GPS/DR组合导航系统数据融合优化设计

为降低GPS/DR组合导航系统在复杂导航环境下的定位精度及DR误差累积,提出一种性能较优的数据融合算法。在传统粒子滤波(PF)的基础上,考虑最新观测值的影响,使用基于平方根二阶差分的高斯混合(GM)模型给出粒子滤波的建议分布,采用基于蒙特卡罗的重要性采样和进化再采样方法减轻PF样本退化问题,增强样本多样性。实验结果表明,与PF算法、GMPF算法相比,该设计能提高组合导航系统的综合导航定位性能。     

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。     

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.     

GPS/DR组合导航系统自适应扩展卡尔曼滤波模型的建立*

建立了车载ＧＰＳ／ＤＲ组合导航系统非线性自适应卡尔曼滤波模型及算法，首次提出了依据ＰＤＯＰ等ＧＰＳ定位的输出参数，自动调整Ｒ，Ｑ的大小，从而自地调整组合导航系统模型性能的方法，使得模型能够适应各种情况，具有“智能”模型的性质，计算机仿真表明应用该模型具有良好效果。     

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.     

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。     

基于渐消记忆自适应Kalman滤波的GPS/DR数据融合

针对标准的卡尔曼滤波器对系统模型依赖性强、鲁棒性差,而GPs/DR系统的精确系统模型难以建立的问题,提出了一种渐消记忆自适应联邦卡尔曼滤波器.融合了自适应联邦滤波算法和SageHusa自适应滤波算法,估计变化的系统观测噪声方差阵,使之更符合真实的模型,并有效对GPS的定位数据的传统算法的发散得到收敛,提高组合定位的精度.计算机仿真结果表明了该算法的可行性和有效性.     

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。     

GPS/DR与电子地图匹配的定位研究

单一的GPS车载定位会因为地理环境等原因在一定范围和时间内失效或定位不连续,针对这一局限性,提出了一种采用GPS/DR与电子地图匹配的定位算法;该算法是把车辆轨迹与数字地图模块提供的路径相比较,通过匹配过程来确定车辆关于地图的最大可能位置;该算法不仅克服了GPS信号在盲区间断或失效的缺点,也避免了DR定位误差随时间的不断积累,提高了定位精度和系统的可靠性。     

车载GPS/DR/MM组合导航定位算法研究应用

虽然GPS/DR组合定位比单独用GPS或航迹推算DR(Dead Reckoning)定位有更高的定位精度,但由于累积误差的产生,长时间使用仍可能出现较大的偏差,不利于车辆导航.对此,提出一种基于模糊逻辑的地图匹配算法,利用模糊逻辑评判规则和相应的隶属度函数对地图匹配可信度进行综合评判,最终确定车辆当前行驶道路和车辆的位置.实验数据表明,地图匹配MM(Map Matehing)技术进一步修正了GPS/DR组合导航系统的定位结果,有效地提高了系统定位精度.由于不增加硬件设施,GPS/DR/MM组合导航定位使低成本高精度的车辆导航成为可能.     

信息融合技术在INS/GPS/TAN/SMN四组合系统中的应用

主要介绍了组合导航系统中多传感器信息融合技术的国内外发展状况,对INS/GPS/T AN/SMN(惯性系统/卫星导航系统/地形辅助导航/景象匹配导航)组合系统中的多传感器信息 融合的层次结构与融合方法,首次提出INS/GPS/TAN/SMN组合导航系统信息融合的层次结构 ,并提出了多源图像融合制导的思想与方法．本文指出比较有应用前景的信息融合研究方法 是基于模糊逻辑、小波分析、神经网络等人工智能的新方法,以及这些新方法与传统的随机 类方法相结合的随机 人工智能的信息融合方法．     

基于ITS的GPS/DR/MM组合导航技术的应用

首先概述了车载GPS组合导航系统的几种实现方案,接着对GPS／DR／MM组合导航技术进行了试验,从各个方面介绍它,详细阐述了DR、GPS导航定位系统以及地图匹配(MM)的基本原理,并给出了该系统的应用实例。从试验结果可以看出,该组合导航技术在智能交通系统领域具有广泛的前景。     

基于模糊逻辑的GPS／DR地图匹配算法

一个好的地图匹配算法对改善智能运输系统的导航性能起着至关重要的作用,能够在很大程度上提高导航系统的定位精度。本文提出一种基于模糊逻辑的综合地测匹配算法。该方法把GPS／DR传感器得到的定位信息和电子地图库的数据作为算法的输入,通过逻辑评判输出最佳匹配路段,并在道路拐弯处通过拓扑荧系选择候选道路。仿真实验证明,引用该算法后地图匹配效率和准确性都有很大的提高。     

一种新型的GPS/DR组合定位系统数据融合算法

全球卫星定位系统定位和测速精度高,具有全天候、全球性且基本不受地域、时间限制,但常因为某种原因出现GPS卫星信号丢失情况,航迹推算算法正好能弥补这个问题,将两者结合可以很好地解决定位问题.传统的数据融合算法-卡尔曼滤波算法,在参数选择上要求较高,选择不当即导致较大误差,影响算法效果.建立了GPS/DR组合定位系统的模型,提出了一种新型实用的自适应扩展卡尔曼滤波算法和DR单独定位算法结合的定位算法.通过实际跑车实验,结果表明,较之传统的卡尔曼滤波定位算法,该算法实用性好,而且能很好的满足系统的定位精度及可靠性等方面的要求.     

基于选择性权重机制的GPS/DR车载定位系统研究

为解决GPS信号受环境影响存在的定位盲区问题,并进一步提高定位精度,进行了基于选择性权重机制的GPS/DR组合定位技术的研究;在此基础上,以微控制器AT91RM9200和嵌入式操作系统μC/OS-Ⅱ为核心,结合陀螺仪、加速度计和GPS,设计并实现了嵌入式车载定位系统;该方法不仅使定位精度得到改善,还能够在无GPS信号时连续定位,提高了系统可靠性。     

基于DSP的车载GPS/DR组合导航系统硬件设计

针对低成本组合导航技术发展的需要,结合主要传感器特点,本文介绍了以浮点DSPTMS320VC33为组合导航算法实现的核心处理器,利用TL16C554进行通信口扩展的GPS/DR组合导航系统的设计方案,给出了系统硬件的设计方法。所设计的系统具有体积小、成本低、实时性好、可靠性高、扩展性好等特点,具有广泛的应用价值。