多传感器组合导航系统分层融合算法

从信息融合角度来看，目前在组合导航系统中广泛应用的联合滤波算法居于两级式分布式融合结构。而分层融合结构作为多传感器信息融合的另一种重要的模式，在组合导航系统中应用尚未见报道。本文研究了多传感器组合导航系统的分层融合算法，重点与联合滤波算法进行了比较。以定理的形式证明了在一定条件下分层融合算法与联合滤波算法的等价性问题。进而提出了分层融合算法的部分反馈模式。仿真结果表明，部分反馈模式的有序分层融合算法可有效地应用于多传感器组合导航系统。在相同的容错能力和计算复杂性下，可以得到优于联合滤波的导航信息融合结果。     

基于因子图的无人机多源组合导航算法研究

为解决无人机飞行器在多源组合导航系统中,不同信息源由于其传输频率不同,信息利用率不高导致定位、测姿精度降低以及传感器数量增多导致计算量增加和信息融合困难的问题,提出了一种基于因子图算法的信息融合方法。以无人机MINS/BDS/磁罗盘/气压高度表组合导航系统为例,构建了因子图信息融合模型。最后,通过车载跑车试验采集导航传感器原始数据进行离线仿真,将因子图融合算法与分散式联邦滤波算法进行误差对比,验证了因子图算法作为无人机信息融合方法的可行性,并且该方法在高度定位以及航向角测姿上展现了更高的精度。因子图算法灵活的扩展能力,为实现无人机定位、测姿的完整性提供了保障,系统的鲁棒性逐步增强,同时为进一步研究无人机全源导航打下了基础。     

多传感器信息融合技术在SINS／GPS／TAN组合导航系统中的应用

阐述了多传感器信息融合理论应用于组合导航系统的一般原理和方法。建立了SINS／GPS／TAN组合导航系统的联邦滤波模型，其中SINS／GPS子滤波器的状态变量为24维，SINS／TAN子滤波器的状态变量为23维，公共状态为18维。对组合导航系统的联邦滤波进行了仿真研究，仿真结果表明，基于信息融合的联邦滤波算法不仅解决了“维数灾难”问题，而且滤波精度相当高。可以满足导航制导系统的需要。     

深空自主着陆导航技术研究与展望

随着深空探测活动范围的快速扩大,探测器需要在天体实施着陆与返回,因此对导航技术的自主性和精度要求越来越高。提出一种基于视觉/惯性的组合导航系统,该系统的计算机视觉模块采用SURF算法,不仅可以实时地确定探测器的位置,而且能够确定探测器的姿态;惯性导航模块实时获取探测器的位置、速度和姿态信息;组合导航系统采用Kalman滤波技术,将计算机视觉模块和惯性导航模块获取的位置、姿态信息进行组合。该组合导航系统将惯导系统与视觉系统信息融合,通过引入计算机视觉系统所获得的位置和姿态信息,可以有效减小惯导系统误差。仿真结果证明,这种组合导航系统能够有效提高系统导航精度。文中还展望了深空探测器天体着陆导航技术未来的发展趋势。     

基于北斗双星定位辅助的SAR/INS组合导航系统研究

由于SAR/INS/北斗组合导航系统中图像匹配定位需要耗用不等的匹配计算时间，而现有的北斗定位系统输出也具有一定的延时，因此，SAR／INS／北斗组合导航系统中的量测信息输出具有不同步和滞后的特点。针对上述问题，采用常规的联邦滤波算法将难以获得高精度滤波结果。为此，本文在分析SAR／INS／北斗组合导航系统工作过程的基础上，结合卡尔曼滤波的具体原理，设计了针对不同步量测信息的基于联邦滤波理论的组合滤波方案，并进一步提出了解决量测信息滞后问题的算法，从而可以有效处理SAR／INS／北斗组合导航系统中的信息融合问题。协方差分析结果表明提出的组合滤波方案可行，该方案对SAR／INS／北斗组合导航系统的实际应用具有重要的理论参考价值。     

