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.     

基于扩展卡尔曼滤波器的AUV导航定位数据融合

导航定位是AUV(自主式水下潜器)自动化受限的关键技术.GPS等单独的定位方式又存在缺陷.故采用低成本罗经-DVL-GPS组合导航定位.因为导航定位观测的非线性关系,设计了基于扩展卡尔曼滤波器的导航定位数据融合算法.针对扩展卡尔曼滤波器存在的滤波发散现象,引入机动目标模型抑制滤波发散,研究并仿真了AUV的两种运动方式,实现了覆盖四个象限运动的导航定位仿真,结果表明算法能有效进行数据融合,提高状态估计精确度.     

低成本SINS/GPS组合导航系统方案

低成本捷联惯性导航系统SINS、GPS硬件和相应的组合导航算法已经开始成熟,但仍然缺少简单可行的、完整的组合系统方案.针对低成本SINS\GPS组合导航设计了一套完整的方案.首先利用GPRS和TCP/IP通信链路实时传输GPS差分数据,提高GPS定位精度.用计算机串口接收SINS\GPS数据,并利用计算机时间使SINS和GPS数据同步.然后给出了SINS速度和位置更新的简化算法,由于低成本SINS无法确定航向角,所以使用SINS自带的姿态和航向参考系统输出的航姿信息.最后阐述了方案采用的组合导航数据融合卡尔曼滤波模型,并以RTK定位数据为参考真值进行了车载实验,实验表明组合系统更加稳健,定位精度明显提高.     

基于cubature Kalman filter的INS/GPS组合导航滤波算法

INS/GPS组合导航系统的本质是非线性的,为改善非线性下INS/GPS组合导航精度,提出将一种新的非线性滤波cubature Kalman filter（CKF）应用于INS/GPS组合导航中.为此,建立了基于平台失准角的非线性状态模型和以速度误差及位置误差描述的观测模型,分析了CKF滤波原理,设计了INS/GPS组合滤波器,对组合导航非线性模型进行了仿真.仿真结果显示,相对于扩展卡尔曼滤波（EKF）,CKF降低了姿态、位置和速度估计误差,CKF更适合于处理组合导航的状态估计问题.     

自适应联邦卡尔曼滤波在机器人组合导航系统中的应用研究

利用里程计(OD)与全球定位系统(GPS)辅助捷联惯性导航系统(SINS)构成一种高可靠性的组合导航系统.推导并建立了局部滤波器的数学模型,并针对联邦滤波器在载体发生异常扰动时滤波精度较低的问题,设计了基于SINS/GPS/OD组合导航系统的自适应联邦滤波器,有效补偿了系统异常扰动或动力学模型误差.仿真模拟了机器人的全航线运行轨迹进行验证,仿真结果表明,SINS/GPS/OD组合导航系统的自适应联邦卡尔曼滤波算法与相同组合导航系统的非自适应联邦卡尔曼滤波算法相比,在保障机器人导航定位可靠性及容错能力的前提下,能有效抑制异常扰动的影响,导航精度得到进一步改善.     

低成本MIMU/GPS组合导航研究

针对微惯件测量组合无法长时间单独工作、GPS卫星信号不稳定的问题,提出MIMU/GPS组合导航的方法.对MIMU的误差建立模型,采用松组合方式,设计卡尔曼滤波器,除取姿态、速度、位置的误差作为状态变量外,另取仪表的误差作为状态变量.对姿态、速度、位置进行反馈校正.在GPS卫星信号在某些条件下短时间丢失的情况下,微惯性测量组合单独导航,然后再重新获取GPS卫星信号的情况下进行Kalman滤波组合导航仿真,仿真结果表明该算法简单易实现,能满足导航精度要求,且在GPS卫星信号短时间丢失的情况下有较高的导航精度.     

GPS/DR组合导航系统数据融合优化设计

为降低GPS/DR组合导航系统在复杂导航环境下的定位精度及DR误差累积,提出一种性能较优的数据融合算法。在传统粒子滤波(PF)的基础上,考虑最新观测值的影响,使用基于平方根二阶差分的高斯混合(GM)模型给出粒子滤波的建议分布,采用基于蒙特卡罗的重要性采样和进化再采样方法减轻PF样本退化问题,增强样本多样性。实验结果表明,与PF算法、GMPF算法相比,该设计能提高组合导航系统的综合导航定位性能。     

基于视觉/GPS/MEMS-INS数据融合的MUAV导航方案

提出了基于视觉/GPS/MEMS-SINS的微小型无人机（MUAV）数据融合导航方案,利用视觉测量和GPS测量分别与INS组成子滤波器系统,依靠主滤波器对2个子滤波器的估计值进行数据融合。通过仿真验证,说明提出的组合导航方案具有很高的导航精度,能够有效抑制MEMS-INS的漂移,并且在GPS信号失效时,具有很高的容错性能,能够保证导航系统的稳定性,具有一定的应用价值。     

基于强跟踪滤波器的MIMU/GPS组合导航系统

研究微型惯导系统优化导航,在实际工程应用中设计强跟踪滤波器的MIMU/GPS组合导航系统,为验证整个组合导航系统的正确性和可靠性,采用软件无线电平台,进行了系统硬件架构和算法设计,使得整个系统具有较强的灵活性和可扩展能力.系统组合方式采用伪距、伪距率紧密组合.滤波器部分引入对突变状态具有较强鲁棒性和跟踪能力的强跟踪滤波器,对系统进行了最优估计和反馈校正.进行车载仿真试验,结果表明,整个系统组合效果显著,跟踪精度满足了设计要求.     

基于ANFIS神经网络的GPS/INS组合导航信息融合

介绍了自适应神经网络模糊推理技术(ANFIS),在此基础上采取新息自适应调整的思想,设计了一种基于滤波器工作参数调整的GPS/INS组合导航神经网络辅助卡尔曼滤波器,利用神经网络的非线性,根据滤波器的实际输出在线实时动态调整滤波器参数,达到对滤波器的调整和控制。与传统卡尔曼滤波器进行计算机仿真比较表明,基于ANFIS神经网络的GPS/INS组合导航信息融合技术具有较强的自适应性,能够在复杂的环境下抑制数据的发散,提高导航精度。