基于多传感器信息融合的AGV导航系统

介绍了多传感器信息融合及其在AGV导航系统中的应用，描述了该导航系统的详细功能，并利用仿真试验验证了所研究的多传感器信息融合的AGV导航系统的实用性与可靠性。     

Windows CE.net在车载导航系统中的应用

嵌入式操作系统的应用日益广泛.作为新一代嵌入式系统平台,Microsoft Windows CE得到了越来越广泛的应用.本文介绍了Windows CE.net嵌入式操作系统在一种车载导航系统的应用.嵌入式操作系统是导航系统工作的软件平台,运行在其上的应用程序实时接收GPS接收机发送的经纬度数据,换算为相应的坐标,这些数据可用于在电子地图上实时显示汽车的位置.     

速率方位惯性平台/重力匹配组合导航系统

速率方位惯性平台/重力匹配组合导航系统是一个简易的重力无源导航系统,它可以保持水下运载体长时间高精度隐蔽航行.给出了该组合导航系统的工作原理、数学模型以及计算机仿真结果.仿真结果表明速率方位惯性平台/重力匹配组合导航系统定位误差不再随时间增长,运行30多个小时其组合导航系统定位误差不超过惯导系统误差的20%.     

速率方位惯性平台/重力匹配组合导航系统

速率方位惯性平台/重力匹配组合导航系统是一个简易的重力无源导航系统,它可以保持水下运载体长时间高精度隐蔽航行.给出了该组合导航系统的工作原理、数学模型以及计算机仿真结果.仿真结果表明速率方位惯性平台/重力匹配组合导航系统定位误差不再随时间增长,运行30多个小时其组合导航系统定位误差不超过惯导系统误差的20%.     

eSuperMap下GPS系统设计应用

随着GPS定位系统技术应用的不断完善,GPS在各种导航系统中发挥着越来越重要的作用.本文介绍了GPS的通讯基本原理,然后介绍GPS定位系统在正在进行的课题--GPS车辆导航系统中的应用,并着重给出一个使用eSuperMap类库开发的GPS导航功能地部分源程序代码,以实现便携式设备的定位导航功能.     

水面多传感器组合导航系统技术研究

研究了INS、GPS、Doppler计程仪组成的水面多传感器组合导航技术,给出了设计方案;介绍了一种修正的自适应卡尔曼滤波算法,并应用于组合导航系统.仿真结果表明,该算法可以有效的抑制滤波发散,提高了组合导航系统的精度.     

多传感器优化融合模型的理论与仿真研究

研究具有分层多级变结构、部分优化和FDIR功能的多传感器信息融合模型和算法.在进行系统理论分析和仿真试验时,以惯性/卫星/多卜勒/星光组合导航系统为对象进行了分层多级部分优化融合模型的仿真分析.仿真结果表明,应用优化算法进行融合后可使综合性能优于联邦滤波基本融合模型.     

一种新的智能内窥镜导航系统

本文介绍了一种新的智能内窥镜导航系统.该系统用于实现内窥镜的智能导航介入.其中导航方法是基于视觉传感器和触觉传感器的多信息融合的方法.在视觉传感器中采用了一种基于自适应阈值图像分割算法的寻径方法,该方法采用加速的最大类间方差法进行阈值分割.在触觉传感器中采用了基于MEMS技术的硅微触觉传感器,四个硅微触觉传感器被封装在内窥镜头部表面,可以获得内窥镜头部全方向的压力.本文通过实验验证了该导航系统的可行性及可靠性,该方法的应用弥补了传统方法中因暗区不明显而无法引导内窥镜的不足,提高了内窥镜导航的精度和可靠性.     

GPS/INS组合导航系统的研究

讨论了飞机惯性导航系统(INS)与全球卫星导航系统(GPS)的利与弊以及卡尔曼滤波方法在组合定位中的应用情况,进一步提出了基于神经网络数据融合方法的GPS/INS组合导航系统.系统神经网络结构采用单隐层的三层神经网络,输入输出神经元数目是4个,基于256个训练样本由经验公式求得隐层神经元数目为8个,同时还建立了惯导系统的数学模型和数据融合的数学模型.给出了利用MATLAB编制的神经网络训练程序并对这一神经网络进行了训练和仿真.实验表明,组合导航系统经度误差可达9m,纬度误差可达8m,与单独GPS定位和INS定位相比精度得到了提高.     