基于神经元的容错组合导航系统设计

本文讨论了容错组合导航系统中的多传感器信息融合问题，提出了一种用于多传感器组合导航系统信息融合的神经元方法。通过仿真实验，验证了这种方法的可行性，并分析了该研究领域所存在的问题，提出了可能解决的技术途径，并预测了未来的发展趋势。     

自适应融合滤波算法及其在INS/GPS组合导航中的应用

针对扩展卡尔曼滤波器(EKF)在系统模型不确定时存在鲁棒性差、精度低的问题,设计了一种基于交互式多模型(IMM)的自适应融合滤波(AFF)算法。IMM\|AFF算法采用两个模型来描述系统结构,且与每个模型相对应的Sage\|Husa滤波器和强跟踪滤波器(STF)独立并行工作,系统的状态估计则是两种滤波器估计的模型概率加权融合。IMM\|AFF算法兼具Sage\|Husa滤波器状态估计精度高和STF对系统模型不确定具有强鲁棒性的优点,克服了两种滤波器各自单独使用时的缺点。将IMM\|AFF算法应用于INS/GPS组合导航系统的仿真结果表明,IMM\|AFF算法的滤波精度和鲁棒性均明显优于目前工程应用中的EKF,特别是大大提高了INS/GPS系统的定位 精度 。
     

多星座组合导航自适应信息融合滤波算法

针对多星座卫星组合导航,提出了一种双重自适应联合卡尔曼滤波算法,采用描述机动载体运动的"当前"统计模型,首先建立一种基于载体加速度方差自适应的动态定位卡尔曼滤波模型,并分别对GPS,GLONASS和GALILEO系统设计相应的自适应子滤波器,然后采用有重置的联合自适应滤波器对各个子滤波器进行数据融合处理,各子滤波器的信息分配系数根据各卫星导航系统输出的几何精度因子(GDOP)进行自适应调节.通过对GPS/GLONASS/GALILEO多星座组合导航系统的仿真,分析对比了加权平均滤波、常规联合滤波和本文提出的双重自适应滤波.结果表明:该双重自适应算法有效提高了组合导航系统的精度和可靠性,能更好地适应于量测噪声不断变化的卫星组合导航系统.     

一种基于联邦滤波的SINS/GNSS/RA弹载多源组合导航算法

针对传统的惯性/卫星(SINS/GNSS)弹载组合导航系统导航信息源单一、易受干扰且鲁棒性差等问题,引入了雷达高度表(RA)作为新的信息源参与导航信息融合,并在发射惯性系下设计了一种基于联邦滤波的SINS/GNSS/RA弹载多源组合导航算法。仿真结果表明:本算法构建的组合导航系统具有良好的导航性能,在GNSS受干扰失效后,相较于传统SINS/GNSS组合导航系统,SINS/GNSS/RA组合导航系统依靠SINS/RA子滤波器,依旧能够在一定的时间范围内为导弹提供有效的定位信息,其表现出了更高的鲁棒性和可靠性。     

PL/INS组合导航系统故障诊断

提出了一种模糊基函数网络(FBFN)辅助扩展卡尔曼滤波(EKF)的PL(伪卫星)/INS(惯性导航)紧组合导航系统多故障诊断及识别方法.分析了PL/INS紧组合导航系统观测方程的线性化误差,在此基础上利用FBFN对观测方程泰勒展开式Hessian矩阵进行学习,实际应用中,将FBEN的输出作为EKF观测方程的输入项进行滤...     

卫星多源遥感图像融合研究

卫星多源遥感图像融合技术可以综合利用多源信息,从而获得对同一目标更全面、更清晰、更准确的认识。文中简介卫星多源遥感图像融合系统所包含的三个过程,即预处理、图像融合、综合评价及应用;详细分析像素层、特征层和决策层三个不同融合层次的融合原理和方法;归纳融合效果的主客观评价标准和熵、平均梯度等六种评价指标;最后从空间配准模型、建立统一的数学融合模型、关联的二义性、数据融合方法与融合系统实施存在的问题、有效的评价准则等方面讨论了卫星多源遥感图像融合目前存在的问题,并对今后的发展趋势作出展望。     

