联合卡尔曼滤波器在数据融合中的应用

介绍多传感器数据融合中联合卡尔曼滤波器的设计步骤，并将此方法用于舰船组合导航系统，计算机仿真和理论分析表明，该滤波器可以做到全局最优，其结构遵循信息分配原则，提高了系统的数值稳定性和容错性，减小了数据传输的工作量与计算量，便于计算机实现，能够满足组合导航系统需要。     

基于多传感器的车载组合导航系统关键技术研究

车载导航系统由以前单一的导航系统逐渐发展为多传感器的车载组合导航系统,具有更高的精确度、可靠性和抗干扰性。文章首先分析了不同导航系统的特点,提出多传感器车载组合导航的必要性和优点,然后给出了组合导航的软硬件架构,对组合导航系统关键技术信息融合算法进行了详细探究,提出了工程实现的重要事项。     

基于因子图的组合导航方法及其可行性研究

复杂环境下进行定位导航,需要构建全源导航系统,实现多传感器的即插即用和不同频率的数据融合。研究了一种基于因子图的数据融合方法,该方法采用因子图法表示状态的递推与更新,采用高斯牛顿迭代法求解优化方程完成组合导航中的数据融合任务。然后以惯性/卫星组合导航系统为例,分析了因子图的原理内容,设计了相应的信息融合框架。最后对该方法的可行性进行了仿真验证,实验数据表明,3轴位置的均方根误差值分别为1.53 m,1.55 m,1.53 m,证明了该方法的可行性,可以在此基础上扩展传感器,构建全源导航系统。     

基于多传感器Kalman滤波器的GPS/IMU数据融合算法设计

针对GPSIIMU组合导航系统，现有的滤波算法难以检测传感器的错误数据并及时排除。文章设计了一种考虑滤波器环境信息的多传感器Kalman滤波器，该算法适于在不重构滤波器的情况下对多传感器进行整合。仿真结果表明该算法提高了数据融合的可靠性。     

联合卡尔曼滤波在多传感器信息融合中的应用

介绍了基于多传感器信息融合技术的联合卡尔曼滤波器的一般设计方法，并将此方法运用于舰船INS/GPS/Loran-C组合导航系统中，理论分析与仿真结果表明，该联合卡尔曼滤波器的设计合理，算法具有全局最优性，能够提高系统的导航精度和容错能力。     

一种基于信息融合的滤波算法及其应用

本文从组合导航系统研究的角度出发,提出了一种应用卡尔曼滤波技术建立多传感器信息融合系统的方法,该方法克服了以往存在的局部滤波器和全局滤波器具有相同数学模型的缺点,增强了算法的通用性.文中从概念理解、模型建立、系统结构等方面作了详细的分析,并针对GPS/INS组合导航系统进行了仿真.结果表明:该算法对提高导航系统的精度和运算速度是行之有效的.     

用于组合导航系统的三轴地磁导航传感器设计

文章针对仿生偏振光/地磁/惯导多源信息组合导航系统中的地磁导航需求,设计了一种三轴地磁导航传感器。介绍了应用背景、设计需求与实现方法,进行了系统的误差分析,并针对不同误差来源,进行了标定测量与补偿,实现了三轴姿态角的动态测量,为多信息源融合下的导航系统提供了一种获取地磁导航信息的有效手段。     

偏振光辅助的视觉惯性导航系统

为了提高组合导航系统的可靠性与位姿估计的精度，把偏振定向传感器引入同步定位与建图过程，提出并设计一种新的偏振光辅助的视觉惯性组合导航系统。采集偏振定向传感器、单目视觉相机及微惯性测量单元的数据，对多传感器数据进行时间戳对齐和预处理后，利用最小二乘优化方法建立目标方程，通过求解非线性方程组获取最佳的运动估计。该系统根据天空偏振分布实现了方位角的可观性，并融合了多传感器数据。基于上述组合导航系统进行户外车载实验，实验结果表明：在2 km的长距离运行中，相比原始视觉惯性系统，偏振光辅助的视觉惯性导航系统的位置误差降低了16.7%，航向角精度提升了23.4%。偏振定向传感器的接入能够抑制惯性器件测量值的漂移，改善导航系统的位置精度和姿态角精度，可满足卫星信号受到干扰等环境下的位姿估计精度和可靠性要求。     

一种多源导航信息融合定位方法

针对强电磁对抗环境下,多种无线电导航系统均可能受到干扰,其相应导航传感器无法获取本系统完整的测量信息而进行独立定位,从而导致单一导航设备无法有效定位的问题。 本文提出一种多源导航信息融合定位方法,利用获取的多种导航源的不完整的测量信息,通过对多导航系统的时差、伪距不一致的修正,实现了不同导航系统测量信息在时间和空间上的统一, 然后采用最小二乘方法进行多源伪距联合定位。最后,通过仿真试验,表明该方法提高了多源组合导航设备定位可用性和可靠性。     

多传感器信息融合的车载定位方法的研究

阐述一种利用多传感器信息融合技术提高车辆定位精度和可靠性的方法。首先,通过建立陀螺仪、加速度计和里程计传感器的数学模型和联邦卡尔曼滤波器数学模型,对SINS/GPS/OD传感器采集到的数据进行信息融合处理,提高系统定位精度和可靠性;其次,采用MATLAB对纯惯性导航系统、SINS/GPS/OD组合导航系统及其各子系统进行了数字仿真。仿真实验结果表明:本系统较纯惯性导航系统定位精度显著提高,并具备一定的容错能力。     

