综合船桥多源导航信息融合技术研究

在配备了捷联惯导、GPS、北斗、计程仪和罗兰C等多个导航设备的综合船桥导航系统中,针对常规的无重置联邦滤波器长时间导航会引起导航精度降低和滤波器发散的问题,以及实际应用中卡尔曼滤波对系统噪声和量测噪声统计特性要求的局限性,采用了局部反馈校正的无重置联邦滤波结构,设计了基于H∞滤波的局部反馈校正无重置联邦滤波器,并将其应用于综合船桥多源导航信息融合系统中.仿真分析表明,基于H∞滤波的局部反馈校正无重置联邦滤波器对航向角和位置的估计精度都高于常规的无重置联邦滤波器,具有更好的实际应用价值.     

基于近距无线电导航的容错组合导航系统

针对组合导航子系统的特性,提出了一种基于近距无线电导航的容错组合导航系统方案.给出了完整的无线电导航系统的误差模型.针对残差X2检验和状态X2检验的特点,提出了一种结合状态递推的残差检验法,该方法对软故障的检测能力较强,并采用分量检测法提高故障检测灵敏度,将该算法嵌入到基于局部反馈校正的无重置联邦滤波器中提高导航系统的容错能力.仿真结果表明,融合输出结果不受故障影响且精度高于任一子滤波器导航精度,验证了算法的正确性.     

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.     

基于联邦滤波的GPS/DR组合导航信息融合

针对车载GPS/DR组合导航系统的特点,采用联邦滤波算法,构建了两级结构的联邦卡尔曼滤波器.子滤波器分别处理GPS和DR传感器信息,主滤波器进行信息融合,并对子滤波器进行信息分配和重置,克服了GPS单独使用时因信号中断而引起的系统失效,使系统具有更好的容错能力,进一步提高了系统的定位精度.试验结果证明了算法的有效性.     

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。     

一种改进的联合滤波方法在车载SINS/GPS中的应用

提出了一种改进的联合滤波方法,即通过滤波器的方差值和故障检测函数,调节局部滤波器的信息分配,来改善总的滤波效果;通过设计牟载SINS／GPS组合导航系统最优综合的联合卡尔曼滤波器,给出其滤波算法,对其进行理论分析及计算机仿真,结果表明,应用该改进的联合滤波方法可大大提高车载SINS／GPS组合导航系统的定位精度及容错能力。     

采用双状态传播卡方检验和模糊自适应滤波的容错组合导航算法

太阳能高空长航时无人机导航系统中,捷联惯导/北斗2κ全球卫星导航/星光导航(SINS/BD2/GPS/CNS)是一种可用的组合方案.针对常规容错组合导航算法故障检测类型单一,故障时滤波精度下降的问题,提出一种采用双状态卡方检验(TSPCST)和模糊自适应滤波(FAF)的容错组合导航算法.为了同时检测多种故障,将TSPCST应用于联邦滤波结构中;为了防止故障数据污染系统,利用FAF输出的高精度导航信息,对双状态传播器定期交替校正;进一步,FAF运用TSPCST检测得到的故障信息变量,定义量测子系统模糊有效域,将检测阈值模糊化,以弥补常规固定检测阈值算法难以选取阈值的不足;最后,通过计算信息分配因子,自适应处理多种故障数据.仿真结果表明,该容错组合导航算法性能优于常规固定检测阈值算法.     

广义联邦滤波器的全局最优性

基于矩阵理论和信息分配原理导出集中卡尔曼滤波、分散化滤波和联邦滤波之间的解析关系, 证明联邦滤波只有当其主滤波器和局部滤波器的维数都相同时, 其全局滤波才是最优的, 并用信号流图直观清晰地说明联邦滤波较分散化滤波结构更简单, 计算量小. 当联邦滤波的主滤波器和局部滤波器的维数不相同时, 只能得到次优解. 文中提出一种广义联邦滤波器的结构, 按信息分配原理重置其一步预测状态误差信息阵和一步预测状态, 获得全局滤波次优解, 并进一步利用全局滤波次优解作为观测量, 反馈修正其一步预测状态得到全局滤波最优解. 文中对最优反馈增益矩阵进行了数学推导, 从理论上证明其滤波结果同集中卡尔曼滤波是等价的, 并通过一个双SINS/GPS组合导航系统的仿真实验结果验证了算法的有效性.     