车载GPS/DR组合导航系统的信息融合新方案

总结了适用于车载 GPS/ DR组合导航系统的几种信息融合方法 ,提出一种可容错的新型联合卡尔曼滤波结构方案。针对系统重构和自适应调整的依据 ,提出一种新的分系统状态评估方法 ,定义了滤波器估计结果可信度的概念并给出对其进行模糊综合评判的方法。在此基础上进一步确定联合滤波模型的自适应信息分配准则 ,实时跑车数据处理结果表明 ,该方案大大提高了系统的导航精度和可靠性     

INS／GPS／Odometer组合系统初始对准及自适应联合滤波

本文提出了INS／GPS／Odometer（测速仪）组合际航系统。基于信息融合理论，提出了基于子滤波器可观性矩阵条件数和误差协方差矩阵特征值分解的自适应联合滤波。然后利用该方法对INS／GPS／Odometer组合系统的初始对准问题进行了研究。仿真结果表明，自适应联合滤波能够改善系统初始对准的状态估计精度，信息分配因子的不同选择对状态估计有一定的影响。     

INS/CNS/GNSS组合导航系统信息分析及其滤波器设计

分析了INS/CNS/GNSS组合导航系统信息结构的特殊性 ,指出在此情况下应用联邦滤波器进行状态估计的信息不对等。针对此类情形 ,设计了几种滤波器的结构 ,分析了所设计滤波器的信息构成及信息的分配与融合 ,并尝试提出伪联邦滤波器的概念。本文所讨论的情形及设计的滤波器结构可以推广到一般的同类情形 ,并应用到相似的多传感器信息融合系统中     

推广联合滤波算法在卫星组合定姿系统中的应用

研究了不同模型下的推广联合滤波算法。基于信息融合理论和信息守恒原理，提出信息分配是信息融合的逆过程的观点，给出和证明了信息分配定理，为推广联合滤波算法提供了理论基础。以某卫星组合姿态确定系统为例，详细讨论了推广联合滤波的结构及其实现过程。理论分析和数学仿真结果表明：推广联合滤波算法比现有的联合滤波算法计算量小，且推广联合滤波算法能够同时保证全局最优和局部最优，而现有的联合滤波算法不是局部最优。     

带反馈多传感器分层融合算法性能研究

Chang K.C.于近期研究了两传感器非实时分层融合算法的稳定性能,其研究结果表明全反馈条件下的算法融合性能要劣于部分反馈算法,特别是当过程噪声较大时提高传感器与融合中心的通信频率并不能改善全反馈算法的性能。与上述研究不同,重点考察了融合系统中传感器数目对非实时有反馈分层融合算法性能的影响。研究结果表明:当过程噪声较大时,增加传感器的数目不仅不能改善全反馈算法的性能反而会使性能降低;所得结论进一步推广和发展了Chang K.C.的研究成果,并从另一侧面验证了融合信息的质量比数量更为重要的论断。     

多传感器信息融合系统改进型BA模型

随着网络中心战和网络动力学的发展,多传感器信息融合系统的网络动力学特征研究将成为热门课题。本文从网络动力学角度,研究信息融合系统的两个问题。一是研究信息融合系统的无尺度网络特征,首次使用无尺度网络模型作为信息融合系统的构造形式。二是结合信息融合系统的特殊要求对BA模型做了相应的改进,给出一种信息融合系统改进型BA网络模型。该改进型BA模型更符合信息融合的网络动力学特征,其平均距离比BA模型改善10%。     

INS／GPS／TERCOM组合制导系统中的信息融合方法研究

提出由坐标变换、误匹配检测和卡尔曼滤波三个单元构成的一种新型INS／GPS／TERCOM系统优化结构，并对INS／GPS／TERCOM组合系统自适应联邦滤波信息融合和分散式信息融合两种算法分别进行了研究，将这两种算法与传统的集中滤波算法进行了比较。结果表明，系统无故障情况下三种方法精度相同；而在有故障情况下自适应联邦融合法优于另两种方法。