-
公开(公告)号：CN103399336B
公开(公告)日：2015-10-07
申请号：CN201310322519.7
申请日：2013-07-29
Applicant: 东南大学
IPC: G01S19/47
Abstract: 本发明涉及一种非高斯噪声环境下GPS/SINS组合导航方法，选取GPS跟踪通道中信号作为信息的融合点进行建模，并针对非高斯噪声环境利用适当的滤波方式进行处理。本发明将GPS接收机跟踪环输出的信息同GPS/SINS组合导航系统连接在一个最优滤波器中，利用SINS量测信息辅助GPS接收机对卫星的跟踪，从而提高了GPS跟踪信号的信噪比，降低了多路径效应的影响，且当信号受到遮挡或中断时，可以快速实现重新捕获。另外，本发明针对复杂的噪声环境，采用了基于新息协方差的自适应扩展卡尔曼滤波方法，在滤波过程中能够实时跟踪系统噪声的变化并修正滤波参数，以增强滤波的稳定性和精度。
-
公开(公告)号：CN104392136A
公开(公告)日：2015-03-04
申请号：CN201410713605.5
申请日：2014-11-28
Applicant: 东南大学
Abstract: 一种面向高动态非高斯模型鲁棒测量的高精度数据融合方法，将高动态系统中的硬件传感器采样周期波动作为系统随机不确定度考虑，根据其波动范围和趋势建立包括UKF滤波器模型和模糊推理系统的滤波模型集，通过贝叶斯定理计算UKF滤波器模型与当前高动态系统状态匹配的概率，实时更新匹配概率，并将更新后的匹配概率作为模糊推理系统的输入，通过模糊推理系统得到自适应估计概率，最后基于该自适应估计概率融合多个状态估计得到高动态系统状态变量最终的均值及协方差估计，本发明不但能够实现高动态、强非线性、非高斯模型的组合系统的数据融合，而且能够降低预存储模型集的数量，同时提高模型概率更新的计算效率和高动态系统的测量鲁棒性。
-
公开(公告)号：CN103630137A
公开(公告)日：2014-03-12
申请号：CN201310633933.X
申请日：2013-12-02
Applicant: 东南大学
IPC: G01C21/20
CPC classification number: G01C25/00 , G01C25/005
Abstract: 本发明公布了一种用于导航系统的姿态及航向角的校正方法，包括提出了基于改进扩展卡尔曼滤波的椭球拟合方法进行磁强计误差补偿、姿态角的误差二级建模和校正以及实现整个系统误差校正的有效方法。本发明用于由惯性测量单元(IMU)和磁强计等组成的惯性组合导航与定位系统中的姿态及航向角的误差校正。磁场补偿方法从二维椭圆拟合拓展到三维椭球体拟合，利用新的椭球模型和改进扩展卡尔曼滤波方法进行椭球拟合，该方法可以有效地实现载体动态实时地自身三维磁场干扰的补偿，提高地磁场的测量精度，从而提高载体航向角的精度；对导航系统输出的姿态角信息进行误差二级建模，然后对其补偿以实时提高姿态角的精度。
-
公开(公告)号：CN104392136B
公开(公告)日：2017-12-19
申请号：CN201410713605.5
申请日：2014-11-28
Applicant: 东南大学
Abstract: 一种面向高动态非高斯模型鲁棒测量的高精度数据融合方法，将高动态系统中的硬件传感器采样周期波动作为系统随机不确定度考虑，根据其波动范围和趋势建立包括UKF滤波器模型和模糊推理系统的滤波模型集，通过贝叶斯定理计算UKF滤波器模型与当前高动态系统状态匹配的概率，实时更新匹配概率，并将更新后的匹配概率作为模糊推理系统的输入，通过模糊推理系统得到自适应估计概率，最后基于该自适应估计概率融合多个状态估计得到高动态系统状态变量最终的均值及协方差估计，本发明不但能够实现高动态、强非线性、非高斯模型的组合系统的数据融合，而且能够降低预存储模型集的数量，同时提高模型概率更新的计算效率和高动态系统的测量鲁棒性。
-
公开(公告)号：CN103593538B
公开(公告)日：2017-03-22
申请号：CN201310619024.0
申请日：2013-11-28
Applicant: 东南大学
Abstract: 本发明公开了一种遗传算法优化动态递归神经网络的光纤陀螺温度漂移建模方法，包括以下四个步骤：(1)网络参数初始化，建立改进Elman神经网络模型；(2)训练及测试样本的获取；(3)训练改进Elman神经网络并通过遗传算法优化模型参数；(4)光纤陀螺预测输出及误差补偿。通过引入具有自反馈连接权的改进Elman神经网络来对经去噪算法处理的光纤陀螺输出进行训练，并采用遗传算法不断迭代优化模型参数，根据不同参数下模型的误差大小，从而得到最优的模型。本发明在兼顾算法复杂性的同时提高了光纤陀螺温度漂移模型的准确性，拓展了其在工程中的应用，具有一定的实际意义。
-
Patent Agency Ranking
