无源北斗/惯导两级滤波闭环组合算法

针对北斗卫星定位系统和惯性导航系统的组合设计组合导航卡尔曼滤波定位算法,引入伪距率作为观测量,基于高稳定度用户时钟,提出了双星下用两级滤波器对惯导进行闭环校正的闭环组合设计方案。其最大的优点是能根据收星情况稳定地在闭环和开环方式之间转换,这是采用惯导模型设计滤波器所不具有的。最后通过仿真说明本文方案有效地提高了丢星时组合导航系统的滤波定位精度,能够有效校正惯导的姿态误差角,并以较高的精度估计用户的三维速度。     

基于星敏感器的天文/惯导组合导航仿真研究

本文通过仿真实验,研究了基于星敏感器的天文／惯导组合导航系统的导航性能和特点。首先分析了天文导航的基本原理,并给出了天文／惯导组合导航算法的理论模型。在此基础上,建立了天文导航和捷联惯性导航的仿真模型,实现了天文／惯导组合导航系统仿真。仿真结果表明：基于星敏感器的天文／惯导组合导航能够有效抑制惯导的长时漂移累积误差,有利于实现机载远程长航时的高精度导航。     

军用车是易捷联惯导／GPS组合导航系统的应用研究

利用惯性测量组件（IMU）和GPS－OEM板，研究军用车载简易SINS／GPS组合导航系统的实现，对简易捷联惯导／GPS组俣导航系统的原理，硬件组成和软件构成进行了具体的分析，表明组俣导航系统在精度和可靠性两方面，较单一的导航系统都有明显的改善和提高，能够满足陆地军用车载导航的要求。     

卡尔曼滤波技术在光纤惯导组合导航中的应用

惯性/卫星组合导航技术工程应用在国外已相当成熟,国内起步较晚,高校?研究所研究较为深入,但工程应用经验相对缺乏,为研究INS/GPS组合导航方法在光纤惯导中的应用,本文主要介绍了惯导系统误差模型,并根据系统误差方程设计基于卡尔曼滤波方法的数据融合方法,并根据工程实际,对滤波参数进行了适当调整,优化反馈校正策略?最后,依...     

基于北斗/惯导与多传感融合的无人机参数矫正方法研究

针对无人机飞行过程中姿态、定位以及高度参数不精确的问题,提出基于北斗/惯导与多传感器融合的无人机参数矫正方法,介绍了在北斗/惯导组合系统中融合气压传感器与速度传感器的采集参数,结合卡尔曼滤波器算法推算最优定位值。由速度传感器提供具体参数给惯导系统,并利用加速度与航偏角之间的关系预测无人机轨迹,结合北斗系统当前定位参数推算出最优值,将运算得到的无人机参数通过无线通讯的方式发送到终端进行存储显示。结果表明:采用多传感融合方式矫正的方法有效提高飞行轨迹与姿态的监测精度,定位精度达到3m,为操控无人机提供了有力的理论依据。     

JTIDS惯导GPS组合导航算法研究

针对JTIDS相对导航算法在实际应用中存在的不足,比如位置信息更新率较低、无姿态信息等,结合惯导系统、GPS卫导系统的导航优势,研究了JTIDS相对导航与惯导/GPS进行组合的导航算法,对两种导航算法即JTIDS/惯导组合导航算法、JITDS/惯导/GPS组合导航算法进行了仿真对比分析,验证了导航算法的有效性,仿真结果表明组合了GPS的导航算法比没有组合GPS的算法,较大程度提高了定位精度,仿真分析结果为实际工程提供了一定的理论参考。     

无源北斗/捷联惯导(SINS)紧组合导航技术的应用研究

针对北斗系统有源定位方式保密性差、用户数目有限,不能提供连续的位置、速度、姿态信息的问题,提出利用北斗系统3颗地球静止卫星的载波相位时间差分信息,与车载捷联惯导(SINS)构成紧组合导航系统,通过扩展卡尔曼滤波器估计并修正惯导系统的速度误差;引入载体的侧向和天向速度约束,改善了速度估计精度;结合北斗系统的伪距信息,消除了长航时条件下位置误差的积累;推导了滤波器观测方程,对组合导航滤波器进行了设计;通过车载实验进行了验证,实验结果表明,速度误差和位置误差的积累受到了有效地抑制,精度满足陆地战车导航的要求.     

