GPS/SINS紧组合导航系统信息融合技术研究

为了提高复杂环境条件下导弹的导航精度,以GPS/SINS紧组合导航系统为研究对象,首先研究了GPS/SINS紧组合导航系统的数学模型;然后对扩展卡尔曼滤波和无迹卡尔曼滤波的算法进行了详细的分析;最后将这两种滤波算法应用到GPS/SINS紧组合导航系统中。系统仿真结果表明,UKF在位置、速度的估计精度上均优于EKF,并且UKF具有更好的稳定性和收敛性。     

捷联惯性组合导航系统联合自适应滤波器设计磁

为了保证SINS／GPS组合导航系统具有较高的定位精度和抗干扰能力,需要良好的数据处理方法。论文设计了SINS／GPS组合导航系统的联合自适应卡尔曼滤波器。研究了其在舰船组合导航系统随机数据处理中的应用。针对系统噪声和量测噪声未知的情况,采用联合自适应滤波处理组合导航系统较采用基本联合Kalman滤波方法具有更好地稳定性。理论分析与仿真结果表明,该联合自适应卡尔曼滤波器的设计合理,能够加快计算速度,实现实时滤波计算,提高系统的导航精度和容错能力,取得了很好的估计效果。     

动态捷联惯导/多卫星组合导航自适应联邦滤波算法研究

研究了一种基于动态扰动的滤波算法,用以提高动态扰动情况下捷联惯导/多卫星组合导航系统 的精度和可靠性．该算法采用几何精度因子（GDOP）对量测噪声进行自适应调节,利用卡尔曼滤波器的新息 量对状态噪声协方差阵进行整体控制,同时根据具有时变特性的各子系统误差协方差阵对信息分配系数进行 自适应调节．通过对SINS/GPS/Galileo/北斗组合导航系统的仿真,分析对比了常规联邦滤波、Sage 自适应联邦 滤波和本文所提自适应联邦滤波算法．结果表明,该自适应联邦滤波算法能够有效抑制动态扰动,提高组合 导航系统的精度和可靠性．     

SINS/GLONASS/GPS组合导航系统的故障检测研究

为了避免由于应用过多的卡尔曼滤波器在组合导航系统中所带来的一系列问题,提出了一种应用SINS/GLONASS/GPS组合导航信息进行故障诊断的新方案。在总体设计了SINS/GLONASS/GPS组合容错导航系统方案的基础上,从理论上证明了该方案的可行性。SINS/GPS/GLONASS容错导航系统大大增强了系统的可用性和自主完备性,同时,提高了系统的联合定位精度。     

一种改进的联合滤波方法在车载SINS/GPS中的应用

提出了一种改进的联合滤波方法,即通过滤波器的方差值和故障检测函数,调节局部滤波器的信息分配,来改善总的滤波效果;通过设计牟载SINS／GPS组合导航系统最优综合的联合卡尔曼滤波器,给出其滤波算法,对其进行理论分析及计算机仿真,结果表明,应用该改进的联合滤波方法可大大提高车载SINS／GPS组合导航系统的定位精度及容错能力。     

UKF在INS/GPS组合导航直接法滤波中的应用

INS/GPS组合导航系统直接法滤波中是直接以导航系统输出的导航参数(位置、速度等)作为状态,所以系统方程为非线性方程。UKF(Unscented Kalman Filter)是一类以UT变换为基础,以卡尔曼线性滤波为框架,采用确定性采样策略逼近非线性分布的非线性滤波算法。由于它是对后验概率密度进行近似来得到滤波估计,所以避免了非线性系统中状态方程的线性化问题,能较好地解决系统方程非线性问题。论文INS/GPS组合导航系统中采取直接法,建立非线性模型进行UKF滤波解算,并与EKF方法比较,实验结果显示UKF方法能更好地解决系统状态方程非线性的问题,并得到更高的导航精度。     

自适应扩维UKF算法在SINS/GPS组合导航系统中的应用

针对自适应渐消因子卡尔曼滤波无法应用于非线性系统的问题以及自适应渐消因子的局限性,提出了带自适应渐消矩阵的扩维UKF(adaptive fading matrix augmented UKF,AFM-AUKF)算法.该算法针对含有非加性白噪声的非线性系统,引入了一种新的自适应渐消矩阵计算方法,并用Unscented变换逼近系统的后验均值和协方差,有效解决了此类系统的滤波问题.针对SINS/GPS组合导航系统的非线性状态估计问题,分别设计了滤波器容错试验和系统噪声突变试验,试验结果证明了该算法的有效性.     

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.     

基于联邦UKF算法的移动机器人自主组合导航

组合导航技术是解决地面机器人自主导航的一个有效途径,其中GPS/DR是一种典型的组合方式。常用的卡尔曼滤波主要用于处理线性问题,针对该导航系统非线性的特点,对Unscented卡尔曼滤波（UKF）与分散式滤波技术相结合的方法进行了研究,建立了用于GPS/DR导航系统的联邦UKF算法。数值仿真实验表明,联邦UKF比联邦EKF有更好的滤波精度,同时有更高的稳定性和容错性,是一种理想的GPS/DR导航非线性滤波方法。     

基于IMM-UKF的组合导航算法

为解决非线性动态系统滤波的非线性和噪声不确定等问题,设计了一种基于交互多模型(IMM)的Unscented卡尔曼滤波器(UKF),针对噪声变化情况建立一组非线性模型,与每个模型对应的UKF可以达到二阶以上的滤波精度.IMM-UKF滤波器的输出为各滤波器的概率加权融合,因此,根据噪声变化而调整的模型概率使系统输出对噪声变化具有自适应能力.利用该算法对组合导航系统进行了仿真试验,该算法精度高,模型切换速度快,能适用于动态系统.