某型无人机GPS/Radio/DR组合导航中的滤波技术研究

针对某型无人机GPS Radio DR组合导航中各子系统的特点,提出一个分散集中化滤波方法。通过建立简化的无人机动力学及运动学模型,利用卡尔曼滤波对磁航向及空速信息进行处理,提高了航位推算(DR)的精度;由于无线电测量雷达中传动机构存在一定间隙,造成方位测量信息包含定频段的干扰,通过采用低通数字滤波器有效地抑制了干扰信号;利用GPS信息分别对滤波后的航位推算和无线电信息进行融合修正。仿真结果表明,经过融合后的无人机航迹精度明显得到了提高。     

一种基于抗差滤波的行人导航算法研究

行人导航系统(pedestrian navigation system, PNS)通常采用全球定位系统(global positioning system, GPS)和航位推算(dead reckoning, DR)组合导航的方式进行定位,因此其定位精度易受GPS定位误差特别是定位粗差的影响。为了减小这种影响,提高行人导航系统定位精度,采用了一种基于抗差滤波的GPS/DR组合行人导航算法。该算法首先对DR系统误差建模,获得行人导航系统卡尔曼滤波模型,再通过GPS与DR系统观测量之差,估计当前观测噪声与先验统计特性的符合程度,利用等价权实时调整观测权值,以避免观测粗差对组合导航精度的影响。最后通过对实测数据的分析表明,在GPS定位误差较大或含粗差情况下,该方法较卡尔曼滤波算法能明显抑制定位误差的影响,将定位精度提高5 m左右,能够在不增加硬件的基础上有效提高GPS/DR组合行人导航精度。     

基于平方根UKF的车辆组合导航

针对扩展卡尔曼滤波(EKF)在车辆导航中存在着计算复杂、线性化误差大等缺点,将一种新的非线性滤波方法--平方根UKF方法(SRUKF)用于车辆GPS/DR组合导航中.和普遍采用的EKF方法相比,SRUKF方法不仅提高了车辆组合定位的精度和稳定性;而且不需要模型的具体解析形式,避免了复杂的Jacobi-an矩阵的计算,算法更简单,也更加易于实现.为了检验其有效性,将两种方法分剐对车辆GPS/DR组合导航系统进行滤波仿真,仿真结果进一步表明SRUKF方法明显优于EKF方法,是车辆组合导航中一种更理想的非线性滤波方法,真正实现了车辆低成本、高精度的实时定位.     

车辆自主导航系统的双滤波器模型及其导航算法

给出了车辆自主导航系统的双滤波器模型及其航位递推算法 ,在导航解算的每步递推中 ,先用航向滤波器进行航向捕获 ,再用航位滤波器进行航位捕获。这种方法利用两个线性滤波器分别进行航向 /航位估计 ,避免了常规导航算法由于观测方程线性化引起的模型误差 ,算法稳定性好 ,且计算量较小。现场跑车试验表明 ,给出的双滤波器模型及其算法能够获得满意的导航精度     

运动学辅助GPS实现SAR卫星姿态测量算法

针对姿态对星载SAR成像质量的重要影响,提出一种借助于SAR卫星姿态运动学特性和GPS宽波载波相位信息进行SAR卫星姿态测量的算法。该算法利用SAR卫星运动学模型建立状态方程,借助于GPS宽波载波相位姿态测量方程和SAR卫星姿态矩阵的特性建立观测方程,用卡尔曼滤波算法求解SAR卫星的姿态参量。给出算法的详细描述和仿真,仿真表明算法可以提供高精度SAR卫星姿态测量值。     

卫星/惯性组合导航事后高精度融合算法研究

高精度的组合导航数据事后融合处理算法是多传感器信息融合处理的重要环节,是对导航系统性能进行评估分析的关键。研究了一种分两步进行的惯性/卫星组合导航信息事后高精度融合算法,在惯性/卫星组合导航卡尔曼滤波算法的基础上,利用最优固定区间平滑滤波算法对惯性/卫星组合导航信息进行再次平滑滤波融合,可以提高组合导航数据事后处理的精度。设计了仿真验证平台,对所提出的融合算法进行了仿真验证。仿真结果表明:基于卡尔曼滤波与固定区间平滑滤波实现的惯性/卫星信息事后融合算法有效、可行,可作为试飞性能评估中确定参考基准的方法。     

