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。     

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.     

一种联邦滤波在定姿系统中的应用研究

以SINS／GPS／TCM2电子罗盘组合定姿系统作为研究对象．建立了SINS、GPS、TEM2电子罗盘的数字模型,根据联邦滤波器的结构组成,以SINS作为参考系统,分别与GPS、电子罗盘组成2个滤波器．运用联邦滤波器算法对定姿系统进行了数据仿真,结果表明,联邦滤波的滤波精度与集中卡尔曼滤波精度相同,同时证明了不同的信息分配系数会导致子滤波精度发生改变,而对全局滤波精度没有影响．     

车载GPS/DR组合导航系统卡尔曼滤波方法的改进

将全球定位系统(GPS)和航位推算法(DR)两种定位方式结合,实现车辆GPS/DR组合定位系统的自适应信息融合.联合卡尔曼滤波器存在数学模型不确定性和误差模型的随机性的缺点,提出改进方法是采用联邦滤波器,并引入利用模糊推理建立的模糊自适应联邦滤波器,提高了系统的精度和功能.     

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．     

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.     

联邦滤波器的最优性

Carlson应用方差上界技术和信息分配原理论证了当主滤波器和局部滤波器的维数都相同时联邦滤波器的全局最优性,并且信息分配系数选定后是不变的。为了实现当主滤波器维数大于局部滤波器维数时的全局滤波和局部滤波的最优性,该文提出了一种解析补偿和动态最优信息分配系数确定的方法。结果表明:解析补偿方法附加计算量小,同时可作为一种性能指标用于软故障检测;信息分配系数确定的新方法由于实现了联邦滤波器局部滤波的最优性,从而提高了软故障检测灵敏度。     

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.     

不完全量测下基于机器视觉的被动跟踪算法

针对不完全量测下利用电视摄像机的单站水面目标被动跟踪问题,提出了一种基于机器视觉被动测距的联邦目标跟踪算法.首先,利用机器视觉技术设计了目标距离的被动测量方法;其次,依据测量机理将测量通道分解为机器视觉被动测距通道和传统测角通道,基于验后置信度残差检测的平方根容积卡尔曼滤波(SRCKF)设计了双通道子滤波器,并对子滤波器估计结果进行联邦结构融合得到最终估计结果.通过OpenGL仿真目标图像和真实水面目标视频的测量结果证明了机器视觉测距的有效性,且在不完全量测下,该跟踪算法比传统基于质点的被动跟踪算法具有更高的跟踪精度.     

基于证据融合的实时交通状态估计

为满足智能交通监控系统中融合多种传感器信息综合估计交通状态的需要,把证据理论与联邦滤波器框架相结合,提出了一种联邦证据融合方法,并成功应用于城市交通路网的实时交通状态估计.实例分析表明,利用联邦滤波器的融合结构,把时域信息和传感器的可靠性信息融入融合系统,不但可以克服证据理论不能正确处理冲突证据的缺点,而且能够增强证据融合系统的实时性和鲁棒性.     

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.     

联合卡尔曼滤波在GPS/DR车辆导航系统中的应用

针对ＧＰＳ／ＤＲ车辆组合导航系统的特点,提出了一种卡尔曼滤波算法,并进行了实时跑车试验,结果表明,此算法可有效地提高ＧＰＳ／ＤＲ组合系统的定位性能,增加系统的可靠性和容错能力,并且有良好的实时处理性能。     

基于联合卡尔曼滤波的汽车防碰撞多传感器信息融合方法

车辆行驶信息感知是汽车防碰撞系统的关键技术之一,只用单一传感器对目标车辆进行测量容易产生虚警.在对联合卡尔曼滤波分析的基础上,给出了基于联合卡尔曼滤波的汽车防碰撞多传感器信息融合方法.计算机仿真结果表明,该算法可以得到较精确的融合数据,对于增强汽车防碰撞系统的安全性具有重要意义.     

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.     

基于联合卡尔曼滤波器的燃料电池传感器故障检测与容错研究

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结构和算法,并将此方法运用于燃料电池发动机多传感器的复杂系统中．理论分析与仿真结果表明,该联合卡尔曼滤波器设计合理,其融合算法具有全局最优性,能够有效地对燃料电池发动机传感器的故障进行检测,改善了系统的容错能力和复原能力,提高了系统运行的稳定性．