基于Bayesian估计理论的GPS导航算法

当观测信息冗余度小或出现异常时,仅依靠GPS单历元数据难以获得可靠的定位结果,需借助历史信息改善定位精度和可靠性.导出了Bayesian递推算法的一般形式,建立了基于移动窗口的牛顿向前插值模型与常速度、二次曲线最小二乘拟合模型的先验信息获取方式,引入了当前历元相关观测方程的抗差估计,并采用实测GPS动态数据计算分析,结果表明:抗差估计能有效抑制粗差对GPS定位结果的影响;拟合模型对误差具有平滑作用,其中二次曲线模型明显优于常速度模型,但两者均需实时计算拟合系数;而牛顿向前插值模型系数恒定,计算简单,显著提高了定位精度及可靠性.     

基于记忆融合模式的多无人机分散式协同导航方法

针对多无人机协同交互过程中存在的通信时滞问题，提出基于记忆-融合的多无人机分散式协同导航算法。在无人机惯性和全球卫星导航系统（GNSS）紧组合导航框架基础上，建立含时滞影响的系统状态向量，并对系统状态误差及其方差进行推导，进一步构建关于各无人机状态的最优估计模型，并基于状态误差方差最小准则对状态进行最优估计。建立了基于机间相对测量的多无人机分散式协同导航算法，提出了基于记忆融合模式的时滞处理方法。在GNSS可获取及拒止环境下进行多无人机协同导航仿真与实验测试，结果表明，所提出的基于记忆-融合的分散式协同导航算法能有效补偿通信时滞造成的精度损失，有效提高定位精度。