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。     

一种实用计算机控制的车辆导航系统

本文介绍了嵌入式ＰＣ机ＰＣ／１０４系统的特点及车辆导航的基本原理。给出了系统组成框图和软件框图，给出了跑车试验结果，说明系统运行良好     

一种连续定位式组合车辆导航仪的研制

对于城市车辆ＧＰＳ（ＧｌｏｂａｌＰｏｓｉｔｉｏｎＳｙｓｔｅｍ）导航来说，跟踪卫星的信号常常由于建筑物及树木等的遮挡而使ＧＰＳ的定位精度大大降低，为此，作者研制出一种连续定位式组合车辆导航仪。文中详细绍了该导航仪的设计原理及测试结果，试验结果表明该导航仪具有良好的导航与定位性能。     

CDKF方法在车辆组合导航中的应用

针对扩展卡尔曼滤波（EKF）在车辆导航中存在着计算复杂、线性化误差大等缺点,将一种新的非线性滤波方法——中心差分卡尔曼滤波（CDKF）用于车辆GPS／DR组合导航中。和普遍采用的EKF方法相比．CDKF方法不仅提高了车辆组合定位的精度和稳定性;而且不需要模型的具体解析形式,避免了复杂的Jacobian矩阵的计算,算法更简单,也更加易于实现。为了检验其有效性,将两种方法分别对车辆GPS／DR组合导航系统进行滤波仿真,仿真结果进一步表明CDKF方法明显优于EKF方法,是车辆组合导航中一种更理想的非线性滤波方法,真正实现了车辆低成本、高精度的实时定位。     

低成本组合导航系统滤波算法的研究

本文将扩展卡尔曼滤波(EKF)应用于GPS/DR组合导航系统中,以解决系统观测方程的非线性问题。同时,针对组合导航系统松组合和紧组合不同组合方式对导航精度的影响进行了详细的比较,并对仿真结果进行了分析,从整体上给出一种最优的组合方式。仿真结果证明,基于EKF方法的GPS/DR组合导航采用紧组合方式具有更高的定位精度,系统获得更良好的性能。     

变维卡尔曼滤波算法在车辆导航系统中的应用

对GPS车辆定位中常用的卡尔曼滤渡技术的扩展与应用进行研究，针对车辆机动目标给出变维卡尔曼滤波（VD-kalman）算法，避免可能产生的发散情形。仿真结果表明该方法能够有效的提高滤波数值的稳定性和运用GPS进行车辆定位的精度。     

推广卡尔曼滤波算法在航位推算系统中的应用

给出了航位推算系统的设计方法并研究了它螺仪的特性，在建立起该系统的非线性数学模型的基础上，提出了一种非线性推广卡尔曼滤波算法。试验结果表明，该系统具有良好的导航与定位性能。     

基于球面模型的GPS／DR组合导航系统研究

在GPS／DR组合导航中,一般是基于二维平面建立的航位推算模型,由此建立常系数矩阵的卡尔曼滤波方程,并在此基础上求解。但是,实际运动物体都是在地球球面上运动 。为了获得更精确的运动物体的数学模型,本文建立了GPS／DR组合导航系统的球面模型,得到了含不确定性参数系数矩阵的卡尔曼滤波模型,并利用改进的鲁棒卡尔曼滤波算法分别对运动体沿经度、纬度线和曲面圆周运动进行了仿真。仿真结果表明,基于本文建立的模型下的鲁棒卡尔曼滤波算法比常规卡尔曼滤波精度更高。     

北斗/DR组合导航融合算法及其在物流中的应用

介绍了我国自主研制的北斗卫星导航定位系统.针对该导航定位系统中存在的问题,以无惯性测量元件的DR作为其补充定位方式,设计了北斗/DR组合导航定位系统,并找出了一种组合导航定位的卡尔曼滤波算法,有效地提高了组合导航系统的定位精度.提出了将北斗/DR组合定位系统应用于现代物流管理信息系统的解决方案,分析了将北斗定位系统应用于现代物流管理的优势.     

车载航位推算系统中传感器参数的在线标定

航位推算系统是城市车栽导航定位系统的重要组成部分,其中陀螺仪、里程计等传感器参数标定影响到系统定位精度.介绍了利用GPS和电子地图数据库信息进行传感器参数在线标定的方法.在香港特区的大量现场跑车实验表明,该方法有利于提高航位推算系统的精度及稳定性,从而使得车载导航系统精度满足设计要求.     

