多导航传感器的多模卡尔曼滤波研究

将多模自适应估计用于导航数据融合处理方法中,通过数字仿真将单一模型的惯导系统/全球定位系统/多普勒计程仪组合导航系统与多模自适应估计的组合导航系统的性能进行了比较,多模滤波器具有较明显的稳定滤波,而且,加大了测量值动态范围,说明了多模自适应估计在组合导航系统中可增强系统对环境的适应性,提高组合导航系统的精度.     

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...     

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.     

基于单点多模板序列匹配的组合导航方法

针对地磁匹配导航中,因地磁数据库网格与INS参考轨迹存在较大位置误差导致的模板序列与位置序列不准确匹配,从而导致地磁匹配失效的问题,提出了一种基于单点多模板序列匹配的惯性/地磁组合导航方法.通过起点限制策略和标准差自适应调整方式对匹配算法进行了改进,考虑到匹配时刻所有可能的模板序列,通过多次匹配计算,能够获得较大的地磁...     

基于多传感器信息融合城市车辆导航定位

针对全球定位系统信号易受城市复杂的环境干扰,接收不可靠、航位推算只能进行短时间高精度导航、地图匹配仅可在拐弯处才能提供与地图精度相当的修正信息、城区车辆导航存在“盲区”问题,研制了采用蓝牙技术的新型路标传感器,研究了基于自适应联合卡尔曼滤波算法的多传感器信息融合技术。大量的试验研究表明：采用该信息融合技术后,城区车辆导航定位精度达到10m以内,符合高精度导航定位要求。     

多传感器数据融合的智能电动车自主导航

以四轮驱动电动车为研究对象,将智能电动车上多种传感器所采集的信息进行处理与融合,实现校园环境里的自主行驶与导航.提出了在空旷路段和沿墙导航的控制决策,着重研究了沿墙算法和入弯算法,使智能电动车在不同的环境下可以有效地完成自主导航.实验结果表明:该导航控制策略和算法具有较高的可靠性.     

车辆导航中的交互多模卡尔曼滤波跟踪方法

对GPS车辆定位中常用的卡尔曼滤波技术的扩展与应用进行了研究,建立了车辆运动的两种基本模型,并针对车辆机动目标给出了基于交互多模卡尔曼滤波跟踪的车辆导航方法,该方法能够有效地减小跟踪误差,并克服了传统目标跟踪算法的滞后性等缺点。     

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。     

基于时频空间的非模型组合导航滤波方法

针对传统的组合导航方法存在建立模型困难和数据维度大等问题,提出了一种利用小波神经网络,直接对解算后的位置速度误差信息进行非线性预测的方法,该方法充分利用小波神经网络强大的时频分析与非线性预测能力,摆脱了数学模型的桎梏,避免模型建立中引入新的误差,并采用多个并行网络对数据进行降维处理,大大降低了计算量。以卡尔曼滤波为参照进行仿真实验,结果表明,该方法能够有效提高组合导航系统的精度与实时性,为组合导航滤波提供一种新的可行路径。     

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IMM-UKF的组合导航算法

为解决非线性动态系统滤波的非线性和噪声不确定等问题,设计了一种基于交互多模型(IMM)的Unscented卡尔曼滤波器(UKF),针对噪声变化情况建立一组非线性模型,与每个模型对应的UKF可以达到二阶以上的滤波精度.IMM-UKF滤波器的输出为各滤波器的概率加权融合,因此,根据噪声变化而调整的模型概率使系统输出对噪声变化具有自适应能力.利用该算法对组合导航系统进行了仿真试验,该算法精度高,模型切换速度快,能适用于动态系统.     

