共查询到10条相似文献,搜索用时 15 毫秒
1.
2.
3.
4.
捷联惯导系统标定技术对提高导航精度十分必要,而惯性导航系统标定选择的滤波方法直接影响到标定的精度。本文对不同状态的滤波估计方法进行了理论分析,利用不同标定仿真环境下所采用的卡尔曼滤波及其他滤波方法,对惯性器件误差及安装误差进行了估计,并通过仿真分析比较了惯性导航标定中各种滤波算法的特点及适用范围,得出了算法的应用建议,对惯导误差模型标定具有一定的工程指导意义。 相似文献
5.
为了直观有效验证地形景象匹配算法和演示地形辅助导航的过程,设计了地形景象辅助导航可视化仿真软件系统.利用Visual C 和OpenGL的功能实现了对导航数据和飞行过程的动态二维可视化曲线显示,对匹配区域中的实测图和参考图进行动态显示,能够直观地分析匹配结果的正确性;并在此基础上着重对地形景象匹配辅助导航过程实现了可视化仿真显示,能形象直观地演示地形景象辅助导航的过程及其性能.通过多次试验表明,该软件能很好地演示地形景象辅助导航系统的全过程及其性能,具有很好的实际应用价值. 相似文献
6.
基于无迹卡尔曼滤波(UKF)方法,使用姿态、速度、位置等9个导航参数组成状态向量,以GPS系统输出的速度、位置组成6维观测向量,构建直接式结构的UKF滤波器。该滤波器能够直接反映系统导航参数的动态过程,准确显示运动状态演变。针对GPS/SINS组合导航系统的特点,构建了GPS/SINS组合导航直接式卡尔曼滤波仿真验证系统,仿真结果验证了基于UKF的GPS/SINS组合导航直接式滤波算法的有效性,该直接式非线性滤波算法可使惯性组合导航系统的导航精度得到提高。 相似文献
7.
8.
9.
作为导航领域常用的组合导航方式,全球导航卫星系统(GNSS)/惯性导航系统(INS)组合导航在GNSS信号失锁后,由于惯性测量单元(IMU)误差随时间迅速积累,其定位结果会偏离载体真实位置,导航精度下降.针对此问题,提出了一种长短期记忆网络(LSTM)辅助的算法,称之为深度卡尔曼滤波(DKF)算法.DKF算法的核心思想是使用LSTM训练IMU误差模型,然后通过训练出的模型预测IMU误差,最后将预测的IMU误差代入IMU数据以校正导航结果.仿真结果表明:在200s测试数据上,DKF算法将误差从1.1537m/s降低到0.3746m/s.与平均预测、卡尔曼预测和最小二乘估计等方法相比,DKF算法的误差最小,具有更优越的导航性能. 相似文献
10.
针对杂波环境下非线性系统中多传感器多目标跟踪问题,基于广义多维分配(S-D分配)规则获取最佳的量测划分,通过多传感器数据压缩技术得到等效量测点与等效量测协方差,结合容积卡尔曼滤波原理实现多目标跟踪,提出了一种基于数据压缩的多传感器容积滤波算法(SD-DCCKF)。仿真结果表明:相对已有算法,SDDCCKF不仅避免了因模型线性化误差导致的滤波发散问题,而且克服了算法在高维系统中数值不稳定的缺点,算法估计精度较高,收敛速度较快,能够更加有效地解决非线性系统中的多目标跟踪问题。 相似文献