基于组合滤波的光纤陀螺惯导/星敏感器组合导航算法

针对卡尔曼滤波在连续非线性的惯性组合导航系统中对模型误差估计不够准确的问题,提出了利用可直接处理连续非线性系统的预测滤波为卡尔曼滤波提供一步预测的组合滤波算法,弥补了两种滤波算法单独使用时的不足,从而提高了导航系统精度。再利用光纤陀螺惯导实测数据与计算机生成的星敏感器数据对文中组合滤波算法进行了离线仿真,证明了文中组合滤波算法的可行性、优越性。     

INS/CNS/GPS组合导航数据融合算法与仿真研究

研究了INS/CNS/GPS组合导航系统的原理和特点,建立了组合导航系统的数学模型。分别利用集中卡尔曼滤波和联邦滤波数据融合原理对此系统进行了仿真研究,并指出了集中滤波器的不足之处。仿真结果表明采用全球定位系统和天文导航系统对惯导系统误差进行修正不仅可以大幅度提高导航精度,而且通过比较和分析可知联邦滤波可以有效地提高导航系统的可靠性和复原能力,是理想的容错型信息融合算法。     

平台惯导／GPS组合导航实验研究

本文介绍由某平台惯导系统与ＴＡＮＳⅡ ＧＰＳ接收机组成的组合导航原理样机研制调试情况。首先简要介绍ＩＮＳ和ＧＰＳ接收机通信接口设计；然后是ＩＮＳ／ＧＰＳ组合导航卡尔曼滤波器设计；最后，实验室及车载组合导航实验，验证了组合方案的有效性。研究结论对远程导弹中制导有现实意义。     

低成本组合导航系统的数据融合算法

该低成本组合导航系统由基于MEMS器件的惯性导航系统和GPS组成。针对该系统,基于卡尔曼滤波的数据融合算法,提出了解决和分析系统状态的可观性问题、滤波器的阶次选择问题的方法,并进行了数学仿真,结果表明提出的思路和方法是可行的,具有工程参考价值。     

车载GPS/DR组合导航系统数据融合算法研究

本文介绍了车载ＧＰＳ／ＤＲ组合导航系统的设计,建立了表示车辆加速度及影响组合导航系统定位精度的主要误差的数学模型。针对迭代扩展组合卡尔曼滤波算法中,由于ＤＲ系统误差的引入导致滤波效果不好的问题,提出了一种新的组合导航系统的数据融合算法。对实际跑车数据的处理结果表明,该算法在提高组合导航系统的定位精度及可靠性和完整性方面是有效的。     

GPS组合导航系统的数据融合

首先介绍了车载GPS加上DR组合导航系统的设计,建立了车辆加速度及影响组合导航系统定位精度的主要误差的数学模型.然后针对一般组合滤波算法中,由于DR系统误差的引入,导致滤波效果不好的问题,提出了一种组合导航系统的数据融合.对车载GPS/DR组合导航系统提供的实际数据的处理结果表明,该方法既能提高GPS定位精度,又能有效控制DR系统的误差发散,从而有效地消除了一般组合滤波算法中DR系统误差对滤波器的影响,大大提高了组合系统的完整性和可靠性.令GPS在如香港交通环境:道路狭窄且多弯、交叉线多且密集、街道两侧高楼林立、桥梁多且较密集、隧道多且长、地形类似丘陵且高山较多,而且车辆也多行驶速度又快的情形下变得可行.     

SINS/视觉组合导航系统融合算法

捷联惯性导航系统(SINS)/视觉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必须准确已知。对于SINS/视觉组合导航系统,获取量测信息需经图像处理、特征点提取和匹配等过程,使量测噪声统计模型不完全可知,这会导致卡尔曼滤波器的估计精度下降。因此,该文提出一种改进的自适应两级卡尔曼滤波,根据求解遗传因子的不同方法对传统自适应两级卡尔曼滤波进行改进。改进后的算法分别适用于系统噪声统计模型和量测噪声统计模型不准确可知两种情况,且二者具有统一的滤波框架。仿真结果表明,改进的自适应两级卡尔曼滤波比卡尔曼滤波精度高,有效解决了SINS/视觉组合导航系统因噪声统计模型不准确导致的精度下降问题。     

