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。     

自适应卡尔曼滤波在组合导航中的应用研究

对惯性导航系统（INS）与全球导航系统（GPS）分别进行了具体探讨,对比了两者的优缺点,针对INS／GPS组合导航系统中由于模型不准或因量测噪声的复杂多变造成的发散问题,引入了一种基于输出相关法的自适应卡尔曼滤波技术。通过在自适应滤波算法中推算最优稳态增益来调整量测噪声,抑制滤波器的发散,为GPS／INS组合导航系统实现高精度导航提供了有效的途径。仿真结果表明该算法能很好地对系统状态进行最优估计并适应系统噪声的变化,具有比常规卡尔曼滤波更高的导航精度。     

组合导航自适应卡尔曼滤波改进算法研究

针对常规卡尔曼滤波由于噪声的统计特性与实际情况不相符而引起滤波误差增大的问题,提出了一种新的在线估计系统噪声和量测噪声的自适应滤波算法.新算法通过新息序列自适应量测噪声,对Sage-Husa滤波算法进行改进以估计系统噪声,该算法在噪声统计特性未知的情况下能进行滤波计算.最后对改进的新算法与常规卡尔曼滤波算法作了对比试验...     

基于模糊卡尔曼滤波的信息融合算法

应用自适应模糊逻辑系统（AFLS）原理,研究了一种基于卡尔曼滤波器的信息融合算法;AFLS通过在线监视融合数据新息是否为零均值白噪音,然后根据模糊规则调整融合滤波器的指数加权值,从而保证了滤波器的最优估计性能;仿真结果证明该方法在高噪声环境中具有良好的信息融合能力,能有效跟踪研究对象的状态变化。     

GPS/INS组合导航系统中的信息融合算法研究

该文以GPS／INS组合导航系统为应用背景,对系统的模型建立进行详细的介绍,针对当前应用于其中的Kalman滤波法,它对量测噪声模型变化不能很好进行最优估计的缺点,引入了模糊自适应理论,实时地在线修正新息协方差值,以改善滤波器的性能,提高组合导航系统精度,并且还介绍了野值检测和处理方法。最后进行实时仿真,经仿真结果表明该方法是有效的。     

采用卡方检验的模糊自适应无迹卡尔曼滤波组合导航算法

针对低成本惯性测量单元精度受载体机动影响大、先验知识难以准确获知的问题,提出一种采用卡方检验的模糊自适应无迹卡尔曼滤波组合导航算法.首先,根据惯性测量单元的基本情况构造系统噪声的粗略模型;然后,引入卡方检验对系统状态模型进行评估,得到相应的卡方检验值;最后,通过预设的模糊逻辑函数和卡方检验值求取系统噪声估计值,得到具有系统噪声统计特性调整的自适应无迹卡尔曼滤波算法.所提出的算法可以克服低成本惯性测量单元难以准确获知先验知识的缺陷.通过SINS/GPS组合导航系统的仿真实例,验证了所提出算法的有效性.     

模糊自适应卡尔曼滤波技术研究

本文提出了一种基于模糊自适应卡尔曼滤波技术的组合导航的新方法．这一方法主 要应用于自主式机动飞行器．用模糊逻辑自适应控制器对卡尔曼滤波器的噪声方差进行“在 线”修正,将卡尔曼滤波器调整到最优状态,从而提高组合导航系统的精度．通过对GPS/IN S组合导航系统的仿真,验证了模糊自适应卡尔曼滤波器比常规卡尔曼滤波器具有更高的精 度．该方法的研究对飞行器的导航与制导具有重要意义．     

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。     

基于信息融合理论的卡尔曼滤波及仿真

对于存在控制及测量噪声,状态变量受到污染的系统,控制过程要求排除噪声干扰.本文采用信息融合理论,对传统卡尔曼滤波算法进行改进,得到新的滤波算法.有效的排除噪声干扰并通过仿真验证.     

基于卡尔曼滤波的无人机组合导航系统设计

针对卡尔曼滤波在实际应用中遇到的系统通常不是严格线性的问题,改进了在组合导航系统中常用的卡尔曼滤波方法,用扩展卡尔曼滤波对INS和外部测量源的信息进行融合,推导了无人机GPS辅助惯性导航系统的导航方程.通过分析GPS和INS的定位原理,建立了GPS和INS的误差模型.完成了以INS为主导航系统,GPS作为辅助系统的组合导航系统的扩展卡尔曼滤波设计.最后,将线性卡尔曼滤波和扩展卡尔曼滤波的结果进行了仿真对比分析,结果表明:扩展卡尔曼滤波更适合系统为非线性的情况.     

