基于双联邦UKF算法的组合导航数据融合方法

为了提高组合导航系统数据融合的精度和容错性,提出一种双联邦UKF组合导航数据融合方法.采用双联邦UKF滤波器的算法将JTIDS相对导航技术与成熟的GPS/INS/DVS组合导航技术相结合组成新的双联邦UKF组合导航数据融合算法.联邦UKF算法将UKF算法和分散式滤波技术相结合,精度高容错性好,JTIDS相对导航技术精度高抗干扰能力强.主滤波器1对GPS/INS/DVS组合导航信息进行融合后与JTIDS相对导航信息在主滤波器2中融合,提高了组合导航系统的可靠性和容错性.数值仿真实验表明,该算法性能优于单纯采用联邦GPS/INS组合导航算法是一种理想的组合导航滤波方法.     

INS/GPS导航中联邦卡尔曼滤波算法

根据INS(惯性导航系统)和GPS(全球定位系统)不同的特点,将两者组合起来,在阐述联邦卡尔曼滤波原理基础上,设计了INS/GPS组合导航系统的滤波算法.对该组合系统的联邦卡尔曼滤波算法进行了仿真,仿真结果表明:在INS/GPS组合导航系统中采用联邦卡尔曼滤波,不仅提高了定位精度,而且保证了滤波的快速性.     

联邦卡尔曼滤波在INS＼GPS组合导航中的应用

介绍了INS＼GPS组合导航系统的优点;根据联邦卡尔曼滤波原理,设计了INS＼GPS组合导航系统的滤波算法;对该组合系统的联邦卡尔曼滤波算法进行了仿真;仿真结果表明,在INS＼GPS组合导航系统中采用联邦卡尔曼滤波,不仅提高了定位精度,而且保证了滤波的快速性.     

INS／GPS导航中联邦卡尔曼滤波算法

根据INS（惯性导航系统）和GPS（全球定位系统）不同的特点，将两者组合起来，在阐述联邦卡尔曼滤波原理基础上。设计了INS／GPS组合导航系统的滤波算法。对该组合系统的联邦卡尔曼滤波算法进行了仿真，仿真结果表明：在INS／GPS组合导航系统中采用联邦卡尔曼滤波，不仅提高了定位精度。而且保证了滤波的快速性。     

两种车载导航分散滤波算法对比及应用研究

针对航位推算/惯性导航/GPS(DR/INS/GPS)组合导航系统的多信息源融合,提出了基于局部反馈校正的联邦滤波和串级滤波两种算法,并进行对比研究.跑车实验结果证明,两种分散滤波算法在正常导航(无传感器故障)情况下都能有效提升车载导航系统的精度和可靠性,且前者定位精度较后者高;但后者能够消除DR误差前期积累,避免GPS失效时的定位输出"突跳"和"毛刺",具有更好的应用价值.     

无重置联邦滤波及在组合导航中的应用

对联邦滤波器的结构及联邦滤波器的无重置融合算法进行讨论,并建立了组合导航系统联邦滤波模型.以SINS/GPS/TAN组合导航系统为例进行了仿真研究.结果表明,文中给出的无重置联邦滤波器与集中卡尔曼滤波器的精度相差无几,解算速度更快,容错性更好,可应用于对实时要求较高的组合导航系统中.     

INS/GNSS/SAR组合导航系统故障检测技术研究

文中对INS/GNSS/SAR组合导航系统进行了系统级故障检测、隔离和重构技术研究.以惯导组合系统(INS/GNSS/SAR)为例,采用联邦滤波器的容错滤波算法,进行了计算机仿真,仿真结果表明该算法具有不低于集中卡尔曼滤波的导航精度,同时还具有较强的容错性.     

多传感器信息融合联邦滤波一般模型的理论与仿真研究

对多传感器信息融合联邦滤波一般理论模型及其实现方法进行了研究。结合应用需求分析了联邦滤波一般模型的特点,给出了实用的信息分配系数求取方法及该模型具体的算法实现途径。以惯性/卫星(GPS/北斗双星)/多普勒/星光(INS/GPS/RDSS/Doppler/CNS)飞行器组合导航系统为例进行了联邦滤波一般模型算法的仿真分析。仿真结果表明,所给出的一般模型实现算法,在保持该模型全局最优性的同时,具有数值计算稳定性好、计算量小、数据传输量小等优点,是一种改进型算法。     

基于联邦粒子滤波器的多传感器信息融合算法

提出了一种新的SINS/CNS/GPS组合导航观测方程,并给SINS/CNS/GPS组合导航系统设计了一种新的联邦式数据融合结构。使用粒子滤波器对联邦滤波子系统的多源数据进行融合处理,从而摆脱了经典卡尔曼滤波器的限制。仿真结果表明所提算法在SINS/CNS/GPS组合导航系统的信息融合中是有效性的。     

联邦卡尔曼滤波在捷联惯导/全球定位/里程仪组合系统中的优化设计

基于Carlson提出的联邦卡尔曼滤波理论的原理和特点,建立了SINS/GPS/OD组合导航系统的数学模型,设计了组合系统的联邦滤波算法,并使用MATLAB对算法进行了仿真,仿真结果证明了联邦滤波器在组合导航系统应用中的可行性和优越性,该算法计算量小、容错性好,能实现较高的精度.     

