IMU/计程仪/重力组合导航系统信息融合方法

针对现代战争环境对导航系统高自主性、高隐蔽性的要求,提出了IMU/计程仪/重力无源组合导航方式.深入研究了IMU/计程仪/重力组合导航系统的信息融合方法,设计了该系统的工作模式.采用扩展卡尔曼滤波进行各传感器信息的融合.根据导航系统对实时性的要求,建立了系统的低阶误差状态方程;将厄特弗斯效应的影响考虑到滤波器设计中,建立了系统的重力观测方程;将计程仪的速度与惯性速度进行融合,建立了系统的速度观测方程;在不增加系统成本的条件下,进一步利用加速度计输出估计水平姿态,建立了系统的姿态观测方程.在此基础上,设计了相应的信息融合策略.实际系统的机载试验结果表明,IMU/计程仪/重力组合导航系统算法正确、性能良好,可以有效地控制惯导系统位置和速度误差的累积,满足长时间一定精度的导航要求.     

GPS/INS/TAN组合导航系统建模与仿真

组合导航系统是提高导航系统性能价格比的有效途径,随着信息融合技术的发展,联邦滤波理论由于可以灵活地设计出精度最优或容错能力最强的组合导航系统,已受到导航界的高度重视, 在研究分析联邦卡尔曼滤波器的算法和结构特点的基础上,提出一种适用于GPS/INS/TAN组合导航系统工程应用的联邦卡尔曼滤波方案,该方案采用无复位结构既保证了容错能力,又兼顾到了导航精度和运算速度,并对组合导航系统的各分系统、子滤波器及主滤波器进行了数学建模、仿真研究和分析,结果表明:在确保整个组合系统可靠性的前提下,导航精度有了明显提高.     

基于SINS/GPS/OD组合导航的列车定位方法的研究

本文设计了适合列车应用的SINS/GPS/OD组合导航系统,建立了联邦Kalman滤波模型和各子滤波器的数学模型。本文结合了联邦kalman滤波的优势,应用了容错滤波技术,提高了系统的容错能力和可靠性。最后通过仿真试验验证了该组合导航系统能为列车运行提供精确的导航参数。     

联邦自适应滤波在SINS/北斗/星敏感器组合导航系统中的应用

本文以无反馈模式的联邦自适应滤波器为基础 ,构建了SINS/北斗 /星敏感器组合导航系统 .由于组合导航的系统模型参数往往与实际的物理参数有偏差 ,因此在采用常规卡尔曼滤波时 ,组合的效果往往很差 .针对实际系统应用分析了适用于系统噪声阵未知情况下的SalychevO联邦自适应滤波算法 ,仿真表明 ,与修正信息分配系数的联邦自适应滤波方法相比 ,本文的方法更适合于系统状态噪声阵未确定时的滤波系统 ,能有效提高导航精度     

基于联邦滤波的惯性导航姿态组合算法

为了充分利用姿态量测信息来提高组合导航系统的姿态精度，以联邦滤波为基础，研究了以姿态、位置和速度信息作为观测量的多信息融合导航技术，分析并提出了适合工程使用的联邦滤波器的原理结构与算法实现，深入推导了基于联邦滤波的姿态组合算法的观测矩阵的具体形式，最后给出了仿真和实测数据的验证．结果表明，基于联邦滤波的姿态组合滤波算法能够有效地提高惯导系统的姿态精度，对方位角的改善尤为明显．     

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.     

基于联邦滤波的无人机组合导航系统设计

以高空长航时无人机为研究背景,提出了基于联邦滤波的捷联惯导/卫星导航/天文导航的组合导航系统方案,给出了组合导航系统的状态模型和量测模型,设计了联邦滤波器并开发了组合导航方案的仿真系统,对于两个子系统的导航性能和总体方案的导航性能分别进行了仿真分析,证明了方案的合理性和可行性,为进一步研究导航系统中故障诊断和容错控制提供了依据。     

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。     

基于多模自适应滤波算法在 装备组合导航系统的应用

为满足在复杂环境下装备导航定位需求,本文提出了一种对组合导航系统进行多源信息融合以获得高精度、高容错位置修正信息的设计方法.该方法通过改进联邦卡尔曼滤波算法和滤波器设计,建立一种基于北斗/GPS/SINS组合导航系统的多模自适应估计的联邦滤波器,通过多源数据优化融合有效提升装备组合导航系统精度及可靠性,为其提供准确的地理位置、周边地形以及道路交通等信息,帮助作战人员实时获取目标状态并引导精确导航,有效提升装备作战使用效能.仿真实验表明:该方法与单一模型的联邦滤波器相比,不仅能进一步提升系统的容错性及高精度定位能力,还便于对各导航子系统的故障进行隔离定位,具有较大的工程应用价值.     

