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.     

基于粒子滤波的GPS/DR组合导航算法研究

对于车载GPS/DR(全球定位系统/航位推算)组合导航系统的算法研究,大多采用扩展卡尔曼滤波,但是应用扩展卡尔曼滤波时,非线性系统必须要进行线性化,从而导致滤波结果有较大的误差.为此将粒子滤波算法用于车载GPS/DR组合导航系统中,并建立了GPS/DR组合导航系统的状态方程和观测方程.为了检验其有效性,将两种方法分别对车载GPS/DR组合导航系统进行滤波仿真,仿真实验结果表明粒子滤波比扩展卡尔曼滤波有更好的滤波效果,更能减少定位误差.     

GNSS/DR组合导航系统中粒子滤波算法研究

随着车辆组合导航系统的发展,其算法研究也引起了广泛的重视。该文对车载GPS/DR组合导航系统的算法进行了研究,由于卫星信号易受到复杂环境的干扰和影响,导致使用卡尔曼滤波会有较大的误差结果。粒子滤波就能很好的处理这种情况,具有鲁棒性。仿真结果表明,粒子滤波算法优于卡尔曼滤波,更能减少定位误差。     

基于车辆与车辆的车联网分布式协同感知定位

车辆协同感知定位是车辆定位的热点技术.针对车载自组织网络,本文在GPS卫星导航和车辆自身航位推算(DR)的基础上,利用车辆之间的到达时间(TOA)观测和车辆到车辆(V2V)的实时通信来设计一种分布式协同定位方法.针对协同定位中TOA测量函数的非线性和辅助车辆真实位置未知的问题,提出了一种基于改进无迹卡尔曼滤波(UKF)的协同定位算法.相对于传统的UKF协同定位使用GPS观测值作为辅助车辆位置,本文提出的算法将辅助车辆位置作为未知参数,扩维到状态向量,有效降低了辅助车辆位置误差对定位精度的影响. Monte Carlo仿真结果表明,利用TOA观测的协同定位精度明显优于仅利用GPS和DR的独立定位精度,且改进的UKF协同定位算法相比于传统UKF算法,具有更高的定位性能.     

基于衰减记忆UKF的高精度GPS定位估计

目前单机GPS接收机定位精度较低,主要是由于定位模型的不完善和定位估计算法的误差造成的.为了提高识别精度,提出了伪距和多普勒频移相融合测量模型,采用一种将衰减记忆平淡卡尔曼滤波算法(MAUKF)进行GPS定位估计,来提高单机GPS的定位精度.MAUKF是一种改进的卡尔曼滤波算法,通过引进衰减因子加强对当前测量数据的利用,以减小历史数据埘滤波结果的影响.经过GPS单机静态定位实验验证,算法能够提供优于传统滤波算法的定位估计精度,并可用于提高单机GPS定位精度.     

卡尔曼滤波在无人水面艇双天线GPS定位测向系统中的应用

针对无人水面艇双天线GPS定位测向系统的定位误差问题,利用卡尔曼滤波算法对GPS数据进行滤波处理;根据位置与速度及航向的关系,建立数学模型,然后利用卡尔曼滤波算法对定位测向系统的测量值进行滤波处理;首先,对无人水面艇在静止、低速及高速运动状态的GPS数据进行了处理;仿真结果表明,在这三种情况下卡尔曼滤波方法能够提高GPS定位精度,在定点实验中观测值的均方误差为0.5259,滤波后变为0.0536;最后,在干扰情况下的无人艇运动仿真实验中,经过卡尔曼滤波后测量数据的均方误差由0.5043降低为0.3553;实验说明卡尔曼滤波能获得很好的滤波效果。     

具有DR算法的GPS技术及其应用

传统的GPS定位技术在定位卫星信号接收差的场合工作不可靠,通过DR算法可将GPS信号进行修正和补充。介绍了DR算法的原理、GPS定位系统的系统架构、用户终端的组成、软件流程以及整个系统的功能。此系统较单一GPS定位系统性能更加可靠。     

