一种模糊QR滤波及在组合导航中的仿真研究

总结了常用的自适应滤波的方法，并提出了一种基于模糊逻辑的自适应卡尔曼滤波技术，用模糊逻辑自适应推理器来“在线”修正卡尔曼滤波系统噪声协方差Q和测量噪声协方差R，从而使滤波器不断执行最优估计。仿真结果表明该方法可以提高GPS／INS组合导航系统的精度和可靠性。     

一种新的粒子滤波算法在INS/GPS组合导航系统中的应用

为改善传统粒子滤波中的样本退化和样本枯竭问题, 提出一种新的粒子滤波算法. 在重要性采样中, 利用最新测量值, 结合差分滤波算法产生重要性函数; 在再采样中, 利用高斯混合模型近似状态的后验概率密度, 引入最大期望算法计算该高斯混合模型的参数, 并从该新分布中采样后验粒子集, 取代传统的再采样. 从而通过提高重要性函数对状态后验概率密度的逼近程度来缓解样本退化问题, 通过改进再采样实现过程来缓解样本枯竭问题. 把新算法应用到INS/GPS组合导航系统中, 仿真结果表明新算法的估计性能明显优于粒子滤波.     

基于cubature Kalman filter的INS/GPS组合导航滤波算法

INS/GPS组合导航系统的本质是非线性的,为改善非线性下INS/GPS组合导航精度,提出将一种新的非线性滤波cubature Kalman filter（CKF）应用于INS/GPS组合导航中.为此,建立了基于平台失准角的非线性状态模型和以速度误差及位置误差描述的观测模型,分析了CKF滤波原理,设计了INS/GPS组合滤波器,对组合导航非线性模型进行了仿真.仿真结果显示,相对于扩展卡尔曼滤波（EKF）,CKF降低了姿态、位置和速度估计误差,CKF更适合于处理组合导航的状态估计问题.     

基于不确定融合的GPS/INS 组合导航滤波算法

针对实际车载组合导航系统测量中不确定噪声的问题,提出一种基于不确定融合估计的GPS/INS组合导航滤波算法,建立了导航系统的状态方程和观测方程;通过多信源不确定融合估计,得到多传感器的等效测量值以及误差方差阵;对系统方程进行滤波处理,得到车辆的准确位置。车载系统的实测数据表明,不确定噪声下的融合估计结果优于独立白噪声假设下的融合估计,并验证了所提出算法的有效性和实用性。     

智能车辆中的INS/GPS组合导航技术

自主驾驶与辅助导航是目前智能汽车领域的一个热点.本文研究了一个由INS/GPS组合导航的智能车辆系统.该系统由GPS和INS组合实现,其核心算法是用卡尔曼滤波实现GPS和INS的数据融合.通过对INS的辅助,使这个组合导航系统具备容错能力,仿真结果表明,该组合系统满足定位和导航的功能.     

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。     

GPS/INS组合导航系统时间同步系统设计

为了说明高动态环境中时间同步对于组合导航系统的重要性,在Kalman滤波方程的基础上,推导了时间同步误差与Kalman滤波结果之间的定性关系.提出一种利用GPS接收机中1PPS(Pulse Per Second)信号作为同步标签的时间同步方法,将IMU中的数据加上精确的时间标签,从而达到时间同步的目的.全部时间同步功能由FPGA实现,利用Verilog HDL语言进行开发,整体硬件结构简单而且适用范围广.试验结果显示了这种时间同步设计可以明显减小滤波结果的估计误差,有效的提高了组合导航系统的定位精度.     

基于结构分解的GPS/INS组合导航粒子滤波技术

针对粒子滤波应用于GPS/INS组合导航系统时难以保证滤波实时性的问题,提出一种基于线性/非线性结构分解的改进粒子滤波算法.改进算法对状态方程进行线性/非线性结构分解,分别采用重点采样和线性卡尔曼方式进行一步预测递推,充分发挥粒子滤波和卡尔曼滤波的特点,有效降低了粒子滤波的计算量,在保证GPS/INS组合导航系统滤波精度的条件下提高了组合滤波的实时性.     

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。     

路网辅助的车载INS/GPS组合导航方法

针对车载INS/GPS组合导航系统在GPS无效时精度迅速下降的问题,提出了将车辆行驶的路网约束作为虚拟传感器,采用多传感器数据融合的方式,与INS和GPS组成INS/GPS/路网组合导航系统.当GPS失效时,使用路网辅助INS.仿真结果表明,在GPS无效时间段,该方法能有效减小系统定位误差.     

一种自适应联邦滤波在车载组合导航中的应用

联邦滤波在组合导航的应用中,具有容错性好、滤波精度高、计算量小以及实时性好的特点,但在无法得到准确的系统模型时,使用联邦滤波会出现滤波精度低甚至发散的情况。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联邦滤波算法。其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联邦滤波方法。将此方法用于SINS/GPS车载组合导航系统中,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,其滤波精度和收敛速度要优于常规联邦滤波,是一种有效的车载组合导航算法。     

基于模糊自适应Kalman滤波的GPS/DR数据融合

针对标准Kalman滤波器对系统模型依赖性强、鲁棒性差,而GPS/DR系统的准确数学模型难以建立的问题,提出了一种模糊自适应联邦卡尔曼滤波器(FAFKF).首先通过模糊自适应滤波控制器监控观测量的残差理论值和实际值,并通过实时增强它们的一致性来调整各子系统观测噪声方差阵,使之更符合真实的模型,有效提高了Kalman滤波器对模型变化的适应能力.然后通过模糊自适应信息融合控制器对各子系统可信度进行模糊评判,并根据可信度自适应地计算信息分配系数来实现数据的融合.理论分析和实验数据表明该滤波器在滤波精度、容错性能上都有了很大的提高.     

