无人机组合导航系统信息融合方法研究

针对小型无人机通常采用的无线电导航,综合考虑无人机具体情况以及其它导航方式的特点,提出了一种将无线电导航系统(RP)、全球导航星系统(GN SS)、多普勒导航系统(DN S)、地形辅助导航系统(TAN)和景象匹配导航系统(SMN)组合起来,取长补短,构成基于联邦卡尔曼滤波器的DR/RP/GN SS/DN S/TAN/SMN组合导航系统。仿真结果表明,该方法完全可以满足导航精度的要求。     

车辆GPS/DR/DM组合导航系统的研究

研究了车载GPS/DR/DM组合导航系统.通过分析GPS(GlobalPositioningSystem)和DR(Dead-Reckoning)各自导航、定位的原理及特点,以及DM(DigitalMap)的特点,设计了一种新型的低成本车辆兵器GPS/DR/DM组合导航系统,并且用自适应的扩展卡尔曼滤波对组合系统进行了仿真实验,证明了本系统的可行性.车辆GPS/DR/DM组合导航系统无论从精度还是可靠性来说较常规的导航系统都有明显的改善和提高,GPS/DR/DM组合导航系统是一种较为理想的车辆导航系统.     

模糊逻辑在NGIMU/GPS组合中的应用

由于加速度计输出动态噪声的存在,无陀螺惯性测量组合(NG IMU)导航误差随时间迅速累积.采用传统卡尔曼滤波方法进行NG IMU/GPS组合导航系统设计时,又由于观测噪声的复杂性,造成滤波结果不明显.针对上述噪声统计特性不易确定的特点,基于NG IMU九加速度计配置方案,提出利用模糊逻辑自适应卡尔曼滤波方法进行NG IMU/GPS组合导航系统设计.模糊逻辑自适应卡尔曼滤波器(FLAKF)通过对噪声方差进行修正,将卡尔曼滤波器调整到最优状态.同时进行了系统位移、速度、角速度仿真,仿真结果验证了模糊逻辑自适应卡尔曼滤波方法的可行性.     

基于联合卡尔曼滤波的GPS/DR融合仿真

目的 研究GPS(Global Positioning System)与DR(Dead Reckoning)组合导航融合技术,使AGV获得更加稳定可靠的导航定位数据.构建出适用于GPS/DR组合导航系统的联合卡尔曼滤波器.方法 在GPS(全球定位系统)基础上增加DR(航位推算系统)用以辅助GPS定位.采用randn()函数作为随机数发生器,基于MATLAB软件对联合卡尔曼滤波融合算法进行理论分析及仿真研究.创新性的提出系统补偿系数G,将它用于联合卡尔曼滤波中,使得滤波效果可人工调控.结果 设计出适用于AGV的GPS/DR组合导航系统联合卡尔曼滤波器,建立MATLAB仿真模型.在MATLAB仿真模型中AGV行驶路程为50 m,GPS导航误差范围为6m,信号波动较大.DR导航最大误差为1.8m,误差逐渐累积,结果不收敛.GPS/DR组合导航系统误差为0.2m,信号波动平稳,结果收敛.结论 GPS/DR组合导航系统即克服了GPS信号的遮蔽问题,又充分利用了DR的短时高精度自主定位的优势.仿真结果表明,该方法在保证了系统定位精度前提下,有效提高了系统的容错性和工作可靠度.     

GPS/DR车辆组合导航改进的粒子滤波算法研究

粒子滤波是一种基于Monte Carlo仿真的最优回归贝叶斯滤波算法,在组合导航系统的观测精度较低时能获得较好的滤波效果,但在观测精度较高时,不但可能导致滤波发散,而且存在重要性分布函数难以选取,出现粒子退化的现象。为了克服这些缺点,文章研究GPS/DR车辆组合导航改进的粒子滤波算法,提出了基于改进粒子滤波算法的GPS/DR车辆组合导航信息融合技术。采用马尔科夫链蒙特卡洛(MCMC)移动方法,移动粒子样本到状态空间中的新位置,既保证了移动后的粒子样本和实际概率函数同分布,又防止了大量后选粒子被拒绝。用改进的粒子滤波算法和扩展Kalman滤波算法,分别对GPS/DR车辆组合导航系统进行仿真实验,结果表明,改进的粒子滤波算法能减小导航定位误差,滤波性能明显优于扩展卡尔曼滤波。     

联邦卡尔曼滤波在水下航行器组合导航系统中的应用

为了提高水下航行器的导航定位精度,设计了以捷联式惯性导航系统、地形匹配、多普勒计程仪等构成的组合导航系统,建立了各子导航系统的误差模型,采用联邦滤波技术对水下组合导航进行信息融合,建立了水下组合导航系统的观测方程并进行了计算机仿真.仿真结果表明:使用联邦卡尔曼滤波技术进行信息融合提高了组合导航系统定位精度和定位可靠性,能满足水下航行器高精度和高可靠性的要求.     

非线性地磁/GPS/SINS组合导航方法

针对系统模型的特点,对平方根UKF算法进行了改进.改进后的平方根UKF与标准的平方根UKF相比,在保证状态方差非负定特性的同时,减少了滤波的计算复杂度.为了提高导航系统对姿态测量性能,针对姿态误差较大时线性导航误差方程无法使用的问题,推导出适用于大姿态误差角时的地磁姿态量测方程,并结合改进的平方根UKF算法设计了非线性地磁/GPS/SINS组合导航算法.利用Matlab对大姿态误差角时的非线性地磁/GPS/SINS组合导航系统进行了仿真.仿真结果表明,通过引入地磁姿态测量信息,非线性地磁/GPS/SINS组合导航系统可以直接观测载体的平台姿态误差,进而增强了组合导航系统对姿态误差的估计效果,且可以完成大姿态误差下的导航任务.     

车载组合导航的自适应滤波

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集中滤波算法.该算法的主要思想是: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集中滤波方法.将此方法用于SINS/GPS车载组合导航系统,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,滤波精度和收敛速度优于常规集中滤波,是一种有效的车载组合导航算法.     

一种有效的组合导航容错滤波技术研究

为解决INS/多天线GNSS/MHS/DNS组合导航系统,一个或多个传感器的导航信息出现错误,导致整个组合导航系统定位精度严重下降甚至无法定位的问题,提出一种多模式联邦高斯和粒子容错滤波技术,提高组合导航系统的鲁棒性。该滤波技术基于无重置联邦滤波结构,考虑到组合系统的非线性非高斯特性,局部滤波采用高斯和粒子滤波算法,以提高滤波精度,同时利用粒子似然函数方法,进行局部滤波器故障检测并隔离,进而,根据检测与隔离结果,进行全局滤波模式切换与全局最优估计,最终得到精确可靠的导航信息。仿真分析结果表明,多模式联邦高斯和粒子容错滤波技术是有效的,在多个子系统出现故障情况下,组合导航系统仍能提供精确的导航信息。     

神经网络辅助的组合导航系统信息融合方案

传统的Kalman滤波器自适应能力弱，而单纯的神经网络滤波器估计精度较差，且网络训练经验性太强。面向组合导航领域，提出BP神经网络辅助自适应联邦Kalman滤波器方案，设计并实现了SINS／GPS／TAN／SAR智能化容错组合导航系统。结合自适应滤波和神经网络两种方法共同提高系统的自适应能力，并提出新的神经网络输入量，改善了算法的实时性。系统的估计精度得到显著提高，仿真结果证明了该方案的可行性和有效性。