一种新型GPS/DR组合导航设备的研制

随着交通智能化的不断提高,车辆的定位和导航大多采用了全球卫星定位系统(GPS).虽然GPS有着较优的定位性能,但是当GPS信号受到干扰或缺失时,就会出现定位误差较大或者不能定位的情况.将GPS定位技术和航位推算(DR)技术结合起来,可以很好地解决这一问题.但是现有的航位推算设备都需要用角度传感器测量车辆的行驶方向,在实际应用中存在很多不便而且性价比不高.为解决这一问题,通过研究设计了只使用2个速度传感器就可以进行航位推算的设备,并对设备的工作原理、体系结构和基本算法进行了介绍.实际应用表明,这种航位推算方法可以很好地弥补GPS导航定位的不足.     

高动态GPS定位滤波算法的仿真研究

当前,GPS全球定位系统是相对完美的卫星定位系统,它的显著优点是全球性、全天候、实时定位,也可应用到多方面上,一般是应用在航天、航海等领域。尤其是最近几年来,GPS导航的应用更加多方面,它的发展前景也是无限好。在高动态GPS的定位数据中会有些许影响到定位的因素,然而将卡尔曼滤波方法应用到其中就可以大大降低该误差,从而提高精度,然而,在现实生活中得到对系统状态精确描述的内容是较为困难的。本论文对GPS的误差进行了分析,结果表明,提到的滤波算法对于高动态GPS定位很是适合。最后,在GPS/DR和GPS/INS组合导航定位系统中应用了卡尔曼滤波算法,并对其作了仿真分析和建模,得到了较为理想的结果。     

基于CKF的GPS定位误差估计及故障检测

针对卡尔曼滤波(KF,Kalman filter)算法无法解决非线性系统估计的问题和扩展卡尔曼滤波(EKF,extended Kalman filter)算法在GPS卫星导航定位误差估计中存在的线性化误差大、需求解繁琐的Jacobian矩阵等问题,将较新型的卡尔曼滤波算法——容积卡尔曼滤波(CKF,cubature Kalman filter)应用于GPS定位计算,在算法精度上与KF和EKF算法进行了比较,并利用定位误差进行GPS故障卫星的检测.利用实测导航电文数据进行实验,结果表明:CKF用于导航定位估计不仅精度高,而且实现简单,无可调参数,性能明显优于KF和EKF,并可进一步用于故障检测.     

UTP/DR组合导航算法研究

针对UUV水下作业时航位推算存在导航误差积累的问题,研究了水下应答器辅助航位推算组合导航算法。采用"当前"统计模型作为航位推算模型,更准确地描述了航行器的运动状态。利用水下应答器与航位推算算法相组合,对航位推算导航误差进行校正。为获得更好的滤波效果,采用平方根容积卡尔曼滤波算法作为组合导航系统的滤波算法,并将其与EKF滤波算法进行比较。仿真实验表明,平方根容积卡尔曼滤波算法较EKF算法具有更好的滤波精度;UTP/DR组合导航算法有效避免了因导航误差积累而导致的导航定位误差发散问题,获得了较好的导航定位效果。     

结合数字地图的GPS／DR车载双星定位系统

目前GPS的定位技术已经比较成熟,然而GPS正常工作时需要四颗可见卫星。本文提出了一种基于高精密数字地图的GPS双星定位系统,结合航位推算系统进行组合导航,并运用卡尔曼滤波对组合导航的信息进行滤波处理,有效提高定位的精度。试验证明,该算法增强车载导航系统在城市中复杂环境的适应性,并提供满足要求的定位精度。     

基于MCC的鲁棒高阶CKF在组合导航中的应用

针对高阶容积卡尔曼滤波器在非高斯噪声情况下滤波精度下降的问题,提出了一种新的基于Maximum Correntropy Criterion（MCC）的鲁棒高阶容积卡尔曼滤波算法。考虑到高阶容积规则可以较好地解决非线性问题,在高阶容积滤波的基础上,结合统计线性回归模型对量测更新过程进行重构,利用MCC估计算法实现状态的量测更新,同时解决了系统的非线性和非高斯问题。将所提算法应用到SINS/GPS组合导航系统中,仿真结果表明,核宽的选取对算法的滤波性能有较大的影响,在高斯混合噪声条件下,所提算法相比传统高阶容积卡尔曼滤波算法具有更强的鲁棒性和更高的滤波精度。     

