项目名称: 基于矢量可控跟踪环路的惯性/卫星深组合导航关键技术研究

项目编号: No.61273057

项目类型: 面上项目

立项/批准年度: 2013

项目学科: 自动化技术、计算机技术

项目作者: 李荣冰

作者单位: 南京航空航天大学

项目金额: 80万元

中文摘要: 惯性/卫星深组合导航技术是组合导航重要发展方向,惯性/卫星深组合导航的核心是惯性系统和卫星接收机矢量可控跟踪环路的深度耦合集成。本项目主要针对惯性/卫星深组合系统中惯性反馈卫星抗干扰跟踪环路耦合机理和滤波方法开展研究,重点研究惯性/卫星深组合系统中卫星接收机多模、被控、高阶跟踪数字锁相环路的状态建模与估计,深组合模式下惯性信息辅助的非鉴相环节闭环条件下卫星接收机信号矢量鲁棒跟踪与信号解调机制,揭示惯性/卫星深组合导航技术中载体自身导航状态信息与卫星跟踪环路基带信号之间内在本质关系,研究基于线性与非线性混合模型的自适应滤波方法,以及高动态、弱信号环境下深组合抗干扰性能等科学问题,旨在突破惯性/卫星深组合导航系统矢量环路可控设计与惯性卫星环路高度集成的关键技术,为高性能组合导航奠定理论和算法基础,促进解决空、天、海、陆高性能武器装备对导航系统高动态、抗干扰、高精度自主导航问题。

中文关键词: 矢量跟踪;深组合;耦合机理;;

英文摘要: INS/GNSS deep integration technology is an important direction of development of the integrated navigation.Its core exists in the deep coupling integration of inertial system and vector-based controllable tracking loop of satellite receiver.This project is mainly targeted coupling mechanism and filtering methods research of anti-jamming tracking loop of linear feedback satellites in INS / GNSS system.The emphases of this project include state modeling and estimation of digital phase-locked tracking loop which is multi-mode,controlled and high-order,the satellite receiver signal vector robust tracking and signal demodulation mechanism under the condition of inertial information aided non-phase closed-loop conditions.The results can reveal the intrinsic nature of the relationship between carrier's own navigation state information and satellite tracking loop base band signal in INS/GNSS deep integration technology.The research definitely centers on adaptive filtering method based on linear and nonlinear mixed model and anti-jamming performance in high dynamic and weak signal environment.In this project,the breakthrough of vector loop controllability design and highly integrated key technologies with inertial satellite loop can lay the theoretical and algorithmic foundation for high-performance integrated navigati

英文关键词: vector tracking;deep integration;coupling mechanism;;

成为VIP会员查看完整内容
0

相关内容

智能交通管理系统发展趋势
专知会员服务
19+阅读 · 2022年3月21日
高级地图匹配算法:研究现状和趋势
专知会员服务
16+阅读 · 2021年10月28日
专知会员服务
46+阅读 · 2021年10月10日
专知会员服务
54+阅读 · 2021年9月18日
专知会员服务
42+阅读 · 2021年9月15日
基于深度学习的视频目标检测综述
专知会员服务
81+阅读 · 2021年5月19日
专知会员服务
37+阅读 · 2021年5月9日
专知会员服务
42+阅读 · 2021年2月8日
基于视觉的三维重建关键技术研究综述
专知会员服务
160+阅读 · 2020年5月1日
专知会员服务
86+阅读 · 2019年12月13日
造卫星的技术抢滩自动驾驶市场,你准备好了吗?
创业邦杂志
0+阅读 · 2022年4月6日
深度学习技术在自动驾驶中的应用
智能交通技术
26+阅读 · 2019年10月27日
自动驾驶高精度定位如何在复杂环境进行
智能交通技术
18+阅读 · 2019年9月27日
综述 | SLAM回环检测方法
计算机视觉life
15+阅读 · 2019年8月19日
自动驾驶技术解读——自动驾驶汽车决策控制系统
智能交通技术
30+阅读 · 2019年7月7日
智慧交通的高精度定位技术(PPT)
智能交通技术
29+阅读 · 2019年5月1日
Maplab:研究视觉惯性建图和定位的开源框架
泡泡机器人SLAM
16+阅读 · 2018年4月4日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
3+阅读 · 2013年12月31日
国家自然科学基金
2+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
2+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
5+阅读 · 2011年12月31日
国家自然科学基金
2+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
Arxiv
0+阅读 · 2022年4月14日
Arxiv
23+阅读 · 2020年9月16日
Arxiv
15+阅读 · 2019年3月16日
Simplifying Graph Convolutional Networks
Arxiv
12+阅读 · 2019年2月19日
Self-Driving Cars: A Survey
Arxiv
41+阅读 · 2019年1月14日
小贴士
相关VIP内容
智能交通管理系统发展趋势
专知会员服务
19+阅读 · 2022年3月21日
高级地图匹配算法:研究现状和趋势
专知会员服务
16+阅读 · 2021年10月28日
专知会员服务
46+阅读 · 2021年10月10日
专知会员服务
54+阅读 · 2021年9月18日
专知会员服务
42+阅读 · 2021年9月15日
基于深度学习的视频目标检测综述
专知会员服务
81+阅读 · 2021年5月19日
专知会员服务
37+阅读 · 2021年5月9日
专知会员服务
42+阅读 · 2021年2月8日
基于视觉的三维重建关键技术研究综述
专知会员服务
160+阅读 · 2020年5月1日
专知会员服务
86+阅读 · 2019年12月13日
相关资讯
造卫星的技术抢滩自动驾驶市场,你准备好了吗?
创业邦杂志
0+阅读 · 2022年4月6日
深度学习技术在自动驾驶中的应用
智能交通技术
26+阅读 · 2019年10月27日
自动驾驶高精度定位如何在复杂环境进行
智能交通技术
18+阅读 · 2019年9月27日
综述 | SLAM回环检测方法
计算机视觉life
15+阅读 · 2019年8月19日
自动驾驶技术解读——自动驾驶汽车决策控制系统
智能交通技术
30+阅读 · 2019年7月7日
智慧交通的高精度定位技术(PPT)
智能交通技术
29+阅读 · 2019年5月1日
Maplab:研究视觉惯性建图和定位的开源框架
泡泡机器人SLAM
16+阅读 · 2018年4月4日
相关基金
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
3+阅读 · 2013年12月31日
国家自然科学基金
2+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
2+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
5+阅读 · 2011年12月31日
国家自然科学基金
2+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
相关论文
Arxiv
0+阅读 · 2022年4月14日
Arxiv
23+阅读 · 2020年9月16日
Arxiv
15+阅读 · 2019年3月16日
Simplifying Graph Convolutional Networks
Arxiv
12+阅读 · 2019年2月19日
Self-Driving Cars: A Survey
Arxiv
41+阅读 · 2019年1月14日
微信扫码咨询专知VIP会员