利用神经网络和卡尔曼滤波的组合导航技术

Kalman滤波是组合导航中最常用的最优滤波工具, 但在组合导航系统中仍有一些应用的局限性.针对卡尔曼滤波受到需要已知精确系统模型的限制,文中利用神经网络在解决非线性、时变系统、不确知系统中的独特优势,提出一种新的Adaline /Kalman组合滤波方法,阐述了神经网络的选取,网络的训练,给出具体仿真条件,应用于卫星/惯性组合导航系统.文末给出了仿真结果,表明滤波的效果较之单独的Kalman有所改善,导航精度有所提高,同时也说明了提出的整个方法是可行的,正确的.     

北斗双星定位系统上的基于联邦Kalman滤波的组合导航技术

作为常用导航手段的惯性导航、GPS系统等单一的导航设备,已不能满足现代电子战条件下的作战使用需求。因此,目前世界各国广泛采用多设备组合、冗余设计、多功能的组合导航系统。本文设计了基于联邦Kalman滤波的组合导航技术,进行了相应的数据仿真实验,并使用北斗星定位系统上的实际运行数据进行了算法验证,从而验证了在北斗双星定位系统上使用基于联邦Kalman滤波组合导航技术的有效性和可行性,为未来进一步在中国独立自主研究的北斗双星定位系统上进行实际的工程应用和商业应用奠定了良好的基础。     

基于信息融合的组合导航系统研究

针对GPS接收机在高机动工作状态或受遮挡时易出现“丢星”现象而导致定位中断的问题,提出了一种采用GPS／GLONASS／INS组俣导航系统对载体进行快速定位、定向的新方法。文中首先总结了GPS导航系统的不足,在此基础上给出了组合系统的设计方案和工作原理,然后对基于联合卡尔曼滤波的多传感器信息融合算法进行了论述与分析,最后给出了计算机仿真。结果表明：该方法可有效地提高导航系统的精度和可靠性,为融合导航系统的数据分析和处理提供了一个有效途径。     

改进的自适应衰减卡尔曼滤波算法

SINS/GPS组合导航系统的融合算法主要是卡尔曼滤波,卡尔曼滤波实现最优估计的前提是系统的模型和随机噪声信息必须准确已知。实际情况下,大部分系统的模型和随机噪声信息不完全可知,这可能会导致滤波器估计精度下降。针对这一问题,根据求解遗传因子的方法不同对传统的自适应衰减卡尔曼滤波进行改进,提出一种改进的自适应衰减卡尔曼滤波。改进后的算法分别适用于系统噪声统计模型不准确可知和量测噪声统计模型不准确可知两种情况,分别对应于两种滤波算法,并且二者具有统一的滤波框架。仿真结果表明,改进的自适应衰减卡尔曼滤波比卡尔曼滤波精度较高,有效解决了因为噪声模型不准确导致的精度下降问题。     

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.     

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.     

模糊逻辑自适应卡尔曼滤波技术 在GPS/ INS 组合导航系统中的仿真研

提出利用模糊逻辑自适应控制器(FLAC)调整扩展卡尔曼滤波器(KALMAN)的方法，该方法应用于CPS／INS信号融合。FLAC通过监视残差是否为零均值白噪音，然后根据模糊规则调整滤波器的指数加权，从而使滤波器不断执行最优估计。通过仿真与常规扩展卡尔曼滤波器相比较，其性能优于常规扩展卡尔曼滤波器。     

基于自适应卡尔曼滤波的运动车辆检测

卡尔曼滤波是一种根据时变随机信号的统计特性,对信号的未来值做出尽可能接近真值的一种估计方法,首先介绍了卡尔曼滤波原理,然后阐述了它在运动目标检测的应用。针对传统的固定值的卡尔曼滤波方法的缺陷,提出了自适应更新参数的卡尔曼滤波方法。通过与传统的卡尔曼滤波方法、帧差法、光流法和高斯混合模型方法的比较,证明了该方法的有效性。     

组合导航系统模拟器中的卡尔曼滤波设计

组合导航系统模拟器是飞行训练模拟系统的关键部件,在分别设计了惯性导航系统模拟器以及卫星导航模拟器的基础上,为了提高模拟器的真实性,针对如何实现两个系统最优组合,为其它系统提供准确可靠的导航数据的问题,参照现代飞机组合导航系统的组成结构及工作原理,设计了组合导航卡尔曼滤波器,建立了松组合和紧组合两种组合导航方式的方程和量测方程,并与纯惯性导航系统的结果进行对比分析,证明了所设计的组合导航系统卡尔曼滤波器的有效性.