多传感器多模型多尺度组合导航系统算法

多传感器组合导航系统是组合导航发展的方向之一。针对复杂环境,多模型自适应算法可以较好地解决模型及参数不确定的问题;而多尺度融合算法将基于模型的动态系统分析与具有统计特性的多尺度信号变换方法相结合,可有效提高系统的滤波精度。为此,文章将多模型估计与多尺度滤波算法相结合构成多模型多尺度滤波算法,该算法用于多组合导航系统后,经仿真验证,相对于多模型或单模型多尺度滤波算法,系统的滤波精度明显提高。     

基于联邦滤波的SINS/GNSS/OD/高度计多源组合导航算法研究

针对城市情况下车载导航时单一导航源易受干扰的问题,提出了一种基于自适应联邦Kalman滤波的多源组合导航算法.该模型具有两级结构,由子滤波器进行各信息源局部估计后,通过主滤波器进行最优融合估计.融合具有不同工作特点的导航传感器的输出信息组成多源信息组合导航系统,从而提高了导航系统的精度和鲁棒性,且通过故障诊断算法实时检...     

多传感器组合导航系统的多尺度异步信息融合算法

首先,将状态方程采用数据块变换的方式得到新的状态块方程,并将量测方程表达为数据块的形式;然后,将量测向量进行多层小波变换以得到新的量测向量,结合状态块方程进行卡尔曼滤波;最后,利用异步贯序滤波的方法,建立了基于全局的最优估计值。将上述算法应用于GPS/SST/高度表/SINS多组合导航系统,仿真结果表明:相对于单一尺度的异步滤波算法,该算法可明显地提高系统的滤波精度。     

改进概率关联算法在组合导航系统中的应用研究

针对组合导航系统中子系统提供的量测信息相互之间关联性不足的问题,在组合导航系统中引入改进概率关联算法,通过改进的概率关联算法将这些导航信息按一定关系联系起来并进行融合计算。首先通过推导短时间概率关联算法求解惯性导航系统(INS)得到信息的可信概率,并引入掩模算子对全球定位系统(GPS)信息进行精度判断;然后,推导出长时间概率关联算法对组合导航系统信息进行融合;最后,建立修正算法并利用长时间概率关联算法得到的信息对惯性导航系统进行误差修正。仿真结果表明,这一改进的概率关联算法可以有效判断GPS信息精度并提高组合导航系统的导航精度。     

基于有色噪声自回归建模的惯性/卫星交互多模型滤波导航算法

针对卫星量测噪声为有色噪声导致惯性/卫星组合导航系统滤波精度降低的问题,提出了一种基于有色噪声自回归建模的自适应交互多模型滤波算法。建立了有色噪声自回归模型,通过量测残差序列获取拟合模型系数,从而对称扩展得到系数模型集;并构建了交互多模型滤波框架,实现不同模型滤波器之间的数据融合。仿真结果表明,相比于传统卡尔曼滤波算法,该方法能有效改善有色噪声对滤波带来的影响并提高组合导航系统定位精度,具有较好的工程应用参考价值。     

基于联邦卡尔曼滤波的测量船导航信息处理方法

为了提高航天测量船导航系统提供的位置、姿态及速度的精度,以满足飞行器测控的特殊要求,从信息融合的角度进行分析,针对多传感器信息融合技术在工程中的应用作进一步探讨,提出了基于信息融合技术的组合导航方案,构造了INS／CNS／GPS／DVL组合导航系统滤波体系结构,构建了误差模型,阐述了融合算法。仿真及实测数据证明,设计的联邦滤波器可以充分利用各种冗余信息,提高导航的数据精度。     

基于多尺度融合的自适应无人机目标跟踪算法

针对无人机（UAV）跟踪过程中目标的尺寸小、尺度变化大和相似物干扰等问题，提出了一种基于多尺度注意力和特征融合的自适应无人机航拍目标跟踪算法。首先，考虑到无人机视角下干扰信息多，构建了深层多样化特征提取网络，提供鲁棒表征目标的语义特征和多样化特征；其次，设计的多尺度注意力模块，抑制干扰信息的同时保留了不同尺度的目标信息；然后特征融合模块将不同层特征进行融合，有效整合了细节信息和语义信息；最后，使用多个基于无锚框策略的区域建议模块自适应感知目标的尺度变化，充分利用整合的特征信息实现对目标的精准定位与稳定跟踪。实验结果表明：该算法在数据集上的成功率和准确率为61.7%和81.5%，速度为40.5 frame/s。该算法对目标的辨别能力、尺度感知能力和抗干扰能力明显增强，能有效应对无人机跟踪过程中的常见挑战。     

基于因子图的卫星拒止环境下的多信息融合技术

目前，几乎所有军用和民用系统都依靠基于卫星的组合导航系统来获取导航定位信息。但卫星信号在都市、室内、地下等环境中容易受到干扰，使得导航结果精度降低。为了解决在卫星拒止环境下的导航定位问题，选用基于因子图的信息融合算法，来实现不同采集频率的导航数据信息的融合。实地跑车试验表明，该方法能在卫星信号失效情况下，实现多传感器信息快速有效融合，确保系统导航精度，提升卫星拒止环境下载体导航定位能力。     

多源融合导航系统的因子图算法综述

由于卫星导航系统不能穿透物理遮蔽物且容易受到干扰以及惯性导航系统误差积累容易发散的特点,传统的惯性/卫星组合导航系统越来越难以满足人们对导航精度的需求,于是多传感器组合导航系统应运而生并不断发展.在多源导航系统中,如何高效可靠地融合不同传感器的数据是其中的核心,工程实践中采用较多的是联邦Kalman滤波,但其在处理异步异质非周期信号和非线性问题时都显得力不从心,近来越来越多的目光聚集在因子图算法上,故对目前因子图在多源组合导航系统的应用情况以及将来可以发展的方向进行梳理阐述.     

