基于模糊逻辑的自适应卡尔曼滤波在GPS/INS组合导航中的应用

提出了一种利用模糊逻辑控制器来在线调节卡尔曼滤波器的自适应数据融合方法,并着重研究了其在GPS/INS组合导航中的应用．根据位置误差系数和卡尔曼滤波器的新息的统计信息，采用模糊逻辑控制器对卡尔曼滤波器进行连续修正，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．仿真结果证明这种方法比标准卡尔曼滤波具有更高的精度．     

低成本IMU/GPS组合导航系统设计

纯惯导数据自主性强、更新率高、实时性好,但系统误差会随时间积累.GPS将误差限制在一定范围内,但数据更新较慢,易受外界干扰.以IMU、GPS和磁航向计构成的低成本组合导航系统已成为目前研究的热点.本研究构建了低成本小型航姿系统.为了更好地满足工程需要,增强系统的实时性,考虑到时间延迟对系统的影响,设计10维卡尔曼滤波器用于导航计算,实测跑车并对数据进行仿真.初步结果表明,所构建的组合导航系统精度和稳定性均满足导航要求.     

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。     

自适应模糊粒子滤波在组合导航中的应用

常用的卡尔曼滤波不能解决组合导航系统中的非线性问题,为了进一步提高组合导航系统定位性能,基于粒子滤波和模糊逻辑提出自适应模糊粒子滤波方法.该方法减小了对系统动态及工作环境的依赖,提高了对载体状态的估计精度.并且解决了组合导航系统中卫星信号被遮挡的情况下进行状态估计的问题.通过利用GPS与INS组合导航系统数学仿真证明了方法的可行性、及对组合导航系统的定位精度和鲁棒性的提升,是对于目前常用的组合导航算法的拓展和完善.有很好的应用价值.     

改进的自适应Kalman滤波在SINS/GPS组合导航中的应用

全球定位系统（GPS）因信号受到遮挡和干扰而产生观测量突然失准,使捷联式惯性导航系统（SINS）/GPS组合导航的卡尔曼滤波器性能急剧下降。针对上述问题,提出了一种改进的自适应卡尔曼滤波的方法,通过失准时的新息对先验状态均方误差阵进行自适应调节,解决了新息协方差与实际严重不符的问题。仿真实验中,对比了传统的卡尔曼滤波、自适应卡尔曼滤波、自适应抗差卡尔曼滤波和改进的自适应卡尔曼滤波的估计性能,证明了所提出算法的有效性。     

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。     

基于最大相关熵的GPS/INS组合导航融合算法研究

目前组合导航系统中常用卡尔曼滤波器进行信息融合,它在一定程度上克服了组合导航系统在实际工作中的不确定情况,如测量值易被无法量测的野值污染的实际问题。为优化传统卡尔曼滤波算法性能,提出基于最大相关熵的卡尔曼滤波（MCCKF）算法。该算法是在最大相关熵准则（MCC）和加权最小二乘（WLS）的思想下进行推导得到的。通过Matlab软件对GPS/INS组合导航融合理论建立数学模型,并对其进行模拟和分析,与传统卡尔曼滤波算法所得出的结果相比,结果表明基于最大相关熵的卡尔曼滤波算法具有更高的精度和更强的鲁棒性。     

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.     

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。     

一种模糊QR滤波及在组合导航中的仿真研究

总结了常用的自适应滤波的方法,并提出了一种基于模糊逻辑的自适应卡尔曼滤波技术,用模糊逻辑自适应推理器来“在线”修正卡尔曼滤波系统噪声协方差Q和测量噪声协方差R,从而使滤波器不断执行最优估计。仿真结果表明该方法可以提高GPS／INS组合导航系统的精度和可靠性。     

基于无迹卡尔曼滤波传感器信息融合的车辆导航算法

针对复杂道路条件下车辆的导航问题,将全球定位系统(GPS)与车载终端传感器系统相结合,提出了基于多传感器系统的车辆精确定位模型,并针对扩展类卡尔曼滤波易产生突发性误差而导致的安全问题,采用基于Sigma点的无迹卡尔曼滤波器(UKF)传感器信息融合算法。根据实时的道路状况和车辆自身的运动状态给出符合要求的状态估值,实验与基于多项式扩展卡尔曼滤波车辆传感器信息融合算法在精度和效率方面进行了比较,结果表明,基于UKF传感器信息融合的算法在复杂路况下的估计精度和运行效率都有显著提高,能够根据当前的路线情况和车载传感器的反馈信息快速地估计出车辆的运动状态,实时计算出动态的车辆控制输入。     

SINS/GPS组合导航系统自适应扩展Kalman滤波

对于低成本SINS/GPS组合导航系统,由于惯性器件的精度较低,通常情况下的SINS误差模型估计不准确,甚至使滤波器发散,为此提出根据姿态四元数的SINS误差估计模型,该模型不需要对初始姿态进行赋值。为在观测噪声未知的情况下估计SINS误差,通过结合序贯处理与Kalman滤波算法,提出一种自适应扩展卡尔曼滤波方法,该方法可以同时进行序贯处理和观测噪声估计。仿真实验结果表明,该方法可以消除过程噪声方差和观测噪声方差不确定造成的影响,提高了SINS/GPS导航系统的性能。     

基于联邦UKF算法的移动机器人自主组合导航

组合导航技术是解决地面机器人自主导航的一个有效途径,其中GPS/DR是一种典型的组合方式。常用的卡尔曼滤波主要用于处理线性问题,针对该导航系统非线性的特点,对Unscented卡尔曼滤波（UKF）与分散式滤波技术相结合的方法进行了研究,建立了用于GPS/DR导航系统的联邦UKF算法。数值仿真实验表明,联邦UKF比联邦EKF有更好的滤波精度,同时有更高的稳定性和容错性,是一种理想的GPS/DR导航非线性滤波方法。     

GPS/SINS紧组合导航系统信息融合技术研究

为了提高复杂环境条件下导弹的导航精度,以GPS/SINS紧组合导航系统为研究对象,首先研究了GPS/SINS紧组合导航系统的数学模型;然后对扩展卡尔曼滤波和无迹卡尔曼滤波的算法进行了详细的分析;最后将这两种滤波算法应用到GPS/SINS紧组合导航系统中。系统仿真结果表明,UKF在位置、速度的估计精度上均优于EKF,并且UKF具有更好的稳定性和收敛性。     

Sigma-Point直接式卡尔曼滤波惯性组合导航算法

基于西格玛点采样加权的方法,以姿态、速度和位置等9个导航参数为状态向量,以卫星导航系统的速度和位置组成6维观测向量,构建直接式卡尔曼滤波器,融惯性导航系统求解和状态估计的过程为一体,直接描述系统导航参数动态过程.仿真结果验证了惯性组合导航Sigma-Point直接式滤波方法的有效性,表明该非线性直接式滤波方法可提高惯性组合导航系统的导航精度和对飞机、导弹等载体非线性机动过程的适应性.