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测并隔离故障信息源.给出了联邦滤波算法设计,并进行了实际车载实验.实验结果表明,该算法能够提高导航系统的稳定性及精度.     

改进故障隔离的容错联邦滤波

为了解决重置模式下联邦滤波器中子系统故障对导航系统污染的问题,提出利用故障检测函数构建时变量测噪声的容错联邦滤波结构。通过将故障子滤波器等价为量测噪声趋于无穷大的正常系统,来取代传统的故障隔离方法;推导出了子滤波器对应的最优估计值,用以消除子滤波器估计次优性对故障检测的影响;采用动态信息分配系数,以减少故障信息对全局估计的影响。采用惯性/天文/景象/地形(INS/CNS/SMNS/TERCOM)的组合导航系统进行了仿真验证,结果表明该容错联邦滤波方法在子系统发生故障时的估计性能优于故障隔离方法。因此,所提方法具有提高故障子滤波器精度、保证无故障子滤波器鲁棒性以及全局估计精度的优势,具有较高的实用价值。     

基于联邦滤波的多源融合导航算法

在复杂多变环境下,单一导航源的定位性能和鲁棒性会受到一定的影响。针对汽车、小型飞行器在城市、峡谷、卫星信号缺失或被遮挡以及导航信息源繁多等情况,研究了基于联邦滤波的多源融合导航算法。该算法综合利用了各种不同的信息源,经过多传感器的高度集成、多信息源的数据融合,生成时空基准统一且具有抗干扰、连续、可靠的PNT服务信息。设计的联邦滤波器采用两级结构,在子滤波器中进行局部估计后,在主滤波器中进行最优合成。此外,每个子滤波器加入了故障诊断算法,且结合自适应滤波理论进行信息因子的自适应分配,有效提高了故障检测能力。最后,通过实验验证了不同信息源组合的有效性,表明所设计的基于联邦滤波的多源融合算法可以提供稳定、可靠以及高精度的多源融合定位服务,具有一定的研究意义和实际价值。     

基于矢量化检测联邦滤波的INS/BDS/地磁组合导航容错方法

组合导航能够将多种类型的导航信息进行结合,实现优势互补,因此成为了目前导航应用领域的主要发展方向。然而,导航信息的增多势必会引入更多的风险源,从而降低导航系统的可靠性。基于联邦滤波的容错方法是目前抑制故障信息影响的主要解决手段,但是现有的故障容错方法普遍采用统一的检测机制,没有根据各个导航子系统的误差传播特性针对性地构建故障检测模型,因此会引起较高的误警率与漏检率。针对上述问题,提出了基于矢量化检测联邦滤波的INS/BDS/地磁组合导航容错方法。通过构建面向INS/BDS/地磁不同导航信息的故障检测函数,能够实现更加准确的矢量化信息分配,从而可以有效避免可用导航信息的损失以及故障导航信息对整体系统的影响。仿真结果表明,提出的方法可以有效隔离不同类型的故障信息,并减小其对无故障导航信息及整体系统的影响,从而提高了组合导航的精度和可靠性。     

基于联邦滤波的惯导/北斗/里程计紧 组合导航算法研究

针对地面载体长时间复杂应用环境对导航系统精确性和可靠性的要求,提 出一种基于联邦滤波器的惯导/北斗/里程计紧组合导航算法。在分析惯导、北斗、里程 计导航系统特点的基础上,建立了组合导航系统的误差状态模型和量测模型,采用联邦 滤波器实现了三者的紧组合容错系统设计,分别对子系统无故障、北斗及里程计出现故 障情况下进行仿真验证。结果表明,将联邦滤波理论应用于惯导/北斗/里程计紧组合导 航系统可以提高导航性能和系统的容错能力。     

基于置信度加权的组合导航数据融合算法

 针对联邦滤波融合算法中由于模型量测噪声统计特性未能被准确描述导致其子滤波器误差变大，进而导致联邦滤波估计出现偏差的问题，为了改进联邦滤波融合方法，将模糊自适应卡尔曼滤波方法和置信度加权方法与联邦滤波融合方法相结合，应用于组合导航系统。该方法首先将模糊自适应卡尔曼滤波方法应用于各子滤波器，使其能够跟踪真实量测噪声统计特性。然后通过模糊方法计算得到各子滤波器的置信度，进而得到联邦滤波器的置信度，再由得到的置信度对各子滤波器及联邦滤波器输出进行加权，得到最终的全局输出。对车载组合导航系统的仿真结果表明，这种算法对量测噪声具有较强的自适应性，能够抑制置信度低的子滤波器在融合系统中所占的权重，提高联邦滤波融合算法的精度，是一种可行的车载组合导航数据融合算法。     

