组合导航信息融合算法的研究

以GPS／INS组合导航系统为应用背景,推导了“当前统计”模型下卡尔曼滤波方程的关键矩阵。阐述了卡尔曼滤波器的主要参数对组合导航信息融合效果的影响;给出了组合导航系统的松耦合设计框图;根据实验测得的数据采用基于卡尔曼滤波的信息融合算法,通过对算法改进前后东向误差和北向误差的分析,说明算法改进后的定位精度比改进前高约30％．     

多传感器融合组合导航技术研究

该文对民用飞机组合导航系统多传感器器技术进行了研究,提出了一种在飞行管理系统内按照各种导航设备定位精度的顺序,实现包括了全球导航卫星系统（GNSS）、惯性基准系统（IRS）、甚高频全向信标（VOR）、测距器（DME）等机载设备的多传感器融合方法,为国产民机机载航电系统研制提供参考。     

多传感器组合导航中的数据融合

目的通过估计误差方差阵,对多传感器组合导航系统中不同的融合数据进行定位精度比较,为系统定位提供选择数据的依据。方法基于递推加权最小二乘法研究多传感器组合导航系统中的数据融合,讨论估计误差方差阵的推导过程及系统定位精度的计算。结果仿真结果表明,由于采用的递推加权最小二乘法比最小二乘法更能反应实际测量过程,可更有效地组合多个数据,系统定位性能要好。结论为多传感器组合导航系统提供了一种有效的数据融合方法,对工程的预研和实施有非常重要的意义。     

自适应Sage滤波在GPS/SINS组合导航中的应用

为了提高导弹命中目标的精度,研究了GPS/SINS组合导航系统。以组合导航系统为应用背景,在常规Kalman数学模型的基础上,提出了改进的自适应Sage-Husa滤波方法。试验结果证明:在噪声的统计特性不能确定时,改进的自适应Sage-Husa滤波与常规Kalman滤波相比,导弹命中目标的圆概率误差(CEP)由原来的62m提高到21m。改进的自适应Sage-Husa滤波方法对提高GPS/SINS组合导航系统的制导精度和可靠性是十分有效的。     

D-S证据理论在组合导航中的决策判断

在组合导航融合算法中引入证据理论对导航信息进行决策应用,推导出2个传感器信息融合后的结论,并且通过仿真实验得出计算结果。证据理论判断公式在处理具有证据冲突的相关信息时引入不确定熵的概念。证据理论算法通过不确定熵在加权合成算法和乘权合成算法之间作适度的折中判断。这种改进的证据理论方法可以分析组合导航信息融合算法中存在的问题,并给出最后的决策执行命令。     

一种组合导航的自适应信息融合算法

以GPS/INS组合导航系统为应用背景,针对组合导航系统信息融合的精度与稳定性要求,将简化的Sage-Husa自适应滤波算法与指数加权衰减记忆滤波算法相结合,提出了一种改进的自适应信息融合算法.仿真表明,改进的自适应算法解决了噪声统计特性和模型参数不易确定的问题,能够有效的保证信息融合的精度和稳定性.在算法仿真的基础上,对在VC 6.0环境下算法进行了改进,给出了GPS/INS组合导航系统的结构及软件框架,通过实验验证了改进的自适应算法的实际应用价值.     

量测信息引导的组合导航融合滤波方法

针对组合导航系统中各子系统量测输出速率不同的情况,提出了一种量测信息引导的组合导航融合滤波方法.该方法采用信息量与信息当量来描述当前时刻的所有可用信息,并基于加法原理,利用状态预测和当前可用的量测值来更新状态估计,实现最优融合估计.仿真结果表明,该方法能够应用于多量测信息非等间隔输出的情况,即使某子系统失效时也能正常工作,且能够取得较好的融合滤波效果,相较于联邦滤波和集中滤波具有更好的实时性能.     

惯导系统/全球定位系统/多普勒计程仪的船舶组合导航联邦滤波算法研究

针对于船舶在长期高速度航行的过程中,捷联惯性导航SINS存在着误差积累,GPS和北斗导航容易受环境干扰,从而不能满足长期高精度导航定位需要,提出了SINS/GPS/BD2/DVL组合导航联邦滤波算法。建立了SINS、GPS、BD2、DVL的误差模型,研究了滤波器的组合形式,并详细阐述了联邦滤波器的算法。仿真结果验证了该组合导航方案的可行性和算法的有效性,具有重要的工程应用价值。     

区间卡尔曼滤波算法在组合导航数据融合中的应用

传统卡尔曼滤波算法在系统参数不确切已知或随时间变化时无法直接应用。本文通过将参数变化的系统建立成区间模型,给出了一种处理系统参数不确定性的区间卡尔曼滤波算法,该算法运用一种较为简单的区间矩阵求逆方案,在统计最优性能及迭代形式方面与标准卡尔曼滤波算法相当,仿真验证了该算法在低成本INS/GPS组合导航数据融合中应用的可行性。     

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.     

SINS/GPS/BD2/DVL船舶组合导航联邦滤波算法研究

针对于船舶在长期高速度航行的过程中,捷联惯性导航SINS存在着误差积累,GPS和北斗导航容易受环境干扰,从而不能满足长期高精度导航定位需要,提出了 SINS/GPS/BD2/DVL 组合导航联邦滤波算法。建立了SINS、GPS、BD2、DVL的误差模型,研究了滤波器的组合形式,并详细阐述了联邦滤波器的算法。仿真结果验证了该组合导航方案的可行性和算法的有效性,具有重要的工程应用价值。     

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．     

基于轮胎半径自适应的智能车辆组合定位

定位系统是智能车辆环境感知系统的重要组成部分。设计了智能车辆轮胎半径自适应在线估计算法以提高车辆速度估计精度,从而在GNSS(Global Navigation Satellites System)不可用时提升IMU(inertial measurement unit)/WSS(wheel speed sensor)组合定位系统的精度。首先,在GNSS信号良好时,考虑车轮动态设计了多模型融合的轮胎有效滚动半径自适应算法,以准确估计轮胎有效滚动半径;然后,基于自适应误差状态卡尔曼滤波设计了多传感器融合组合定位算法。实车试验结果表明,所设计的算法在初始轮胎半径有不足2%的误差时,丢失GNSS 40s可将定位精度提高30%以上。     

小型无人机SINS/GPS组合导航系统研究

根据SINS/GPS组合导航的基本原理,在一个装有微型化IMU模块的MUAV自驾仪上设计了MUAV的SINS/GPS组合导航系统的联邦滤波算法,并对该导航系统进行了静态和动态实验。实验结果表明:采用联邦Kalman滤波能够有效的消除导航参数误差,提高导航精度。该导航系统可以满足小型无人机的导航要求。     

水下地形匹配导航研究综述

地形辅助导航系统以地形高程特征为定位信息源,可为水下航行器提供有界的定位误差,并能显著地抑制捷联惯性导航系统的误差漂移.而地形匹配算法是地形辅助导航系统的关键技术,其输出的匹配位置可作为组合导航滤波器的观测值以修正导航参数,地形匹配精度直接决定了整个导航系统性能.首先概述了现有水下导航定位技术,然后阐述了地形辅助导航基本原理与组成,最后详细总结了中外地形辅助导航系统和地形匹配算法的研究进展,为中国地形辅助导航系统的开发和研制提供有益参考和支撑.     

关于Fischer不等式的研究

给出了Fischer不等式的形式,通过Fischer不等式的一般性质将其推广到n阶分块矩阵以及m×n阶分块矩阵中,得出关于Fischer不等式的其他性质以及相应的一些结论.