小波故障检测在脉冲星组合导航中的应用

为提高基于X射线脉冲星的组合导航系统容错能力,利用小波分析方法进行故障检测,以保证组合导航系统的精度和可靠性。笔者采用X射线脉冲星导航、天文导航和紫外敏感器导航构建组合导航系统,运用小波分析技术对传感器输出信号进行故障诊断,并进行故障隔离和系统重构,最后采用联邦式滤波器进行信息融合,并以火星探测任务为例进行了数学仿真。实验结果表明：该方法能够有效检测相关传感器故障,解决了X射线脉冲星组合导航系统因故障导致的导航结果变差问题,且具有较高的导航精度,提高了脉冲星组合导航系统的容错性能和工程实用价值。     

基于小波辅助的GPS/SINS 组合导航系统故障检测与信息融合算法

针对GPS/SINS组合导航系统可能出现故障的问题,提出一种基于小波辅助的组合导航系统故障检测与信息融合算法。将卡尔曼滤波器的估计误差进行相应的多小波故障检测分析,在较短时间内发现故障点进而降低虚警概率;若GPS发生软故障,利用改进的自适应算法进行信息融合,进而保证系统的滤波精度、容错能力和可靠性。仿真结果验证了该方法的有效性。     

多传感器容错综合导航系统技术及其应用研究

文中结合经典的故障检测、隔离方法和联邦卡尔曼滤波,提出了以惯性导航系统为基准的多传感器容错综合导航系统设计方案,并在信息融合策略中采用了"故障诊断周期"方法对系统故障和野值进行了不同处理,以提高系统滤波的精度和数据的连续性.以SINS/GPS/Doppler组合导航系统为例, 结合载体的使用要求以及各导航子系统的使用范围和误差特性进行了设计方案的可行性分析.研究结果表明, 所设计的方案既能有效地实现系统故障检测、隔离和系统重构, 而且整个导航计算过程保持了良好的算法连续性、稳定性和系统精度.     

机载武器SINS/BDS组合导航自适应滤波算法研究

对适用于机载武器的组合导航算法展开研究,给出了SINS/BDS组合导航状态方程,推导了以伪距、伪距率作为观测量的观测方程。针对传统卡尔曼滤波算法在测量噪声不确定的情况下使用存在缺陷的问题,研究了新的噪声自适应调整滤波与残差故障检测算法。对新算法进行了软件设计,并开展了软件仿真与产品车载试验。试验结果表明,所设计的算法能有效增强系统鲁棒性、提高滤波算法精度,有效隔离故障卫星数据,能保证被测导航产品的高精度、稳定、可靠输出。     

一种基于组合导航的快速联邦滤波算法

通过对传统联邦滤波算法的研究,根据其存在的固有缺陷,提出了一种基于组合导航的快速联邦滤波算法.然后应用矩阵范数理论,推导出了令Neumann展开式收敛的强化条件,并且利用信息分配因子的选取加快了滤波的收敛速度.最后通过与传统联邦滤波算法的仿真对比,验证了本算法的鲁棒性和快速性.     

基于交互式多模型的多传感器组合导航系统

针对复杂环境中组合导航系统模型参数变化导致单一参数滤波器滤波精度下降的问题,对基于交互式多模型的多传感器组合导航系统进行研究。给出状态基于全局信息的融合估计公式,将交互式多模型卡尔曼滤波算法应用于SST/GPS/SINS多传感器组合导航系统,并与单一模型下的卡尔曼滤波方法进行比较。仿真实验结果表明,该方法能提高组合导航系统的滤波精度与可靠性,但当实际的模型集不能覆盖实际的所有模态时,系统的滤波精度会有所下降。     

弹道导弹捷联惯导/卫星系统/天文系统组合导航研究

捷联惯导/卫星系统/天文系统(SINS/GNSS/CNS)实现了优势互补,是提高弹道导弹命中精度的一种重要导航方法.设计基于UD-UKF滤波的组合导航系统无重置联邦滤波器,在发射惯性坐标系下建立sINS/GNSs/CNs组合导航的数学模型,对比分析SINS/CNS、SINS/GNSS及SINS/GNSS/CNS对惯导参...