一种鲁棒自适应推广Kalman滤波及其在飞行状态估计中的应用

本文在自适应推广Kalman滤波基础上，为了防止滤波发散，改善自适应Kalman滤波的数值稳定性和计算效率，利用U－D分解滤波，并引进滤波发散的判据等，提出一种鲁棒自适应推广Kalman滤波新算法，并把该算法应用于飞行器飞行状态估计问题，仿真及实际计算结果证明了本文方法的有效性。     

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.     

基于多传感器信息融合城市车辆导航定位

针对全球定位系统信号易受城市复杂的环境干扰,接收不可靠、航位推算只能进行短时间高精度导航、地图匹配仅可在拐弯处才能提供与地图精度相当的修正信息、城区车辆导航存在“盲区”问题,研制了采用蓝牙技术的新型路标传感器,研究了基于自适应联合卡尔曼滤波算法的多传感器信息融合技术。大量的试验研究表明：采用该信息融合技术后,城区车辆导航定位精度达到10m以内,符合高精度导航定位要求。     

基于粒子滤波的AUV组合导航方法

讨论了粒子滤波器和RB(Rao-Blackwellised)粒子滤波器两种滤波方法在组合导航中的应用,给出了组合导航算法用于自治水下航行器(AUV)的具体数学模型,并且与拓展卡尔曼滤波器的导航结果进行比较.利用AUV湖上试验验证了3种算法的导航性能,试验结果表明RBPF组合导航算法能够获得最好的导航精度;然而通过对算法进行分析,发现其计算复杂度高于其余两种滤波算法.     

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。     

组合导航系统在四旋翼无人机上的实现

针对无人飞行器行业的快速发展和导航系统对飞行器的重要性,提出了组合导航系统的融合方案。介绍了捷联惯导系统的原理、姿态算法。通过对惯性传感器进行误差标定和补偿,利用扩展卡尔曼滤波器建立了INS/GPS组合导航系统。仿真实验表明,组合导航系统的工作性能要优于纯惯性导航系统,能够为飞行器提供较高的导航精度。最后,将这种组合导航系统在四旋翼无人飞行器上进行了实现。     

一类载人潜水器的导航技术研究

介绍了一类载人潜水器导航系统的组成,接着阐述了基于工业以太网的信息采集模块. 由于载人潜水器动力学模型存在未建模扰动以及各种传感器存在不同程度的误差,需要采用卡尔曼滤波器（KF）等方法进行数据滤波,最后将滤波后的数据用于该类载人潜水器的导航研究. 半物理仿真平台结果表明,载人潜水器的导航精度得到了大幅度提高.     

基于地面特征点匹配的无人驾驶车全局定位

针对室外环境特点,设计将摄像机安装在车辆底部,提出一种基于地面特征点的地图匹配法以获取车辆定位信息．定位方法分为两步：(1) 手动控制车辆在环境中运行,保存RTK（real-time kinematic）-GPS、里程计和摄像机等传感器数据,离线自动创建地面特征点地图,并利用一种特殊的地图组织方式来提高地图搜索和匹配效率;(2) 利用地图匹配对车辆进行定位,其中采用一种基于M 估计加权ICP（iterative closest point）算法的特征点对应和匹配参数求解方法,并进一步采用UKF（unscented Kalman filter）算法融合地图匹配和航位推算的结果以提高定位鲁棒性．实验结果表明了该方法的有效性．     

MEMS SINS-GPS组合导航系统设计

为实现满足中低精度要求的低成本导航系统,选用MEMS惯性传感器研制了捷联式惯性导航系统(SINS);针对MEMS惯性传感器噪声较大和惯性导航系统误差随时间迅速累积的问题,利用小波对MEMS陀螺信号进行了降噪处理,并采用SINS-GPS卡尔曼滤波组合导航系统以消除惯导系统的误差累积,输出较高精度的速度、位置信息.对SINS和组合导航系统进行了仿真实验,实验结果表明所建系统的长时间导航性能有一定改善.     

车载战术导弹传递对准仿真研究

研究了车载战术导弹发射前的传递对准问题.提出了将主惯导安装于导弹发射架上,利用导弹发射前发射架的俯仰运动作为激励加快传递对准过程的方法.推导了弹载子惯导的误差方程和用于传递对准的量测方程.根据推导的方程设计了卡尔曼滤波器实现速度加姿态匹配传递对准.针对导弹发射前载车的典型运动情况进行了仿真.仿真结果表明,在载车运动过程中弹载子惯导的水平姿态误差角估计误差可在30 s内减小到2′以内,通过导弹竖起过程中角运动的激励,航向误差角估计误差迅速减小到3′以内.