GPS／INS组合导航的变分贝叶斯自适应卡尔曼滤波

为解决GPS／INS组合导航的数据融合问题中卡尔曼滤波器因噪声统计特性会发生变化而性能严重退化的问题,针对组合导航的系统模型提出并推导了一种基于变分贝叶斯学习的自适应卡尔曼滤波算法。该方法从概率角度将系统状态与噪声的统计矩一起作为待估计的随机变量,在每次递推地对状态进行估计之前,用变分贝叶斯学习迭代逼近得到噪声的后验分布。仿真结果证明：在组合导航系统中,该自适应算法能够较好地跟踪变化的噪声方差,并对速度、位置等系统状态进行估计。     

基于联邦滤波的INS／GPS组合导航系统数据融合研究

针对INS导航定位的精度低、GPS导航定位的非自主性,采用INS／GPS组合导航的方式,重点阐述了系统模型的建立,在Matlab／Simulink平台下对系统进行仿真实验时,采用了基于无重置的联邦卡尔曼滤波器的组合方案,实验表明了组合系统比任何单一的导航系统的定位精度都要高,是一种可行的导航方法．     

卡尔曼滤波在四轴飞行器导航中的应用

针对制约四轴飞行器的导航控制精度的主要因素,提出了基于卡尔曼滤波的四轴飞行器组合导航方法,该方法将MIMU(微惯性测量组合)与GPS(全球定位系统)导航的数据融合,进行MIMU/GPS组合导航.仿真实验和实际应用结果表明,该方法能够提高导航定位精度,具有良好的容错性.     

光纤SINS/GPS组合导航系统分析

为提高光纤陀螺捷联惯导系统的精度,以光纤陀螺捷联惯导系统与全球定位系统（GPS Globle Position System）为研究对象,采用联邦卡尔曼滤波算法,构成了SINS/GPS（Strap-down Inertial Navigation Systerm/Globle Position System）组合导航系统。仿真结果表明,该算法能及时修正子滤波器的偏差,大大降低子滤波器的模型误差,进而提高整个滤波器的精度,并有效克服了滤波发散现象。     

GPS/INS组合系统的多重渐消鲁棒容积卡尔曼滤波

在对适用于GPS/INS组合导航非线性模型的容积卡尔曼滤波进行深入研究的基础上,提出了一种改进的多重渐消H∞鲁棒容积卡尔曼滤波算法.基于系统状态的可观测性给出多重渐消因子矩阵求解过程,提高滤波算法的稳定性,抑制滤波发散;引入H∞鲁棒思想,构造多重渐消H∞鲁棒容积卡尔曼滤波器;提出采用一种奇异值分解的矩阵分解策略代替标准容积卡尔曼滤波中的Cholesky分解,进一步提高算法的数值稳定性.结果表明:改进的多重渐消H∞鲁棒容积卡尔曼滤波算法不仅能有效抑制滤波发散,提高算法的稳定性,还对观测异常值具有更高的鲁棒性;提出的新算法与标准容积卡尔曼滤波算法相比,X,Y,Z3个方向的位置精度分别提高了55.8%,46.6%和39.7%.     

组合导航系统中的自适应卡尔曼滤波技术

在比较了组合导航系统多种卡尔曼滤波技术的基础上,提出了能提高系统鲁棒性的自适应卡尔曼滤波技术。并利用系统静态仿真证明了该算法的有效性。     

组合导航系统的自适应滤波

本文对自适应滤波在组合导航系统中的应用进行可行性研究,首先讨论了组合导航系统的数学模型,然后给出Sage和Husa提出的自适应滤波器,再用自适应滤波器来处理由组合导航系统测量器件给出的测量信息,对组合导航系统的状态进行估计,仿真结果表明,自适应滤波器具有良好的跟踪性能,即使噪声的统计特性不能确切地知道,滤波器也能给出系统状态比较精确的估计.     

