双重自适应联邦滤波在SINS-卫星组合中的应用研究

针对常规联邦卡尔曼滤波需要确切已知系统噪声统计特性的局限性,结合多信息组合导航中惯性导航系统噪声难以确切感知和卫星导航系统测量噪声不断变化的特点,提出了一种新的双重自适应联邦滤波算法。该算法不必知道系统噪声统计特性而能对测量噪声进行在线自适应调节,同时信息分配系数根据各卫星导航系统输出的几何精度因子(GDOP)进行自适应调节。通过SINS-GPS-Galileo-北斗组合导航系统将该算法与常规联邦滤波算法进行仿真比较,结果表明:该方法有效提高了组合导航系统的精度和可靠性,更适用于系统噪声未知和测量噪声不断变化的多信息组合导航系统。     

无人飞行器的北斗卫星组合导航算法研究

北斗卫星导航系统是中国自行研制的全球卫星定位与通信系统,为促进北斗卫星系统在导航方面的运用,降低我国导航方面对GPS的依靠,从而进一步降低成本,提高无人飞行器的导航精度,本文对捷联式惯性导航系统（INS）和北斗定位导航系统的组合导航算法进行了研究,通过惯性导航系统的原理和导航解算的过程,选择惯导系统和北斗系统的速度、位置差值作为观测量,建立组合导航系统的状态方程和观测方程,利用无迹卡尔曼滤波得到惯导系统状态量和惯性敏感器的误差,对惯导系统进行误差补偿,从而实现无人飞行器的高精度导航控制.并使用Matlab进行仿真,得出高精度的模拟输出轨迹.     

动态捷联惯导/多卫星组合导航自适应联邦滤波算法研究

研究了一种基于动态扰动的滤波算法,用以提高动态扰动情况下捷联惯导/多卫星组合导航系统 的精度和可靠性．该算法采用几何精度因子（GDOP）对量测噪声进行自适应调节,利用卡尔曼滤波器的新息 量对状态噪声协方差阵进行整体控制,同时根据具有时变特性的各子系统误差协方差阵对信息分配系数进行 自适应调节．通过对SINS/GPS/Galileo/北斗组合导航系统的仿真,分析对比了常规联邦滤波、Sage 自适应联邦 滤波和本文所提自适应联邦滤波算法．结果表明,该自适应联邦滤波算法能够有效抑制动态扰动,提高组合 导航系统的精度和可靠性．     

组合导航系统在四旋翼无人机上的实现

针对无人飞行器行业的快速发展和导航系统对飞行器的重要性,提出了组合导航系统的融合方案。介绍了捷联惯导系统的原理、姿态算法。通过对惯性传感器进行误差标定和补偿,利用扩展卡尔曼滤波器建立了INS/GPS组合导航系统。仿真实验表明,组合导航系统的工作性能要优于纯惯性导航系统,能够为飞行器提供较高的导航精度。最后,将这种组合导航系统在四旋翼无人飞行器上进行了实现。     

机载北斗/GPS/SINS组合导航系统软硬件设计

针对单一导航导航系统在导航精度、稳定性、设备成本以及导航信息完备性等方面的局限性,设计了卫星导航/惯性导航组合导航系统;针对GPS导航系统受制于人及北斗导航系统发展尚不完善的特点,提出了基于北斗/GPS/SINS的军用机载组合导航系统软硬件设计;搭建了北斗/GPS/SINS组合导航系统硬件平台,采用基于不确定度的加权平均数据融合算法提高组合导航系统的导航可靠性和准确性;仿真结果表明,该组合导航系统稳定性好,可靠性高,定位准确。     

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。     

模糊自适应卡尔曼滤波技术研究

本文提出了一种基于模糊自适应卡尔曼滤波技术的组合导航的新方法．这一方法主 要应用于自主式机动飞行器．用模糊逻辑自适应控制器对卡尔曼滤波器的噪声方差进行“在 线”修正,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．通过对GPS/IN S组合导航系统的仿真,验证了模糊自适应卡尔曼滤波器比常规卡尔曼滤波器具有更高的精 度．该方法的研究对飞行器的导航与制导具有重要意义．     

捷联惯性组合导航系统联合自适应滤波器设计磁

为了保证SINS／GPS组合导航系统具有较高的定位精度和抗干扰能力,需要良好的数据处理方法。论文设计了SINS／GPS组合导航系统的联合自适应卡尔曼滤波器。研究了其在舰船组合导航系统随机数据处理中的应用。针对系统噪声和量测噪声未知的情况,采用联合自适应滤波处理组合导航系统较采用基本联合Kalman滤波方法具有更好地稳定性。理论分析与仿真结果表明,该联合自适应卡尔曼滤波器的设计合理,能够加快计算速度,实现实时滤波计算,提高系统的导航精度和容错能力,取得了很好的估计效果。     

自适应联邦卡尔曼滤波在机器人组合导航系统中的应用研究

利用里程计(OD)与全球定位系统(GPS)辅助捷联惯性导航系统(SINS)构成一种高可靠性的组合导航系统.推导并建立了局部滤波器的数学模型,并针对联邦滤波器在载体发生异常扰动时滤波精度较低的问题,设计了基于SINS/GPS/OD组合导航系统的自适应联邦滤波器,有效补偿了系统异常扰动或动力学模型误差.仿真模拟了机器人的全航线运行轨迹进行验证,仿真结果表明,SINS/GPS/OD组合导航系统的自适应联邦卡尔曼滤波算法与相同组合导航系统的非自适应联邦卡尔曼滤波算法相比,在保障机器人导航定位可靠性及容错能力的前提下,能有效抑制异常扰动的影响,导航精度得到进一步改善.     

自适应闭环H1滤波在组合导航系统中的实现研究

针对常规H∞滤波在组合导航系统中滤波精度不高的问题,采用闭环反馈的方法对滤波加以改进;并在闭环H∞滤波迭代方程中引入遗忘因子,利用量测噪声的变化自适应调整滤波增益,构成自适应闭环H∞滤波.理论分析表明,该改进的滤波算法降低了噪声十扰,但不影响H∞滤波本身的鲁棒性.无源北斗/SINS组合导航系统跑车数据的半物理仿真进一步表明,自适应闭环H∞滤波下的组合导航精度明显优于采用开环H∞滤波或不带有遗忘因子的闭环H∞滤波算法的导航精度,从而验证了改进滤波算法的有效性.