组合导航信息融合技术研究

分析了联合卡尔曼滤波算法中参考系统、主滤波器以及局部滤波器的特点,给出了组合导航系统的联合滤波算法的具体描述,提出了一种基于广义特征值分解的自适应信息分配策略,该结果表明,采用组合导航信息融合技术在工程实践上确实可以解决根据组合导航局部滤波器性能随时调整信息分配策略的问题。     

基于自适应信息融合的导航系统构成与算法研究

由于组合导航系统应用环境的不确定性,给噪声统计特性的准确描述带来困难,这将造成Kalman滤波器不稳定甚至发散,目前常用的解决办法是直接估计系统噪声与量测噪声的方差阵 Q及R ,进行自适应滤波.但方程的增加将使计算量加大、实时性不能保证.本文在对基于信息融合的INS/GPS组合导航系统进行分析和设计的基础上,探讨了通过ARMA模型自适应参数辨识求解可变增益K,从而求出状态估计值的方法,并对辨识误差协方差的防饱和算法进行了研究.计算机仿真结果表明:该算法对提高导航精度和运算速度是行之有效的,所得结论有一定的工程实用价值.     

一种针对大型凹型障碍物的组合导航算法

针对移动机器人导航过程中无法规避大型凹型障碍物问题,该文提出一种多状态的组合导航算法。算法按照不同的运动环境,将移动机器人的运行状态分类为运行态、切换态、避障态,同时定义了基于移动机器人运行速度和运行时间的状态双切换条件。当移动机器人处于运行态时,采用人工势场法(APFM)进行导航,并实时观测毗邻障碍物的几何构型。在遭遇障碍物时,切换态用于判断是否满足状态切换条件,以进入避障态执行避障算法。避障完成后,状态自动切换回运行态继续执行导航任务。多状态的提出,可有效解决传统人工势场法在大型凹形障碍物的避障过程中存在局部震荡的问题。基于运行速度和运行时间的双切换条件判定算法,可实现多状态间的平滑切换。实验结果表明,该算法在解决局部震荡问题的同时,还可降低避障时间,提升导航算法效率。

     

Fusion of Sensor Data in Siemens Car Navigation System

Car navigation systems have three main tasks, namely 1) positioning; 2) routing; and 3) navigation (guidance). Positioning of the car is carried out by appropriately combining information from several sensors and information sources, including odometers, gyroscopes, Global Positioning System (GPS) information, and digital maps. This paper describes two sensor-fusion steps implemented in commercial Siemens car navigation systems. The first step is the fusion of the odometer, gyroscope, and GPS sensory information. The dynamic model of the car movement is implemented in a Kalman filter, which relays the GPS signal as a teacher. In the second step, the available digital map is used to find the most likely position on the roads. Contrary to the standard application of the digital map, where the current estimated car position is just projected on the road map, the approach presented here compares the features of the integrated vehicle path with the features of the candidate roads from the digital map. In addition, this paper presents the results of the experimental drives. The developed car navigation system was awarded the best car navigation system among ten competing systems in 2002 by the Auto Build magazine     

BDS/GPS组合导航系统选星算法研究

针对双系统组合导航模式下常用的最佳选星法存在运算量大、硬件设计复杂、实时性差等缺点,提出了基于 BDS/GPS 双系统组合导航模式的模糊选星算法。首先说明了靶场试验中采用 BDS/GPS 双系统组合导航模式的必要性,然后对组合导航系统定位精度的关键影响因子、 可用星数量及选择方式进行了分析,并给出了基于 BDS/GPS 双系统组合导航模式的模糊选星算法的详细解算步骤。实验结果表明,该算法简单易行,定位精度高,实时性好,对靶场试验品的导航定位具有重要参考价值。     

多传感器自适应滤波融合算法

该文提出了一种在线调整权值的多传感器自适应滤波数据融合跟踪算法,用于解决复杂背景下机动目标跟踪问题。首先自适应寻找各个传感器所对应的最优加权因子,确定融合后某一时刻目标最优观测值;其次,以输入信号作为相关自适应滤波器的观测信号,通过新息相关自适应滤波算法根据状态方程及观测方程中误差的变化,实时动态地调整增益矩阵,同时依据自适应滤波状态偏差输出信号及当前观测数据,应用模糊推理在线调整各传感器权值,最终系统输出即为测量轨迹在两级自适应调整融合下最优轨迹。仿真结果证明了算法有效性。