基于卡尔曼滤波的CDMA/GPS数据融合算法分析

针对无线定位技术的广泛应用,提出了一种改进的GPS/CDMA数据融合算法。该算法利用卡尔曼滤波实现了CDMA蜂窝网系统和GPS定位数据融合,提出高移动目标的事实上的位精度。借助移动目标的运动矢量模型、CDMA定位误差模型、GPS定位误差模型建立了CDMA和GPS定位状态方程,给出了数据融合的数学模型和融合算法。重点研究了利用卡尔曼滤波实现定位数据的融合。算法分别对GPS定位参数和CDMA定位参数进行滤波处理,然后对滤波后的数据融合。通过仿真表明滤波后两者定位精度都有大幅度的提高,数据融合后定位精度得到进一步的提高。     

非标准多传感器信息融合下的状态融合估计

给出了标准多传感器观测信息的统一融合模型,在此基础上分析了传感器观测系统参数对最优融合估计性能的影响.针对存在量测系统误差的非标准多传感器融合系统,构建了一种有效的系统误差参数估计模型.此外对传感器问具有不同非线性误差成份的融合系统,提出了一种基于互迭代自适应半参数的状态融合估计算法.该算法通过对非标准多传感器融合模型误差的补偿,利用线性和非线性迭代的方法来提取非线性因素,进而确定状态的最优融合估计.给出了应用该算法的具体步骤,并通过理论分析与仿真实验证明了该算法的有效性.     

High-precision Positioning and Deformation Monitoring Analysis of BD/GPS Based on Improved Kalman Filter Fusion

The real time kinematic of global positioning system(GPS-RTK) provides precise positioning for bridge deformation monitoring and monitoring bridge health status. In order to solve the problem that the satellite signal is vulnerable to the influence of the positioning environment when monitoring bridges in the valleys and urban buildings~([1]), and the problem that Kalman fusion algorithm is difficult to detect the divergence caused by interruption or wrong data~([2]). This paper proposes an improved Kalman filter fusion position method based on the BD/GPS fusion positioning. This improved algorithm introduces the environmental information. The confidence level is calculated with membership function by defining the confidence region of sensor, so as to the fusion weight coefficient is determined. This paper analyzes the performance of BD/GPS positioning in bridge monitoring through comparing the traditional fusion method with the improved fusion method. Experiments show that the improved algorithm eliminates the problem of error divergence; the average number of visible satellites in BD/GPS fusion positioning is increased by 7 compared with that of GPS single system positioning,the GDOP value is reduced by 21.83%, and the positioning error is reduced by 2.51 cm. The feasibility of all-weather monitoring in the mountains, buildings and other areas is verified, and millimeter accuracy is provided, which greatly improves the performance of bridge deformation monitoring.     

基于分层融合结构的组合导航系统仿真分析

依据多传感器信息融合理论，将分层融合结构是应用到组合导航系统中，并与目前广泛应用的联合滤波算法（Federated Filtering)进行了比较。对INS/GPS/Doppler系统的仿真结果表明，有序分层融合结构可有效地应用于多传感器组合导航系统，并且导航精度优于联合滤波的结果。     

非同类传感器检测信息融合研究

关于检测信息融合的研究 ,以前多限于同类传感器的讨论。其原因在于非同类传感器检测融合时优化方程的耦合性 ,从而导致不易乃至不能求解。考虑不同类传感器传输给融合中心判决内容的类型相同 ,提出了一种非同类传感器的检测信息融合算法 ,从而推动了检测信息融合的实际应用。     

快速联合H∞滤波在SINS/GPS组合导航中的应用

针对捷联惯导/卫星定位(SINS/GPS)组合导航中联合卡尔曼滤波器对系统模型和噪声统计特性的依赖性和算法运算量大等缺点,提出了新的联合H_∞滤波方法.定义了新的联合H_∞滤波公式,提出了融合信息在子滤波器中自适应分配原则,简化了联合H_∞滤波算法.由于H_∞滤波不需要已知噪声的统计特性,因此新算法具有很强的鲁棒性,同时联合算法又可以有效地增加系统的客错能力.仿真实验证明新算法在稳定性和实时性上都有较大提高.     

基于DR预测的大规模Web3D场景预加载机制

为改善大规模Web3D场景的加载效率,提出一种基于DR(Dead reckoning)预测的大规模Web3D场景预加载机制,结合DR航迹预测的算法和基于历史路径的兴趣路径聚类算法,将航迹领域中路径预测和交通领域中路径聚类应用到虚拟场景加载领域中,提出一种Web3D场景的预加载机制。实验与研究表明,通过该算法实现的预加载机制可以显著地提高数据的传输效率,优化大规模Web3D场景的加载速度,有效地提高用户在Web3D场景中的漫游体验,为优化大规模Web3D场景的加载机制提出了新思路。     

