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。     

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.     

组合导航系统状态／观测矢量融合算法比较

本文对组合导航系统中所采用的状态矢量融合和观测矢量融合两种数据融合算法进行了比较，分析了其优缺点，并针对一个两ＧＰＳ子导航系统／ＳＩＮＳ组合导航进行了仿真计算。     

基于BP神经网络辅助的车载组合导航算法研究

针对INS/GPS组合导航系统在GPS信号被遮挡时,GPS接收机失锁导致导航精度迅速下降的问题,提出了基于BP神经网络辅助的组合导航算法。即在GPS信号锁定的时候,采用卡尔曼滤波对INS/GPS信号进行数据融合得到实时的精确位置,同时利用组合导航输出信息对BP神经网络进行实时在线训练;一旦GPS失锁,利用之前训练好的神经网络对INS系统进行误差补偿,解决精度迅速下降问题。通过跑车实验证明,速度精度在0.2m/s以内,位置精度为25m以内,该算法对INS/GPS组合导航系统有效。     

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。     

基于图优化的INS/GNSS深组合导航系统研究

为充分考虑历史信息对未来导航结果的影响,并充分利用更深层次的组合导航信息进行信息融合,提出了一种基于图优化的INS/GNSS深组合导航方法.通过将量测信息和状态传播作为约束信息,在时间域上构建优化代价函数,利用列文伯格-马夸尔特法求解状态的最优估计.通过INS/GPS深组合导航系统仿真实验对该方法进行了评估和分析,仿真...     

基于SoPC的微小型组合导航系统设计

针对目前常用组合导航系统由于体积大,造价昂贵,无法进行广泛推广的情况,设计基于MEMS的捷联式惯性导航系统与全球定位系统GPS、电子罗盘EC相融合的微小型组合导航系统。系统以NiosⅡ处理器和Altera公司提供的IP核为基础,建立基于So PC系统的组合导航硬件平台,同时,采用松组合导航信息融合算法,完成微小型组合导航系统运算及软件设计。试验结果有效验证了该文算法的有效性和可行性。     

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。     

正逆向滤波在惯性卫星组合导航中的应用

为满足高性能惯性/全球卫星导航系统(GPS)组合导航的要求,进一步提高卡尔曼滤波算法在组合导航定位中的解算精度,考虑利用逆向数据处理和加权平滑的融合算法,提出一种正逆向融合的卡尔曼滤波算法应用于惯性/GPS的松组合导航中。分析了正逆向融合的卡尔曼滤波算法的解算方法,并与普通正向卡尔曼滤波算法做出比较。实验部分采用车载传感器采集的实测数据,通过对两种方法解算结果的误差分析,表明了正逆向融合的滤波算法在定位精度方面优于传统正向滤波算法。     

车载GPS/DR组合导航系统数据融合算法研究

本文介绍了车载ＧＰＳ／ＤＲ组合导航系统的设计,建立了表示车辆加速度及影响组合导航系统定位精度的主要误差的数学模型。针对迭代扩展组合卡尔曼滤波算法中,由于ＤＲ系统误差的引入导致滤波效果不好的问题,提出了一种新的组合导航系统的数据融合算法。对实际跑车数据的处理结果表明,该算法在提高组合导航系统的定位精度及可靠性和完整性方面是有效的。     

基于改进D-S 证据理论的多雷达自适应数据融合

针对多雷达数据融合时融合结果精度较低问题,提出一种基于改进D-S 证据理论的自适应融合算法。该算法将单传感器多时刻时域融合和多传感器空域融合相结合。首先,利用盒状图对单传感器测量值分类优化,进行单传感器时域融合;再根据文中提出的改进证据冲突程度判据,对高冲突的局部证据进行修正,并选择相应的多传感器空域数据融合算法。仿真分析表明,文中算法具有较好的可行性与有效性,同现有的多雷达数据融合算法相比,文中算法能够有效降低融合过程中产生的系统误差,且融合结果更加可靠、精确。