共查询到18条相似文献,搜索用时 218 毫秒
1.
提出了一种基于环境信息的模糊逻辑控制器来在线调节联合卡尔曼滤波器的自适应数据融合方法,并着重研究了在GPS/IMU组合导航中的应用。根据子系统的新息序列构造各传感器的环境信息,采用模糊逻辑控制器实现信息分配系数的计算,将卡尔曼滤波器调整到最优状态,从而提高组合导航系统的精度。仿真结果证明这种方法提高了数据融合的可靠性和精度。 相似文献
2.
基于粒子滤波的重力梯度与地形信息融合辅助导航方法 总被引:2,自引:0,他引:2
基于粒子滤波(PF)的重力梯度与地形信息融合辅助导航方法充分利用了重力梯度特征与地形特征融合的优点,可提高舰艇导航系统信息的利用程度。仿真比较了基于重力梯度的扩展卡尔曼滤波、基于重力梯度的粒子滤波和重力梯度与地形多特征融合粒子滤波算法得到的位置均方根误差,分析了基于EKF的重力梯度匹配辅助导航系统的稳定性和状态能观性。仿真结果表明,提出的融合算法既能加快粒子滤波的收敛速度,又能提高粒子滤波算法的估计精度。 相似文献
3.
定位能力是自主水下潜器(AUV) 工作的基础, 多AUV协同定位相比单艇定位具有更多的优势. 但在多传感器信息融合时, 由于各传感器处理信息所用时间不同, 而且艇间信息传输需要时间, 导致滤波量测量存在延迟, 严重影响了协同导航的滤波精度. 为此, 首先对广播式协同导航时间延迟误差机理进行深入分析, 然后提出一种基于量测更新的协同定位方法, 最后完成了相应的仿真验证. 结果表明, 基于量测更新的协同定位方法大大提高了多水下无人艇协同定位精度. 相似文献
4.
在SINS/CNS/SAR组合导航系统中,存在量测信息时间不同步及系统容错性差的问题,为了获得高精度滤波结果,设计了一种新的信息融合算法.首先对各子系统量测信息进行野值检测,并对处理后的量测信息进行时间同步处理;然后利用SINS/CNS和SINS/SAR子滤波器分别进行局部滤波得到局部估计值,经系统容错检测后,由主滤波器对局部估计值进行自适应融合,实现全局滤波.仿真结果表明,量测信息时间同步处理可以优化系统定位精度;当系统出现量测异常时,所提出的融合算法可以有效检测故障并进行处理,状态估计值始终维持在稳态附近.新的融合算法能改善导航系统的客错性能,提高导航精度,设计方案具有重要的理论参考价值. 相似文献
5.
实时图像匹配辅助无人机导航研究 总被引:2,自引:0,他引:2
针对GPS/INS组合导航系统在抗干扰性和精度上不能完全满足无人机导航系统要求的问题,利用实时图像匹配辅助无人机导航的方法进行仿真研究.首先,对输入图像进行目标识别定位,为了满足系统的实时性要求,研究采用光电混合联合变换相关器进行实时图像匹配,仿真结果表明,目标的识别定位精度小于两个像素,能够为无人机提供精确的导航信息;再根据摄影测量原理计算导航信息中的位置和姿态角信息;最后,将匹配定位得到的导航信息通过Kalman滤波器与惯导系统解算的导航信息进行信息融合,仿真结果表明,滤波后导航信息的误差均获得了较明显的收敛,提高了无人机导航系统的抗干扰性和导航精度. 相似文献
6.
7.
8.
提出一种基于微惯性测量装置/多卜勒测速系统的无人机组合导航新方法,并采用非线性滤波-Unscented卡尔曼滤波(UKF)来解决系统状态方程和量测方程的非线性问题.首先,采用低精度的微陀螺和微加速度计作为惯性测量器件构成MIMU,将其与多卜勒测速系统(DVS)构成MIMU/DVS组合导航系统;然后,以MIMU和DVS的系统误差作为状态,利用各子系统输出的速度信息构造量测,设计卡尔曼滤波器,采用UKF法对导航系统误差进行估计,进而对系统进行误差校正.仿真结果表明,基于非线性滤波的MIMU/DVS无人机组合导航新方法具有较高的导航精度,同时有效地降低了系统成本,具有良好的工程应用价值. 相似文献
9.
为了解决高动态条件下GPS/INS组合导航中由于两种导航系统时间异步,卫星导航信息滞后导致导航精度下降的问题,分别提出了利用GPS串口延迟时间段内SINS解算出的导航信息变化量来补偿延迟段内误差的硬件补偿方案和基于卡尔曼滤波对SINS频漂进行估计,采用多项式拟合得到融合点处的SINS计算伪距的软件补偿方案.通过建立模型完成了对SINS频漂量及其他误差量的闭环滤波估计及修正.设计了高动态飞行仿真试验,试验结果表明:补偿后的组合导航系统水平位置精度达到±0.12′;速度稳定后精度达到0.45 m/s.该方法缩短了误差的收敛时间,抑制了飞行状态突变的情况下滤波结果出现跳变剧烈等不利现象的发生,提高了组合导航系统的精度和性能. 相似文献
10.
