联邦滤波器在INS/GPS/DVS组合导航系统中的新应用

针对某机载导航系统不能满足高精度导航定位需要的问题,采用了动态信息分配系数方法,提出了一种新的基于联邦滤波器的INS/GPS/DVS组合导航方案,通过对各子滤波器的信息分配系数进行优化,增强了组合系统的导航性能.仿真结果表明,该方案充分提取了导航传感器的信息,有效地提高了组合导航系统的精度和故障检测能力.     

联邦滤波器的SINS/GNS/DVS水下组合导航

针对现有的水下导航系统不能全面满足AUV导航的需要,为了提高水下航行器组合导航系统长时间远航程的隐蔽性,可靠性及精度,提出了一种基于联邦滤波器的惯性导航系统、地磁导航、多普勒速度声纳的组合导航方案,并采用简化自适应卡尔曼算法对水下航行器组合导航系统进行误差估计,解决了传统卡尔曼滤波容易发散的问题.仿真结果表明,在SINS/GNS/DVS组合导航中采用该算法,提高了定位精度,保证了滤波的快速性,验证了该算法的可行性和正确性.     

一种北斗／CDMA导航系统数据融合的联邦卡尔曼滤波算法

北斗卫星与CDMA无线网络定位相结合的组合导航系统可以广泛应用于军事和民用领域,而有效进行数据融合是提高北斗/CDMA组合导航系统定位精度的关键.针对北斗/CDMA组合导航系统的特点,提出了一种基于联邦卡尔曼滤波的北斗/CDMA导航数据融合算法.算法采用机动目标的"当前"统计模型,分别建立了北斗定位系统和CDMA定位系统的状态方程,通过对相应定位参数进行滤波处理,提高了北斗/CDMA导航系统的定位精度.     

SINS/DVL/AST水下组合导航中的鲁棒信息融合方法

捷联式惯导系统由于自主性强等优势成为自主式水下航行器长航时、长航程导航的主要手段。针对水下环境中外部多导航传感器如多普勒计程仪提供的测速信息和水声单应答器提供的位置信息容易受到非高斯噪声污染的问题,提出基于马氏距离算法的联邦鲁棒卡尔曼滤波算法。在联邦鲁棒卡尔曼滤波算法中,通过马氏距离算法引入膨胀因子,对量测噪声协方差阵进行膨胀,以实现非高斯条件下水下组合导航系统鲁棒性的提升。同时基于子滤波器的滤波性能对信息分配系数进行自适应调整以确保水下组合导航系统的高精度。基于江试试验实测数据进行水下组合导航半物理仿真试验,试验结果表明:相比于传统的联邦卡尔曼滤波算法,联邦鲁棒卡尔曼滤波算法可在非高斯条件下实现更高精度、更加稳定的组合导航；能够满足水下组合导航系统对容错性和鲁棒性的要求。     

SINS/北斗/GPS组合导航系统研究

对SINS、北斗双星定位系统以及GPS全球定位系统三者的组合进行了研究.应用联邦自适应卡尔曼滤波技术实现了SINS、北斗和GPS的组合导航,建立了组合导航系统的数学模型,并针对系统产生的量测延时和异步问题给出了较好的解决方案.最后对系统进行了仿真试验,仿真结果表明该组合导航系统具有较高的精度和容错性能,此方案具有较好的工程应用价值.     

联邦滤波器信息分配因子优选问题

在剖析联邦滤波核心理论的基础上,对当前学术热点--联邦滤波器信息分配因子优选问题进行探讨.分析了文献中几种常见的优选算法,指出其中的理论缺陷.从全局估计、局部估计、容错性等三方面质疑了信息分配因子优选的必要性和可行性,提出一些值得商榷之处,并得出结论.通过SINS/GPS/TAN/SAR四组合导航系统联邦滤波器仿真分析,验证了观点的有效性.     

伪卫星辅助的车辆组合导航算法

研究了采用伪卫星辅助的车辆组合导航系统,以及SINS/里程仪/伪卫星车辆组合导航方案、误差方程、联邦滤波算法,并进行了算法仿真.仿真结果表明,伪卫星加入车辆组合导航系统后导航误差可以得到明显改善.伪卫星是一种完全自主的导航定位系统,伪卫星辅助导航不会影响车辆的快速性和机动性,提出的采用伪卫星辅助的SINS/里程仪车辆组合导航系统是一种可行的战区内车辆精确导航定位方案.     

自适应联邦卡尔曼滤波的时间配准方法

针对现有组合导航信息融合时间配准方法存在的算法实时性不高、配准精度不高等缺陷,对组合导航系统时间误差进行了分析,提出了一种基于自适应联邦卡尔曼滤波的重叠分段时间配准算法。通过对传感器量测信息进行重叠分区处理,将不同起始时刻、不同采样频率的量测量统一至同一时刻处理,有效提高了采样率与配准精度。将其应用到SINS/GPS组合导航系统,实验结果表明,该算法能显著减小组合导航系统误差,提升了系统平稳性。     

SINS/GPS 组合导航系统的修正自适应滤波方法

模型误差和噪声是导致SINS/GPS组合导航计算发散的主要原因.提出了一种适用SINS/GPS组合导航计算的残差监控加权修正自适应卡尔曼滤波方法,利用滤波残差的均值和方差不断对卡尔曼滤波的状态噪声方差阵和测量噪声方差阵进行实时修正,提高了滤波器对模型不确定性和噪声变化的适应能力和鲁棒性,显著改善了组合导航系统的定位精度.通过SINS/GPS组合导航系统仿真,验证了方法的可行性.     

