一种用于容错组合导航系统信号融合的算法

讨论了容错组合导航系统中的多传感器信息融合问题，提出了一种用于多传感器组合导航系统信息融合的神经元方法，通过仿真系统，验证了这种方法的可行性，可以替代传统的需要估计协方差的数据融合算法，导航精度可以满足要求。     

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.     

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。     

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。     

重力梯度数据在导航系统中的应用

通过无迹滤波(UKF)技术将重力梯度数据应用于导航系统中,研究重力梯度辅助导航系统的可行性与优异性。首先分析了在重力梯度图数据获取的前提下如何进行重力梯度仪信号的模拟,给出了一个先插值再加入噪声最后进行滤波的操作方法。随后根据滤波算法的需要建立了重力梯度辅助惯性导航系统的数据融合模型,并对数据融合算法进行了简单分析。最后对重力梯度辅助导航系统进行了仿真分析,主要通过对比研究没有外部辅助的惯性导航系统和有重力梯度数据融合的导航系统性能,论证了重力梯度数据在导航系统中应用的可行性与优异性。     

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。     

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。     

小型无人机多传感器组合导航系统设计与实现

准确、可靠的运动状态数据对小型无人机运动控制至关重要,在实际飞行控制过程中通常要用到两种甚至更多传感器进行数据融合获取。文中根据小型无人机实际飞行运动控制需求,设计集成卫星导航(GPS)、惯性姿态参考系统(AHRS)和气压高度计的组合导航系统,采用多传感器数据融合算法,对无人机的位置、速度、加速度、姿态角等状态数据进行融合估计。通过实际飞行实验对所设计系统的有效性和实用性进行了验证。     

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。