基于变分贝叶斯原理的SINS/GPS组合导航VB-CKF滤波算法

系统量测噪声统计量不准确能引起组合导航系统滤波精度下降甚至发散,在变分贝叶斯原理的基础上,以容积卡尔曼滤波(CKF)为基础滤波器,导出基于变分贝叶斯的自适应容积卡尔曼滤波(VB-CKF)算法,仿真结果表明：在SINS/GPS组合导航系统中,VB-CKF算法较CKF算法能有效减少系统量测噪声统计量变化对滤波精度的影响,是一种具有广泛应用前景的SINS/GPS组合导航滤波算法。     

无人机组合导航系统的自适应算法研究

无人机组合导航滤波器的设计需要考虑器件和外部环境不稳定带来的影响。同时在飞行过程中也面临着组合导航系统噪声和量测噪声统计特性不确定问题,从而导致滤波精度低、稳定性差,还有可能发散。采用常规卡尔曼滤波无法解决此问题。为此研究了一种基于UKF的自适应卡尔曼滤波算法。在系统噪声统计特性未知时,此算法能自动平衡状态信息与观测信息在滤波结果中的权比,实时调整状态向量和观测向量的协方差,从而提高系统的性能。仿真结果显示,使用自适应UKF算法与普通的UKF算法相比,可以获得更优的导航精度和稳定性。     

基于置信度加权的INS／BD／GPS组合导航信息融合

针对联邦卡尔曼滤波算法存在的不足,将标准卡尔曼滤波方法和置信度加权方法相结合,应用于组合导航系统.该方法利用了自适应神经网络模糊推理技术非线性、快速实时、自适应学习的优点,将滤波器的输出数据进行置信度判别,得到各个子系统加权值,最后进行加权融合得到全局输出.仿真结果表明:基于ANFIS神经网络置信度加权的组合导航信息融合技术在一定程度上抑制了数据的发散,提高了导航精度.     

基于ROS的自主多旋翼飞行器视觉导航系统

 针对在GPS信号缺失的环境下多旋翼飞行器的定位和自主飞行问题,构建了一个基于视觉导航的多旋翼无人飞行器控制系统。采用目前流行的pixhawk飞行控制模块和单目视觉定位算法,基于机器人操作系统（ROS）构建了通信网络系统,并选用一个低功耗的机载主控计算机实时地在板运行该系统。测试结果表明,搭建的无人飞行器平台能实现较精确的视觉定位和自主飞行。     

基于多传感器数据融合的四旋翼飞行器的姿态解算

 用于农田信息采集的四旋翼飞行器姿态解算过程中,存在姿态角测量不够准确这一难题。选择基于加速度计、电子罗盘与陀螺仪的捷联式惯性测量系统,采用卡尔曼滤波算法,通过融合多个传感器的测量数据,解算出高精度的姿态角。为验证卡尔曼滤波算法的有效性和实用性,搭建了四旋翼飞行器姿态检测实验平台。结果表明,经卡尔曼滤波算法处理之后的姿态角动态响应好,解算精度高,其最大跟踪误差控制在±1.5°以内,消除了由加速度计或电子罗盘带来的测量白噪声,也有效抑制了陀螺仪的温度漂移,满足四旋翼飞行器对姿态解算精度的要求。     

基于多传感器的微型四旋翼室内自主悬停研究

针对微型四旋翼在室内环境下不能通过外部定位系统实现自主悬停的问题,给出一种基于多传感器的微型四旋翼自主悬停控制方法。采用四旋翼分布式多传感器构建环境信息检测系统,实时获取四旋翼飞行器姿态和相对位置信息;通过设计控制装置对飞行器姿态进行控制,实现自稳飞行;通过室内基站定位平台与光流传感器的速度反馈,实现水平方向位置控制;通过超声波、气压计融合,实现飞行高度控制,最终完成对四旋翼飞行器的室内空间位置控制,使飞行器能够在室内空间中的任何一点悬停,并仅在小范围内波动。通过自主悬停仿真研究验证了方法的有效性。     

星光导航原理及捷联惯导/星光组合导航方法研究

该文在分析星光导航原理的基础上,给出了捷联惯导/星光飞行器组合导航方案;推证了该组合导航系统的状态方程和观测方程,分析了星敏仪量测误差.结合高超声速跨大气层再入飞行体的模拟飞行轨道,进行了组合导航数学仿真.结果证实该方案能够利用星光导航信息对捷联惯导进行即时修正,表明捷联惯导/星光组合导航系统在较精确地获取载体姿态信息方面具有优越性.     