高超声速巡航飞行器中制导研究

通过分析目前应用较为普遍的几种组合导航方式,针对高超声速巡航飞行器,提出了采用捷联惯性导航系统(SINS)/GPS/天文导航系统(CNS)组合导航作为其中段制导方案,并利用四元数法进行捷联惯性导航计算,运用联邦滤波方法对组合导航进行了仿真,仿真结果表明该方案行之有效。     

自适应滤波的舰船综合导航系统信息融合技术

针对当前舰船综合导航系统应用环境较为复杂的实际情况,设计了一种基于极大似然准则自适应滤波的无重置联邦滤波器,该联邦滤波器相比常规的无重置联邦滤波器不仅可以提高系统稳定性,还可以提高系统的组合精度。将文中设计的这一联邦滤波器用于舰船综合导航系统设计中,并针对该设计进行了多次车载跑车试验,证明了该方法的正确性和优越性。     

组合导航系统故障检测技术研究

提出了一种新的故障检测算法。该算法由联合滤波器的全局估计与各局部估计之差 ,得到残差序列 ,通过残差 χ2 检验 ,来判别系统是否出现了故障。同时进一步讨论了故障分离方法。数值仿真及实际应用结果表明 ,该算法能有效地检测出组合导航系统的故障 ,保证了系统的安全性和可靠性。     

基于多传感器信息融合理论的无人机相对导航状态估计方法

为提升无人机的作战效能和作战指标,提升无人机的相对导航精度和导航系统可靠性,本文以无人机编队的相对导航系统为研究背景,基于容积卡尔曼滤波算法和信息滤波算法,研究了容积信息滤波算法。此外,还采用了多传感器信息融合理论,利用分布式信息融合结构构建了无人机相对导航滤波器,对来自惯导、视觉和卫星的信息进行融合,获取无人机间的相对位置、速度和姿态信息。该方法提升了无人机相对导航的导航精度、导航可靠性和滤波稳定性,容积信息滤波算法的应用避免了传统滤波算法在在高维系统中出现的数值不稳定以及精度降低等问题。论文还进行了相应的数学仿真,仿真结果表明该方法提高了无人机编队之间相对导航的精度和可靠性,证明了算法的有效性。     

基于自适应Kalman滤波算法的联邦滤波器

为弥补传统联邦滤波器实用性不好,缺乏对对象模型和传感器噪声的自适应估计能力的缺陷,利用自适应Kalman滤波算法的思想,结合联邦滤波器本身的算法结构,对联邦滤波器进行改进,使之具有很强的自适应性,能够自适应地计算出模型噪声和传感器噪声的协方差阵.给出了基于自适应Kalman滤波算法的联邦滤波器的计算架构,其他优秀的自适应算法均可按相同的方式加入该架构中.最后通过仿真计算验证了该算法的有效性.     

北斗载波相位时间差分/SINS紧组合技术与实验研究

说明北斗系统有源定位模式的不足,提出一种基于载波相位时间差分的北斗/SINS紧组合导航技术,即以导航卫星载波相位信号的时间差分作为Kalman滤波器的观测量,建立工作于无源方式的北斗/SINS紧组合导航系统。介绍载波相位时间差分的基本原理和数学模型,设计组合导航滤波器。通过动态和静态实验对算法的正确性和精度进行验证。实验结果表明,SINS的位置和速度误差积累受到有效的抑制,导航精度明显提高。     

无源北斗组合导航算法对载体机动的适应性

研究了自适应滤波定位算法,以便减小大机动时组合导航系统的定位误差。首先,在仿真分析组合导航算法的基础上,提出了模糊逻辑自适应滤波方案。然后,通过仿真获取系统知识,建立模糊逻辑算法调整滤波器驱动噪声方差,实现滤波定位模型对用户机动的适应性。最后,通过仿真验证,模糊逻辑自适应滤波算法能够根据用户机动情况实时调整卡尔曼滤波器的驱动噪声方差参数,并能有效提高组合导航系统机动时的定位精度。     

多传感器信息融合理论在无人机相对导航中的应用

为提升无人机的作战效能和作战指标,提升无人机的相对导航精度和导航系统可靠性,以无人机编队的相对导航系统为研究背景,基于容积卡尔曼滤波算法和信息滤波算法,研究容积信息滤波算法。此外,还采用多传感器信息融合理论,利用分布式信息融合结构构建了无人机相对导航滤波器,对来自惯导、视觉和卫星的信息进行融合,获取无人机间的相对位置、速度和姿态信息。该方法提升了无人机相对导航的导航精度、导航可靠性和滤波稳定性,容积信息滤波算法的应用避免了传统滤波算法在高维系统中出现的数值不稳定以及精度降低等问题。数学仿真结果表明,该方法提高了无人机编队之间相对导航的精度和可靠性,证明了算法的有效性。