基于球面模型的GPS／DR组合导航系统研究

在GPS／DR组合导航中,一般是基于二维平面建立的航位推算模型,由此建立常系数矩阵的卡尔曼滤波方程,并在此基础上求解。但是,实际运动物体都是在地球球面上运动 。为了获得更精确的运动物体的数学模型,本文建立了GPS／DR组合导航系统的球面模型,得到了含不确定性参数系数矩阵的卡尔曼滤波模型,并利用改进的鲁棒卡尔曼滤波算法分别对运动体沿经度、纬度线和曲面圆周运动进行了仿真。仿真结果表明,基于本文建立的模型下的鲁棒卡尔曼滤波算法比常规卡尔曼滤波精度更高。     

车载GPS／DR／地图匹配组合导航系统的自适应联合卡尔曼滤波模型

首次设计了实现车载ＧＰＳ／ＤＲ／地图匹配组合导航系统最优综合的联合卡尔曼滤波器,给出了滤波算法,并提出一种自适应联合卡尔曼滤波器结构及其算法。理论分析及计算机仿真结果均表明,应用该自适应联合卡尔曼滤波器可大大提高车载ＧＰＳ／ＤＲ／地图匹配组合导航系统的定位精度及容错能力。     

组合导航系统滤波器截断误差抑制方法

组合导航系统作为重要的定位和姿态测量的技术手段,其基本设计思想是将GPS和SINS等导航设备输出的信息经过滤波器进行最优估计。但在采用Riccati方程更新协方差矩阵和计算Kalman增益过程中,截断误差随着迭代次数的增大而累积,破坏协方差矩阵的正定性和对称性,降低滤波器计算的数值稳定性,严重时导致组合系统故障发散。本文建立了Riccati方程一阶误差模型,从理论上分析截断误差对滤波器估计性能的影响,引入基于Bierman算法和Thorton算法的Kalman滤波器进行更新方法,解决了截断误差引起的滤波器数值稳定性的问题。通过强实时半物理仿真系统验证表明,相比于基于Kalman滤波器的系统,基于Bierman-Thorton算法的组合导航系统有更强的数值稳定性和较高的导航精度。     

变增益联邦KF组合导航定位算法研究

GPS接收模块解算出的伪距误差是GPS/INS组合导航系统的主要误差,采用一种二级联邦卡尔曼滤波组合导航算法加以削弱,将卫星接收模块解算出的伪距信息和多普勒频移信息在第一级卡尔曼滤波后,再通过主滤波器与INS模块解算出的信息进行修正处理,得到校正量和定位位置最优估计。随着滤波步数增加,系统预测误差方差阵逐渐趋于零,状态估计会过分依赖旧量测值,从而导致滤波发散,影响系统定位精度。为有效提高新量测值的修正作用,在联邦卡尔曼滤波组合导航算法中引入一种可变加权系数。仿真结果表明,改进后的变增益联邦卡尔曼滤波算法具备联邦卡尔曼滤波的优点,并且该算法滤波效果有较明显的改善,能有效抑制滤波发散,提高系统的定位精度。     

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。     

四轴飞行器平台的WiFi室内定位系统研究

在无人机应用过程中一般使用GPS进行定位,然而在室内情况下,由于受建筑物的影响无法使用GPS.因此,设计了一种在四轴飞行器平台上基于位置指纹算法的 WiFi室内定位系统,以此来解决无人机的室内定位问题.针对WiFi信号强度易受环境影响问题,在数据采集过程中添加了Kalman滤波以改进位置指纹算法.实验结果表明,改进后的算法在定位精度上有了一定提高.