一种容错分散滤波在组合导航中的应用

从提高联合滤波容错性的角度出发，通过自适应调节信息融合因子提高联合滤波的容错性对一般联合滤波方法做了改进，并把这种改进的滤波方法用在了SINS/GPS/TAN组合导航系统中，通过对组合导航系统的仿真表明此种方法大大提高了组合导航系统对软件故障的容错性。     

多尺度融合估计算法及其在导航系统中的应用

针对如何将多传感器的数据进行融合处理、提高数据处理的可靠性和处理精度的现实问题，提出一种多尺度融合估计算法，对多传感器的数据进行估计处理。该算法首先建立系统的动态方程和观测方程，然后利用小波变换将数据在不同尺度上进行融合处理，归纳出该算法的实现步骤。最后通过在SINS／GPS组合导航系统中的实际应用，进一步证明了该算法能够有效地提高多传感器数据的处理精度。在实际应用时，结合应用环境设置适当的尺度，可以达到较好的应用效果。     

多传感器信息融合的谢费—登普斯特方法

本文利用了谢旨－登普斯特的证据方法，讨论了由许多传感器及一个信息融合中心组成的信息融合系统的决策级信息融合方法。各个传感器报告支持单个假设而不是假设的组合，所有的传感器报告都传输到信息融合中心，在这里，利用谢旨－登普斯特的组合法则，综合得到了信息融合中心的最终决策规则。     

INS/GPS多传感器车载组合导航系统算法研究

理论分析光纤陀螺和石英挠性加速度计的传感原理,对组合导航系统中的惯性测量单元(IMU)建立相应的误差模型,其误差模型包含了IMU传感器的标度因数的非线性模型、零偏的漂移模型、交叉耦合误差模型和标度因数、零偏的温度模型等。针对建立的误差模型进行误差补偿,同时针对车载环境设计了IMU传感器信号的数字滤波器,提高组合导航系统在车载环境下的适应性。GPS、高度计、里程计等多传感器信息的引入克服了惯性传感器独立长时间导航的发散问题。针对车载组合导航系统的非线性误差模型,设计了UKF组合导航算法,进行仿真和跑车试验,该方法能有效改善组合导航系统在劣等路面跑车试验效果。     

基于动态不确定度评定的加权数据融合算法

加权融合算法的AR模型,采用遗忘因子递推最小二乘法估计出测量方差.根据测量方差对单一导航传感器信息进行动态不确定度评定,进而确定组合导航系统的组合不确定度.在满足组合不确定度最小的情况下,利用拉格朗日乘数法进行加权值的求解.通过实例仿真表明该法具有较高的融合精度,对提高组合导航系统的定位精度具有实际意义.     

基于SPMC701fm0a的自主移动机器人导航算法的实现

本文介绍了一种基于微控制器控制，以GPS为主要导航手段，且基于多传感器信息融合的自主移动机器人导航系统的软硬件设计思想及实现方法。重点讨论了基于栅格法的导航算法在微控制器系统中的实现。最后给出了该导航系统在比较典型的环境中实现导航与避障的实验结果。     

INS/CNS/GPS组合导航数据融合算法与仿真研究

研究了INS/CNS/GPS组合导航系统的原理和特点,建立了组合导航系统的数学模型。分别利用集中卡尔曼滤波和联邦滤波数据融合原理对此系统进行了仿真研究,并指出了集中滤波器的不足之处。仿真结果表明采用全球定位系统和天文导航系统对惯导系统误差进行修正不仅可以大幅度提高导航精度,而且通过比较和分析可知联邦滤波可以有效地提高导航系统的可靠性和复原能力,是理想的容错型信息融合算法。     

铷钟辅助GPS／气压计／罗经组合导航算法研究

单独的GPS无法进行定位导航时，如果仍要保持定位，则需与其他的传感器进行组合，组戍较为完备的导航系统．本丈研究了铷钟辅助GPS与气压计和罗经的集成系统的组合算法，每一个传感器都有自己的滤波器，主滤波器是基于GPS的，所有的局部滤波器都馈入到主滤波器中并在那里进行信息融合．最后，通过一个实例对所提出的算法进行了验证．     

多传感器信息融合浅析

利用多传感器的信息融合获得有关目标的知识，可以避免单一传感器的局限性限制，减少传感器不确定性误差的影响。本文阐述了多传感器信息融合研究的三个主要领域，即信息表示、融合的模型结构和方法及融合中的控制，并以典型成果介绍了在这些领域研究中已取得的进展。最后，根据国外研究的发展趋势提出了我们的对策。     

室内外行人导航系统研究

采用微机电系统(MEMS)惯性传感器、MEMS磁传感器及小型全球定位系统(GPS)接收机为室内外行人导航数据源,基于Cortex-M4为内核,搭建了室内外行人导航系统硬件平台。重点研究了多传感器导航系统的结构、多源信息融合方法、多条件零速检测方法及零速修正等理论方法。并通过试验,采集实测数据进行分析、验证行人导航系统设计的性能。结果表明,在GPS信号良好情况下,定位误差在2.5m以内;无GPS信号期间,路线长度为110m时,定位误差在总路经的5%内。