高精度组合导航系统仿真

GPSSINS超紧耦合组合导航系统的信息融合算法研究中期报告GPSSINS是一种超紧耦合组合导航系统，结合全球定位系统（GPS）和惯性导航系统（INS）的特点，可以提高导航系统的精度和可靠性。

在GPSSINS中，GPS提供位置和速度信息，INS提供姿态和加速度信息。

信息融合算法是将这两个系统融合在一起，得到更准确的导航结果的关键。

本次中期报告主要介绍了GPSSINS超紧耦合组合导航系统信息融合算法的研究情况，包括以下几个方面：1. GPS信号弱化对导航精度的影响GPS信号受到天气、地形和建筑物等因素的影响，会发生信号衰减和多径效应，导致定位精度下降。

针对这一问题，我们采用了多路径补偿和信号干扰削弱技术，优化GPS信号的接收和处理方式，从而提高导航精度。

2. INS误差累积对导航精度的影响INS存在着漂移和零偏等误差，这些误差会随着时间的推移累积，导致导航精度下降。

为了解决这一问题，我们研究了基于卡尔曼滤波的误差补偿方法，实现对INS误差的实时补偿，从而提高导航精度。

3. 数据融合算法的优化在GPSSINS中，GPS和INS的数据需要进行融合才能得到准确的导航结果。

我们研究了多种数据融合算法，包括基于权值的融合算法和基于粒子滤波的融合算法等，通过对比实验确定了最优算法。

4. 系统仿真与实验验证为了验证GPSSINS超紧耦合组合导航系统信息融合算法的有效性，我们进行了系统仿真和实验验证。

仿真结果表明，我们提出的算法可以有效地提高导航精度；实验结果也验证了这一结论。

总之，本次中期报告介绍了GPSSINS超紧耦合组合导航系统信息融合算法的研究情况，通过对GPS信号弱化、INS误差累积和数据融合算法的优化，实现了对导航精度的有效提高。

后续工作将进一步优化算法，提高系统的可靠性和实用性。

复杂环境下罗兰C∕北斗组合导航系统GDOP仿真分析随着社会和经济的快速发展，导航系统已经成为人民生活中不可或缺的一部分，其中罗兰C/北斗组合导航系统是目前最为先进的一种。

然而，在复杂环境下，该系统的导航精度会受到一定的干扰，因此需要进行GDOP仿真分析来进行性能评估。

GDOP是指几何精度因子，是描述卫星导航系统精度的重要指标之一，它与观测卫星的位置关系密切。

当卫星的位置比较集中时，GDOP值较小，精度更高；反之，则GDOP值较大，精度更低。

首先，要进行环境建模，包括建立卫星轨道模型、场景模型和干扰模型等。

接下来，在环境建模的基础上，通过Matlab等计算软件进行GDOP仿真分析，得出罗兰C/北斗组合导航系统在不同场景下的GDOP值。

在仿真分析过程中，需要考虑以下影响因素：1.卫星位置分布：卫星分布越分散，GDOP值就越大，精度越低。

2.卫星高度：卫星高度越高，处于视线范围内的卫星数量就越多，GDOP值就越小，精度越高。

3.地形：地形起伏会影响观测到的卫星数量和质量，GDOP值也会受到影响。

4.建筑物：建筑物会在信号传输过程中产生信号阻断和反射，导致信号质量下降，GDOP值也会受到影响。

5.天气条件：天气恶劣时，信噪比下降，导航精度也会受到影响。

通过仿真实验，可以得出在不同环境条件下的GDOP值，进而进行性能优化。

例如，在地形复杂的城市中，可以通过调整卫星高度或增加卫星数量来改善精度。

在天气条件恶劣的情况下，可以选择更加敏感的接收器以提高信号收取效率。

在实际应用中，GDOP仿真分析可以为罗兰C/北斗组合导航系统的精度优化提供重要的参考，同时也可以为其他卫星导航系统的性能评估提供指导。

随着技术的不断发展，未来导航系统将进一步提高精度和可靠性，为人们的生活和工作带来更多的便利。

由于题目未指定所需数据的类型及来源，因此本文将以以下数据为例进行分析：数据来源：某电商平台数据时间范围：2020年1月1日至2021年12月31日数据类型：销售数据样本量：100001. 销售额与销量分析根据数据统计，2020年1月1日至2021年12月31日，共有10000个样本，该期间销售额总计为2000万元，销量总计为50000件。

