基于DR／激光测距组合导航算法研究

航位推算（DR,Dead—Reckoning）是一种常用的导航定位技术。由于其推算过程是一个累加过程,其传感器的误差随时间的延长而积累,为此,将航位推算与激光测距组合起来用于智能车辆导航,确保系统能在任何时候都能为运动智能车辆提供较为准确的导航信息。而且扩展卡尔曼滤波（EKF,Extend）作为一种非线性滤波器,是智能车辆组合导航系统中一种有效的数据融合方法。本文将EKF方法用于智能车辆组合导航的状态估计,仿真实验结果表明,EKF滤波能够有效地提高智能车辆的导航精度。     

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.     

基于EKF的DR/激光测距组合导航算法研究

航位推算（Dead Reckoning,DR）是一种常用的导航定位技术,其推算过程是一个累加过程,传感器的误差随时间的延长而积累,为此,将航位推算与激光测距组合起来用于智能车辆导航,确保系统在任何时候都能为运动智能车辆提供较为准确的导航信息。扩展卡尔曼滤波（Extended Kalman Filter,EKF）为一种非线性滤波器,是智能车辆组合导航系统中一种有效的数据融合方法。本文将EKF方法用于智能车辆组合导航的状态估计,仿真实验结果表明,EKF滤波能够有效地提高智能车辆的导航精度。     

新的非线性滤波算法在GPS/DR组合导航中的应用

为解决传统粒子滤波算法中样本贫化的问题,提出一种新的粒子滤波算法.在重要性采样过程中,利用最新测量值,结合UKF滤波来产生粒子滤波中的建议分布;同时在再采样过程中,用高斯混合模型表示后验状态密度,引入最大期望(Expectation Maximization,EM)算法来获得该后验状态密度的参数,从新的参数分布中进行采样得到样本粒子,取代传统的再采样过程.把新算法应用到车辆组合导航系统中,仿真结果表明新算法的有效性.     

GPS/DR组合定位技术的仿真研究

根据DR传感器误差的数学模型,将其误差参数作为状态变量,建立了基于'当前'统计模型的GPS/DR组合定位的卡尔曼滤波模型.仿真结果表明该算法在多种情况下均可使定位精度保持在较高范围内,完全可以满足普通车辆的定位要求.     

变加权系数联邦卡尔曼滤波在GPS/DR组合定位系统中的应用研究

针对全球定位系统(GPS)接收机易出现"丢星"现象及航位推算系统误差累计问题,采用变加权系数的联邦卡尔曼滤波信息融合算法,实现以航位推算系统(DR)辅助GPS定位系统的组合定位系统,并用Matlab软件对此算法进行了仿真研究.该方法既克服了GPS信号的遮蔽问题,又充分利用了DR的短时高精度自主定位.仿真结果表明,该方法在保证了系统定位精度的前提下,有效提高了定位系统的容错性和工作可靠性.     

车载GPS/DR组合导航系统的研究及其滤波算法

给出了基于ＧＰＳ与ＤＲ组合的车辆导航系统的设计，建立了该系统的数学模型，利用卡尔曼滤波器对各子系统进行滤波处理，最后对系统进行信息综合及传感器误差校正．试验结果表明，该系统具有良好的导航与定位性能     

车辆无陀螺航位推算系统的导航原理及其算法

建立了利用车辆内部传感器取代惯性敏感器获得航向、速度信息的车辆航位推算（DR）系统的系统方程和观测方程,并采用描述机动载体运动的当前统计模型,给出了基于自适应卡尔曼滤波的车载无陀螺DR系统的导航算法,在导航算法中,对原始测量数据进行组合运算获得线性形式的观测方程,避免了目前常用导航算法由于观测方程线性化引起的模型误差,算法稳定性较好,且计算量小,现场跑车试验表明,给出的车载无陀螺DR系统的模型及其导航算法能够获得满意的导航精度。     

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。     

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。     

自适应UKF算法及其在GPS/INS组合导航中的应用

提出了一种自适应无迹Kalman滤波(UKF)算法.针对UKF受初始值误差和动力学模型异常扰动误差影响的问题,将自适应估计原理引入到UKF算法,将动力学模型信息对导航解的贡献进行合理调整.计算结果表明,在GPS/INS松组合导航系统数据处理时,UKF算法略优于扩展Kalman滤波(EKF),自适应UKF算法优于自适应EKF算法,自适应UKF算法能够很好地抑制动力学模型误差对导航解的影响,进一步提高导航解的精度和可靠性.     

IMM-SRUKF在GPS/INS组合导航中的应用

针对无迹卡尔曼滤波(UKF)鲁棒性不强的问题,结合全球定位系统/惯性导航系统(GPS/INS)紧组合模型特点,提出了基于交互式多模型(IMM)的混合平方根无迹卡尔曼滤波(SRUKF)算法.该算法采用交互式多模型结构,克服了模型不确定性因素的影响;采用平方根滤波技术,解决了协方差矩阵难以保持正定的问题.同时,考虑到内部滤波器与线性/非线性模型不匹配,引入混合滤波思想,对SRUKF进行了优化.将新算法应用于紧组合模型进行仿真,结果表明:新算法能够以适当的时间复杂度,获得较强的鲁棒性能,适用于复杂的导航环境.     

陆地车辆导航系统滤波技术的研究

给出一种基于航位推算的陆地车辆导航系统的硬件结构,设计了一种实用卡尔曼滤波器.通过实际车载试验,说明滤波器有效地减小了导航系统的随机干扰,提高了系统的导航定位精度.     

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.     

CDKF 算法在四旋翼飞行器组合导航系统中应用

针对基于四旋翼无人飞行器的组合导航系统在小失准角情况下滤波器较短时间内发散的问题, 将中心差分卡尔曼滤波算法应用于低成本的组合导航系统中, 设计了飞行器组合导航系统的硬件电路。该系统采用MPU-6050 芯片作为飞行器姿态传感器, 选用u-Blox 公司的NEO-6M 模块获取GPS(Global Positioning System)信号, 并利用中心差分卡尔曼滤波算法实现多传感器的数据融合, 从而获取导航信息。在四旋翼无人飞行器平台上对该系统进行实验的结果表明, 该导航系统能有效抑制传感器噪声, 克服了陀螺仪的漂移现象, 避免了传统EKF((Extended Calman Filter) )算法近似程度不高, 易导致解算结果发散等问题的发生, 为飞行器提供了准确的导航信息。     

GPS组合导航系统在车辆导航中的应用

ＧＰＳ组合导航系统在车辆导航中的应用房建成，万德钧（东南大学仪器科学与工程系，南京２１００１８）统计资料显示，公路堵塞造成的直接和间接的经济损失惊人，仅美、日、法三国每年的损失就超过１１０００亿法郎．德国交通部门统计，在全德国，每年因汽车司机行错路线...     

组合导航系统新息自适应卡尔曼滤波算法

全球定位系统(GPS)量测噪声的不稳定变化将造成惯性导航系统(INS)/GPS舰用组合系统卡尔曼滤波器性能下降,在对自适应卡尔曼滤波器分析的基础上,提出了一种新的基于新息估计的自适应卡尔曼滤波算法.该算法通过计算新息方差强度的极大似然估计最优估计,将新息方差计算直接引入卡尔曼滤波器的增益计算.仿真结果表明,本文方法较标准卡尔曼滤波器可以提高系统精度和抗干扰能力.     

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。