GPS间歇性失效环境下的低成本多传感器组合导航系统研究

针对GPS/SINS组合导航系统在GPS间歇性失效环境下导航精度迅速下降的问题,设计了一种低成本的多传感器组合导航系统。该系统由陀螺仪、加速度计、气压计、磁力计和GPS组成,通过卡尔曼滤波器进行信息融合来实现精确的导航定位。针对GPS间歇性失效环境,利用气压计和磁力计的测量信息来辅助SINS进行导航。采用内置MEMS多传感器的智能产品对设计的系统进行了实验验证。实验结果表明,该系统可以在GPS间歇性失效的环境下实现精确的导航定位。     

小波故障检测在脉冲星组合导航中的应用

为提高基于X射线脉冲星的组合导航系统容错能力,利用小波分析方法进行故障检测,以保证组合导航系统的精度和可靠性。笔者采用X射线脉冲星导航、天文导航和紫外敏感器导航构建组合导航系统,运用小波分析技术对传感器输出信号进行故障诊断,并进行故障隔离和系统重构,最后采用联邦式滤波器进行信息融合,并以火星探测任务为例进行了数学仿真。实验结果表明：该方法能够有效检测相关传感器故障,解决了X射线脉冲星组合导航系统因故障导致的导航结果变差问题,且具有较高的导航精度,提高了脉冲星组合导航系统的容错性能和工程实用价值。     

基于自适应滤波的惯性+多模卫星组合导航算法研究

惯性+多模卫星组合导航系统通常采用定常参数的加权最小二乘算法进行多传感器信息融合,若加权系数与实际噪声统计特性不吻合,将会对组合导航精度产生不利影响.为解决该问题,提出一种基于自适应滤波的改进信息融合算法,对惯性及卫星导航数据应用自适应Kalman滤波以估计惯性导航误差,对滤波输出进行基于加权最小二乘法的多模信息融合,并根据滤波误差方差阵的解算结果对加权系数进行实时调整以优化估计精度.仿真结果表明该算法能够在一定程度上提高组合导航系统的精度和对不同随机噪声的适应能力.     

多传感器容错综合导航系统技术及其应用研究

文中结合经典的故障检测、隔离方法和联邦卡尔曼滤波,提出了以惯性导航系统为基准的多传感器容错综合导航系统设计方案,并在信息融合策略中采用了"故障诊断周期"方法对系统故障和野值进行了不同处理,以提高系统滤波的精度和数据的连续性.以SINS/GPS/Doppler组合导航系统为例, 结合载体的使用要求以及各导航子系统的使用范围和误差特性进行了设计方案的可行性分析.研究结果表明, 所设计的方案既能有效地实现系统故障检测、隔离和系统重构, 而且整个导航计算过程保持了良好的算法连续性、稳定性和系统精度.     

一种红外与雷达信息融合跟踪算法及其性能分析

为了提高目标跟踪系统的性能,在吸收雷达和红外跟踪传感器各自优点的基础上,提出一种雷达/红外传感器信息融合方法,该方法综合了雷达测量信息全面以及红外测角精度高的特性,对雷达与红外量测进行融合形成融合量测,基于融合量测设计了状态估计滤波器。在不同假设条件下,分别对融合系统与单传感器跟踪精度进行了仿真比较。结果表明:融合系统的跟踪精度高于单个传感器的目标跟踪精度,可有效提高目标跟踪精度。     

偏振导航传感器建模与误差分析

根据昆虫利用天空中偏振光导航的仿生原理,构建了偏振导航传感器的模型,分析了该模型测量原理,并对模型中影响测量精度的误差源进行了分析计算,结果表明偏振度、有效光强以及两偏振光轴间的相对角度误差会影响系统的测量精度和灵敏度.这一结论对偏振导航传感器的应用具有指导意义.     

