GNSS/DR组合导航系统中粒子滤波算法研究

随着车辆组合导航系统的发展,其算法研究也引起了广泛的重视。该文对车载GPS/DR组合导航系统的算法进行了研究,由于卫星信号易受到复杂环境的干扰和影响,导致使用卡尔曼滤波会有较大的误差结果。粒子滤波就能很好的处理这种情况,具有鲁棒性。仿真结果表明,粒子滤波算法优于卡尔曼滤波,更能减少定位误差。     

GPS/DR组合导航系统数据融合研究

通过航位推算系统辅助GPS定位,并采用联合卡尔曼滤波的融合算法,既克服了GPS信号的遮蔽与中断问题,又充分利用了信息融合的思想,使组合系统能够很好地满足车辆导航定位的需要。     

DR/GPS组合导航非线性自适应信息融合算法研究

针对实际工程中组合导航系统采集数据融合处理问题,建立了系统实测数学模型,提出了基于非线性系统的自适应信息融合算法,将系统未建模部分及高阶项作为噪声项与状态向量进行耦合估计,改善滤波算法对模型误差以及噪声假设的敏感性,通过仿真对比验证算法改进前后的效果,并用于DR/GPS组合导航系统。实验结果表明提出的数据融合算法能够提高系统的精确性,具有一定的实用价值。     

GPS/DR组合导航系统自适应扩展卡尔曼滤波模型的建立*

建立了车载ＧＰＳ／ＤＲ组合导航系统非线性自适应卡尔曼滤波模型及算法，首次提出了依据ＰＤＯＰ等ＧＰＳ定位的输出参数，自动调整Ｒ，Ｑ的大小，从而自地调整组合导航系统模型性能的方法，使得模型能够适应各种情况，具有“智能”模型的性质，计算机仿真表明应用该模型具有良好效果。     

紧耦合MINS/GPS组合导航系统数据融合的分析与处理

针对MINS/GPS组合导航系统的松耦合、紧耦合组合方案进行了讨论,借鉴国内外对紧耦合MINS/GPS组合模式的研究,分析了松耦合、紧耦合和超紧耦合MINS/GPS组合模式的构成和工作原理,通过理论分析建立了基于伪距差分的组合卡尔曼滤波模型.通过半实物仿真试验研究紧耦合MINS/GPS系统数据融合处理的特性.     

车载GPS/DR组合导航系统自适应信息融合算法研究

结合全球定位系统(GPS)和航位推算(DR)两种定位方式的优点,构建了基于卡尔曼滤波的自适应联邦滤波算法,实现陆地GPS/DR组合定位系统的数据融合;针对DR子系统的强非线性和扩展卡尔曼滤波算法带来的较大线性化损失,并结合机动加速度均值自适应算法,设计了一种基于U-D分解的自适应迭代卡尔曼滤波算法,更有效的减少DR子系统线性化带来的误差损失,提高定位精度;与同仿真环境下,DR子系统采用扩展卡尔曼滤波方法作了比较,结果表明该信息融合算法能更有效解决DR子系统的线性化误差问题,整个系统数据融合精度更高.     

基于渐消记忆自适应Kalman滤波的GPS/DR数据融合

针对标准的卡尔曼滤波器对系统模型依赖性强、鲁棒性差,而GPs/DR系统的精确系统模型难以建立的问题,提出了一种渐消记忆自适应联邦卡尔曼滤波器.融合了自适应联邦滤波算法和SageHusa自适应滤波算法,估计变化的系统观测噪声方差阵,使之更符合真实的模型,并有效对GPS的定位数据的传统算法的发散得到收敛,提高组合定位的精度.计算机仿真结果表明了该算法的可行性和有效性.     

基于模糊自适应Kalman滤波的GPS/DR数据融合

针对标准Kalman滤波器对系统模型依赖性强、鲁棒性差,而GPS/DR系统的准确数学模型难以建立的问题,提出了一种模糊自适应联邦卡尔曼滤波器(FAFKF).首先通过模糊自适应滤波控制器监控观测量的残差理论值和实际值,并通过实时增强它们的一致性来调整各子系统观测噪声方差阵,使之更符合真实的模型,有效提高了Kalman滤波器对模型变化的适应能力.然后通过模糊自适应信息融合控制器对各子系统可信度进行模糊评判,并根据可信度自适应地计算信息分配系数来实现数据的融合.理论分析和实验数据表明该滤波器在滤波精度、容错性能上都有了很大的提高.     

量子PSO粒子滤波在DR/GPS组合导航系统中的应用

将量子粒子群优化(QPSO)算法与粒子滤波(PF)相结合,提出了量子PSO粒子滤波(QPSO-PF)算法,对航位推算(DR)与GPS组合导航系统中的里程系数误差和航向误差进行辨识估计,并对里程系数和航向进行修正。该算法采用量子位对粒子进行编码,引入量子旋转门与变异操作保持了粒子集的多样性,通过QPSO搜索寻优重新分配粒子,使粒子集有效地逼近真实的后验概率分布,从而有效地减轻了退化现象,提高了PF的精度。DR/GPS组合导航系统跑车实验结果表明:该算法有效地抑制了DR导航系统误差的增长,提高了组合导航系统的定位精度。     