GPS/INS组合导航及其数据同步的研究

建立在惯性原理基础上的惯性导航系统不需要任何外来信息,也不会向外辐射任何信息,仅靠惯性导航系统本身就能全在天候条件下在全球范围内和任何介质环境里自主地隐蔽地进行连续的三维定位和定向:但它也存在误差随时间积累的缺点.而GPS导航系统能提供长时间的高精度定位;但存在1 HZ慢速数据修正速率的缺陷.本文研究二者互补的组合导航系统,建立了组合导航的软件和硬件模型,并提出了基于卡尔曼滤波的导航实现算法.     

车载INS/GPS组合导航系统建模与仿真

为了准确地对车辆进行定位,实现导航功能,将两种常用的导航定位技术GPS定位导航技术与惯性导航技术进行组合,介绍了INS/GPS组合导航系统的仿真方案。因车载组合导航系统对精度的要求不是很高,采用低成本的机械陀螺和加速度计作为惯性导航系统的测量器件。INS/GPS组合导航系统采用位置和速度组合模式,分别给出纯INS,纯GPS,组合导航系统的位置误差比较。结果分析表明,组合导航系统精度高于INS和GPS分别独立工作时的精度。     

神经网络辅助的GPS/INS组合导航滤波算法研究

在高空高速条件下,GPS信号失锁致使常规的卡尔曼滤波器发散,从而导致组合导航系统精度严重下降。以BP神经网络辅助技术手段对GPS/INS组合导航滤波算法实施精度补偿,即在GPS信号锁定时,对神经网络进行实时在线训练,而当在GPS信号失锁时,利用之前训练好的神经网络进行组合导航滤波,以解决精度严重下降问题。算法采用多神经网络并行结构,以减少神经网络在训练过程中的交叉耦合,提高训练速度。通过MATLAB仿真,验证了算法的可靠性与可行性,并证明其在GPS信号丢失时,精度较纯惯性导航系统有较大提高。     

INS/GPS组合导航中实时模糊自适应滤波技术的研究

针对INS/GPS组合导航系统,现有的滤波算法实时性不强、结构复杂,文章利用衰减记忆的方法提出了一种结构简单,适于实时计算的模糊自适应滤波算法,提高了系统的稳定性。仿真实验表明,这种算法在组合导航中具有高效率,高精度等优点,是一种实时有效的滤波算法。     

基于GPS/INS的机载三维激光测控系统的设计

设计并实现了一种机载激光测控系统的软硬件方案,系统的GPS/INS传感平台,使得系统可以不依赖于姿态和位置的精确控制.应用高阶次的扩展Kalman滤波算法进行传感器数据的融合.利用数据融合得到的信息,通过解算获得激光三维点云数据.实验结果表明:设计的激光测量系统具有良好的可行性,所设计的高阶扩展Kalman融合算法对G...     

SINS/GPS组合导航系统自适应扩展Kalman滤波

对于低成本SINS/GPS组合导航系统,由于惯性器件的精度较低,通常情况下的SINS误差模型估计不准确,甚至使滤波器发散,为此提出根据姿态四元数的SINS误差估计模型,该模型不需要对初始姿态进行赋值。为在观测噪声未知的情况下估计SINS误差,通过结合序贯处理与Kalman滤波算法,提出一种自适应扩展卡尔曼滤波方法,该方法可以同时进行序贯处理和观测噪声估计。仿真实验结果表明,该方法可以消除过程噪声方差和观测噪声方差不确定造成的影响,提高了SINS/GPS导航系统的性能。     

改进量子遗传算法及其在FIR滤波器设计中的应用

在对遗传算法和量子遗传算法分析和比较的基础上,提出了一种改进的量子遗传算法,并通过典型函数的优化验证各算法性能的优劣。将改进的量子遗传算法应用于优化求解频率取样法设计FIR滤波器过程中的过渡点样值,实验结果表明算法可以得到更佳的设计参数。     

The multiscale directional bilateral filter and its application to multisensor image fusion

In this paper, a novel multiscale geometrical analysis called the multiscale directional bilateral filter (MDBF) which introduces the nonsubsampled directional filter bank into the multiscale bilateral filter is proposed. Through combining the characteristic of preserving edge of the bilateral filter with the ability of capturing directional information of the directional filter bank, the MDBF can better represent the intrinsic geometrical structure of images. The MDBF, which is a multiscale, multidirectional and shift-invariant image decomposition scheme, is used to fuse multisensor images in this paper. The source images are first decomposed into the directional detail subbands and the approximation subbands via the MDBF. Then, the directional detail subbands and the approximation subbands are fused according to the given fusion rule, respectively. Finally, the inverse MDBF is applied to the fused subbands to obtain the fused image. Experimental results over visible and infrared images and medical images demonstrate the superiority of our method compared with conventional methods in terms of visual inspection and objective measures.