信息融合技术在INS/GPS/DVL组合导航中的应用研究

为克服某船载导航系统不能满足长时间高精度导航定位需要的缺点,提出了一种基于信息融合技术的INS/GPS/DVL联邦滤波器组合导航方案.介绍了INS/GPS/DVL联邦滤波器的工作模式,在建立INS、GPS和DVL误差模型的基础上,推导了滤波器的组合形式,并详细阐述了该联邦滤波器的融合算法.通过计算机仿真技术分析了该组合导航系统的性能,仿真证明了所设计的联邦滤波器可以充分利用各种导航传感器的信息,提高导航系统的精度,比单独的惯性导航系统能提供更为精确的位置、速度和姿态信息,有效地提高了导航系统的综合能力.     

多传感器融合技术在低成本车辆组合导航定位系统中的应用

采用多传感器信息融合技术，运用位置/航向的输出校正和元件参数误差的补偿校正的方法，利用一阶马尔可夫模型建立了传感器参数的误差模型，提出了基于集中卡尔曼滤波的GPS/INU车辆组合导航算法。仿真结果表明上述方法是行之有效的。     

基于导航信息双向融合的行人/移动机器人协同导航方法

为提高卫星导航系统失效且环境存在电磁干扰的情况下行人导航系统与移动机器人导航系统的定位性能,研究了一种基于人机一体化智能系统的信息双向融合协同导航方法。该方法利用行人导航系统与移动机器人导航系统不同的误差特性,构建信息双向融合滤波器同步修正两者的导航信息误差,即利用移动机器人捷联惯导系统较高的传感器精度完成对行人导航系统磁航向误差的实时修正,并利用行人导航系统较高的位移精度修正机器人惯导系统误差,实现同步提高两套导航系统的定位与航向精度。导航定位实验表明,该方法可有效提高人机一体化智能系统的导航定位精度,行人导航系统定位误差约为行进距离的3.3%,移动机器人导航系统的误差积累速度降低为单独工作时的1/3。本文所提出的方法利用了人机一体化智能系统的结构特征,在卫星导航系统失效的电磁干扰环境中有效提高了一体化系统的综合导航定位性能,具有较高的理论研究与工程应用价值。     

基于低成本组合导航定位系统的新融合滤波算法

设计了一种可用于地面交通工具或机器人的低成本组合导航定位系统，提出了基于该系统的新信息融合方法，将模糊卡尔曼滤波算法和地图匹配技术联合起来。仿真结果表明：模糊卡尔曼滤波算法相当于一数据平滑处理窗口，具有比常规卡尔曼滤波算法更高的精度。     

一种地磁/惯性深度融合导航方法

地磁/惯性融合导航是一种不依赖全球导航卫星系统的自主导航方式之一,具有很强的隐蔽性和抗干扰性能,是固体火箭的可用自主导航方式之一。基于前人在惯性/地磁融合导航研究的基础,对地磁导航、惯性导航的优缺点进行详细分析,将地磁导航在高度和纬度的确定优势和惯导在经度和纬度确定优势进行充分融合,提出了具备东向速度间接估计校正的地磁/惯性深度融合导航方法,摒弃地磁导航在经度、惯导在高度方向确定的劣势。结合实际弹道数据的导航仿真对比试验表明,所提出方法可以充分吸收两种导航的优势,相比传统的地磁/惯性融合方式,导航精度在相同条件下提升45.6%,为高精度地磁/惯性融合导航提供一种新的方法。     

基于因子图的AUV多传感器组合导航算法

针对自主水下航行器(AUV)多传感器组合导航系统中不同导航传感器信息更新频率不同步及其可用性动态改变问题,以及AUV所在水下复杂多变的环境与任务需求,提出了基于因子图的AUV多传感器组合导航算法。首先,对捷联惯性导航系统、多普勒计程仪、磁航向仪、地形辅助导航设备进行建模,构建基于因子图的AUV多源信息融合框架;然后,根据非线性优化理论对系统状态更新过程进行表示,实现变量节点的递推与更新;最后,采用因子图方法对融合数据进行处理,实现AUV多传感器组合导航系统的高精度导航。仿真结果表明,所提因子图方法能够连续稳定地输出较高精度的导航结果,有效实现惯性导航系统与不同导航传感器的非等间隔融合,与联邦卡尔曼滤波算法的导航解算精度相当,水平定位精度均保持在?5~+5 m以内,并且因子图方法具有更好的灵活性和扩展性。半物理仿真结果亦验证了所提方案的可靠性和有效性。     

一种天文/加速度计的HEO卫星自主导航新方法

直接敏感地平是一种典型自主天文导航方法,该方法简单可靠,易于实现,但是由于常用卫星轨道动力学J2模型精度有限,地球敏感器精度较低,因此导航精度不高。加速度计是测量运载体线加速度的常用惯性导航设备,当卫星在轨运行时,星载加速度计能够测量航天器所受发散力。结合这两种方法的特点,提出一种将加速度计和天文相结合的自主天文导航新方法。在常用卫星轨道J2模型基础上,引入大气阻力和太阳光压系数模型作为自主导航系统状态方程的一部分,并建立近地空间环境下星载加速度计的测量模型,将其与直接敏感地平均作为导航系统观测方程。设计基于信息融合的自主导航滤波方法,通过对多种导航模式进行数值仿真及结果分析,结果表明所设计方法提高了系统定位精度74.8%和速度精度86.2%,增强了系统可靠性。     

基于微小型传感器的惯性/卫星/天文组合导航方法

为了实现基于微小型传感器的高精度导航,针对微小型导航传感器精度相对较低、误差相对较大的特点,对微小型惯性测量单元(MIMU)、微GPS卫星接收机、微小型星敏感器的测量误差进行了建模与分析;对多传感器的导航信息进行分散化处理,采用卡尔曼滤波进行局部估计;提出了基于部分信息融合的联邦滤波算法进行全局融合;并给出了利用全局融合结果对MIMU导航误差进行输出校正的算法.仿真结果表明,该组合导航方法能够利用微小型传感器实现较高精度的导航定位.     