基于自适应滤波的SINS/DVL组合导航系统

以水下运载体为研究对象,给出一种线性的捷联惯导系统(SINS)误差数学模型,根据多普勒测速仪(DVL)测速的误差特点建立其误差方程,并以捷联惯导系统为主导航设备建立SINS/DVL组合导航系统数学模型.考虑到DVL测速易受水中复杂环境的影响,将Sage-Husa自适应滤波算法引入SINS/DVL组合导航系统.针对Sage-Husa自适应滤波器长时间滤波后自适应程度下降的问题,引入滤波收敛判据对其进行改进,以自适应调节噪声估计器对不同时刻信息利用的权值.仿真结果表明:该基于自适应滤波算法的SINS/DVL组合导航系统稳定性好,且具有较高的导航精度.     

联合卡尔曼滤波在车辆组合导航系统中的应用

GPS/DR组合导航系统是一种低成本、高可靠性的车载导航设备.针对陆地车辆GPS/DR组合导航系统的特点,设计了用于该系统的联合卡尔曼滤波器,给出了滤波算法,并进行了实地跑车实验.理论分析和跑车实验的结果表明,联合滤波方法不仅有效地抑制了DR系统的误差发散,而且能够充分利用DR的数据信息对GPS定位的随机误差进行补偿,从而有效地提高GPS/DR组合系统的定位精度及容错能力.     

广义联邦滤波器的设计与实验

为了克服联邦滤波器理论中对滤波器维数的限制,基于信息滤波算法和信息分配原理,发展了广义联邦滤波器设计理论。提出了当主滤波器维数和局部滤波器维数不相同时,广义联邦滤波器达到全局最优的解析补偿方法。并将上述设计方法应用到双MIMS/GPS组合导航系统实验中。实验结果表明:经解析补偿的广义联邦滤波器的定位精度同集中Kalman滤波器的定位精度十分接近,具有全局滤波最优性。广义联邦滤波器的设计使联邦滤波理论更加完善,增强了其实用性。     

船舶综合导航系统应用技术

船舶导航系统已发展为集成多种导航设备的多功能综合导航系统.为支撑系统的柔性集成,设计了开放式的综合导航系统体系结构.信息融合技术可解决信息过载问题,提高导航信息精度和可靠性.针对多传感器组合导航方式,设计了基于一种无重置联邦滤波器的导航信息融合方法.电子海图显示信息系统是综合导航系统的信息集成和监控中心,考虑航海作业与航行自动监控的需要,开发了多功能的电子海图显示信息系统应用软件,并通过相应的工程实验证明了系统的可行性.     

组合导航系统中的联邦滤波算法研究

分析了联邦滤波算法的理论基础,并讨论了联邦滤波器的４种设计方案,针对一多传感器组合导航系统进行了仿真,仿真结果表明了联邦滤波算法在估计精度、容错性及数据处理能力等方面具有很好的性能,可以实现未来组合导航高精度,高容错性高可靠性。     

基于DSP的GPS/DR组合定位系统的设计

对于城市车辆GPS导航来说,其很大的一个缺点是跟踪卫星的信号常常由于建筑物、隧道及树木等的遮挡而使GPS的定位精度大大降低,甚至无法进行正常的定位。为此,提出了基于DSP的GPS/DR组合定位系统,详细介绍了系统的硬件设计方法、组成和软件设计思想。最后进行了采用联合卡尔曼滤波器的GPS和DR系统的组合定位的仿真实验。实验证明,采用联合卡尔曼滤波算法的GPS/DR组合定位系统的转度明显高于GPS单独定位方式。     

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.