公开(公告)号：CN103630135B
公开(公告)日：2016-06-01
申请号：CN201310632713.5
申请日：2013-11-29
Applicant: 东南大学
Abstract: 本发明公开了一种新的角速率输入的姿态算法结构与参数优化方法，针对传统角速率输入的姿态算法圆锥误差补偿结构不能充分利用已有角速率信息的问题，提出了一种改进的姿态算法圆锥误差补偿结构，从而给出一种新的角速率输入的姿态算法结构；在定义经典圆锥运动形式和分析几个必要的圆锥运动特性的基础上，对提出的姿态算法圆锥误差补偿结构进行简化处理，获得了一种压缩的姿态算法圆锥误差补偿结构；定义了圆锥误差补偿误差准则，并推导了该误差准则的具体描述；选定了圆锥误差补偿优化目标和方法并实施了圆锥误差补偿结构参数的优化设计，获得一种新的角速率输入的带有圆锥误差补偿结构优化参数的姿态算法，使捷联惯导姿态解算综合性能得到提高。
-
公开(公告)号：CN103323625A
公开(公告)日：2013-09-25
申请号：CN201310233287.8
申请日：2013-06-13
Applicant: 东南大学
IPC: G01P21/00
Abstract: 本发明给出了一种MEMS-IMU中三轴加速度计动态环境下的误差标定补偿方法，其包括：使转台外框按速率模式运行；其次让Z轴回到零位，转台内框按照正弦模式运行；改变IMU的安装，分别让X轴、Y轴加速度计的敏感轴方向与天向平行，和Z轴相同的运行模式让加速度计敏感动态加速度和动态角速度；记录下三个轴向加速度计的输出数据，进行分析处理，可以得到MEMS-IMU中三轴加速度计的安装误差，标定系数，零点漂移以及动态角速度对加速度计的影响因子。本方法简单易实现，对MEMS-IMU系统精度提高明显，特别适用于应用低成本、低精度MEMS加速度计的系统中。
-
公开(公告)号：CN104296748B
公开(公告)日：2017-02-22
申请号：CN201410612025.7
申请日：2014-11-04
Applicant: 东南大学
IPC: G01C21/16
Abstract: 本发明公开了一种基于双边补偿结构的捷联惯导姿态圆锥补偿算法设计方法。针对现有捷联惯导姿态算法在同时补偿圆锥误差和机动误差时出现效率低下的问题，提出了一种新的双边圆锥补偿结构，然后，建立了由传统非压缩姿态圆锥补偿结构系数到新的双边圆锥补偿结构系数的转换关系和约束关系，并推导了基于传统非压缩圆锥补偿结构的一般机动条件下的误差描述，在此基础上，提出了一种新的姿态圆锥补偿结构系数优化设计方法，并实施了姿态圆锥补偿结构系数的优化设计，从而设计出一种基于双边补偿结构的能够有效补偿圆锥误差和机动误差的捷联惯导姿态圆锥补偿算法。
-
公开(公告)号：CN103995272A
公开(公告)日：2014-08-20
申请号：CN201410259221.0
申请日：2014-06-11
Applicant: 东南大学
IPC: G01S19/47
CPC classification number: G01S19/47 , G01C21/165 , G01S19/25
Abstract: 本发明涉及一种INS辅助GPS接收机射频前端的INS/GPS组合方法。首先通过组合滤波器将INS导航信息和GPS导航信息进行融合，修正INS导航信息误差，然后利用修正后的INS导航信息和GPS导航电文实时计算载体相对于每颗卫星的多普勒频移，并将得到的多普勒频移换算为GPS中频信号载波的波长变化。最后根据载波的波长变化实时调节GPS接收机射频前端ADC的采样时间间隔，补偿因为多普勒频移导致的中频数字信号采样点变化，隔离多普勒频移对GPS接收机跟踪环路的影响。
-
公开(公告)号：CN103399336A
公开(公告)日：2013-11-20
申请号：CN201310322519.7
申请日：2013-07-29
Applicant: 东南大学
IPC: G01S19/47
Abstract: 本发明涉及一种非高斯噪声环境下GPS/SINS组合导航方法，选取GPS跟踪通道中信号作为信息的融合点进行建模，并针对非高斯噪声环境利用适当的滤波方式进行处理。本发明将GPS接收机跟踪环输出的信息同GPS/SINS组合导航系统连接在一个最优滤波器中，利用SINS量测信息辅助GPS接收机对卫星的跟踪，从而提高了GPS跟踪信号的信噪比，降低了多路径效应的影响，且当信号受到遮挡或中断时，可以快速实现重新捕获。另外，本发明针对复杂的噪声环境，采用了基于新息协方差的自适应扩展卡尔曼滤波方法，在滤波过程中能够实时跟踪系统噪声的变化并修正滤波参数，以增强滤波的稳定性和精度。
-
-
-
-
-
-
-
-
-
Search Results
22
records
(took 0.014 seconds)
