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.     

基于多传感器信息融合的移动机器人导航系统

介绍了多传感器信息融合的基本原理,给出了基于多传感器信息融合的移动机器人导航系统结构。建立了移动机器人数学模型,运用基于扩展卡尔曼滤波的信息融合方法实现了移动机器人导航算法。通过实验验证了基于多传感器信息融合的移动机器人导航系统和导航算法的有效性。     

基于多传感器信息融合的海底测绘机器人导航系统设计

测绘机器人海底巡检可以解决人工作业的安全威胁,面对复杂的海底作业环境,设计了基于多传感器信息融合的海底测绘机器人导航系统。通过对巡检机器人的功能板块划分,构建海底测绘机器人导航控制系统框架,划定机器人测绘的频率范围,设计多端反馈信号处理电路,基于多传感器信息融合方式选择主要和局部滤波器的状态向量,对应机器人海底测绘图像;以特征识别技术搭建海底导航模型,描述海底测绘目标物位置。实验结果表明：该文系统在海底测绘过程中,经度、纬度和高度定位误差,可以控制在1.25 m之内。东向、北向和天向速度误差在0.8 m/s内,具有较好的实际应用效果。     

多传感器信息融合在移动机器人定位中的应用

机器人自定位是实现自主导航的关键问题之一。为了满足机器人在导航时精确定位的要求,提出一种基于多传感器信息融合的自定位算法。根据对机器人运动机构的分析和运动机构间的刚体约束,建立起机器人的运动学模型;由传感器的工作原理建立里程计和超声波传感器的观测模型;利用扩展卡尔曼滤波(EKF)算法将里程计和超声波传感器采集的数据进行融合;最后,由匹配的环境特征对机器人的位置进行修正,得到精确的位置估计。实验结果表明:该算法明显地消除了里程计的累计误差,有效地提高了定位精度。     

基于信息融合技术的车辆行驶状态估计

针对车辆行驶状态估计问题,基于扩展卡尔曼滤波(EKF)理论设计了汽车横摆角速度、质心侧偏角和纵向车速的估计算法.建立了车辆非线性三自由度估算模型,应用扩展卡尔曼滤波对纵向加速度、侧向加速度和方向盘转角低成本传感器信号的信息融合,实现对车辆行驶状态的准确估计.选择高速双移线工况,通过CarSim与Matlab/Simulink联合仿真对算法进行仿真验证.结果表明:算法能够准确估计车辆的横摆角速度、质心侧偏角和纵向车速,并具有良好的实时性.     

井下多传感器组合导航系统

针对井下车辆高精度惯性导航成本较高、低成本MEMS惯性传感器漂移较大等问题,提出一种井下多传感器组合导航系统,该系统通过蓝牙测距信息、MEMS惯性传感器及车载里程计信息进行组合导航。利用卡尔曼滤波技术融合多传感器数据,结合蓝牙测距信息抑制MEMS惯性传感器漂移,提高车载惯性传感器在一段时间内的定位精度;通过MEMS惯性传感器预测车辆位置,有效滤除干扰标签的蓝牙信号,提高数据可靠性;融合车辆里程计数据后,定位结果更加稳定可靠。测试结果表明,在井下蓝牙标签间隔10m布站情况下,每10m定位误差在3.2m以内,能够满足井下导航要求。     

基于信息融合的移动机器人导航技术

移动机器人导航系统中，各个传感器由于自身的精度差异以及信源可信性不等，如何有效的综合各信源达到对目标的准确认识，针对移动机器人导航技术的特点，结合多传感器信息融合理论，使移动机器人导航技术实用化，本文介绍了信息融合和导航关键技术，并在自做的平台上简易实现，提出了应用实现中的模型与方法。     

基于自适应卡尔曼滤波的导航信息融合方法

针对组合导航系统在测量噪声未知的情况下,常规自适应卡尔曼滤波方法的实时性难以满足的问题,提出了一种实时的自适应卡尔曼滤波方法.该方法通过一个简单的指数函数实时调节卡尔曼滤波模型中的测量噪声协方差矩阵,将测量噪声的理论协方差矩阵与实际协方差矩阵的差值作为指数函数的输入,将函数的输出值与上次测量噪声的协方差矩阵之和送入卡尔...     