基于量子遗传算法的RBF神经网络智能滤波组合导航算法

组合导航中标准卡尔曼滤波和扩展卡尔曼滤波存在容错性和鲁棒性不足,处理非线性信号能力较弱的缺点.提出了基于量子遗传算法的RBF神经网络的智能滤波组合导航算法,通过RBF神经网络调节卡尔曼滤波增益,而神经网络参数由量子遗传算法进行调整优化.对捷联惯导系统(SINS)/全球卫星定位系统(GPS)组合导航系统进行了仿真实验,结果表明:该算法提高了导航定位的精度、鲁棒性和可靠性.     

MIMU/偏振光互补滤波组合导航算法研究

针对偏振光导航中存在的输出角度模糊性和三维状态下航向角计算问题,提出利用互补滤波对MEMS惯性测量单元(MIMU)和偏振光传感器进行信息融合的姿态更新算法。该算法利用偏振光传感器测量模型构造太阳位置的估计矢量和实测矢量,通过PI(proportional-integral)补偿策略实现3轴陀螺仪偏差的最优估计和补偿。通过对比纯惯导系统INS、单偏振光导航系统、MIMU/地磁和MIMU/偏振光4种导航系统的输出姿态角,表明该算法能够有效滤除惯导系统的低频噪声和偏振光传感器测量值中的高频噪声,并且能够获取无人机360°范围内的航向角估计量,为偏振光组合导航提供了一种行之有效的解决方法。     

多传感器信息融合技术在INS/GPS组合导航系统中的应用

针对INS／GPS组合导航系统在数据处理时存在的计算量大和故障数据相互干扰的问题,提出了一种基于信息融合的导航参数最优估计滤波方法。文中首先介绍了信息融合的基本原理、关键技术以及常用方法,然后以INS／GPS组合为例,对组合导航系统的工作原理和模型建立进行了分析．最后对基于联合卡尔曼滤波的多传感器信息融合算法进行了论述与分析．该方法可提高导航系统的计算精度和速度．有较好的容错性和环境适应性,可有效地提高导航系统的精度和可靠性,为融合导航系统的数据分析和处理提供了一个有效途径。具有实际使用价值。     

一种基于改进卡尔曼滤波的姿态解算算法

针对多传感器融合姿态解算精度不高的问题,本文提出一种改进的卡尔曼滤波算法,即高阶线性互补滤波与扩展卡尔曼滤波(Extended Kalman Filter,EKF)相结合的融合算法。该数据的融合是基于加速度计、陀螺仪传感器频率特性和姿态角的微分方程建立的系统模型,将互补滤波的姿态角数据作为该系统模型的观测值,利用EKF算法对加速度计、陀螺仪、磁力计进行数据融合。高阶的互补滤波和EKF的融合算法能够有效的解决陀螺方向的估计偏差,为了证明该算法的可行性,用搭载IMU(InertialSmeasurementSunit)模块的四旋翼飞行器进行了动态和静态的实验,分析对比了最新导航算法、经典卡滤波算法和该融合算法滤波的效果。实验结果表明：本文提出的高阶无源线性互补滤波和EKF相结合的融合算法,无论在静态还是动态的实时性情况下,都能很明显的去除噪声和抑制姿态角的漂移,且提高了姿态角的精度。     

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 PositionSystem)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。     

基于UKF的INS/GPS组合导航系统仿真

通过Unscented卡尔曼滤波(UKF)算法,研究INS/GPS紧耦合组合导航系统中滤波算法的问题,避免了对非线性的系统方程进行线性化。同时将自适应原理引入UKF,给出了一种自适应UKF算法。将EKF、UKF和自适应UKF分别应用到INS/GPS组合导航系统的滤波中。仿真结果表明,相比UKF算法,自适应UKF算法进一步提高导航解的精度和收敛速度,同时系统的鲁棒性也得到了提高。     