基于改进因子图模型的航天器组合姿态确定算法

航天器姿态确定是航天器姿轨控制、在轨正常运行的关键, 针对航天器多姿态传感器存在测量噪声非高斯分布、可能出现敏感器失效和故障等问题, 提出了一种基于改进因子图模型的航天器组合姿态确定方法。通过建立因子图模型, 将地磁/星敏/陀螺测量信息作为因子节点加入因子图模型, 利用观测蒸馏法对观测数据集进行提炼以及自适应调整, 实现对航天器的姿态确定。在复杂条件下, 该方法扩展性强, 可以实现即插即用, 合理而充分的利用其他姿态测量信息, 避免了基于卡尔曼滤波算法中的复杂系统重构过程, 从而有利于多传感器融合。实验结果表明, 在进行复杂条件下的地磁/星敏/陀螺组合定姿仿真时, 该算法可行有效; 有传感器切换时, 具有较好的动态稳定性, 实现了即插即用。该方法灵活度高, 为解决复杂条件下的多传感器组合定姿提供了新思路。     

基于神经网络的假设检验故障诊断算法研究

传统的χ2检验法通过比较先验信息与量测信息进行故障检测,当先验信息所依赖的模型出现错误时将无法进行有效的故障检测和故障隔离。提出利用神经网络的方法结合χ2检验法进行故障诊断,训练神经网络来跟踪系统模型,则正确的先验信息保存在训练好的神经网络中,系统模型输出与网络模型输出之差作为故障诊断的依据。针对INS/GPS组合导航系统进行算法仿真,该算法能够快速、准确地判断系统故障源,通过故障隔离和系统重构,使系统在故障情况下依然保持正常工作。     

信息融合技术在某试验指挥控制系统中的应用

针对靶场试验指挥控制系统中的信息融合需求,提出了一种改进的联合卡尔曼滤波算法,用计算加权系数的方法代替原来的计算加权矩阵,从而避免了求解滤波误差方差阵的逆矩阵。以GPS系统和地面某雷达的测量数据为例,对该算法进行了计算机仿真。结果表明,该算法对于抑制滤波发散、提高整个系统的精度和运算速度是行之有效的。     

一种基于效能函数的传感器管理最优决策模型

提出了一种传感器管理最优决策模型,并以量测前后获得的目标信息增量为该模型中的性能指标,分析了基于最大预测误差协方差的传感器资源分配算法的最优性。分别以IMMKF、基于CV模型的KF、基于CA模型的KF为滤波器进行了仿真研究,结果表明基于IMMKF的预测误差协方差分配算法对于不同运动轨迹目标具有更好的效果。     

基于INS辅助CLAMBDA与AFM的GPS/INS组合导航测姿方法

为了提高全球定位系统(global positioning system,GPS)定姿的性能及成功率,将带约束的最小二乘降相关平差法(constrained least squares ambiguity decorrelation adjustment,CLAMBDA)与模糊度函数法(ambiguity function method,AFM)两种算法相结合,同时利用惯性导航系统(inertial navigation system,INS)姿态信息进行辅助,提出了一种GPS/INS组合定姿方法。在CLAMBDA解算过程中,将INS姿态信息与GPS载波相位和码伪距联合解算浮点解,然后再进行固定解搜索,如果姿态解算错误,则用AFM算法得到的姿态角进行替换。其间,用INS姿态信息缩小AFM的搜索范围。之后,GPS/INS进行组合滤波。通过实际系统跑车实验表明,相比于原算法,该算法能有效提高GPS定姿的成功率。     

2D雷达组网几何定位融合算法

研究了两部2D雷达组网中的目标定位估计和定位精度问题。为考虑地球曲率对目标定位精度的影响,提出了两雷达站组网中基于实际地球椭球模型的几何交叉定位与数据融合相结合的方法,建立了两部雷达观测定位几何模型,推导了定位方程和精度估计公式并进行了误差分析。仿真分析表明,在选择更为实际的观测模型的前提下,利用几何定位与数据融合方法不但改善了两雷达的定位性能,而且根据定位几何精度因子(geometrical dilution of precision, GDOP)图的特点,选择相应的定位雷达,提高了雷达站组合的几何定位精度。     

免梯度混合优化算法在卫星系统顶层设计中的应用

针对卫星系统顶层设计中广泛存在仿真耗时、设计空间大以及非线性约束的特点,提出了免梯度混合优化算法。混合算法结合树状高斯过程（treed Gaussian process, TGP）模型、广义模式搜索和过滤法的优点,通过TGP模型将设计空间划分为互不相交的子空间,在各个子空间构建独立的高斯模型代替实际模型,并根据模型预测值和预测误差生成迭代点,进而指导模式搜索进行寻优,同时结合过滤法处理非线性约束。卫星系统中多星协同观测优化设计表明,该方法能够以较少的迭代次数获得满意解,具有很好的全局搜索特性。