东南大学 微惯性仪表与先进导航技术教育部重点实验室,江苏 南京 210096
数字滤波器是影响海洋重力数据处理成果质量的关键技术之一。该文提出了一种实时正反有限冲击响应(FIR)滤波算法,推导了具有线性相位正反FIR滤波器表达式并设计了实时滤波方案:该算法设计出的滤波器在所有的采样频谱内都满足严格意义上的线性相频特性;基于该算法设计的低通滤波器的阻带衰减大,有利于抑制海洋重力数据中的高频噪声。船载重力试验结果表明,在海洋重力数据处理中上述正反FIR滤波器的滤波器实时性好,滤波效果与事后正反FIR滤波器相当,优于单正向FIR滤波效果。
海洋重力数据处理 实时滤波 正反FIR 线性相频特性 低通滤波 ocean gravity data processing real time filter forward and reverse finite impulse response(FIR) linear phase-frequency characteristics low-pass filtering
东南大学 仪器科学与工程学院,江苏 南京 210096
重力矢量测量包含重力方向信息(即垂线偏差),对确定大地水准面具有重要意义。为了获得海洋重力扰动矢量的水平分量,该文提出了一种基于捷联惯导系统/全球导航卫星系统(SINS/GNSS)组合系统确定海洋重力扰动矢量水平分量的两步法。首先,利用捷联惯导算法和卡尔曼滤波用于加速度计偏差和姿态误差角的估计和补偿。然后,基于精确估计的加速度计偏差和姿态角误差,给出了重力扰动矢量水平分量的计算方程。将重力扰动矢量水平分量的模型用二阶马尔可夫随机过程描述,将其与加速度计的偏差分离,用正向-平滑卡尔曼滤波精确估计重力扰动的水平分量。船载试验数据离线计算表明,海洋重力扰动矢量水平分量的内符合精度优于2 mGal(1 Gal=1 cm/s2)。
重力扰动矢量 SINS/GNSS组合系统 马尔可夫随机过程 正向-平滑卡尔曼滤波 gravity disturbance vector SINS/GNSS combined system Markov stochastic process forward-smoothing Kalman filter
东南大学 仪器科学与工程学院,江苏 南京 210096
由于重力异常具有随机性, 导致序列重力匹配算法精度受到匹配轨迹起始点位置的影响, 因此, 该文提出了 一种动态序列重力匹配算法。该算法通过对构建多起点匹配轨迹序列, 动态选择起始点, 构建匹配轨迹序列, 通过相关极值法提高重力匹配精度。结果表明,动态序列重力匹配算法重力匹配精度高, 实时性好, 能为水下载体长时间航行提供导航信息。
重力匹配 相关极值 水下导航 gravity matching correlation extremes underwater navigation
东南大学 仪器科学与工程学院, 江苏 南京 210096
为了给国内重力梯度仪的实物制造夯实理论基础, 该文主要研究了伞型全张量旋转加速度计重力梯度仪信号模拟的产生。通过半物理仿真实验模拟了伞型重力梯度仪的测量过程, 并对全张量重力梯度仿真系统进行性能测试。测试数据为MATLAB生成的理想状态下的伞型重力梯度仪三圆盘加速度计数据, 将该数据载入全张量重力梯度仿真系统中, 解调得到交叉和内联重力梯度分量, 经过线性运算得到测量坐标系下的全张量重力梯度值, 再进行坐标系转换, 得到平台坐标系下的重力梯度值。结果表明, 该仿真系统测量精度达到1E(1E=1×10-9 s-2)。
仪器仪表技术 半物理仿真 旋转加速度计 重力梯度 梯度解调 全张量 instrumentation technology semi-physical simulation rotational accelerometer gravity gradient gradient demodulation full tensor
东南大学 仪器科学与工程学院,江苏 南京 210096
海洋重力测量数据中含有大量高频噪声, 需要采用低通滤波器来提取实际的重力异常信息。该文结合实测的海洋重力数据研究了低通滤波器截止频率和滤波器长度的确定方法, 设计了不同窗函数的有限脉冲响应(FIR)低通滤波器。经海洋重力测量数据处理试验结果表明, 汉宁窗和海明窗的FIR低通滤波器处理的重复线内符合精度和交叉点不符值中误差均优于0.5 mGal(1 Gal=10-2 m/s2), 可满足海洋重力测量要求。
海洋重力测量 低通滤波器 窗函数法 重复线 交叉点 ocean gravity measurement low pass filter window function repeating line intersection
东南大学 仪器科学与工程学院, 江苏 南京 210096
针对捷联式海空重力仪开展初始误差补偿研究, 重力仪开机后其数据存在一个逐渐稳定的过程, 估计出初始段的不稳定值与稳定值间的误差, 实现重力数据误差补偿。该文提出了长短期记忆网络法, 该方法可通过不断学习现有数据后高精度地预测未来数据变化。经过实测重力测量数据验证了该方法具有很好的误差补偿效果, 提高了重力测量数据的准确性和有效性。实验结果表明, 对于重力数据初始段测量误差抑制效果超过90%, 对于捷联式海空重力仪作业运行效率具有重要价值。
重力仪 初始段 长短期记忆网络 误差补偿 gravimeter initial stage long-term and short-term memory network error compensation
东南大学 仪器科学与工程学院,江苏 南京 210096
为了提高旋转全球卫星导航系统(GNSS)短基线双天线/微惯性测量单元(MIMU)组合系统的定向精度,该文构建了其紧组合系统。紧组合算法将GNSS的伪距、伪距率和载波相位作为旋转GNSS双天线/MIMU组合系统的观测量,用扩展卡尔曼滤波进行估计,估计得到的状态量对系统进行闭环反馈,最后得到组合系统的定向结果。对旋转GNSS双天线/MIMU组合导航系统的船载试验数据进行了紧组合离线解算,结果表明,当GNSS基线为0.3 m时,组合系统的航向误差小于1°,俯仰角和横滚角误差小于0.1°。
全球卫星导航系统(GNSS) 双天线 紧组合 旋转定向 短基线 GNSS dual-antenna tight integrated rotational orientation short baseline
东南大学 仪器科学与工程学院, 江苏 南京 210096
为了满足水下运载体长航时、高精度、低成本的导航需要, 提出由激光陀螺单轴旋转捷联惯性导航系统、计程仪、深度计、光纤陀螺捷联式重力仪和数字重力异常图组成的捷联式重力无源导航系统。运载体的位置由激光陀螺单轴旋转捷联惯性导航系统给出; 光纤陀螺捷联式重力仪、计程仪和深度计组成水下捷联式重力测量系统, 以激光陀螺单轴旋转捷联惯性导航系统提供的位置信息、计程仪提供的速度信息和深度计提供的水深信息作为观测量, 应用扩展卡尔曼滤波计算出东、北、天坐标系下加速度计比力值, 使用低通滤波实时获得重力值和重力异常值。根据存贮在计算机中的数字重力异常图, 运用相关极值法, 计算得到运载体位置。2019年底, 捷联式重力无源导航系统进行了长时间船载试验, 对该系统试验数据进行了离线处理。试验结果表明, 在匹配海域内, 运载体位置误差小于1个重力异常图格网大小。
旋转捷联惯导系统(SINS) 捷联式重力仪 重力异常图 重力无源导航 rotating strapdown inertial navigation system(SINS strapdown gravimeter gravity anomaly map gravity passive navigation