一种组合导航信息融合算法品质评估方法

针对组合导航信息融合算种类繁多,给决策带来了优选的难题,提出了一种信息融合算法品质评估方法.首先对算法品质进行了全面的分析,提出了一套反映算法的精度、实时性、稳定性及可靠性的评估指标体系,并给出了定义及数学模型;然后研究了多指标综合评判问题,针对传统模糊评判法确定的指标权重客观性差,确定的评判等级分辨率不强等问题,采用熵技术修正权重,并将评判等级进行区间量化,基于此提出了一种改进的模糊综合评判模型.评估实验结果表明,所提出的指标体系能够比较全面、合理的评价算法的品质,改进的评判模型进一步提高了评估结果的客观性和分辨率,所提出的评估方法可以有效用于信息融合算法的品质评估.     

用多传感器融合系统识别摩擦副的磨损状态

用于机械摩擦副磨损状态监测的多传感器融合系统，是本世纪８０年代末问世的一项新技术．在讨论了融合系统的构成和不同传感器信息的预处理之后，提出了一种基于自组织神经网络的多传感器融合系统．将这种融合系统用于实际机械摩擦副磨损状态监测的结果证明，其正确识别率明显地比单一传感器的高，容错能力强，而且由于自组织神经网络有在线学习的功能，系统可以用于在线监测     

可视化智能融合导航系统

本文以提高导航系统的精度、可靠性、智能化和可视化程度为目标，利用智能工程的思想与方法将信息融合、人工智能和可视化技术综合应用于多传感器组合导航系统中，提出了面向２１世纪控制与导航技术的新一代导航系统概念—可视化智能融合导航系统，并对其功能、组成及关键技术进行了研究。     

一种基于特征值分解的自适应信息融合滤波算法

基于分散滤波理论的联合滤波算法,可以有效地降低组合导航系统的计算负担,并且增强系统的容错性能。本文给出了一种联合滤波算法中信息分配系数的自适应计算方法,能够使联合系统根据导航过程中各传感器的信息质量的变化合理地反馈全局信息。仿真结果表明该算法可以有效地降低由于导航子系统降级带来的滤波误差。     

信息融合理论及其在INS/GPS/Doppler组合导航系统中的应用

本文总结了Ｃａｒｌｓｏｎ 提出的联邦滤波器理论,并通过证明比较了联邦滤波方法和集中式 滤波方法的等价性,探讨了联邦滤波器的设计方法以及信息的合理分配原则,分析了两种简化 的结构形式。构造了ＩＮＳ／ＧＰＳ／Ｄｏｐｐｌｅｒ 组合导航系统滤波结构,经过仿真证明了联邦滤波器 的性能及其在组合导航系统中应用的可行性。     

GPS/INS/TRN组合导航系统信息融合技术研究

本文提出了一种基于信息融合技术的巡航导弹组合导航系统方案,并对系统组合方式、 以及相关的信息融合技术进行了初步讨论。基于信息融合的组合导航方案可以充分地利用各 种导航传感器的信息,有效地提高导航系统的精度。同时,系统的重构能力保证了系统的可靠 性。     

测量融合组合导航方法研究

讨论了测量融合组合导航的两种方法,提出并研究了应用极大似然的估计的测量融合方法,并将该方法与基于线性一均方估计的测量融合方法作了比较。仿真研究表明测量融合方法在组合导航系统中具有良好的应用价值,特别是基于极大似然估计的测量融合方法,充分利用了测量值的冗余信息,其融合效果更好,组合系统的精度也有较大幅度的提高。     

一种用于分散化滤波的融合算法及其在组合导航系统中的应用

提出了一种局部估计相关时的最优融合算法，其特点是加权矩阵是对角阵，即全局估计中的各分量分别是局部估计中相应分量的线性组合，在此融合算法中局部估计是最优的，并且不存在由主滤波器向子滤波器的信息反馈，因此具有较好的客措性。给出了最优加权矩阵的存在性和唯一性的证明，并通过与现有类似融合算法的对比，表明该算法具有计算量小的优点。最后，以组合导航系统为例作了仿真计算，结果表明该融合算法是可行的。     

MIMU/GPS组合导航系统数据同步与融合方法研究

给出了以DSP为核心的MIMU/GPS组合导航系统中数据同步与融合的方法,简要介绍了仿真、调试过程中DSP程序的实现方法。采用GPS接收机输出的1PPS脉冲,结合CPLD产生的时序,实现MIMU和GPS数据的同步采集。由于系统噪声难于准确统计,因此采用模糊自适应卡尔曼滤波组合算法进行数据融合。     

神经网络辅助卡尔曼滤波技术在组合导航系统中的应用研究

考虑到组合导航系统的噪声具有非先验性，而传统的卡尔受滤波器要求假设动态模型和观测模型的噪声统计特性已知，提出了用前向神经网络来辅助调节卡尔受滤波器，使其具有自适应能力以应付动态环境的扰动。仿真研究表明：该算法优于标准卡尔曼滤波器。     

多传感器多尺度融合估计在组合导航系统中的应用

基于某一给定尺度上的动态系统和不同尺度上的观测系统建立了多传感器的多尺度融合估计模型及算法，并将此算法应用于GPS／INS组合导航系统中，获得了比仅在单一尺度上进行估计更好的结果，有效地提高了组合导航系统的精度。