基于离散平稳小波变换的EKF数据融合算法

针对车辆GPS/DR组合导航系统中广泛采用的扩展卡尔曼滤波器进行数据融合难以建立精确的数学模型的问题,提出了基于离散平稳小波变换的扩展卡尔曼滤波器数据融合算法。仿真表明,该算法优于扩展卡尔曼滤波器,对车辆组合导航系统的数据融合是有效的。     

基于联合卡尔曼滤波的GPS/DR融合仿真

目的 研究GPS(Global Positioning System)与DR(Dead Reckoning)组合导航融合技术,使AGV获得更加稳定可靠的导航定位数据.构建出适用于GPS/DR组合导航系统的联合卡尔曼滤波器.方法 在GPS(全球定位系统)基础上增加DR(航位推算系统)用以辅助GPS定位.采用randn()函数作为随机数发生器,基于MATLAB软件对联合卡尔曼滤波融合算法进行理论分析及仿真研究.创新性的提出系统补偿系数G,将它用于联合卡尔曼滤波中,使得滤波效果可人工调控.结果 设计出适用于AGV的GPS/DR组合导航系统联合卡尔曼滤波器,建立MATLAB仿真模型.在MATLAB仿真模型中AGV行驶路程为50 m,GPS导航误差范围为6m,信号波动较大.DR导航最大误差为1.8m,误差逐渐累积,结果不收敛.GPS/DR组合导航系统误差为0.2m,信号波动平稳,结果收敛.结论 GPS/DR组合导航系统即克服了GPS信号的遮蔽问题,又充分利用了DR的短时高精度自主定位的优势.仿真结果表明,该方法在保证了系统定位精度前提下,有效提高了系统的容错性和工作可靠度.     

基于有向图切换的INS/GPS组合导航VSMM算法

INS/GPS组合导航系统量测噪声统计特性随着载体机动、外界扰动等影响发生变化,传统的卡尔曼滤波方法对于这种量测噪声变化系统的滤波精度不高,甚至会出现发散现象。针对上述问题,将机动目标跟踪中的变结构多模型滤波算法引入INS/GPS组合导航滤波中,提出了一种基于有向图切换的变结构多模型INS/GPS组合导航算法,并对此算法进行了仿真。仿真结果表明:该算法能够适应系统量测噪声变化,定位误差小于交互式多模型算法,并有效地降低了滤波过程中的计算量。     

GPS／INS组合导航的变分贝叶斯自适应卡尔曼滤波

为解决GPS／INS组合导航的数据融合问题中卡尔曼滤波器因噪声统计特性会发生变化而性能严重退化的问题,针对组合导航的系统模型提出并推导了一种基于变分贝叶斯学习的自适应卡尔曼滤波算法。该方法从概率角度将系统状态与噪声的统计矩一起作为待估计的随机变量,在每次递推地对状态进行估计之前,用变分贝叶斯学习迭代逼近得到噪声的后验分布。仿真结果证明：在组合导航系统中,该自适应算法能够较好地跟踪变化的噪声方差,并对速度、位置等系统状态进行估计。     

基于联邦滤波的INS／GPS组合导航系统数据融合研究

针对INS导航定位的精度低、GPS导航定位的非自主性,采用INS／GPS组合导航的方式,重点阐述了系统模型的建立,在Matlab／Simulink平台下对系统进行仿真实验时,采用了基于无重置的联邦卡尔曼滤波器的组合方案,实验表明了组合系统比任何单一的导航系统的定位精度都要高,是一种可行的导航方法．     

SINS/GPS组合导航方法设计

根据SINS/GPS组合导航的基本原理,重点研究联合卡尔曼滤波方法在组合导航中的应用,基于最优化理论的数据融合技术,通过分析纯惯性导航系统的误差,建立了组合导航系统的误差模型,设计了高可靠性、易于工程实现的简化联合卡尔曼滤波器和对应的数据融合算法。并对该导航系统进行了动态实验,结果表明组合导航能有效抑制导航参数误差,提高导航精度。     

一种小型飞行器INS/GPS组合导航系统设计及仿真

惯性导航系统(INS)中,导航误差会随着工作时间的增长而积累,最终导致系统发散,为了解决这个问题,提出了一种基于线性卡尔曼滤波的INS/GPS组合导航的方法。首先,详细阐述了误差的来源以及组合导航系统的结构,并建立了状态空间表达式,随后得到卡尔曼滤波器时间更新方程,卡尔曼滤波器测量更新方程,相关卡尔曼滤波方程以及增益。最后基于所建立的数学模型进行仿真,研究其组合导航前后目标的轨迹与误差变化,进而验证了该算法的有效性。结果表明:在2 500 s内位置偏差能保持在2.607 m以内,速度偏差能保持在0.652 1 m/s以内。     

带状态切换自适应滤波算法及其在GPS/INS中的应用

针对GPS/INS组合导航系统中观测噪声通常未知、导致卡尔曼滤波算法不稳定、滤波精度降低的问题,提出一种改进的自适应滤波算法.改进的自适应算法结合了简化的Sage-Husa滤波算法、滤波器发散判断依据和渐消滤波的思想,使得滤波器对量测噪声变化的鲁棒性变强,同时解决了简化的Sage-Husa滤波器容易发散的问题.通过建立GPS/INS组合导航系统状态方程和观测方程,对改进的新算法进行仿真测试.仿真结果表明,新算法对量测噪声未知的情况具有更好的适应性,提高了滤波器估计精度,表现出良好的滤波稳定性.     

