简介:从模式识别的角度分析了搜索模式下水下运载体的重力匹配问题,利用模式识别神经网络实现重力匹配定位。在重力图匹配时,以惯性导航仪指示位置为中心规划真实位置的网格点搜索范围,从参考重力图上提取相应一系列的重力数据,与对应网格点的位置一起定义成多个模式类,构造相应的模式识别概率神经网络,运用该神经网络将实时重力测量数据识别到某个模式类,对比模式类的定义确定载体位置。在实测重力图上对重力辅助惯性导航系统进行了计算机仿真研究。结果表明,在重力场特征显著区域该重力匹配算法能够有效减小厄特弗斯效应的影响,其导航系统定位误差小于一个重力图网格,匹配率在80%以上,匹配效果优于一般的相关匹配算法。
简介:基于计步的传统航位推算的手机导航方法要求手机保持相对人体固定位置以保证航向的准确性,该要求严重影响了用户体验。针对行人的手机姿态改变和高精度定位的行人导航需求,提出了一种重力辅助和模拟零速修正的航向补偿方法。手机姿态发生改变时候的航向角度补偿可以采用手机重力计输出数据进行辅助判断;通常脚部捆绑式惯性导航定位中采用的航位推算技术无法应用于行人手持的手机,所以不具备零速修正算法的基本条件,为此提出了一种应用于行人手持手机的模拟零速修正算法,通过检测行人步态,采用卡尔曼滤波有效抑制了手机的航向发散。行人的综合行走实验结果表明,基于重力辅助和模拟零速修正的手机航向修正方法,能够自主判断并补偿由于手机使用方式改变造成的航向误差,在行走196m距离的情况下,行走误差仅有1.2%,有效提高了行人定位精度。
简介:针对SINS/GNSS组合导航在GNSS信号异常时出现的系统滤波精度和稳定性下降的问题,提出一种基于EKF的自适应分类容错滤波算法。该算法通过比较系统残差协方差矩阵的实际值与理论值来检测GNSS信号是否存在异常,然后对异常信号进行分类,并对不同类别的异常信号使用不同的加权矩阵进行修正,以减弱异常值对系统滤波精度的影响,同时在滤波过程中加入UD分解,使系统滤波性能更稳定。仿真结果表明:该算法能够有效降低GNSS输出异常信号对SINS/GNSS组合导航带来的不利影响并提高系统稳定性;在GNSS信号出现异常情况下,其导航精度相比EKF至少提高95.6%,相比REKF和AEKF分别至少提高44.5%和24.6%。
简介:针对激光陀螺具有标度因数稳定、漂移误差变化小的特点,建立了适合激光陀螺捷联惯导系统的陀螺及加速度计组件简化误差参数模型,推导出了适合激光陀螺捷联惯导系统外场快速自标定的误差模型,设计了激光陀螺捷联惯导系统9位置系统级标定方法,并通过试验验证了该方法可快速准确的标定出加速度计组件的标度因数、安装误差、零偏及激光陀螺安装误差等15个主要参数,方法简单易行.
简介:为了提高潜器导航定位精度,针对等值线算法在惯导系统初始误差较大时易发散的问题,提出基于概率神经网络调优的等值线改进方法。首先,在搜索区域内,利用概率神经网络算法对惯导系统航迹进行调优,并经过卡尔曼滤波器与惯导系统航迹进行信息融合形成待匹配航迹;在此基础上利用实时等值线算法得到最佳匹配位置。分别在不同初始条件下进行仿真分析,得出概率神经网络算法在大的初始误差下不易发散但定位精度不高的结论,然后在潜器行驶6h后,初始误差为5.438?的条件下进行仿真验证,结果表明,改进方法定位精度均值优于0.537?,从而证明改进方法是有效的,即使在大的初始误差下仍然能够达到较高的定位精度。