基于信息融合技术的惯性/多传感器组合导航系统设计

惯性/多传感器导航系统具有高精度、高容错性能的潜力;经典的集中处理卡尔曼滤波器存在着计算量大、容错性差等缺陷,难以开发出这种潜力,目前多传感器组合导航系统中越来越多地采用联合滤波结构;总结了联合滤波器理论以及结构形式,探讨了联邦滤波器的设计方法以及信息的合理分配原则,构造了INS/GPS/CNS组合导航系统滤波结构,经过仿真证明了联合滤波器的性能及其在组合导航系统中应用的可行性.     

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。     

基于卡尔曼滤波的数据融合算法与应用研究

针对无人机飞控系统对输入的多传感器信息融合时传统卡尔曼滤波算法容易出现滤波发散,滤波精度和系统的实时性降低的问题,研究了一种改进的自适应滤波算法,可以让数据融合后的信息精度更高,实时性更强。改进的算法是在Sage-Husa滤波的基础上引入滤波收敛性判据,并提出了基于改进的Sage-Husa滤波算法的联邦卡尔曼滤波器的设计,可以抑制滤波发散,提高滤波精度和稳定性。同时引入强跟踪滤波算法的思想,调整增益矩阵,改进滤波算法,提高系统突变情况下的滤波处理能力。最后,通过对特定的自主避障系统用改进后的算法与传统卡尔曼滤波算法进行MATLAB仿真比较,仿真结果显示改进的自适应滤波算法在系统模型参数失配和实变噪声情况未知时,可以较好地保持滤波的精度和实时性。     

车载GPS组合测速系统数据融合算法研究

设计并建立了车载GPS/加速度计组合测速系统联合Kalman滤波数学模型.提出了一种自适应联合Kalman滤波方法及其算法,运用随机线性离散系统Kalman滤波和非线性离散系统扩展Kalman滤波等技术进行数据的更新滤波.理论分析和半物理仿真结果表明,该数据融合算法在测量精度、可靠性、适应性、实时性等方面大大提高了该组合测速系统的性能.     

基于多传感器信息融合的移动机器人导航系统的设计与实现

概述多传感器信息融合技术的原理与方法,通过实例描述了多传感器信息融合在移动机器人导航中的应用。在能力风暴机器人平台建立了基于多传感器信息融合的导航体系结构,并通过具体的实验和结果表明了多传感器信息融合方法在导航中的有效性。     

基于联邦滤波的GPS/DR组合导航信息融合

针对车载GPS/DR组合导航系统的特点,采用联邦滤波算法,构建了两级结构的联邦卡尔曼滤波器.子滤波器分别处理GPS和DR传感器信息,主滤波器进行信息融合,并对子滤波器进行信息分配和重置,克服了GPS单独使用时因信号中断而引起的系统失效,使系统具有更好的容错能力,进一步提高了系统的定位精度.试验结果证明了算法的有效性.     

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。     

基于无迹卡尔曼滤波传感器信息融合的车辆导航算法

针对复杂道路条件下车辆的导航问题,将全球定位系统(GPS)与车载终端传感器系统相结合,提出了基于多传感器系统的车辆精确定位模型,并针对扩展类卡尔曼滤波易产生突发性误差而导致的安全问题,采用基于Sigma点的无迹卡尔曼滤波器(UKF)传感器信息融合算法。根据实时的道路状况和车辆自身的运动状态给出符合要求的状态估值,实验与基于多项式扩展卡尔曼滤波车辆传感器信息融合算法在精度和效率方面进行了比较,结果表明,基于UKF传感器信息融合的算法在复杂路况下的估计精度和运行效率都有显著提高,能够根据当前的路线情况和车载传感器的反馈信息快速地估计出车辆的运动状态,实时计算出动态的车辆控制输入。     

基于数据融合技术的图像均值滤波算法

在分析传统图像均值滤波算法的特性基础上,提出了一种新的均值滤波方法--多窗口均值融合滤波算法.该算法以每一个像素点为中心选取多个不同尺寸的窗口,将各窗口的均值进行融合处理后作为中心点的滤波输出.实验结果表明,本算法对于低信噪比图像具有较好的滤波效果,优于传统的和一些改进的均值滤波算法.     

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.     

数据融合在阵地勘测中的应用研究

在恶劣的战场条件下卫星定位和无线电定位手段受到极大的干扰,惯性导航定位手段也存在漂移的问题,因此对于阵地的单次勘测精度很难提高.与此同时对阵地的多次勘测结果进行情报综合时又存在剔除野值的经验困难.针对这些问题,应用数据融合技术提出一种实用的情报综合方法,解决了情报综合过程中先验信息不足的问题,可以简单有效地对阵地勘测数据进行融合,并在实验测量中得到了应用,证明该数据融合方法在阵地勘测中效果良好,具有工程实用价值.     