基于改进联邦Kalman滤波的组合校准方法研究

联邦滤波器广泛应用于多传感器信息融合领域,联邦滤波中的信息分配原则影响滤波精度.针对联邦Kalman滤波器进行改进,采用基于估计协方差阵奇异值动态确定信息分配系数.对子滤波器进行重置时,采用新的重置方法,保证了子滤波器误差协方差阵的对称性,确保Kalman滤波器的一致收敛稳定性.新的联邦滤波算法允许每个状态分量拥有不同的动态信息分配因子,从而改进了联邦滤波信息融合的精度.设计了SINS/GPS/电子罗盘组合导航系统,仿真结果说明,与传统联邦滤波算法相比,改进的联邦滤波器估计精度得到了提高,可以更好地对SINS误差进行校准,提高系统的精度.     

基于自适应联邦滤波的相对导航信息融合

针对基于GPS/MV组合导航方式的无人机空中加油问题,分析了对接阶段GPS及视觉传感器存在的条件约束。在建立导航传感器非线性相对位置测量模型的基础上,设计了基于扩展卡尔曼滤波的自适应联邦滤波器,并与集中式滤波进行了对比仿真。结果表明,提出的算法保证了部分传感器失效时导航数据输出的平稳性和容错性,滤波精度完全满足无人机空中加油相对导航系统要求。     

再论联邦滤波在组合导航中的应用可行性

在联邦滤波算法中，针对子滤波器存在私有状态从而导致全局状态信息融合估计为次优估计的问题，通过一个简单的3维状态、2维量测系统的数值仿真以及速度+姿态传递对准组合导航仿真，验证了联邦滤波的次优估计结果误差太大，难以满足实际系统的高精度滤波需求。联邦滤波估计的次优程度没有经过严格证明，且难以证明，因而存在应用风险。对于以精度为主要性能指标的组合导航系统，不建议采用联邦滤波算法，否则其精度损失不足以弥补其带来的计算量降低和容错性提高的优势。     

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。     

惯性辅助的北斗导航故障自适应方法研究

北斗导航系统完好性是指北斗导航系统不能用于导航服务或导航精度超出给定范围时,具备及时发现故障并通知用户的能力.针对北斗导航完好性检测问题,为改善北斗导航定位系统的精度、连续性、完好性和可用性,研究了基于惯性辅助的北斗导航故障检测方法,设计了北斗导航系统的量测修正与故障检测实现方案,构建了基于新息正交性的自适应滤波北斗/SINS紧组合导航架构,根据滑动窗口内新息动态变化特性修正系统量测噪声方差,在北斗导航信号受到较大干扰、发生异常的情况下,对品质较差的卫星测量信号进行识别,并对检测超出一定阈值的突变卫星信号实现故障隔离,从而提高系统适应能力,增强北斗/SINS紧组合导航系统容错性.构建了北斗/SINS组合导航系统仿真验证模型,结果表明,基于惯性辅助的北斗导航方法能够有效检测出卫星信号故障,提高了系统的适应性和定位精度.     

组合导航系统的容错技术发展综述

介绍了当前组合导航系统的发展概况,对基于联邦滤波理论的组合导航系统进行了详细分析,比较了几种不同结构的滤波器在组合导航系统容错性能上的优缺点。同时针对组合导航系统的特点,对其容错技术进行了的详细研究,尤其在故障检测和系统重构方面做了详细论述。     

JIDS/SINS/GPS组合导航系统两级故障检测结构设计

针对传统组合导航系统故障检测方法不能同时准确检测突变故障及缓变故障的不足,提出了一种两级故障检测结构。这种结构采用联邦滤波器结合了残差χ2检测法易于检测突变故障和状态χ2检测法易于检测缓变故障的优势,在JIDS/SINS/GPS组合导航系统中得到了成功应用。仿真表明,这种方法对突变故障和缓变故障都达到了较好的检测效果。此外,此方法没有改变联邦滤波器原有结构,检测准确度高,计算量小,是一种便于工程实现的检测方法。     

基于双状态卡方故障检测的组合导航系统

故障检验与隔离是利用联邦滤波实现组合导航系统安全可靠运行的关键技术。针对常规残差卡方检验法对于慢变故障检验效果差,以及状态卡方检验受到初值误差、系统噪声和建模误差影响导致子系统被频繁隔离的问题,提出一种改进的SINS/GPS/ADS/DVL组合导航系统故障检验算法。该算法采用2个状态推进器交替地对滤波数据进行重置,避免状态递推器被未检测出来的故障污染。实验结果表明,改进的算法能够有效提高故障检验的灵敏度,增强组合导航系统的可靠性。