·5·文章编号：2095－6835（2021）24－0005－05基于MATLAB 松组合导航的仿真实验内容设计和实现＊符强1，任风华2，贾茜子1，刘庆华1，赵中华1，孙安青1（1.桂林电子科技大学信息与通信学院，广西桂林541004；2.桂林电子科技大学电子工程与自动化学院，广西桂林541004）摘要：针对导航工程专业课程理论性强、数学公式抽象和涉及内容广泛等特点，设计了基于MATLAB 松组合导航综合设计性实验。

该实验加深了学生对GNSS 导航、INS 导航和松组合导航知识的理解，同时培养了学生的创新思维和解决复杂工程问题的能力。

关键词：导航工程专业；综合设计性实验；松组合导航；MATLAB 中图分类号：TN967；G642文献标志码：ADOI ：10.15913/ki.kjycx.2021.24.002导航工程专业是一门融合多学科的新兴工程专业，主要学习导航系统与组合导航技术，可在航空航天领域、交通、军事、电子信息及通讯产业等部门工作。

培养的学生既要求有较强的理论知识，又要求具备解决复杂工程问题的能力。

针对当前桂林电子科技大学信息与通信学院导航专业在实验教学过程中内容不够丰富、综合设计性实验项目和自主创新性实验项目不足等问题，联系本专业相关基础、专业理论和社会需求的实际工程问题，设计带有综合性、挑战性和自主创新性的实验项目，并在2016级和2017级学生中开展改革与实践[1-4]。

实践表明：该实验项目既加深了学生对GNSS 导航、INS 导航和松组合导航理论知识的理解，又实现了多门专业课程的融合，培养了学生的创新能力[5-6]。

本文在改革实践的基础上，以基于MATLAB 松组合导航仿真实验来讲解综合设计性实验内容的设计和实践。

1GNSS 与INS全球导航卫星系统（Global Navigation Satellite System ，GNSS ），具有实时性，它的定位误差不会随着时间增加，缺点是容易受到外界信号的干扰，数据更新频率不高。

EKF、UKF、PF组合导航算法仿真对比分析摘要随着人类对海洋探索的逐步深入，自主式水下机器人已被广泛地应用于海底搜救、石油开采、军事研究等领域。

良好的导航性能可以为航行过程提供准确的定位、速度和姿态信息，有利于AUV精准作业和安全回收。

本文介绍了三种不同的导航算法的基本原理，并对算法性能进行了仿真实验分析。

结果表明，在系统模型和时间步长相同的情况下，粒子滤波算法性能优于无迹卡尔曼滤波算法，无迹卡尔曼滤波算法性能优于扩展卡尔曼滤波算法。

关键词自主式水下机器人导航粒子滤波无迹卡尔曼滤波扩展卡尔曼滤波海洋蕴藏着丰富的矿产资源、生物资源和其他能源，但海洋能见度低、环境复杂、未知度高，使人类探索海洋充满了挑战。

自主式水下机器人（Autonomous Underwater Vehicle，AUV)可以代替人类进行海底勘探、取样等任务[1]，是人类探索和开发海洋的重要工具，已被广泛地应用于海底搜救、石油开采、军事研究等领域。

为了使其具有较好的导航性能，准确到达目的地，通常采用组合导航算法为其导航定位。

常用的几种组合导航算法有扩展卡尔曼滤波算法（Extended Kalman Filter，EKF）、无迹卡尔曼滤波算法（Unscented Kalman Filter，UKF）和粒子滤波算法（Particle Filter，PF）。

1扩展卡尔曼滤波算法EKF滤波算法通过泰勒公式对非线性系统的测量方程和状态方程进行一阶线性化截断，主要包括预测阶段和更新阶段。

预测阶段是利用上一时刻的状态变量和协方差矩阵来预测当前时刻的状态变量和协方差矩阵；更新阶段是通过计算卡尔曼增益，并结合预测阶段更新的状态变量和当前时刻的测量值，进而更新状态变量和协方差矩阵[2]。

虽然EKF滤波算法在非线性状态估计系统中广泛应用，但也凸显出两个问题：一是由于泰勒展开式抛弃了高阶项导致截断误差产生，所以当系统处于强非线性、非高斯环境时，EKF算法可能会使滤波发散；二是由于EKF算法在线性化处理时需要用雅克比(Jacobian)矩阵，其繁琐的计算过程导致该方法实现相对困难。