INS/GPS/电子罗盘组合导航系统研究

根据船舶导航系统对导航精度的要求,利用联邦卡尔曼滤波技术,分别确立了INS/电子罗盘子滤波器和INS/GPS子滤波器的组合模式,设计了船舶INS/GPS/电子罗盘组合导航系统;仿真结果表明,将联邦卡尔曼滤波理论应用于INS/GPS/电子罗盘组合导航系统可以获得较为满意的导航精度.     

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．     

基于偏振光辅助定向的车辆自主式导航方法研究

针对车载惯性导航系统运动学辅助算法中, 航向角误差发散,无法长时间得到高精度、高可靠性导航参数的问题,提出一种基于大气偏振光分布规律高精度定向的运动学辅助惯导精度提高算法。通过车载偏振光传感器系统测量解算获得的航向角信息和车辆动态数学模型提供的虚拟位置与速度观测量,与惯性导航系统的输出一起,利用多源信息融合技术进行导航参数的滤波估计,结果能实时反馈校正惯性导航系统和车辆动态数学模型。通过计算机仿真与分析表明,该改进的惯性导航系统辅助方法能够有效抑制航向角误差发散,定位精度较纯惯导及传统惯导运动学辅助方法显著增强,且对最终实现陆地作战车辆精确可靠的自主导航定位具有一定的工程应用价值。     

变增益联邦KF组合导航定位算法研究

GPS接收模块解算出的伪距误差是GPS/INS组合导航系统的主要误差,采用一种二级联邦卡尔曼滤波组合导航算法加以削弱,将卫星接收模块解算出的伪距信息和多普勒频移信息在第一级卡尔曼滤波后,再通过主滤波器与INS模块解算出的信息进行修正处理,得到校正量和定位位置最优估计。随着滤波步数增加,系统预测误差方差阵逐渐趋于零,状态估计会过分依赖旧量测值,从而导致滤波发散,影响系统定位精度。为有效提高新量测值的修正作用,在联邦卡尔曼滤波组合导航算法中引入一种可变加权系数。仿真结果表明,改进后的变增益联邦卡尔曼滤波算法具备联邦卡尔曼滤波的优点,并且该算法滤波效果有较明显的改善,能有效抑制滤波发散,提高系统的定位精度。     

小波变换在车辆GPS导航的应用

在分析车辆GPS导航信号观测粗差、噪声特性的基础上,提出了基于小波变换的车辆GPS导航信号粗差探测及滤波算法.数据仿真表明:该算法能够有效地克服Kalman滤波需要精确数学模型和滤波效果受粗差影响较大的缺点.     

基于UKF的水下航行器IMU故障检测与诊断方法研究

惯性测量单元（IMU）作为水下航行器导航系统关键传感器,其可靠性直接影响航行器的导航性能。为了提高IMU的容错能力,本文提出一种基于无迹卡尔曼滤波（UKF）算法的IMU故障诊断技术。首先根据水下航行器的动力学方程和导航系统特点,建立描述IMU故障与导航状态量关系的解析模型;接着基于UKF非线性滤波的特点,进行导航滤波解算,基于此,提出了解耦矩阵法以实现IMU的故障检测;并且根据无迹卡尔曼滤波器新息正交原理,提出了实时估计IMU故障的方法,从而完成水下航行器IMU故障的在线检测与诊断。最后,通过实际航行数据验证了所提出算法的有效性。     