11.
基于PC104的水下航行器导航系统设计 总被引:2,自引:2,他引:2
导航系统是水下航行器的重要组成部分,为了实现水下航行器的精确导航,采用了以PC104工控计算机为核心、GPS定位和惯性导航相结合的导航系统的改进方案,给出了导航系统的工作原理及基本硬件组成,介绍了惯性测量单元、GPS、电子罗盘等传感器与主控计算机进行通讯的各个软件模块的功能,并使用了异步卡尔曼滤波器进行数据融合与航位推算;该系统在提高导航精度的同时还具有通用性,可适用于不同类型的水下航行器。 相似文献
12.
研究了一种基于动态扰动的滤波算法,用以提高动态扰动情况下捷联惯导/多卫星组合导航系统
的精度和可靠性.该算法采用几何精度因子(GDOP)对量测噪声进行自适应调节,利用卡尔曼滤波器的新息
量对状态噪声协方差阵进行整体控制,同时根据具有时变特性的各子系统误差协方差阵对信息分配系数进行
自适应调节.通过对SINS/GPS/Galileo/北斗组合导航系统的仿真,分析对比了常规联邦滤波、Sage 自适应联邦
滤波和本文所提自适应联邦滤波算法.结果表明,该自适应联邦滤波算法能够有效抑制动态扰动,提高组合
导航系统的精度和可靠性. 相似文献
13.
为了提高自主导航机器人的室内定位精度,提出一种基于粒子滤波的超带宽(UWB)/惯导融合定位算法。首先,UWB定位采用双边双向测距算法确定距离信息,通过三边定位算法确定位置信息。其次,惯导定位通过编码器采集运动信息,建立非完整约束下的动力学模型,确定运动轨迹。两种定位信息在上位机中通过粒子滤波进行融合,实现高精度融合定位。仿真结果表明,与单一UWB定位相比,基于粒子滤波的融合定位算法定位误差降低了66.41%。 相似文献
14.
A fusion navigation algorithm for the distributed satellites system (DSS) utilizing relative range measurements is proposed in this paper. Based on the quasi-consistent extended Kalman filter (QCEKF), an on-line evaluation of the navigation precision can be provided by the fusion navigation algorithm. In addition, the upper bound for the estimation error obtained from the fusion navigation algorithm is lower than those with any groups of measurements, which indicates that the fusion navigation algorithm can automatically choose the suitable redundant measurements to improve the navigation precision. The simulations show the feasibility and effectiveness of the proposed fusion navigation algorithm. 相似文献
15.
基于移动长基线的多AUV 协同导航 总被引:5,自引:0,他引:5
基于扩展卡尔曼滤波(EKF)理论研究了多AUV 协同导航定位的移动长基线算法.移动长基线多AUV
协同导航结构中,主AUV 内部装备高精度导航设备,从AUV 内部装备低精度导航设备,外部均装备水声装置测量
相对位置关系,利用移动长基线算法融合内部和外部传感器信息,实时获取从AUV 的位置信息.建立了协同导航
系统数学模型,设计了EKF 协同导航算法,在各种测试情况下通过仿真验证了所推导的分析结果,对EKF 和几何
解方程算法的导航效果进行了比较.研究结果表明,以主AUV 作为移动的长基线节点时,通过EKF 算法可以显著
提高群体的导航定位精度. 相似文献
16.
This paper addresses the design and implementation of terrain-aided navigation (TAN) methods for small autonomous underwater vehicles (AUVs) that rely on standard navigation sensors and dispense with the need for dedicated sensors for terrain data acquisition. The research described focuses on the problem of TAN implementation in underwater scenarios characterized by smooth sea-bottom topography and very shallow water, where the terrain information available for navigation is scarce. The navigation algorithms and the data fusion methods whose tests are documented in the paper build upon and expand prior theoretical work published by the authors; the TAN solutions adopted exploit the terrain information and the navigation data acquired with an inexpensive Doppler velocity logger (DVL) and a standard motion reference unit, respectively. The position estimation methods analyzed include a bi-dimensional particle filter (PF) and a four-dimensional Rao-Blackwellized PF that was designed to estimate the unknown Doppler velocity measurement biases responsible for the unbound localization errors typically observed in dead-recknoning navigation. The positioning accuracy achieved with these filters is compared with the output of a novel method, also proposed in the paper, that mechanizes a complementary-like filter designed to fuse the output of a TAN estimator with the velocity measurements provided by a DVL. Experimental results obtained during field tests with an autonomous marine vehicle are reported and analyzed. 相似文献
17.