Predictive Adaptive Kalman Filter and Its Application to INS/UWB-integrated Human Localization with Missing UWB-based Measurements

Machine Intelligence Research - In order to improve the accuracy of the data fusion filter, a tightly-coupled ultra wide band (UWB)/inertial navigation system (INS)-integrated scheme for indoor...     

融合UWB与INS的消防员室内定位与NLOS检测算法

融合超宽带（UWB）和惯性导航系统（INS）能够实现消防员室内精确定位。为实现UWB的非视距（NLOS）误差检测,设计一种双级EKF框架。该框架以松耦合形式实现UWB/INS的数据融合,通过INS获取的初始位置估计坐标以检测UWB测量值的NLOS误差,根据检测结果计算残差矩阵来动态调整融合滤波器的测量噪声矩阵,以达到缓解NLOS误差的目的。实验结果表明,与三角不等式原理检测算法和无NLOS检测的UWB/INS简单融合算法相比,所提NLOS检测算法具备良好的检测能力、较强的稳定性及较高的定位精度。     

基于PDR/UWB紧耦合的足绑式行人导航技术

为了解决低成本微机电惯性导航系统存在的累积误差问题,提出一种基于融合行人航迹推算(PDR)和超宽带(UWB)无线定位的实时室内行人导航系统.利用加速度计和磁强计进行初始姿态对准;考虑滤波误差估计,推导了惯性导航算法;依靠加速度计和陀螺仪的"与"逻辑进行行人步态检测;实施零速更新(ZUPT)提供速度误差观测量,利用UWB系统提供位置误差观测量;设计具有野值辨识机制的扩展卡尔曼滤波器进行数据融合.对提出的行人导航算法进行实验验证,结果表明该行人导航算法与传统定位方法相比能够有效提高行人定位精度.实验中,该行人导航算法能够获取低于0.2 m的定位误差,且稳定、不发散.     

基于联邦滤波的室内多传感器融合导航定位方法研究

针对室内多传感器融合导航定位问题,提出一种基于联邦滤波的INS/3D LASER/单目视觉融合的室内导航定位方法.该方法是通过联邦滤波将INS分别同3D LASER与单目视觉构成子滤波器,主滤波器根据最小方差准则,利用最优系数加权法融合各子滤波器的最优估计,从而获得全局最优融合结果.实验证明,该方法能有效提高室内导航定位的精度和鲁棒性,比传统的视觉里程计法或激光雷达里程表法更准确.     

基于粒子滤波的UWB+惯导融合定位算法研究

为了提高自主导航机器人的室内定位精度,提出一种基于粒子滤波的超带宽(UWB)/惯导融合定位算法。首先,UWB定位采用双边双向测距算法确定距离信息,通过三边定位算法确定位置信息。其次,惯导定位通过编码器采集运动信息,建立非完整约束下的动力学模型,确定运动轨迹。两种定位信息在上位机中通过粒子滤波进行融合,实现高精度融合定位。仿真结果表明,与单一UWB定位相比,基于粒子滤波的融合定位算法定位误差降低了66.41%。     

室内环境下UWB与LiDAR融合定位算法研究

当前全球导航卫星系统与激光雷达的数据融合被广泛应用于无人驾驶车辆的定位系统中,但在室内环境下由于卫星信号的丢失导致定位精度低甚至无法定位。为此提出一种基于超宽带（Ultra-Wideband,UWB）与激光雷达（Light Detection and Ranging,LiDAR）的融合定位算法。该算法以粒子滤波为基础,对两个传感器的定位数据进行互补融合解算。利用UWB实时定位数据通过提供起始粒子范围的方式来提高LiDAR的定位速率。通过求解LiDAR定位信息与粒子之间的几何距离来更新粒子的权重,从而弥补UWB的非视距误差。搭建一个室内测试场景,并将融合定位算法在智能小车平台上进行验证。实验结果表明,该方法优于UWB或LiDAR单一传感器的定位方案,而且在UWB视距受阻或LiDAR匹配失效的情况下,车辆仍能够获得良好的定位精度和定位实时性。     

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。     

A Fusion Kalman Filter and UFIR Estimator Using the Influence Function Method

In this paper,the Kalman filter(KF)and the unbiased finite impulse response(UFIR)filter are fused in the discrete-time state-space to improve robustness against uncertainties.To avoid the problem where fusion filters may give up some advantages of UFIR filters by fusing based on noise statistics,we attempt to find a way to fuse without using noise statistics.The fusion filtering algorithm is derived using the influence function that provides a quantified measure for disturbances on the resulting filtering outputs and is termed as an influence finite impulse response(IFIR)filter.The main advantage of the proposed method is that the noise statistics of process noise and measurement noise are no longer required in the fusion process,showing that a critical feature of the UFIR filter is inherited.One numerical example and a practice-oriented case are given to illustrate the effectiveness of the proposed method.It is shown that the IFIR filter has adaptive performance and can automatically switch from the Kalman estimate to the UFIR estimates according to operating conditions.Moreover,the proposed method can reduce the effects of optimal horizon length on the UFIR estimate and can give the state estimates of best accuracy among all the compared methods.     

Unbiased FIR Filtering with Incomplete Measurement Information

This paper proposes an unbiased filter with finite impulse response (FIR) structure for linear discrete time systems in state space form with incomplete measurement information. The measurements are transmitted from the plant to the FIR filter imperfectly due to random packet loss or sensor faults. The Bernoulli random process is used to describe the missing measurement details, and the missing data is replaced with recently transmitted data on the missing horizon. The missing horizon can hold the assumption for finite measurement of the FIR filter. Two examples are provided to demonstrate the proposed unbiased FIR (UFIR) filter robustness against temporary model uncertainty and consecutive missing measurement data compared with existing filters considering missing measurement.     

