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。     

基于模糊控制信息融合方法的机器人导航系统

本文提出了一种基于模糊控制和信息融合的自主式移动机器人导航系统的实现方法。采用表格查询的模糊控制方法,对导航系统中的多传感器信息进行融合,实现了机器人的路径跟踪和自动纠偏的功能。该系统具有实现简单、响应快、鲁棒性好等特点,仿真实验和实际运行结果表明了该系统在具有引导线的环境中能有效实现自主式移动机器人的导航。     

基于模糊控制信息融合方法的机器人导航系统

本文提出了一种基于模糊控制和信息融合的自主式移动机器人导航系统的实现方法.采用表格查询的模糊控制方法,对导航系统中的多传感器信息进行融合,实现了机器人的路径跟踪和自动纠偏的功能.该系统具有实现简单、响应快、鲁棒性好等特点,仿真实验和实际运行结果表明了该系统在具有引导线的环境中能有效实现自主式移动机器人的导航.     

GPS/INS组合导航系统中的信息融合算法研究

该文以GPS／INS组合导航系统为应用背景,对系统的模型建立进行详细的介绍,针对当前应用于其中的Kalman滤波法,它对量测噪声模型变化不能很好进行最优估计的缺点,引入了模糊自适应理论,实时地在线修正新息协方差值,以改善滤波器的性能,提高组合导航系统精度,并且还介绍了野值检测和处理方法。最后进行实时仿真,经仿真结果表明该方法是有效的。     

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。     

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.     

一种SINS／GPS组合导航系统的数字仿真方法

组合导航系统的数字仿具对于系统、方案论证有着重要的意义，目前国内各种期刊当中关于SINS／GPS组合导航方面的文章都较少涉及数字仿真的算法，针对这种情况，在查阅有关文献、上机实验的基础上，文中总结出了一种SINS／GPS组合导航系统的数字仿真方法。SINS和GPS采用位置、速度综合模式，使用卡尔曼滤波技术，给出了数字仿真结果，并对结果进行了分析。     

基于DSP和FPGA的导航系统的信息融合研究

本文首先简单介绍某小型基于DSP和FPGA的导航计算机系统,然后根据其子系统输出的有效信息设计可行的信息融合算法;针对其子系统有效输出结果的时间不同步性,结合系统实际情况,设计一种中断机制的同步实现方法;最后进行仿真试验,验证本文的设计。     

低成本AUV 导航系统模

提出了一种基于信息融合技术的低成本AUV组合导航系统方案,并对系统组合方式、以及相关的信息融合技术进行了研究.基于信息融合的组合导航方案可以充分地利用各种导航传感器的信息,从而能有效地提高导航系统的精度,降低系统成本.同时,系统的冗余设计也保证了系统的可靠性.     

基于多传感器信息融合的移动机器人导航系统

介绍了多传感器信息融合的基本原理,给出了基于多传感器信息融合的移动机器人导航系统结构。建立了移动机器人数学模型,运用基于扩展卡尔曼滤波的信息融合方法实现了移动机器人导航算法。通过实验验证了基于多传感器信息融合的移动机器人导航系统和导航算法的有效性。     

基于自适应卡尔曼滤波的导航信息融合方法

针对组合导航系统在测量噪声未知的情况下,常规自适应卡尔曼滤波方法的实时性难以满足的问题,提出了一种实时的自适应卡尔曼滤波方法.该方法通过一个简单的指数函数实时调节卡尔曼滤波模型中的测量噪声协方差矩阵,将测量噪声的理论协方差矩阵与实际协方差矩阵的差值作为指数函数的输入,将函数的输出值与上次测量噪声的协方差矩阵之和送入卡尔...     

基于MIMU/GPS组合导航系统的应用研究

根据车载导航系统发展现状,提出了一种基于GPS和MIMU技术的低成本的、可用于市场推广的组合导航系统方案。采用MIMU与GPS松散组合方式,以速度和位置作为观测量设计了Kalman滤波器。该方案以ARM9作为中央处理器,详细介绍了系统的设计与实现。经测试,该系统与传统GPS相比,具有更高的稳定性和更精确的导航精度。     

动基座条件下组合导航初始对准研究

初始对准是影响惯性导航系统的导航精度的重要因素,通过对惯性导航(INS)/全球定位系统(GPS)组合导航系统初始对准进行研究,利用GPS信息来辅助INS进行初始对准,来提升初始对准的精度和对准时间.在粗对准阶段,利用载机主惯导对子惯导进行装订,完成子惯导的粗对准;在精对准阶段,有效地利用GPS信息,采用速度匹配方式,并设计了组合对准滤波器,进行仿真验证.仿真结果表明:组合导航系统的初始对准能在15 s内完成对准,且能够达到7mrad的精度.     

组合导航系统NNM信息融合算法

提出了将神经网络模型（NNM）概念应用于组合导航系统，并给出了基于RBP网的NNM训练过程，基于传统模型的卡尔曼滤波算法与神经网络相结合，有效地解决了GPS信号被屏蔽时的航迹预测问题，最后对GPS/DR组合导航系统进行动态仿真，仿真结果表明，采用该算法的组合导航系统定位精度高、可靠性好。     

基于GPS/SINS/里程计的车载组合导航研究

GPS/SINS组合导航系统虽然能很好地解决惯导系统的误差累积问题,但当GPS信号失效时,GPS/SINS组合导航系统不能正常工作或导航能力急剧降低。为提高车载松组合导航系统的精度和完整性,提出在GPS失效时采用OD(里程计)辅助SINS实现导航,推导出所需的GPS/SINS组合导航滤波方程和OD/SINS组合导航滤波方程,并进行地面车载试验。实验结果显示在GPS短时失效时,OD/SINS组合导航具有较高导航精度。     

SINS/CNS/SAR组合导航系统中的信息融合算法研究

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.     

基于FPGA_ARM的机载组合导航系统设计

为了降低惯性导航系统的累积误差,提高导航定位的准确性,文章采用惯性导航系统、GPS和磁航向计等构建了小型组合导航系统,以INS、GPS位置和速度的差值作为观测量,通过卡尔曼滤波器估计位置、速度和姿态等导航参数的误差量,进而获得准确的导航参数估计值;实验结果表明,该方法能够有效遏制系统累计误差,满足导航系统的精度和稳定性要求。