单兵导航多传感器信息融合自适应滤波算法

基于足绑式INS的单兵导航系统,通过将惯性导航系统、人体运动学约束、磁强计等多传感器信息进行融合得到准确的单兵导航信息。对于匀速步行时的单兵导航,可采用普通Kalman滤波算法进行多传感器信息融合,但不能满足跑步等激烈运动模式下单兵导航需求。提出衰减记忆新息自适应Kalman滤波算法,可满足多步态模式下的单兵导航多源信息融合的需求,实验结果验证了算法的有效性。     

基于 Matlab的 GPS/SINS紧组合仿真实现

首先,对不同的GPS／SINS组合模式进行了分析;在此基础上针对基于伪距、伪距率的紧组合导航系统进行研究,建立了系统的状态方程和量测方程,并用Matlab进行了仿真实现。在系统的仿真实现中,由于很难获得全面真实的导航飞行轨迹数据,文章采用一种纯数学形式的解析方法来产生飞行轨迹数据,因而系统的仿真包括3部分：轨迹发生器、GPS仿真子系统、SINS仿真子系统。仿真结果表明,GPS／SINS紧组合导航系统能够有效地提高系统的导航精度,用纯数学形式的解析方法来产生飞行轨迹数据是可行的、有效的。     

水下复杂环境下基于SINS/USBL/DVL多源信息融合的组合导航算法

针对复杂水下声场环境下高精度、长航时导航与定位的需求,构建了捷联惯性导航系统(SINS)/超短基线(USBL)相对测量信息的观测方程和SINS/声学多普勒测速仪(DVL)的观测方程,提出了一种融合SINS/USBL/DVL多源信息的组合定位算法.为解决声学量测信息不确定引起的导航性能下降的问题,充分考虑水声野值所导致的...     

区域导航无人机空中基准站的多源信息融合容错导航系统研究

作为卫星导航系统的补充和备份,区域导航服务系统近年来得到较大发展。在基于无人机的区域导航服务系统中,无人机自身的定位精度对区域导航服务系统的可靠运行有直接的影响。针对无人机导航传感器及系统的容错和可靠性问题,设计了具有针对性和自优化功能的多源信息融合容错导航方案,提出了一种优化的基于矢量分配形式的自适应联邦滤波算法。通过对每个状态量设计不同的信息分配系数,实现传感器量测噪声的动态优化调整,有效减小了传感器故障对融合导航系统的影响,提高了无人机导航系统的鲁棒性。验证分析表明,该方法可以减小子滤波器故障信息对融合导航系统联邦滤波全局估计的影响,避免了故障子滤波器在信息重置过程中对系统造成的污染,提高和保障了无人机空中基准站多源信息融合导航系统的稳定性和可靠性。     

INS／SAR／GPS组合导航系统中的信息融合算法研究

以INS/SAR/GPS组合导航系统的工程应用为目标,讨论其最优估计融合算法及理论证明。研究结果表明:采用最优估计融合算法,是提高整个组合系统的导航精度和可靠性的行之有效的方法。     

Multi-sensor optimal data fusion for INS/GPS/SAR integrated navigation system

INS/GPS/SAR integrated navigation system represents the trend of next generation navigation systems with the high performance of independence, high precision and reliability. This paper presents a new multi-sensor data fusion methodology for INS/GPS/SAR integrated navigation systems. This methodology combines local decentralized fusion with global optimal fusion to enhance the accuracy and reliability of integrated navigation systems. A decentralized estimation fusion method is established for individual integrations of GPS and SAR into INS to obtain the local optimal state estimations in a parallel manner. A global optimal estimation fusion theory is studied to fuse the local optimal estimations for generating the global optimal state estimation of INS/GPS/SAR integrated navigation systems. The global data fusion features a method of variance upper finiteness and a method of variance upper bound to ensure that the global optimal state estimation can be achieved under a general condition. Experimental results demonstrate that INS/GPS/SAR integrated navigation systems achieved by using the proposed methodology have a better performance than INS/GPS integrated systems.     

信息融合技术在组合导航系统中的应用

提出了无线电近程导航系统(RSRN S)与IN S/GPS的综合过程,探讨了RSRN S和IN S/GPS综合应用过程中的信息融合技术问题。采用GPS伪距、伪距率以及无线电近程导航定位与IN S组合,建立了卡尔曼滤波方程,设计了飞行轨迹,对相关的信息融合技术进行了初步讨论,并给出了惯性元件精度较低时组合系统的仿真输出。这种组合导航方案可以充分利用各种导航传感器的信息,有效提高导航系统的精度。     

A novel optimal data fusion algorithm and its application for the integrated navigation system of missile

For Inertial Navigation System(INS)/Celestial Navigation System(CNS)/Global Navigation Satellite System(GNSS) integrated navigation system of the missile, the performance of data fusion algorithms based on the Cubature Kalman Filter(CKF) is seriously degraded when there are non-Gaussian noise and process-modeling errors in the system model. Therefore, a novel method is proposed, which is called Optimal Data Fusion algorithm based on the Adaptive Fading maximum Correntropy generalized high-degree...