INS/DVL组合导航系统在水下载体中运用研究

根据水下载体长时间在水下盘行的特点，建立了INS／DVL组合导航的工作模式，推导了该组合模式的组合形式和卡尔曼滤波算法，并通过计算机仿真技术分析了INS／DVL组合导航系统的性能和精度，说明了在惯性导航系统基础上引入多卜勒速度计程系统可以极大提高载体在水下的导航精度。     

低成本MIMU/GPS组合导航系统设计与实验

高精度惯性传感器的昂贵价格在一定程度上限制了惯性导航系统(INS)的进一步推广应用,然而低成本微型惯性测量单元(MIMU)的出现,为INS的推广应用了带来了新的契机。文中提出了一种适合于工程应用的低成本MIMU/GPS组合导航系统的结构与方案,并给出了组合导航系统位置速度交替组合模式的数学模型。考虑到未知工作环境中各类噪声统计参数的未确定性易使经典的卡尔曼滤波器发散,因此文中采用了闭环自适应卡尔曼滤波器对子系统的数据进行融合处理;设计了低成本的组合导航系统原理样机,并进行了跑车实验。跑车实验及事后数据处理分析结果表明:该系统具有较高的长时间导航精度以及良好的可靠性和鲁棒性。     

H∞滤波在GPS／INS组合导航系统中的应用研究

根据H∞鲁棒滤波理论,提出了基于H∞滤波技术的GPS／INS全组合导航系统,利用了GPS和INS提供的位置、速度和姿态信息,并对该系统的滤波算法进行仿真。仿真结果表明,在GPS／INS组合中采用H∞滤波,不仅保证了组合系统导航精度,提高了滤波的鲁棒性,而且能够防止滤波发散。     

INS/GPS组合导航联邦滤波器的仿真研究

为了研究平台式惯导INS(interialnavigationsystem)和全球定位系统GPS(globepositionsystem)组合导航联邦滤波器的实现,用卡尔曼滤波与Matlab仿真的方法,可以证明联邦滤波器算法简单,易于实现,并且可以提高导航系统精度.实际应用中此方法可行.     

一种低成本GPS组合导航定位系统

提出一种低成本、简单实用的GPS组合定位系统,即采用电子计步器与电子罗盘辅助GPS.该系统可以工作在自主导航、纯GPS导航、组合导航3种模式.文中给出了组合原理、方法和基本算法,探讨了几种应用模式和可能的应用领域.     

SINS/GPS组合导航方法设计

根据SINS/GPS组合导航的基本原理,重点研究联合卡尔曼滤波方法在组合导航中的应用,基于最优化理论的数据融合技术,通过分析纯惯性导航系统的误差,建立了组合导航系统的误差模型,设计了高可靠性、易于工程实现的简化联合卡尔曼滤波器和对应的数据融合算法。并对该导航系统进行了动态实验,结果表明组合导航能有效抑制导航参数误差,提高导航精度。     

不同环境下的GPS/IMU数据融合

为提高Kalman滤波组合导航的估计精度,在考虑系统估计误差相关的情况下,提出了采用环境背景下不同传感器的有效性概率加权GPS/IMU组合导航自适应衰减记忆滤波的融合算法。通过对各种算法进行仿真分析发现,新算法的融合估计精度高于相应的未考虑环境信息的GPS/IMU融合估计精度 新算法具有几乎和有效概率加权Kalman滤波融合算法相同的融合估计精度,但其误差变化较后者平稳。表明新算法可有效地提高系统融合估计的精度和可靠性。     

组合导航系统的卡尔曼滤波器的设计

将多传感器数据融合的卡尔曼滤波器设计方法,运用在基于GPS／INS的微型飞行器的组合导航系统中,经理论分析及实际结果表明：该滤波器设计合理,算法具有全局最优,能够提高系统的容错能力及系统的导航精度。     

基于UKF的海底集矿车组合导航研究

针对扩展卡尔曼滤波(EKF)在海底集矿车组合导航系统应用时存在着计算复杂、线性化误差大等问题,基于附加打滑参数的履带车运动学模型,将无色卡尔曼滤波(UKF)用于集矿车长基线声学导航(LBL)与推算导航(DR)的组合导航系统中.考虑到测量数据时延,组合导航系统融合LBL与DR信息,得到海底集矿车位置估计.研究结果表明:采用EKF方法,测量数据时延0,0.5,2s时,东向定位精度为0.14,0.32,0.48m,北向定位精度为0.13,0.28,0.44m;采用UKF方法,测量数据时延0,0.5,2s时,东向定位精度为0.10,0.26,0.37m,北向定位精度为0.09,0.24,0.34m.测量数据时延越短,EKF,UKF的位置估计效果都会越好.但与EKF方法相比,UKF方法能够明显减少组合导航系统的线性化误差,提高海底集矿车导航系统的精度与稳定性.     

车载组合导航的自适应滤波

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集中滤波算法.该算法的主要思想是: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集中滤波方法.将此方法用于SINS/GPS车载组合导航系统,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,滤波精度和收敛速度优于常规集中滤波,是一种有效的车载组合导航算法.