一种改进的残差χ~2检验方法在联邦UKF滤波器中的应用

故障检测和隔离是实现联邦UKF(unscented Kalman filter)滤波器工程应用的关键.针对常规残差χ~2检验法因误警导致无故障子系统被频繁隔离的问题,提出了一种改进算法.该算法采用模糊逻辑和加权平均来处理残差χ~2检验法的检验阈值,可以根据突变信号的大小自动调节检测时间的长短,特别是对不易检测的小幅值突变信号,自动延长检测时间从而利用更多的信息,有效降低了系统的误警率;在此基础上,进一步设计了合理的故障检测控制规则.将改进的残差χ~2检验法应用于多传感器卫星组合导航系统中,仿真结果表明,改进算法有效提高了组合导航系统的稳定性,具有实用价值.     

基于联邦滤波的智能车辆多传感器组合导航的研究

为满足复杂环境下自主驾驶智能车辆的高可靠性导航要求,对智能车辆的多传感器组合导航进行了研究。提出了一种基于自适应联邦卡尔曼滤波的智能车辆SINS/CP-DGPS/双向光电测速仪组合导航方法,根据联邦滤波的分散滤波结构,分别建立了各滤波器的模型,进行了仿真试验验证。结果表明,该组合导航系统能为智能车辆提供丰富的导航信息,具有100Hz的高频输出、厘米级的导航精度和较强的容错能力,便于实现对发生故障的传感器的隔离。当GPS较长时间中断时,组合系统通过SINS/光电测速仪所构成的局部滤波器的辅助仍能为智能车辆提供可靠的导航数据。



     

基于遗传算法的模糊卡尔曼滤波在车辆导航中的运用

针对常规联合卡尔曼滤波存在的缺陷,提出基于遗传优化的模糊卡尔曼滤波方法,并运用于全球定位系统(GPS)/轨迹推算系统(DR)汽车组合导航的数据融合中。采用模糊逻辑自适应控制器对联合卡尔曼滤波器的噪声方差和信息分配系数进行在线自适应调整,避免了子滤波器的发散,保持了全局估计的高精度。同时,利用改进的遗传算法来优化模糊控制器的隶属函数,避免了以往完全凭经验获取隶属函数参数的缺陷。通过对GPS/DR组合导航系统的仿真和实验,验证了上述算法的可用性和有效性。     

面向室内行人的Range-only UWB/INS紧组合导航方法

为了提高室内行人组合导航系统的精度和灵活性,提出了一种Range-only超宽带(UWB)/惯性导航系统(INS)紧组合导航方法。该方法将锚点的位置信息引入到系统状态变量中并通过数据融合滤波器进行预估,以克服传统UWB/INS紧组合导航模型中需要预先获取锚点位置信息的缺点,减少锚点位置信息精度对组合导航系统的影响。在此基础上,利用迭代扩展卡尔曼滤波(IEKF)来完成组合导航系统的数据融合滤波,以提高对目标行人导航信息的预估精度。实验结果显示,所提方法的平均绝对位置误差与传统UWB/INS紧组合方法相比降低了11.69%,算法对锚点位置信息的依赖程度也显著降低。     

Nonlinear unbiased minimum-variance filter for Mars entry autonomous navigation under large uncertainties and unknown measurement bias

High-precision navigation algorithm is essential for the future Mars pinpoint landing mission. The unknown inputs caused by large uncertainties of atmospheric density and aerodynamic coefficients as well as unknown measurement biases may cause large estimation errors of conventional Kalman filters. This paper proposes a derivative-free version of nonlinear unbiased minimum variance filter for Mars entry navigation. This filter has been designed to solve this problem by estimating the state and unknown measurement biases simultaneously with derivative-free character, leading to a high-precision algorithm for the Mars entry navigation. IMU/radio beacons integrated navigation is introduced in the simulation, and the result shows that with or without radio blackout, our proposed filter could achieve an accurate state estimation, much better than the conventional unscented Kalman filter, showing the ability of high-precision Mars entry navigation algorithm.     