GPS/DR组合导航的地图粗匹配算法研究

在数字地图匹配中,直接投影法是确定车辆行驶路段的常用方法之一,该方法简单易行,但稳定性差,匹配效率低,不能满足地图匹配高稳定性和高正确率的要求。以直接投影法为基础,结合相关性算法和概率统计法,在匹配过程中引入历史匹配参数进行迭代运算,采用多点采样消除偶然误差。通过Matlab仿真测试和匹配正确率统计分析,改进后的算法稳定性好,能够很好地模拟实际数字地图粗匹配过程,在匹配时效和正确率两方面有良好的兼容性。     

一种低成本GPS/DR组合导航系统设计

根据车载导航的特点,运用单自由度的加速度计代替里程计,提出一种基于低成本的单陀螺仪单加速度计的航位推算(DR)方案。航位推算短时精度高,但误差会随时间积累而变大,DR与GPS导航利用扩展型卡尔曼滤波,形成GPS/DR组合导航系统,融合2个系统的优势,完善导航能力。实际测试结果表明,该GPS/DR组合导航系统能满足车载导航的基本需求,在城市峡谷中有较高的定位精度,且在GPS信号遮挡时能保持定位。     

基于MEMS-SINS/GPS的组合导航系统设计

针对小型无人机导航系统低成本、微小型、高效性的特点,提出了基于捷联惯导(SINS)\卫星定位(GPS)的组合导航系统设计方案,深入研究了组合导航系统的关键技术;分析了MEMS传感器误差对导航系统的影响,建立了系统误差模型;采用利于工程实现的基于位置、速度误差作为状态向量,以松耦合方式进行集中式Kalman滤波,对SINS/GPS信息进行融合,避免了传统SINS系统状态模型非线性,滤波器设计困难的问题;最后对系统进行了仿真;仿真结果表明,该组合导航系统成功抑制了SINS系统的积累误差,提高了导航精度与可靠性,具有广阔的应用前景。     

基于GPS/DR的GPS滞后时间自适应检测算法

针对GPS输出信息的随机延迟特性,基于航位推算(DR)系统惯性器件的实时性与短时高精度,提出了航向差和速度自适应GPS滞后时间检测方法,在此基础上,对GPS和DR数据进行数据对准,提出了自适应GPS滞后时间处理算法。在GPS/DR实际系统中的应用结果表明,本算法能够准确检测出GPS的滞后时间,提高车辆的定位精度。     

微小型无人直升机组合导航系统数据融合的研究

文章在考虑微小型无人直升机的特点及对导航定位系统的需求的基础上,对MIMU和GPS进行了合适的选型,设计了以DSP为核心的组合导航定位系统及其系统的数据同步电路;根据MIMU和GPS所提供的位置和速度的误差值,文章建立了闭环反馈控制的间接卡尔曼滤波器的方法进行数据融合;运用MATLAB的DSP数字信号处理工具进行仿真,实验仿真结果表明,文章所采用的组合导航系统较单一导航系统在控制精度和可靠性上有明显提高。     

基于DSP的车载GPS/DR组合导航系统硬件设计

针对低成本组合导航技术发展的需要,结合主要传感器特点,本文介绍了以浮点DSPTMS320VC33为组合导航算法实现的核心处理器,利用TL16C554进行通信口扩展的GPS/DR组合导航系统的设计方案,给出了系统硬件的设计方法。所设计的系统具有体积小、成本低、实时性好、可靠性高、扩展性好等特点,具有广泛的应用价值。     

一种新型的GPS/DR组合定位系统数据融合算法

全球卫星定位系统定位和测速精度高,具有全天候、全球性且基本不受地域、时间限制,但常因为某种原因出现GPS卫星信号丢失情况,航迹推算算法正好能弥补这个问题,将两者结合可以很好地解决定位问题.传统的数据融合算法-卡尔曼滤波算法,在参数选择上要求较高,选择不当即导致较大误差,影响算法效果.建立了GPS/DR组合定位系统的模型,提出了一种新型实用的自适应扩展卡尔曼滤波算法和DR单独定位算法结合的定位算法.通过实际跑车实验,结果表明,较之传统的卡尔曼滤波定位算法,该算法实用性好,而且能很好的满足系统的定位精度及可靠性等方面的要求.     

基于双DSP的SINS/GPS组合导航计算机系统

为满足SINS/GPS组合导航系统对实时性、精度的要求,设计了一种基于双DSP的高性能SINS/GPS组合导航计算机系统。本系统按功能划分为数据传输子系统和导航计算子系统。选用高性能数字信号处理器TMS320F28335(DSP1)和TMS320C6713(DSP2)分别作为数据传输子系统,导航计算子系统的核心处理器;两子系统之间通过双口RAM实现高速可靠通信。系统通过扩展外部接口实现对惯性组件数据,GPS数据实时采集,并输出导航参数,具有很强的实时性。     

车载惯导航位推算组合导航系统误差补偿研究

当惯组(IMU)安装到车体上时存在安装偏差,推导了安装偏差及刻度系数误差对里程计速度的影响,进而导出了航位推算(DR)的位置误差方程及位置更新算法;建立了SINS/DR组合导航的状态方程和量测方程,以捷联惯导的位置与航位推算的位置之差作为组合导航卡尔曼滤波器的输入,估计出安装偏差和刻度系数误差的值并对航位推算进行补偿;仿真及跑车数据的验证分析结果表明了误差估计方法的有效性和正确性.