AUV组合导航系统中H∞滤波技术

为了提高自主水下航行器(AUV)组合导航系统精度,选择了捷联式惯性导航系统(SINS)、多普勒速度声纳(DVS)以及地形匹配导航系统(TAN)作为AUV组合导航系统导航传感器,建立了AUV组合导航系统的状态模型和导航传感器观测模型,运用了一种基于径向基函数(RBF)神经网络进行H∞滤波信息分配的信息融合方法,并进行了计算机软件仿真.仿真结果表明,在有色噪声情况下,AUV组合导航系统的导航姿态、速度和位置精度得到了提高,有效地克服了传统滤波容易发散的缺点,提高了AUV组合导航系统的容错性能和导航精度.     

图像辅助的综合导航系统研究

研究了一种新的飞行器导航系统,它使用图像传感器来辅助机载INS(惯性导航系统)与GPS(全球定位系统)组合系统,从而构成INS/GPS/图像辅助的综合导航系统.提出了适用于图像辅助组合导航的新的信息融合结构与滤波算法基于残差校正的级联式卡尔曼滤波组合导航信息融合方案;推导并建立了上述级联式滤波的系统状态方程与图像量测方程.进行了仿真计算,并与联合卡尔曼滤波方法的结果进行了比较.仿真结果表明此种新的滤波方法在精度上是可行的.     

基于信息融合的SINS/ESMPS/ST组合导航系统研究

文中研究了基于多传感器信息融合技术的SINS/基于地日月信息的定位系统(ESMPS)/星跟踪器(ST)组合导航系统,以实现航天器高精度自主导航定位.文中设计了自适应联邦滤波器,通过引入基于地日月信息的定位系统和星跟踪器信息,对捷联惯导系统进行实时估计与校正,抑制其误差累积.仿真结果证明,该系统具有较高的精度、自主性和鲁棒性.     

基于分布式检测融合技术的水声信号检测方法

研究了分布式检测融合系统的最优检测问题.融合系统由融合中心及多部传感器构成.为了使系统性能达到最优,需要对融合中心的融合规则及各部传感器的判决规则进行全局最优化.文中给出了融合系统全局最优化的必要条件,并给出了求解系统全局最优解的数值迭代算法.仿真结果表明,采用该融合算法对分布式水声信号检测系统进行了优化,可有效提高系统的检测性能.     

多传感器信息融合技术在无人平台避障中的应用

为获得可靠准确的环境信息,采用多传感器信息融合技术。介绍无人平台避障系统组成、避障信息处理和避障控制模型及策略,通过对超声波传感器、红外传感器等多种传感器的数据融合,研究多传感器信息融合技术在无人平台自主避障行为中的应用。实验结果表明,该技术可以实现无人平台准确、快速避开障碍物,为无人平台在各种复杂的、动态的、不确定或未知的环境中工作提供了一种技术解决途径。     

不确定多传感器目标识别的Vague集法

为了解决Vague集理论在多传感器数据融合应用中存在的问题,提出了一种新的不确定多传感器目标识别方法。根据Vague集定义准确地建立了多传感器目标识别系统模型,提出了一种Vague集与优属度相结合的目标识别方法。该方法定义了两Vague集之间的距离,通过求解双目标规划模型客观地确定传感器的权重,避免了传感器权重选取的主观性。利用本文模型可得到各目标的优属度,根据优属度确定最佳目标。仿真实例验证了方法的有效性和具有较高的可信度。     

基于多源不确定数据融合的研究

提出了一种多源不确定数据的融合模型,该模型从信息的合理性、传感器的可靠性及信息的相似度上分析和处理不确定信息,并根据信息的一致性和传感器可靠性,实现传感器信息的筛选,有效地处理冲突信息和错误信息.以多传感器目标识别为例,进行建模仿真.结果表明,该融合模型在环境动态变化,传感器可靠性降低的情况下,保证了融合结果的准确性.     