交互多模型在车辆组合定位系统中的应用（英文）

为解决扩展卡尔曼滤波器(extended Kalman filter,EKF)在车辆组合定位系统中因车辆加减速、转弯(以下简称机动)而存在的精度低、稳定性差等问题,设计了一种将交互多模型(interacting multiple model,IMM)算法与非线性卡尔曼滤波器相融合的自适应滤波算法。该算法使用三种状态空间模型来描述车辆的运动模式,采用多个非线性滤波器对每个模型并行滤波,通过模型匹配似然函数对滤波结果进行加权融合,最终得到系统的定位信息。该方法具备非线性系统滤波器优点,克服了单一模型滤波算法对机动目标定位效果差的缺点。利用该方法和EKF算法分别对GPS/INS/DR车辆组合定位系统中进行了仿真实验,结果表明,该算法的滤波定位精度明显优于目前组合定位系统中所用的EKF滤波器,大幅提高了组合定位系统的稳定性和定位精度。     

惯性/地磁组合导航技术研究

针对此前地磁导航系统完全采用图匹配方式的精度问题,改进了惯性/地磁匹配组合方案,提出了一种新的匹配方法.该方法以磁偏角和磁倾角作为匹配参数进行图匹配,获取粗位置信息.以地磁场模型解算地磁场强度的方式来得到精确位置信息.辅以精确计时进而获得速度信息.以地磁系统获取的速度、位置信息与惯导系统输出的速度、位置信息的差值作为量测值,经过卡尔曼滤波,估计导航系统的误差,然后对惯导系统进行校正.在Matlab环境下的仿真证实了该方案可以达到较高精度.     

Novel hybrid of strong tracking Kalman filter and wavelet neural network for GPS/INS during GPS outages

Aiming to improve positioning precision of the GPS/INS integrated navigation system during GPS outages, a novel model combined with strong tracking Kalman filter (STKF) and wavelet neural network (WNN) algorithms for INS errors compensation is proposed and tested. STKF is used to estimate INS errors as a replacement of Kalman filter (KF), and WNN is applied to establish a highly accurate model based on STKF when GPS works well and to predict INS errors during GPS outages. Performance of the proposed model has been experimentally verified using GPS and INS data collected in a land vehicle navigation test. The comparison results indicate that the proposed model combined with STKF/WNN algorithms can effectively provide high accurate corrections to the standalone INS during GPS outages.     

Improving ultrasonic-based seamless navigation for indoor mobile robots utilizing EKF and LS-SVM

The ultrasonic positioning system is able to provide centimeter-level location information. However, the signal of the system is easy to be disturbed and the outages of the positioning system appear. Inertial measuring units (IMUs) is a self-contained device and can provide long-term navigation information independently, but it has the drawback of error drift. In order to obtain accurate and continuous location information indoors for indoor mobile robots, this work proposed a seamless integrated navigation utilizing extended Kalman filter (EKF) and Least Squares Support Vector Machine (LS-SVM). In this mode, the EKF estimates the position and the velocity of the robot while the signals of ultrasonic positioning system are available. Meanwhile, the compensation model is trained by LS-SVM with corresponding filter states. Once the signals of ultrasonic positioning system are outages, the model is able to correct inertial navigation system (INS) solution as filter does. A prototype of the system has been worked in a real scenario. The results show that the performance of EKF is robust, and the prediction of LS-SVM is able to work as EKF does during the outages.     

Initial orientation of inertial navigation system realized through nonlinear modeling and filtering

Alignment is the process whereby the orientation of the axes of an inertial navigation system is determined with respect to the reference system. In this paper, the initial alignment error equations of the strapdown inertial navigation system (SINS) with large initial azimuth error have been derived with inclusion of nonlinear characteristics. Simulations have been carried out to validate and corroborate the stationary alignment case employing a strapdown inertial measurement unit (SIMU). A performance comparison between the extended Kalman filter (EKF), the unscented Kalman filter (UKF) and the second-order divided difference filter (DDF2) demonstrate that the accuracy of attitude error estimation using the DDF2 is better than that of using the EKF or the UKF.