共查询到20条相似文献,搜索用时 31 毫秒
1.
2.
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。 相似文献
3.
4.
5.
针对鱼雷水下航行的特殊性以及组合导航系统中由于量测噪声统计特性的不确定而导致滤波精度降低的问题,提出了一种新的应用于鱼雷导航定位的自适应滤波算法。该算法通过新息自适应量测噪声,在噪声统计特性未知的情况下能进行滤波计算。同时在信息融合时提出一种新的自适应信息分配方法,该方法利用估计的均方误差阵来实时确定各子滤波器的信息分配系数,使信息分配系数能够跟随子滤波器的性能而改变。通过对新算法与标准卡尔曼滤波算法所做的对比仿真试验分析,结果表明,该自适应联邦滤波算法在鱼雷多参量自适应联邦滤波导航定位应用中的有效性。 相似文献
6.
7.
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. 相似文献
8.
9.
针对自主水下航行器(AUV)受水下环境的局限难以提高导航性能的问题,提出了一种融合多传感器信息的INS/GPS/DVL组合导航方案,利用分散化滤波中的联邦Kalman滤波来实现AUV组合导航方案,通过动态信息分配系数优化了各子系统的导航信息,增强了AUV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AUV的导航精度和水下定位能力。 相似文献
10.
11.
多传感器容错综合导航系统技术及其应用研究 总被引:1,自引:0,他引:1
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. 相似文献
12.
惯性+多模卫星组合导航系统通常采用定常参数的加权最小二乘算法进行多传感器信息融合,若加权系数与实际噪声统计特性不吻合,将会对组合导航精度产生不利影响.为解决该问题,提出一种基于自适应滤波的改进信息融合算法,对惯性及卫星导航数据应用自适应Kalman滤波以估计惯性导航误差,对滤波输出进行基于加权最小二乘法的多模信息融合,并根据滤波误差方差阵的解算结果对加权系数进行实时调整以优化估计精度.仿真结果表明该算法能够在一定程度上提高组合导航系统的精度和对不同随机噪声的适应能力. 相似文献
13.
卡尔曼滤波算法在多传感器融合技术中的应用 总被引:1,自引:0,他引:1
为了进一步提高测量精度,针对多传感器融合技术和非线性系统的连续-离散卡尔曼滤波算法的研究,提出了一种综合卡尔曼滤波和数据融合算法的优点相结合的估计技术和算法.仿真结果表明在使用连续-离散卡尔曼滤波方法估计的基础上,进一步采用加权融合算法,可以降低系统测量量的噪声干扰,并明显改善传感器测量参数的估计精度,其算法也是递推算法,可以满足实际应用中的实时性要求. 相似文献
14.
15.
为解决现有的MEMS传感组件精度低、误差大和磁传感器测量的航向角数据噪声大、精度低等问题,提出基于互补-粒子滤波的姿态融合解算方法.先用互补滤波算法结合加速计和磁力计对陀螺仪的姿态角进行修正,再采用四元素法对陀螺仪数据进行粒子滤波.仿真实验结果证明:该算法能快速解算出姿态角,提高解算精度. 相似文献
16.
17.
18.
19.
随着战场环境的复杂多变,军用传感器系统通常需要在满足跟踪精度要求的前提下,最大限度地降低对资源的使用,隐藏自己.为达到上述要求,传感器管理系统就必须较好地应对目标机动、干扰等不确定因素,最大限度地降低其对系统资源的需求.为此,将线性高斯滤波理论应用于基于协方差控制的多传感器管理算法.仿真结果表明:线性高斯滤波具有处理随机干扰的能力,提高了多传感器系统的探测精度,降低了传感器管理算法无解的概率,避免了因滤波算法精度低而造成的资源浪费,提高了抗毁性,在随机干扰情况下,较好地平衡了跟踪精度和系统工作负载. 相似文献