基于GPS／INS紧耦合的神经网络辅助滤波算法

以GPS／INS紧耦合组合导航系统为研究对象,设计了一种GPS／INS自适应滤波算法。针对扩展Kalman滤波存在的对模型较大的系统误差估计性能较差和系统估计精度不高等问题,采用RBF神经网络辅助EKF导航滤波器,实现自适应的导航参数解算。仿真结果表明,采用了辅助滤波器的算法比扩展Kalman滤波算法所获得的导航精度和...     

基于滤波方差阵修正的非等间隔联邦滤波算法

针对无重置联邦滤波器整体融合精度非最优以及应用于多源信息非等间隔滤波时的适应性问题,提出了基于子滤波器方差阵修正的多源信息非等间隔联邦滤波算法。在不增加额外计算的情况下,通过修正子滤波器滤波方差阵来改善滤波器的融合精度,且以高空长航无人机为应用对象,设计了适用于高空长航无人机的惯性/天文/景象匹配/地形匹配(INS/CNS/SAR/TER)组合非等间隔联邦滤波实现方案,提出了主/子滤波器的状态更新方法,在保持无重置结构容错性强的同时,解决无重置联邦滤波器在应用于多源信息非等间隔滤波时的适应性问题。仿真结果表明所提出的算法能有效改进滤波器性能。     

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。     

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。     

基于强跟踪滤波的多模卫星容错导航算法

针对多模卫星系统可能存在故障卫星,而故障卫星的种类和数量往往无法灵活确定,导致系统定位失效的问题,提出了一种基于强跟踪滤波的多模卫星容错组合导航算法.设计了一种基于单元级融合方式的容错系统结构,即为每颗卫星分别设计基于强跟踪滤波技术的子滤波器和故障检测与隔离器,并提出了一种改进的残差故障检测方法,全局算法采用联邦滤波算法,最终完成了一种北斗/GPS/GLONASS容错组合导航算法的设计.实验结果表明,该算法能充分利用多个卫星系统的卫星进行定位,同时能够同步检测和隔离多个不同卫星系统的故障卫星,有效提高了系统的定位精度和可靠性.     

SINS/CNS/SAR组合导航系统设计与高性能算法研究

在吸收SINS、CNS和SAR三者优点的基础上,设计了SINS/CNS/SAR组合导航系统,建立了该组合导航系统的非线性数学模型;然后,在研究抗差自适应滤波和粒子滤波优点的基础上,提出了一种新的抗差自适应Unscented粒子滤波算法和自主导航多源信息融合算法。将提出的算法应用于SINS/CNS/SAR自主导航系统中进行计算仿真,并与Unscented卡尔曼滤波和粒子滤波比较,结果表明:提出的新算法不仅解算精度明显高于Unscented卡尔曼滤波和粒子滤波算法,而且可靠性好,能提高组合导航系统的精度。     

SINS/CNSSAR组合导航系统设计与高性能算法研究

在吸收SINS、CNS和SAR三者优点的基础上,设计了SINS/CNS/SAR组合导航系统,建立了该组合导航系统的非线性数学模型;然后,在研究抗差自适应滤波和粒子滤波优点的基础上,提出了一种新的抗差自适应Unscented粒子滤波算法和自主导航多源信息融合算法.将提出的算法应用于SINS/CNS/SAR自主导航系统中进行计算仿真,并与Unscented卡尔曼滤波和粒子滤波比较,结果表明:提出的新算法不仅解算精度明显高于Unscented卡尔曼滤波和粒子滤波算法,而且可靠性好,能提高组合导航系统的精度.     

MIMU／GPS组合导航模糊自适应卡尔曼滤波研究

针对组合导航初始对准中存在模型误差时常规卡尔曼滤波容易发散的问题,提出了一种模糊自适应卡尔曼滤波算法。该算法采用模糊控制规则,根据新息的方差和均值变化自适应调整量测噪声权值矩阵。此算法运用于MIMU/GPS组合导航初始对准中,获得了较高的导航精度。仿真结果表明,该算法能够有效防止滤波发散,减少模型误差对滤波结果的影响,提高了滤波精度,实现了参数的在线调整。     

基于模糊理论的自适应联邦滤波算法研究

针对先验噪声统计特性与实际不符引起卡尔曼滤波精度下降的情况,提出了一种基于模糊自适应联邦卡尔曼滤波方法。算法基于模糊推理思想通过理论残差与实际残差的比值来对观测噪声协方差阵进行加权调整,实现对观测噪声统计特性的实时跟踪,在此基础上,利用信息分配因子对各子滤波器及主滤波器输出进行加权,得到滤波器的全局输出,将此输出周期性反馈给各个子滤波器以校正子滤波系统的偏差。SINS/GPS/TAN组合导航系统的仿真试验表明该算法具有更强的自适应性、滤波精度更高、鲁棒性更强。     

