基于多传感器信息融合的移动机器人导航系统

介绍了多传感器信息融合的基本原理,给出了基于多传感器信息融合的移动机器人导航系统结构。建立了移动机器人数学模型,运用基于扩展卡尔曼滤波的信息融合方法实现了移动机器人导航算法。通过实验验证了基于多传感器信息融合的移动机器人导航系统和导航算法的有效性。     

基于联邦滤波的偏振光/SINS/BDS/地磁组合导航算法

针对高稳定目标导航参数获取对多传感器融合算法的需求,提出一种偏振光/捷联惯性导航系统(SINS)/北斗卫星导航系统(BDS)/地磁组合导航方法.分析了各类传感器的导航性能,采用联邦卡尔曼滤波器两级结构,利用子滤波器进行局部估计,主滤波器进行多传感器数据融合,研究了基于联邦卡尔曼滤波方法的多传感器数据融合导航算法.进行了...     

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。     

基于视觉/惯导的无人机组合导航算法研究

目前视觉惯性组合导航系统多采用优化紧/松耦合以及滤波紧/松耦合算法,应用误差状态卡尔曼滤波能够将较低频率的视觉位姿信息提升到与惯性信息同步的频率;提出一种基于自适应卡尔曼滤波的视觉惯导组合导航算法,首先考虑到系统建模与传感器测量误差,采用自适应渐消卡尔曼滤波进行导航解算,通过实时计算遗忘因子,以调节历史数据的权重,可抑制建模误差,提高组合导航系统性能,然后针对视觉SLAM解算过程造成的视觉位姿信息滞后于惯导信息的问题,提出一种延时补偿方法;仿真实验表明,采用延时补偿的自适应渐消卡尔曼滤波算法能够有效抑制建模误差,并降低视觉位姿信息滞后带来的影响,提高无人机组合导航的解算精度,姿态、速度、位置解算精度分别达到5°、0.5m/s、0.4m以内。     

组合导航后验方差异步融合算法

当组合导航系统在工作中对各个导航系统提供的信息进行融合计算时会出现导航数据异步到达的现象,传统的组合导航异步融合算法在处理这种情况时会产生较为明显的误差.针对这一问题,设计基于组合导航后验方差异步融合算法解决组合导航系统中出现的信息异步融合计算问题.首先改进系统噪声和量测噪声,使其在数学表达上满足互不相关性要求;然后通过求解后验均值计算出后验方差,建立状态一步预测值计算方法;最后基于上述结果设计组合导航系统的后验方差异步融合算法方程组.仿真结果表明,相比传统的组合导航融合算法,提出的组合导航后验方差异步融合算法可以有效减少因导航系统信息异步到达而引起的融合计算误差,有效提高组合导航系统的导航精度.     

基于EKF的地磁导航策略研究

对地磁异常值与位置之间的非线性函数关系进行了随机线性化,将地磁异常测量值直接作为观测量,采用扩展卡尔曼滤波技术实现地磁异常测量信息与惯性导航信息的融合,估计并校正了惯性导航系统导航误差.仿真表明,组合导航系统具有如下良好性能:对地磁异常具有广泛的适用性;对初始位置误差、速度误差及姿态误差具有较好的鲁棒性;对地磁数据噪声敏感度较低;可实时更新组合导航信息.将观测量选为参考数据测量值的信息融合策略引入惯性/地磁组合导航.定量描述地磁异常辅助惯性导航系统的信息量,分析组合导航系统对地磁图的适用性.     

多传感信息融合的改进扩展卡尔曼滤波定姿

针对现有多传感器融合方法精度低、计算复杂等问题,提出了利用微惯性航姿系统的高精度传感器陀螺仪、加速度计和磁力计组合确定姿态的算法。对采集到的原始数据进行误差补偿和滤波,降低传感器本身噪声,采用四元素的四阶龙格库塔法求解陀螺仪的角度消除奇点问题。将陀螺仪数据作为预测数据,估计出卡尔曼的过程协方差;加速度计和磁力计数据作为观测数据,结合陀螺仪的误差估计出测量噪声协方差,通过卡尔曼滤波实现多传感信息融合,实现了准确的姿态定位。实验分析不同算法的误差,证明了算法的精确性和可靠性。     

基于DSP的水下机器人组合导航系统设计

以实际科研项目为背景,研究了基于DSP＋单片机主从式双CPU结构的组合导航系统,可以兼顾导航系统数据I／O功能和运算功能,并且实现两者合理的分配。单片机实现外部多传感器的数据采集,DSP对所采集的数据进行数据运算和处理,同时采用双口RAM共享数据的方式保证双CPU间高速的数据通信。最后通过跑车实验,验证了导航计算机可以有效的融合多传感器的导航信息,达到运载体导航定位的精度和性能要求。     

MEMS技术在车载导航中的应用

基于MEMS技术,对由加速度计、磁场计和倾角传感器构成的车载导航仪进行了理论分析,对系统信息融合和软硬件设计进行了研究.在嵌人式平台上实现了组合导航系统,实时提供车载体的姿态、速度和位置信息,满足导航需求.通过实验对导航系统的可靠性和稳定性进行了分析研究,得出导航系统精度与误差满足车载体导航要求的结论.     