基于激光测距传感器校正四旋翼飞行器姿态的室内组合导航

摘 要：为了提高室内环境下四旋翼飞行器的姿态解算精度,提出一种基于激光测距传感器校正四旋翼飞行器姿态的室内组合导航。首先从搭载激光测距传感器的四旋翼飞行器的运动模型出发,采用三角函数方法求解飞行器的姿态角参数,通过对其微分获得角速度数据。其次,将惯性系统中经过互补滤波融合后的陀螺仪、加速度计及磁力计的角速度作为观测量,再应用扩展卡尔曼滤波将惯性系统数据与激光测距传感器获得的角速度数据融合,对旋转矩阵中的误差进行修正。最后验证组合导航的有效性,用带有激光测距传感器及惯性系统的开发板依次进行静态、水平滑动和动态测试,实验测试表明：这种组合导航融合策略使姿态检测系统静态特性和水平滑动特性均有所提高,5s内,静态误差控制在0.05度以内,水平滑动误差控制在7度;在静态时能够抑制姿态角漂移和滤除噪声,在动态时能够快速跟踪姿态的变化,提高了姿态角的解算精度。     

多模卫星组合导航容错滤波算法

多模卫星组合导航技术目前是导航领域重要的发展方向.针对多模卫星系统可能存在故障卫星而导致系统定位失效的问题,提出了一种基于联邦滤波的多模卫星容错组合导航算法,并提出了一种改进的残差故障检测方法,完成了一种北斗/GPS/GLONASS容错组合导航算法的设计.通过仿真验证了该算法对于故障卫星检测和隔离的有效性.     

基于混合卡尔曼滤波的组合导航算法研究

建立了精确制导炸弹MINS/GPS组合导航数学模型.针对扩展卡尔曼滤波存在的问题,研究了非线性滤波,提出了一种新的滤波算法——混合卡尔曼粒子滤波,并应用于组合导航系统定位.仿真结果表明：混合卡尔曼粒子滤波能有效提高组合导航系统的精度和可靠性.     

利用神经网络和卡尔曼滤波的组合导航技术

Kalman滤波是组合导航中最常用的最优滤波工具, 但在组合导航系统中仍有一些应用的局限性.针对卡尔曼滤波受到需要已知精确系统模型的限制,文中利用神经网络在解决非线性、时变系统、不确知系统中的独特优势,提出一种新的Adaline /Kalman组合滤波方法,阐述了神经网络的选取,网络的训练,给出具体仿真条件,应用于卫星/惯性组合导航系统.文末给出了仿真结果,表明滤波的效果较之单独的Kalman有所改善,导航精度有所提高,同时也说明了提出的整个方法是可行的,正确的.     

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。     

基于AFKF的多旋翼无人机组合导航技术研究

目前旋翼无人机组合导航系统大都使用扩展卡尔曼滤波算法,然而由于导航系统建模误差和传感器测量精度的影响,导航信息解算误差较大。为了改善旋翼无人机的飞行控制效果,应用自适应渐消卡尔曼滤波（Adaptive fading Kalman filter,AFKF）进行旋翼无人机组合导航解算,算法通过实时计算遗忘因子,对过去的数据权重进行削减,以提高扩展卡尔曼滤波算法的自适应能力。应用旋翼无人机真实飞行数据进行仿真,仿真结果表明,自适应渐消卡尔曼滤波算法能够有效抑制建模误差,弥补传感器测量精度不足,改善旋翼无人机组合导航解算结果。     

改进的自适应衰减卡尔曼滤波算法

SINS/GPS组合导航系统的融合算法主要是卡尔曼滤波,卡尔曼滤波实现最优估计的前提是系统的模型和随机噪声信息必须准确已知。实际情况下,大部分系统的模型和随机噪声信息不完全可知,这可能会导致滤波器估计精度下降。针对这一问题,根据求解遗传因子的方法不同对传统的自适应衰减卡尔曼滤波进行改进,提出一种改进的自适应衰减卡尔曼滤波。改进后的算法分别适用于系统噪声统计模型不准确可知和量测噪声统计模型不准确可知两种情况,分别对应于两种滤波算法,并且二者具有统一的滤波框架。仿真结果表明,改进的自适应衰减卡尔曼滤波比卡尔曼滤波精度较高,有效解决了因为噪声模型不准确导致的精度下降问题。     

GPS信号自适应抗干扰系统

针对GPS卫星信号易受干扰,不稳定的问题,提出INS/GPS组合导航抗干扰的方法并用硬件电路进行实现验证。给出了惯性器件的误差模型,采用松散组合方式,设计卡尔曼滤波器,取姿态、速度、位置的误差作为状态变量。提出以INS与GPS输出的东北天向速度误差作为滤波器观测量的方案。通过计算机的仿真和实验验证,对系统的精度进行了分析,证明该方案是可行的,实现实时滤波计算,并能满足导航的精度要求。