虚拟仪器与数据融合在瓦斯监测系统中的应用

井下瓦斯监测系统采用虚拟仪器及数据融合技术处理传感器检测的数据.数据采集卡采集并接收现场检测信息,经A/D转换送入计算机作分析与处理,提取特征.传感器检测的信息,通过自适应加权数据融合及多传感器数据融合,再采用D-S算法对融合后的信息二次融合,得出现场状态的估计并作出判断与决策.     

火灾预警系统中的信息融合

基于多传感器数据融合的火灾预警系统由传感器、数据处理融合、集中控制器、报警、执行和通信等模块组成.传感器、处理器和控制器间采用Lonworks总线,在LonTalk协议协调下形成网络控制系统.该火灾预警系统中,利用Lonworks的Neuron C芯片对数据预处理,然后用通信网络传输数据,再由上层的芯片对压缩数据融合,提高了火灾探测灵敏度.     

基于贴近度及分布图法的数据深度融合算法研究

针对船舶柴油机 SCR 系统中,氮氧化物传感器的测量值易受温度和其他气体干扰的特点,提出了基于贴近度及分布图法的数据融合算法;在建立扩维贴近度矩阵的基础之上加以改进,利用分布图法排除野值,弥补了基于贴近度的可靠性融合算法不能剔除无效信息的缺陷,动态地选取有效信息和权值分布进行加权融合,实现多传感器数据融合;通过数字仿真表明：该算法具有较强的抗干扰性能,相较其他的算法有一定的优势,融合精度较高。     

卡尔曼滤波算法在多传感器融合技术中的应用

为了进一步提高测量精度,针对多传感器融合技术和非线性系统的连续-离散卡尔曼滤波算法的研究,提出了一种综合卡尔曼滤波和数据融合算法的优点相结合的估计技术和算法.仿真结果表明在使用连续-离散卡尔曼滤波方法估计的基础上,进一步采用加权融合算法,可以降低系统测量量的噪声干扰,并明显改善传感器测量参数的估计精度,其算法也是递推算法,可以满足实际应用中的实时性要求.     

敌我识别系统浅析

敌我识别(IFF)是高技术条件下现代战场中自动目标识别技术的重要应用之一.具有敌我识别能力的系统,已成为21世纪战场数字化系统的基本功能单元之一.目标识别目前具有目标特征识别、目标成像识别、无源探测识别、激光雷达识别、毫米波识别、多传感器数据融合识别等等方法.寻找一种简便而实用的识别方法是研制新一代敌我识别系统所必需充分考虑的问题,雷达自动目标识别是当前研究之重点,多传感器系统数据融合技术是其有效途径.由用户直接识别未知目标(即直接分系统)和向用户提供有关目标信息(即间接分系统)两部分组成的敌我识别系统,是正在研制的新一代敌我识别系统.     

一种基于观测支持度的动态加权融合算法

为对无人机通过各种同类传感器获取的数据进行融合处理,得到更精确的导航数据,提出一种动态加权 融合算法。引入观测支持度的概念对传统的平均加权算法进行改进,通过计算各传感器测量数据间的相互支持度信 息,并依据观测支持度的变化特征,实时动态更新融合权重进行多传感器数据的融合。将算法应用到实际飞参数据 的分析处理,结果表明：该算法能够根据传感器数据特征实时调整权重分配,融合结果较传统的平均加权算法更加 准确、可靠。     

基于最近邻聚类分析的多站遥测数据融合方法

为研究多测站遥测数据智能对接方法,提供高质量全弹道遥测数据,利用多传感器信息融合技术,采用最近邻聚类分析算法实现目标识别级多测站遥测数据融合。以某次试验5个测站的遥测数据为例进行了仿真测试,测试结果表明:该方法能从多个测站中遴选出最优遥测数据帧,经整合重组后实现多测站原始遥测数据融合,有效剔除非正常跟踪遥测数据,提高了数据处理效率和质量。