758502B (zh) | 组合导航处理方法及装置 | |
CN116165690B (zh) | 一种基于gnss/ins的双自适应因子组合导航定位方法 |
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 |