一种旋翼无人机组合导航系统设计及应用

针对传统组合导航算法相对复杂,对系统硬件要求太高,实时性不好的缺点,设计了一种基于线性卡尔曼滤波器的简单实用组合导航算法.考虑到传统卡尔曼滤波器在系统噪声变化时滤波精度变差甚至发散以及模糊控制器计算量大的缺陷,设计了线性迭代调整观测噪声参数的方法对滤波器进行自适应改进,提高了算法的鲁棒性和实时性.利用STM32微控制器和MEMS惯性单元以及UBLOXGPS定位模块搭建硬件平台进行实验验证.结果表明:在168MHz时钟频率下,一次姿态数据读取和解算共耗时3.27ms,一次组合导航滤波耗时2.18ms,二者分别运行在100Hz和5Hz频率下.最终组合导航结果可以满足无人机在1m的精度范围内自动悬停的需求,验证了所设计的组合导航算法的可靠性和实用性.     

CDKF方法在车辆组合导航中的应用

针对扩展卡尔曼滤波（EKF）在车辆导航中存在着计算复杂、线性化误差大等缺点,将一种新的非线性滤波方法——中心差分卡尔曼滤波（CDKF）用于车辆GPS／DR组合导航中。和普遍采用的EKF方法相比．CDKF方法不仅提高了车辆组合定位的精度和稳定性;而且不需要模型的具体解析形式,避免了复杂的Jacobian矩阵的计算,算法更简单,也更加易于实现。为了检验其有效性,将两种方法分别对车辆GPS／DR组合导航系统进行滤波仿真,仿真结果进一步表明CDKF方法明显优于EKF方法,是车辆组合导航中一种更理想的非线性滤波方法,真正实现了车辆低成本、高精度的实时定位。     

UTP/DR组合导航算法研究

针对UUV水下作业时航位推算存在导航误差积累的问题,研究了水下应答器辅助航位推算组合导航算法。采用"当前"统计模型作为航位推算模型,更准确地描述了航行器的运动状态。利用水下应答器与航位推算算法相组合,对航位推算导航误差进行校正。为获得更好的滤波效果,采用平方根容积卡尔曼滤波算法作为组合导航系统的滤波算法,并将其与EKF滤波算法进行比较。仿真实验表明,平方根容积卡尔曼滤波算法较EKF算法具有更好的滤波精度;UTP/DR组合导航算法有效避免了因导航误差积累而导致的导航定位误差发散问题,获得了较好的导航定位效果。     

基于立体视觉的移动机器人导航算法

移动机器人立体视觉系统不仅提供三维地形图用于障碍规避和路径规划,其结果还可以用于视觉导航。以移动机器人立体视觉系统为基础,研究了基于前后两个位置上立体图对的视觉测量算法用于移动机器人的连续导航,讨论了影响导航精度的因素和改进方法;研究了基于局部和全局三维地形图的地形匹配算法用于定期校正位置误差,算法实现简便,定位精度取决于地形图精度。实验结果证明了两种方法的有效性,可以兼顾近距离和中远距离导航任务。     

改进的裂变自举粒子滤波算法在GPS导航系统中的应用

为了提高全球定位系统GPS的定位精度和可靠性,提出了一种基于裂变自举粒子滤波FBPF的GPS定位系统算法。根据GPS输出的参数之间的相互联系建立了系统的状态方程,并应用于对GPS接收数据进行滤波处理的改进FBPF算法中。GPS导航系统中采用DSP对GPS接收机的输出信号进行译码和滤波处理。     

基于MCC的鲁棒高阶CKF在组合导航中的应用

针对高阶容积卡尔曼滤波器在非高斯噪声情况下滤波精度下降的问题,提出了一种新的基于Maximum Correntropy Criterion（MCC）的鲁棒高阶容积卡尔曼滤波算法。考虑到高阶容积规则可以较好地解决非线性问题,在高阶容积滤波的基础上,结合统计线性回归模型对量测更新过程进行重构,利用MCC估计算法实现状态的量测更新,同时解决了系统的非线性和非高斯问题。将所提算法应用到SINS/GPS组合导航系统中,仿真结果表明,核宽的选取对算法的滤波性能有较大的影响,在高斯混合噪声条件下,所提算法相比传统高阶容积卡尔曼滤波算法具有更强的鲁棒性和更高的滤波精度。