基于Kalman滤波的数据融合研究

分析了标准kalman滤波(KF)和自适应kalman滤波(AKF)的原理,通过仿真实验,对两种滤波算法的性能进行了比较.选用凸组合融合算法作为声纳探测的航迹融合算法,将多声纳融合系统的融合结果和简单交叉定位算法进行了比较研究.仿真实验结果表明:自适应kalman滤波比标准kalman滤波具有更好的目标跟踪性能,多声纳融合结果较简单交叉定位结果的性能有大幅度提高,所选用的融合算法航迹能够较好的与真实航迹吻合.     

基于DSP的IMU/GPS数据融合算法实现

提出了基于DSP的IMU/GPS数据融合算法的实现方案;鉴于GPS数据稳定性高、误差不随时间积累和IMU数据更新率快、在短时间内精度高的特点,采用强跟踪卡尔曼滤波算法对二者的数据进行融合处理,并且在DSP上将其实现,获取精度更高、稳定性更好的导航参数;给出了详细的设计步骤,进行了大量的静态和动态试验,并且对实验数据进行了分析与对比;结果表明,该实现方案可以获取可实用的导航参数。     

空战数据融合性能分析与可视化仿真

数据融合是把来自不同传感器或其它信息源的数据加以综合、相关、互联,以便提高定位和特征估计的精度,它是C3I系统和电子综合战系统中的关键技术。该文模拟一多机空战环境下,对我机的雷达、红外目标数据进行数据对准、相关、融合等的处理,并对其结果进行了分析。文中对航路设定、相关算法、航迹融合以及传感器管理进行了深入探讨,随后介绍了各个算法模块的具体实现。软件用VC 6．0开发,兼容OpenGL、maflab等语言,动态显示了数据融合的全过程。     

基于多传感器数据融合的深海集矿机导航与定位

考虑到深海底的复杂、未知工作环境,在深海集矿机的海底导航与定位研究中提出了一种基于多传感器数据融合思想的深海集矿机导航与定位方法,该方法使用一种修正的长基线水声定位系统,采用自适应卡尔曼滤波算法,融合由长基线水声定位系统对集矿机位置的测量值和通过多普勒测速仪等其他传感器的测量值间接得到的关于集矿机位置的推测值,得出某时刻集矿机位置的最优估计;此方法适合集矿机在复杂未知的深海底环境中实现自主导航与定位任务;仿真和试验结果印证了此方法的有效性.     

一种优化的贝叶斯估计多传感器数据融合方法

由于来自多个传感器的测量数据总是有一定程度的不确定性和不一致性,采用多传感器数据融合算法将多个节点的测量数据进行数据融合,利用数据的冗余度来减小这种不确定性,得到高可靠性的数据信息。提出了一种优化的贝叶斯估计多传感器数据融合方法,将贝叶斯估计和卡尔曼滤波器结合起来,应用于无线传感网络数据融合中。根据滤波器应用到传感数据、融合数据或者两者的方式,提出3种不同的技术,即:前向滤波法、后向滤波法和前后向滤波法。通过一个实例研究估计移动机器人的位置,验证算法的有效性。实验表明,在集中式和分布式两个方面数据融合体系结构,结合卡尔曼滤波器的贝叶斯融合算法能够有效地解决数据的不确定性和不一致性。     

DR/GPS组合导航非线性自适应信息融合算法研究

针对实际工程中组合导航系统采集数据融合处理问题,建立了系统实测数学模型,提出了基于非线性系统的自适应信息融合算法,将系统未建模部分及高阶项作为噪声项与状态向量进行耦合估计,改善滤波算法对模型误差以及噪声假设的敏感性,通过仿真对比验证算法改进前后的效果,并用于DR/GPS组合导航系统。实验结果表明提出的数据融合算法能够提高系统的精确性,具有一定的实用价值。     

QAR数据的数据融合算法

分析了QAR数据中影响飞机性能衰减的主要因素,采用自适应加权数据融合算法和扩展卡尔曼滤波算法对相关性能参数进行了状态参量的估计,并验证了自适应加权融合算法在外界环境影响较小时的便捷性和外界环境影响过大时的局限性.引入扩展卡尔曼滤波算法,加入高斯噪声的计算,提高了状态估计值的精确度,为航空公司改善飞机运行提供了参考.