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。     

UKF在INS/GPS直接法卡尔曼滤波中的应用

提出将Unscented卡尔曼滤波(UKF)用于INS/GPS组合导航系统的直接法卡尔曼滤波,避免了对非线性的系统状态方程进行线性化.以INS输出的导航参数及平台误差角等作为系统状态,惯导力学编排方程和姿态误差方程作为系统状态方程,GPS输出的导航参数作为量测,采用UKF方法对系统导航参数直接进行估计.仿真结果表明,UKF方法有效地解决了直接法卡尔曼滤波中系统状态方程的非线性问题,并使INS/GPS组合导航系统具有较高的导航定位精度.     

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.     

Multi-sensor Optimal Data Fusion for INS/GNSS/CNS Integration Based on Unscented Kalman Filter

This paper presents an unscented Kalman filter (UKF) based multi-sensor optimal data fusion methodology for INS/GNSS/CNS (inertial navigation system/global navigation satellite system/celestial navigation system) integration based on nonlinear system model. This methodology is of two-level structure: at the bottom level, the UKF is served as local filters to integrate GNSS and CNS with INS respectively for generating the local optimal state estimates; and at the top level, a novel optimal data fusion approach is derived based on the principle of linear minimum variance for the fusion of local state estimates to obtain the global optimal state estimation. The proposed methodology refrains from the use of covariance upper bound to eliminate the correlation between local states. Its efficacy is verified through simulations, practical experiments and comparison analysis with the existing methods for INS/GNSS/CNS integration.     

Multi-sensor Data Fusion for Wheelchair Position Estimation with Unscented Kalman Filter

This paper investigates the problem of estimation of the wheelchair position in indoor environments with noisy measurements. The measuring system is based on two odometers placed on the axis of the wheels combined with a magnetic compass to determine the position and orientation. Determination of displacements is implemented by an accelerometer. Data coming from sensors are combined and used as inputs to unscented Kalman filter (UKF). Two data fusion architectures: measurement fusion (MF) and state vector fusion (SVF) are proposed to merge the available measurements. Comparative studies of these two architectures show that the MF architecture provides states estimation with relatively less uncertainty compared to SVF. However, odometers measurements determine the position with relatively high uncertainty followed by the accelerometer measurements. Therefore, fusion in the navigation system is needed. The obtained simulation results show the effectiveness of proposed architectures.     

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。     

DGPS与UWB混合精确无缝定位技术研究

差分全球定位系统(DGPS)是一种精确的定位系统,但在室内或有障碍物的情况下,其定位精度很低甚至不能进行定位。超宽带(UWB)定位系统在室内有很高的定位精度,但受其测量范围的影响,不适合室外定位。将DGPS和UWB结合定位,利用Kalman滤波器对UWB非视距误差(NLOS)进行消除,采用粒子滤波器对不同传感器进行数据融合,并使用GPRS通信模块进行无线数据传输。实验表明:该方法能够使系统整体定位精度提高19%,既能满足室内外无缝定位,又具有很高的定位精度。     

基于UWB辅助的多无人机惯导定位误差校正方法

针对卫星导航拒止的复杂环境下多无人机编队飞行只依赖惯性导航无法长时间导航的问题,提出一种超宽带(UWB,ultra wide band)辅助的惯导定位误差校正方法;给出UWB测距原理的同时建立了无人机机体坐标系下的惯导相对距离解算模型;在惯导误差模型的基础上,以惯导误差和UWB测距信息分别作为状态量和观测量,设计出惯导误差校正的扩展卡尔曼滤波模型;以两架无人机为例对算法进行仿真验证,仿真结果表明相较于纯惯导定位,该方法在东北天三个方向的最大定位误差不超过1 m,速度均方根误差值不超过0.01 m/s,很好地抑制了惯导系统速度和位置的误差发散,为解决无人机编队在卫星拒止环境中的定位问题提供参考思路。     

移动USBL测距辅助的UUV协同导航定位方法

针对无人水下航行器(UUV) 导航精度受惯性导航(INS) 影响较大的问题, 本文提出一种基于无人水面船 (USV)携带超短基线(USBL)对UUV进行移动式辅助导航定位的方法. 文中以USV上高精度INS和全球导航卫星系 统(GNSS)组合后的导航结果作为基准, 利用USBL测量得到的USV和UUV相对位置和姿态信息, 结合UUV的INS误 差方程, 建立了UUV协同导航系统的状态方程和观测方程, 并基于自适应卡尔曼滤波方法对UUV状态进行滤波估 计. 仿真和湖上实验结果表明, 文中所提方法可有效提升UUV导航精度.     

巡航导弹惯导系统数学仿真

针对常用惯导仿真方法对模拟长时间复杂条件下工作的巡航导弹惯导系统存在一定难度的问题,在分析平台惯导系统数学模型的基础上,通过设计巡航导弹典型飞行航迹,建立惯导器件误差仿真模型,对含有误差的惯导系统进行导航解算,构建了完整的巡航导弹惯导系统仿真模型 .利用MATLAB/Simulink工具对模型进行了仿真与误差统计分析.得到的导航位置误差和速度误差与实际情况基本相符,证明仿真模型建立正确,方法使用得当.为进行惯导及组合导航研究提供了一种实用方法.