基于多传感器信息融合的移动机器人导航综述

综述了自主式移动机器人导航技术,对其中的同步定位与地图创建、路径规划以及多传感器信息融合等技术进行了详细的分析,并从基于地图、基于环境和基于行为3个方面全面地阐述了移动机器人路径规划技术的研究现状.对当前的研究热点SLAM技术、遗传算法和基于行为的规划算法等进行了较为详细的介绍和分析.同时,展望了移动机器人导航技术的发展趋势.     

A switch-mode information fusion filter based on ISRUKF for autonomous navigation of spacecraft

Aiming at the problem of loss of accuracy using extended Kalman filter (EKF) in case of orbit maneuver, this paper proposes a novel information fusion filtering algorithm-iterated square root unscented Kalman filter (ISRUKF), and then designs a switch-mode information fusion filter based on ISRUKF and extended Kalman filter (EKF). This method combines navigation sensors’ geocentric vector and geocentric distance with starlight angular distance, which efficiently improves the reliability of autonomous navigation. On this basis, the method deduced measurement function of information fusion. With a semi-physical simulation to verify the proposed method, the simulation results for stably running and orbital maneuvering spacecraft show that the switch-mode information fusion filter can reduce the complexity of the algorithm and ensure the accuracy of the estimation. Thus, the proposed switch-mode filter is very suitable for spacecraft autonomous navigation system and other strong nonlinear state estimation fields.     

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。     

基于环境信息的自适应卡尔曼滤波器在GPS/IMU组合导航中的应用*

提出了一种基于环境信息的模糊逻辑控制器来在线调节联合卡尔曼滤波器的自适应数据融合方法,并着重研究了在GPS/IMU组合导航中的应用。根据子系统的新息序列构造各传感器的环境信息,采用模糊逻辑控制器实现信息分配系数的计算,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。仿真结果证明这种方法提高了数据融合的可靠性和精度。     

一种提高车辆导航系统定位精度的方法

为了解决量测方程线性化及普通卡尔曼滤波数值稳定性对车载航位推算系统滤波结果的影响,给出了车载航位推算系统的基于U D分解的自适应迭代滤波算法,并将这一算法与车载航位推算系统的迭代型自适应推广卡尔曼滤波算法及简单航位推算进行了比较。计算机仿真结果表明:新算法能够有效地提高车载航位推算系统的定位精度及数值稳定性。     

机器人多传感器信息融合研究综述

多传感器信息融合是一门新兴的技术,在机器人领域有着广阔的应用前景。综述并分析了多传感器信息融合技术在工业机器人、机器手爪、飞行机器人、移动机器人、爬行机器人和水下机器人中应用的研究现状,从机器人传感器的研制、融合算法、多传感器管理和信息融合仿生机理等方面总结了机器人多传感器信息融合的发展趋势。     

基于双CPU的多传感器组合导航系统研究

以单片机+DSP双CPU导航计算机构成的嵌入式硬件平台为基础,开展了磁航向辅助的捷联惯导/GPS组合导航系统的研究。采用八位置标定算法消除环境磁场对磁航向计的干扰,提高输出精度;多传感器的信息融合采用低阶卡尔曼滤波器,以满足导航系统导航精度和实时性的要求。针对双CPU导航计算机的特殊结构,设计出了整个导航程序时序控制流程,以实现多传感器数据采集的同步性和实时性。给出了数据采集周期和导航解算周期的时序控制以及双CPU之间的实时数据通信的实现流程,最后,通过实物联调验证了该方案设计是完全可行的。     

无线传感器网络节点分布式信息融合算法研究

节省能耗和延长网络寿命是无线传感器网络研究的核心课题之一,国内外在节点放置、路由策略方面有大量研究,通过密度控制、分级簇等路由算法减少数据冗余。通过信息融合算法减少有效数据传输量是延长网络节点寿命的有效途径,并就此进行具体研究,提出了三种典型的分布式信息融合算法,即系数加权融合、无反馈的Kalman融合滤波及有反馈的Kalman融合滤波,并对其在805.12.4/ZigBee温度测量网络应用层协议中进行实现,最后通过运算数据结果对三种算法进行了比较分析及有效性、局限性总结。