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。     

新型联邦最小二乘滤波算法及应用

为克服多传感器信息融合时联邦Kalman滤波在系统噪声和测量噪声的统计信息不准 确时所存在的局限性,提出了一种基于最小二乘估计的新型联邦滤波算法,定义为联邦最小二乘 滤波.定性讨论了它与联邦Kalman滤波的关系,通过在INS/双星/GPS组合导航系统中的 实际应用进一步地比较两种算法.实测数据的仿真结果证明,在系统噪声和测量噪声不准确的情 况下,联邦最小二乘滤波的精度要高于联邦Kalman滤波.     

多传感器组合导航系统的多尺度滤波算法

基于多尺度的思想,首先将在最细尺度上建立的状态方程、量测方程改写为以数据块形式描述的对应方程;然后利用小波变换技术将最细尺度上的块状态向量向粗尺度上分解,并将在最细尺度上建立的量测方程表达为粗尺度上状态向量的函数;最后结合常规Kalman滤波技术,建立了一种动态系统的多尺度单模型滤波方法.将上述算法应用于多传感器组合导航系统,仿真结果验证了该算法在不增加计算量量级的情况下,具有较好的融合精度.     

基于SAR辅助的惯导/星光组合导航系统研究

针对高空、长航时无人飞行器在对地观测成像期间对导航自主性和高精度的需求,研究了基于SAR辅助的惯导/星光姿态组合导航系统.针对SAR图像导航输出的间断性和多传感器组合导航系统中量测输出的不同步特性,设计了解决非连续性量测修正的多传感器组合导航滤波器模型.提出了解决多传感器量测不同步问题的异步集中滤波算法.仿真结果表明:...     

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。     

基于Cortex-M4的多传感器组合导航系统设计

针对移动机器人导航定位需求,设计了一种低成本、便携式的多传感器组合导航系统.采用ARM Cortex-M4内核的STM32F407处理器为电路核心,利用微惯性测量单元(MIMU)、全球卫星定位系统(GPS)以及电子罗盘作为导航数据源,进行了相关的硬件设计;采用移动导航平台进行实验验证,通过实测数据进行分析,结果表明:该组合导航系统可以有效提高导航精度,使其导航定位经纬度误差稳定在1.0m左右,航向角误差稳定在0.8°以内,对移动机器人导航有一定的参考价值.     

非完整约束下滤波算法在组合导航中的应用

MEMS IMU/GPS组合导航系统的应用环境愈来愈复杂,对其精度的要求也愈来愈高,只使用普通卡尔曼滤波不能满足精度和稳定性要求。针对此问题,将Sage-husa自适应卡尔曼滤波算法和非完整约束应用到前向导航滤波算法和后向导航滤波算法中,并将前向滤波和后向滤波结果加权组合,提出了一种非完整约束下加权组合滤波算法,用于事后IMU/GPS联合解算中,用来提高组合导航的精度。并利用实验室设备进行车载实验,通过实测车载数据解算结果来验证该方法的可行性。实验结果表明非完整约束下加权组合滤波后的经纬度误差小于1.4 m,航向角误差小于1.0°,满足MEMS IMU/GPS车载组合导航系统的精度要求。     

A Hybrid Deep Sea Navigation System of LBL/DR Integration Based on UKF and PSO-SVM

In order to improve the navigation accuracy of human occupied vehicle(HOV)precisely and efficiently,an innovative hybrid approach based on unscented Kalman filter(UKF)and support vector machine(SVM)is proposed to fuse integrated navigation data.HOV is generally equipped with long baseline(LBL)acoustic positioning system and dead reckoning(DR)as an integrated navigation system.UKF is adopted to estimate the state of the dynamic model because of its good performance in filtering nonlinear problems.An accurate and stable filtering result can be obtained when both LBL and DR are online.At the same time,SVM is utilized to train DR information with the result when LBL outrages,and the particle swarm optimization(PSO)algorithm is employed for SVM parameters optimization.Therefore,the integrated navigation system can maintain a good performance when the LBL is off-line.Simulation results with the real navigation data of Jiaolong HOV show that the methodology proposed here is able to meet the needs of HOV application.     

基于单轴光纤陀螺的车载组合导航系统设计

针对陆上车辆导航定位设计了一种基于单轴光纤陀螺的简化惯导系统(Reduced Inertial Sensor System,RISS),该系统由一个单轴光纤陀螺、三个加速度计和一个倾角传感器组成。为获得较高精度的航向信息利用双天线GPS和RISS进行组合,构成双天线GPS/RISS组合导航系统,应用卡尔曼滤波技术实现数据融合,并进行仿真实验和跑车试验验证所设计系统的合理性。仿真实验结果证明双天线GPS/RISS组合导航系统与GPS/RISS组合导航系统相比,航向精度得到显著提升。跑车实验结果表明,设计双天线GPS/RISS组合导航系统的位置误差小于2m,航向角误差小于1°,能满足车载导航定位定向需求。     

基于IMM多传感器顺序粒子滤波跟踪机动目标算法

针对交互式多模型粒子滤波在跟踪机动目标时精度受限问题,提出一种基于交互式多模型(IMM)的多传感器顺序粒子滤波算法。采用IMM机制实现目标运动模式的确认;在合理利用单传感器量测和多传感器量测中冗余和互补信息的基础上,引入顺序重抽样方法改善粒子分布,并将改善后的粒子应用于IMM粒子滤波算法框架。仿真实验结果表明:新算法能够估计出强机动目标状态,且精度明显优于标准IMM粒子滤波算法。