联合卡尔曼滤波在多传感器信息融合中的应用

介绍了基于多传感器信息融合技术的联合卡尔曼滤波器的一般设计方法，并将此方法运用于舰船INS/GPS/Loran-C组合导航系统中，理论分析与仿真结果表明，该联合卡尔曼滤波器的设计合理，算法具有全局最优性，能够提高系统的导航精度和容错能力。     

正逆向滤波在惯性卫星组合导航中的应用

为满足高性能惯性/全球卫星导航系统(GPS)组合导航的要求,进一步提高卡尔曼滤波算法在组合导航定位中的解算精度,考虑利用逆向数据处理和加权平滑的融合算法,提出一种正逆向融合的卡尔曼滤波算法应用于惯性/GPS的松组合导航中。分析了正逆向融合的卡尔曼滤波算法的解算方法,并与普通正向卡尔曼滤波算法做出比较。实验部分采用车载传感器采集的实测数据,通过对两种方法解算结果的误差分析,表明了正逆向融合的滤波算法在定位精度方面优于传统正向滤波算法。     

基于气压表/GPS的数据融合算法研究

为确保飞机精确飞越预定点上空并具备精密进场着陆引导能力,引入了一种提高垂直方向定位精度的气压表/GPS数据融合算法.该算法利用Kalman滤波实现了气压高度表/GPS的数据融合.借助于飞机的运动矢量模型、GPS定位误差模型建立了气压表/GPS组合导航系统自适应联合Kalman滤波的数学模型,给出了该数据融合算法的详细推导过程.仿真结果表明,所设计的算法在改善垂直方向上的定位精度以及在实时性、适应性等方面都有很好的效果,提高了飞机在进近飞行阶段的安全性和可靠性,能满足民用航空的进场着陆引导要求.     

基于UKF的神经网络自适应全局信息融合方法

为了解决神经网络(NN)在数据融合过程中权值实时更新问题,依据神经元激活函数的非线性特点,提出了一种利用Unscented卡尔曼滤波(UKF)实现神经网络权系数自适应调整的模型及方法,从而使全局融合信息最优.并分别以仿真数据及DGPS/GPS/RLC/罗经等设备组成的舰船导航系统实测数据为例,首先对各局部滤波器进行UKF滤波,然后分别利用神经网络卡尔曼滤波(NNKF)及神经网络非线性卡尔曼滤波(NNUKF)进行数据融合,仿真和试验结果表明,所提方案对提高整个系统的精度和运算速度是行之有效的.     

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.     

基于BP神经网络辅助的车载组合导航算法研究

针对INS/GPS组合导航系统在GPS信号被遮挡时,GPS接收机失锁导致导航精度迅速下降的问题,提出了基于BP神经网络辅助的组合导航算法。即在GPS信号锁定的时候,采用卡尔曼滤波对INS/GPS信号进行数据融合得到实时的精确位置,同时利用组合导航输出信息对BP神经网络进行实时在线训练;一旦GPS失锁,利用之前训练好的神经网络对INS系统进行误差补偿,解决精度迅速下降问题。通过跑车实验证明,速度精度在0.2m/s以内,位置精度为25m以内,该算法对INS/GPS组合导航系统有效。     

模糊自适应估计器在INS/GPS组合导航中的应用研究

研究了一种模糊自适应神经网络状态估计器的工作原理及结构,并讨论了用其代替传统扩展卡尔曼滤波在导航参数估计中的实现方法。利用扩展卡尔曼滤波来构造模糊推理系统,通过神经网络对模糊推理系统进行训练,根据输入输出样本自动调整模糊系统的设计参数,从而实现对INS/GPS组合导航系统导航参数的最优估计。通过仿真验证表明,用模糊自适应状态估计方法进行导航系统的初始对准,能够大大提高系统的实时性。     

SINS/GNSS/CNS组合导航系统半物理仿真研究

本文构建了一个 SINS/GNSS/CNS 组合导航系统半物理仿真平台,通过模拟飞机的真实飞行轨迹,在综合考虑各导航源真实误差特性的基础上,采用基于联邦自适应卡尔曼滤波算法,对组合导航系统进行了半实物仿真。仿真结果表明,该方法具有很强的实用性,可以推广到其他组合导航系统的半物理仿真设计中。     

自适应Kalman滤波在光纤陀螺SINS/GNSS紧组合导航中的应用

为了提高光纤陀螺捷联惯性导航系统（SINS）和全球卫星导航系统（GNSS）的组合导航精度和系统稳定性,设计了基于伪距、伪距率的紧组合导航系统模型。针对光纤陀螺的白噪声特点,以及误差不稳定性导致无法精确建模,将残差引入误差方差阵的估计中,提出了一种改进的自适应卡尔曼滤波方法。采用改进的自适应卡尔曼滤波方法滤波得到导航参数的最优估计,然后对系统进行反馈补偿校正,抑制了滤波发散问题,提高了系统的稳定性。稳态测试试验结果表明:设计的光纤陀螺SINS/GNSS 紧组合导航系统具有较好的鲁棒性;在三颗卫星的条件下,系统能够在短期内保持较高的导航精度,验证紧组合导航的优越性。