GPS/DR组合定位系统信息融合技术

在分析GPS/DR组合定位系统特点的基础上,设计了一种改进的联邦卡尔曼滤波器结构。对于GPS线性子系统采用标准卡尔曼滤波器,对于DR非线性子系统则采用无察觉卡尔曼滤波器。主滤波器采用动态信息分配系数对子滤波器的结果进行最优估计,并对DR子系统进行误差补偿,部分削减DR的误差累积效应。实验结果表明,算法能够满足车载导航系统的定位要求,并且在GPS误差较大时保持系统较高的可靠性和定位精度。     

组合导航系统的卡尔曼滤波器的设计

将多传感器数据融合的卡尔曼滤波器设计方法,运用在基于GPS／INS的微型飞行器的组合导航系统中,经理论分析及实际结果表明：该滤波器设计合理,算法具有全局最优,能够提高系统的容错能力及系统的导航精度。     

组合定位中信息融合算法的研究

指出了传统的卡尔曼滤波在GPS/INS车辆组合定位系统中应用的局限性,给出了一种BP/GA混合算法与卡尔曼滤波结合的信息融合算法模型、原理、实现步骤及仿真结果。仿真表明这种算法和常规卡尔曼滤波算法相比较具有更高的精度和稳定性。     

分散化滤波及其在DGPS／INS组合系统中的应用

讨论了两种分散化滤波的合成算法，并对分散滤波器和联合滤波器的特点计算量进行了比较。本文还建立了伪距双差及载波相位双差ＧＰＳ／ＩＮＳ组合系统的Ｋａｌｍａｎ滤波方程，并分别用集中式和分散滤波器对它们进行了仿真。     

H∞滤波在惯导/GPS组合导航应用的比较分析

为分析H∞滤波算法在惯性导航系统INS/GPS组合导航应用中对动态环境的自适应能力,选用卡尔曼滤波算法和Sage-Husa算法作为对照,并改进了Sage-Husa算法,构造了较为全面的惯导系统误差模型、扰动数据情形和飞行轨迹,比较分析了三种算法的自适应能力.仿真结果表明:在这种验证环境中,H∞滤波算法可调参数受到的约束较多,与改进的Sage-Husa算法相比,卡尔曼增益和估计协方误差与量测值变化的相关性较弱,导致自适应能力较弱.在这类模拟动态环境中H∞滤波算法的自适应能力要低于改进的Sage-Husa算法.方法和结果对于鲁棒的INS/GPS组合导航算法的工程化应用有较高的实用价值.     

联邦卡尔曼滤波与集中式卡尔曼滤波的等价性

给出了联邦卡尔曼滤波与集中式卡尔曼滤波的等价性证明,并用GPS/INS组合导航系统的静态仿真实验验证了等价性。     

Adaptive Federal Kalman Filtering for SINS／GPS Integrated System

A new adaptive federal Kalman filter for a strapdown integrated navigation system/global positioning system (SINS/GPS) is given. The developed federal Kalman filter is based on the trace operation of parameters estimation‘s error covariance matrix and the spectral radius of update measurement noise variance-covariance matrix for the proper choice of the filter weight and hence the filter gain factors. Theoretical analysis and results from simulation in which the SINS/GPS was compared to conventional Kalman filter are presented. Results show that the algorithm of this adaptive federal Kalman filter is simpler than that of the conventional one. Furthermore, it outperforms the conventional Kalman filter when the system is undertaken measurement malfunctions because of its possession of adaptive ability. This filter can be used in the vehicle integrated navigation system.     

INS/GPS组合导航联邦滤波器的仿真研究

为了研究平台式惯导INS(interialnavigationsystem)和全球定位系统GPS(globepositionsystem)组合导航联邦滤波器的实现,用卡尔曼滤波与Matlab仿真的方法,可以证明联邦滤波器算法简单,易于实现,并且可以提高导航系统精度.实际应用中此方法可行.     

Modified Observation Model in Tightly-Coupled INS/GPS Integration

The conventional Kalman filter (CKF) is widely used in tightly-coupled INS/GPS integrated navigation systems. The linearization accuracy of the CKF observation model is one of the decisive factors of the estimation accuracy and therefore navigation accuracy. Additionally, the conventional observation model (COM) used by the filter may be divergent, which would result into some terrible accuracies of INS/GPS integration navigation in some cases. To improve the navigation accuracy, the linearization accuracy of the COM still needs further improvement. To deal with this issue, the observation model is modified with the linearization of the range and range rate equations in this paper. Compared with COM, the modified observation model (MOM) further considers the difference between the real user position and the position calculated by SINS. To verify the advantages of this model, INS/GPS integrated navigation simulation experiments are conducted with the usage of COM and MOM respectively. According to the simulation results, the positions (velocities) calculated using COM are divergent over time while the others using MOM are convergent, which demonstrates the higher linearization accuracy of MOM.