分布式不敏卡尔曼滤波状态估计技术

在许多实际的分布式多传感器系统中,系统的动态或传感器的观测方程是非线性的.解决分布式多传感器非线性系统的状态估计问题,通常采用的一种方法是分布式扩展卡尔曼滤波.但由于模型的线性化误差,EKF的滤波效果在很多情况下并不能令人满意.另外,在许多实际应用中,模型的线性化过程比较繁杂,而且也不容易得到.为了有效解决分布式多传感器非线性系统的状态估计问题,提出了一种基于不敏卡尔曼滤波的状态估计技术.不敏卡尔曼滤波是最近提出的一种新的非线性滤波方法.由于不需要对非线性系统进行线性化,不敏卡尔曼滤波可以很容易地应用于非线性系统的状态估计,并且其性能也要优于扩展卡尔曼滤波.仿真结果说明分布式不敏卡尔曼滤波方法的性能要优于分布式扩展卡尔曼滤波方法.     

仅测距信息可用的编队卫星自主相对导航简化UKF方法

针对仅测距信息可用条件下编队卫星自主相对导航问题,首先,使用解析方法对仅测距条件下系统可观性进行分析,给出满足系统可观的条件。然后,针对线性状态方程和非线性量测方程的特点设计了简化UKF( Simplified Unscented Kalman Filter,SUKF )滤波算法,使用标准卡尔曼滤波中的时间更新代替UKF中的无迹变换,无需对状态变量进行扩维,可以在保证滤波估计精度的前提下有效地减少运算量,便于实时应用。最后的仿真结果表明在仅测距信息可用时,SUKF的滤波估计精度高于传统的EKF算法,相对定轨精度在米级,对于相对导航精度要求不高的场合是适用的,同时也可以作为测角失效时的备份方案。     

GPS/BDS组合系统中粒子滤波算法

为了解决传统单一卫星导航系统存在的可靠性低和定位精度差等问题,在分析单系统导航定位原理及GPS/BDS组合导航定位解算的基础上,引入标准粒子滤波（PF）算法和高斯粒子滤波（GHPF）算法对组合系统进行定位解算,并对不同滤波算法做出了比较和分析。仿真结果表明,粒子滤波的滤波效果优于扩展卡尔曼滤波算法。     

联邦滤波在RAPINS/计程仪/重力匹配组合导航系统中的应用

RAPINS/计程仪/重力匹配组合导航系统是一种简易的无源导航系统,为了改善系统的容错性能,设计了基于该组合系统的联邦滤波器,建立了系统的工作模式,给出了联邦滤波算法.在该联邦滤波器中充分利用计程仪输出的速度信息,采用不等间隔滤波来进行信息融合.采用Matlab/Simulink对该组合导航系统在分辨率为0.005°×0.005°的数字重力异常图中进行了仿真研究.理论分析和仿真结果表明,基于联邦滤波的RAPINS/计程仪/重力匹配组合系统能够改善系统的容错性,且具有与集中式滤波相似的导航精度.     

基于UKF的战术数据链通信延时与补偿算法

针对战术数据链在信息传输过程中通信延时和量测信息的非线性问题, 结合当前统计模型提出了一种基于无迹卡尔曼滤波算法的延时补偿算法。将非线性变换引入到状态预测中,
在状态预测的基础上加入延时补偿程序, 完成对延时的补偿, 且该算法对非线性量测模型进行更新, 避免了量测模型线性化带来的精度降低。分析了战术数据链产生延时的原因及其对攻击决策的影响, 建立了机动目标的当前统计模型, 采用无迹卡尔曼滤波算法对目标进行跟踪, 在该算法对状态预测的基础上加入延时补偿算法, 对机动目标的位移、速度进行补偿,仿真结果表明该方法有效。     

基于人工标志的视觉/SINS组合导航算法研究

本文针对航天器地面中性浮力实验的实验体导航问题,研究利用计算机视觉和捷联惯性导航系统（SINS）进行实验体组合导航的算法：首先对视觉导航与SINS的优缺点及其组合导航的优势互补进行了分析,提出其组合方式;然后建立了组合导航系统量测方程;最后利用卡尔曼滤波方法,实现了视觉导航图像信息与捷联惯导系统的信息融合。仿真结果表明,提出的组合导航方法提高了导航精度,具有一定的应用参考价值。