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.     

一种应用磁强计提高导航系统航向精度的方法

针对静止与匀速运动状态下低成本SINS/GPS组合导航系统航向角可观性差的问题,采用磁强计与低成本SINS/GPS构成新的组合导航系统,以提高系统的航向精度.给出了完整的组合导航系统卡尔曼滤波模型,利用Simulink进行了仿真实验.仿真结果表明:在静止与匀速运动状态下,SINS/GPS组合导航系统航向角误差发散,而SINS/GPS/磁强计组合导航系统的航向角有效收敛.利用某型系统进行了静态实验,实验表明:在传感器精度较差的条件下,SINS/GPS/磁强计组合系统航向角仍可以有效收敛,收敛后姿态角误差标准差小于0.2.静态实验验证了该方法在实际应用中的有效性.     

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。     

一种自适应联邦滤波在车载组合导航中的应用

联邦滤波在组合导航的应用中,具有容错性好、滤波精度高、计算量小以及实时性好的特点,但在无法得到准确的系统模型时,使用联邦滤波会出现滤波精度低甚至发散的情况。针对车载组合导航信息融合的高精度、高可靠性等要求,提出了一种组合导航的自适应联邦滤波算法。其主要思想是以判别观测数据中的野值存在与否为算法切换条件,存在野值时采用改进的增益矩阵滤波处理方法,不存在野值时则采用模糊自适应联邦滤波方法。将此方法用于SINS/GPS车载组合导航系统中,实验表明,采用的这种自适应滤波方法,能够有效抑制滤波发散,其滤波精度和收敛速度要优于常规联邦滤波,是一种有效的车载组合导航算法。     

基于Sigma点Kalman滤波的车载导航系统状态估计

针对扩展卡尔曼滤波(EKF)在车载组合导航系统状态估计问题中的缺陷,本文介绍了一种新的方法——Sigma点卡尔曼滤波(SPKF)用于车载组合导航系统的非线性状态估计。其思想是基于非线性函数的加权统计线形化,SPKF滤波算法能够给出随机变量非线性变换以后更精确的均值和协方差的估计,从而带来更高的精度。最后通过GPS/DR组合导航模型时间序列的状态估计仿真实例说明:同EKF相比,SPKF的滤波精度和稳定性都显著提高了,还可避免计算烦琐的Jacobi矩阵,是一种良好的非线形滤波方法。     

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。     

车辆导航中的交互多模卡尔曼滤波跟踪方法

对GPS车辆定位中常用的卡尔曼滤波技术的扩展与应用进行了研究,建立了车辆运动的两种基本模型,并针对车辆机动目标给出了基于交互多模卡尔曼滤波跟踪的车辆导航方法,该方法能够有效地减小跟踪误差,并克服了传统目标跟踪算法的滞后性等缺点。     

Positioning accuracy improvement of laser navigation using UKF and FIS

This paper presents positioning improvement of a laser navigation system (LNS) using the unscented Kalman filter (UKF) and fuzzy inference system (FIS) for an automatic guided vehicle (AGV). The existing AGVs mainly used a magnetic system or an inductive system as a guidance system. However, those systems have high initial facility cost and are difficult to maintain according to changes of environment, and it can drive only the designated path by sensors which are installed on. The laser guidance system is developed to solve these problems, but it also has limitations which are slow response time and low accuracy. Therefore, we propose a sensor fusion method for the AGV. The sensors used in this paper are encoders, a gyro and the LNS, and they are fused by the UKF and FIS. To analyze the performance of the proposed system, we designed a fork-type AGV for ourselves and performed the experiment that was repeated 10 times under the same working conditions. In experimental results, we verified that the proposed method could improve positioning accuracy of the LNS effectively. In addition, it was appropriate to apply a real AGV system for autonomous driving.     

X射线脉冲星导航系统的闭环校正滤波器设计

X射线脉冲星导航(XNAV)系统对脉冲到达时间或相位的在轨测量存在星载钟计时误差问题. 本文提出将钟差与卫星三维位置参数一起作未知量处理, 采用4颗以上脉冲星的观测信息解算出卫星位置; 将该位置信息与轨道动力学预报的位置信息的差值作为量测信息, 结合卫星轨道动力学模型, 设计闭环校正卡尔曼滤波器. 仿真表明, 设计的闭环校正滤波器能够对卫星轨道状态进行最优估计, 解决了XNAV系统中的钟差问题.     

基于偏振光辅助定向的车辆自主式导航方法研究

针对车载惯性导航系统运动学辅助算法中, 航向角误差发散,无法长时间得到高精度、高可靠性导航参数的问题,提出一种基于大气偏振光分布规律高精度定向的运动学辅助惯导精度提高算法。通过车载偏振光传感器系统测量解算获得的航向角信息和车辆动态数学模型提供的虚拟位置与速度观测量,与惯性导航系统的输出一起,利用多源信息融合技术进行导航参数的滤波估计,结果能实时反馈校正惯性导航系统和车辆动态数学模型。通过计算机仿真与分析表明,该改进的惯性导航系统辅助方法能够有效抑制航向角误差发散,定位精度较纯惯导及传统惯导运动学辅助方法显著增强,且对最终实现陆地作战车辆精确可靠的自主导航定位具有一定的工程应用价值。     

A new approach to vision-based unsupervised learning of unexplored indoor environment for autonomous land vehicle navigation

A vision-based approach to unsupervised learning of the indoor environment for autonomous land vehicle (ALV) navigation is proposed. The ALV may, without human's involvement, self-navigate systematically in an unexplored closed environment, collect the information of the environment features, and then build a top-view map of the environment for later planned navigation or other applications. The learning system consists of three subsystems: a feature location subsystem, a model management subsystem, and an environment exploration subsystem. The feature location subsystem processes input images, and calculates the locations of the local features and the ALV by model matching techniques. To facilitate feature collection, two laser markers are mounted on the vehicle which project laser light on the corridor walls to form easily detectable line and corner features. The model management subsystem attaches the local model into a global one by merging matched corner pairs as well as line segment pairs. The environment exploration subsystem guides the ALV to explore the entire navigation environment by using the information of the learned model and the current ALV location. The guidance scheme is based on the use of a pushdown transducer derived from automata theory. A prototype learning system was implemented on a real vehicle, and simulations and experimental results in real environments show the feasibility of the proposed approach.