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。     

一种新的INS/GPS组合导航技术

基于GPS测姿技术的发展,研究了以位置、速度和姿态信息作为观测量的INS／GPS组合导航系统的卡尔曼滤波算法。详细推导了这种组合方式的观测方程,并将该组合技术应用于某飞行器。仿真表明,增加姿态信息作为观测量可有效地提高系统导航参数的估计精度和速度。     

多尺度递归融合估计在组合导航系统中的应用

多尺度递归融合估计是对多传感器系统进行的基于尺度的融合估计算法.利用小波变换中多尺度分析的思想,构造出多尺度动态模型,利用该模型对粗尺度上的状态估计值进行修正,递归获得最细尺度上基于全局测量值的最优估计值,该估计值是方差最小意义下的最优估计.将此算法应用于SINS/GPS组合导航系统中,仿真结果表明,应用该算法能取得较好的效果,获得了比仅在单一尺度上进行kaIman融合估计更好的结果,有效地提高了组合导航系统的精度.     

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。     

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.     

一种复杂多介质环境下的视觉/惯性自适应组合导航方法

针对空间交会对接地面混合悬浮微重力模拟实验中自主水下航行器的高精度实时导航问题,提出了一种复杂多介质环境下视觉/惯性自适应组合导航方案和算法。首先,以视觉定位系统的采样时标为基准对惯导系统的测量数据进行拟合,并通过惯导逆向导航的方法实现惯导与视觉定位系统的时间同步。然后,根据视觉系统量测噪声时变的特点,设计了可对量测噪声在线估计的指数渐消记忆型Sage-Husa自适应卡尔曼滤波组合导航算法。最后,通过实验验证了该组合方案和算法的有效性。实验结果表明提出的方法可以实现复杂多介质环境下的高精度实时导航,并且相比于测量数据未同步的标准卡尔曼滤波组合导航方式,其速度误差和位置导航误差分别降低了56%和64%。     

GNSS/INU/DMAP组合导航定位技术在车辆导航中的应用

利用先进的组合导航技术组成GNSS系统，充分发挥GPS和GLONASS各自优势，并采用航迹推算（DR）技术，精确地图匹配（DMAP）技术组成GNSS／INU／DMAP组合导航系统，提高了系统精度和可靠性，并利用GSM网进行定位数据的无线传输。该系统将卫星导航技术，惯性导航技术，计算机技术，无线通讯技术融合在一起，实际跑车试验验证了系统具有全方位，全天候，无遮挡，高精度的特点。     

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。     

基于权值矩阵的模糊自适应卡尔曼滤波在组合导航中的应用

针对自主驾驶车辆长时间导航精度要求难以满足的问题,建立了GPS与微惯性导航系统的组合导航滤波模型,在位置观测的同时引入姿态信息,提高了导航精度。在此基础上提出了基于权值矩阵的模糊自适应卡尔曼滤波算法,该算法通过模糊控制器自适应地改变每个观测量的权值,得到权值矩阵引入卡尔曼滤波器实现自适应滤波。仿真和实验结果表明,所提出的权值矩阵模糊卡尔曼滤波性能优于衰减因子自适应卡尔曼滤波,特别是在GPS信号失真及噪声先验统计特性不可知的情况下,其定位精度能够保证在1m之内。     

基于车辆运动模型辅助的智能手机平台车载组合导航算法

随着智能手机硬件性能的提升以及MEMS传感器技术的发展和应用普及,现有中高端智能手机平台中大多安装有消费级的微惯性测量单元和GPS接收机模块,将这两者相互结合,利用一定的信息融合方法,即可实现连续的车载导航定位。在智能手机平台中所采用的消费级MEMS惯性传感器模块其精度很低,通常难以满足车载DR导航算法的性能需求;同时在车辆行驶过程中,不可避免会经过高架、隧道等路径,也会导致GPS信号受到遮挡和屏蔽从而无法定位。针对以上问题,设计了适用于智能手机平台的基于车辆运动模型辅助的车载DR/GPS组合导航方案,推导建立了基于车辆侧向速度约束的组合导航算法模型,并以智能手机作为验证平台,测试验证了所设计的算法在无GPS环境下,采用智能手机平台中的消费级MEMS惯性测量组件,仍然可以在短时间内维持较高的导航定位性能。     

组合导航系统卡尔曼滤波衰减因子自适应估计算法研究

提出了一种衰减记忆卡尔曼滤波中衰减因子的自适应估计方法,并在GPS／SINS组合导航系统中进行了计算仿真。仿真结果表明：该算法能够较好地估计出衰减因子的大小,有效地抑制滤波发散,提高导航精度。     

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。     

车载挠性SINS/GPS组合导航系统研究

本文介绍了一种实用车载挠性ＳＩＮＳ／ＧＰＳ组合导航系统的软、硬件组成。针对挠性动调陀螺和伺服加速度计的随机漂移问题,提出多项式拟合补偿的思想,并在此基础上设计了基于ＵＤＵＴ 分解的卡尔曼滤波器。通过实验室组合导航实验,验证了多项式补偿和组合方案的有效性,同时也说明了该系统是一种具有较高性能价格比的实用陆地战车导航系统。     

MIMS/GPS组合导航系统中卡尔曼滤波器设计与实验研究

对MIMS／GPS组合导航系统进行了研究，设计了卡尔曼滤波器，采用状态和偏差去耦方法进行估算，完成了仿真和车载实验。该算法计算量小，估计精度高，特别适用于偏差项较多的场合，在本系统中有效地抑制了陀螺和加速度计动态偏差的影响。此外，在开环卡尔曼滤波器结构基础上引入了姿态阵修正，进一步减小捷联系统姿态角误差对导航定位精度的影响。仿真和车载实验结果表明，样机具有较高的定位精度和较好的重复性。     

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。     

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。     

惯导与GPS组合系统中实时自适应卡尔曼滤波技术的研究

—针对现有的自适应卡尔曼滤波算法实时性不强、结构繁杂，本文研究了在惯导与ＧＰＳ组合系统中应用一种修正的自适应卡尔曼滤波算法，并与常规卡尔曼滤波算法作了比较。仿真结果表明，这种算法具有结构简单、高效率和精度高等优点，不失为一种实用而有效的滤波算法。     

SINS／GPS组合导航系统时序同步技术研究

一本文讨论的ＳＩＮＳ／ＧＰＳ组合导航系统时序同步技术是以ＧＰＳ接收机输出的ＩＰＰＳ秒脉冲作为组合导航系统的参考时标，定时地修正ＳＩＮＳ的基本任务时序。文中提出一种利用分频器自动调节技术对ＳＩＮＳ基本任务时序发生器的分频器进行动态修正的方法。仿真实验结果表明，当ＩＳＮＳ频标相对于ＧＰＳ接收机出现漂移或其它不稳定性情况时，该方法也能使ＳＩＮＳ的基本时序与ＧＰＳ接收机保持精确同步。