一种基于集中滤波的SINS/DVL/USBL 水下组合导航算法

针对水下运载体的长时间高精度导航问题,提出一种基于集中滤波的捷联惯性导航系统(SINS)/声学多普勒测速仪(DVL)/超短基线(USBL)水下组合导航方法,建立了杆臂在线估计的SINS/DVL速度观测模型和SINS/USBL相对量测信息观测模型,并利用参考信息判定结果实时更新量测方程及维数,既能保证精度,还能一定程度上减少运算量。理论仿真和湖面试验表明,本算法能够实现长时间高精度的水下导航定位,具有可行性。     

复杂水下环境下高精度SINS/USBL误差标定技术

针对SINS/USBL组合系统在导航与定位前需要对一体化样机进行精确标定的问题,对复杂水下声场环境下高精度SINS/USBL误差标定技术展开了研究,包括对安装误差角和空间杆臂误差的估计.基于标定模型的几何关系,推导了标定的状态方程和量测方程,并提出了新型的基于相对量测信息滤波估计的误差标定技术.为解决标定过程中由于存在声学野值而导致滤波估计性能下降的问题,通过高斯牛顿迭代将Huber M估计嵌入到变分贝叶斯框架中,推导了基于M估计的非线性鲁棒自适应标定算法,在精确校正后无需重复标定.仿真的结果验证了该方案的有效性、实用性和鲁棒性.     

基于变结构多模型的SINS/DVL组合导航算法

对于无人水下航行器来说,SINS/DVL组合导航是其主要导航方式,由于DVL自身作用距离的限制,虽然它可以在水跟踪模式下工作,但洋流速度作为其测量误差会导致SINS/DVL组合导航性能下降甚至失败.针对上述问题,基于有向图切换方法,设置洋流速度模型群,利用所设置的模型群切换策略对子模型群进行激活和终止,通过变结构多模型...     

基于模糊自适应滤波的水下INS/DVL组合导航研究

由于水下环境的复杂性,多普勒测速(DVL)误差的均值和噪声方差等统计特性均存在跳变现象,影响了INS/DVL组合导航精度。为此提出了一种基于模糊自适应滤波的水下INS/DVL组合导航算法,通过实时监测滤波残差的均值变化以及滤波残差方差与理论滤波残差方差的不一致程度,利用隶属度函数在线修正多普勒测速偏差以及量测噪声的统计特性。本文改进了已有模糊自适应滤波算法未考虑观测误差均值跳变以及对残差方差变化过于敏感的问题,并对DVL零偏跳变进行了修正。试验表明,所提出算法对多普勒测速误差的均值和噪声方差跳变具有较强的适应性,能够有效提高水下INS/DVL组合导航精度。     

一种基于相对测量信息的SINS/USBL组合导航算法

针对使用传统位置匹配算法解决SINS/USBL组合导航的问题,需要先利用USBL输出信息实时求解出载体的绝对位置,设计了一种基于相对测量信息的SINS/USBL组合导航算法.该算法无需求解绝对位置,直接利用超短基线系统原始输出的高度角、方位角和斜距等相对测量信息进行卡尔曼滤波组合导航,且在滤波器设计时能够根据传感器测量精度对滤波参数进行设计,更有针对性.通过理论数据仿真和湖面试验数据处理,证明了该组合导航算法能够在一定程度上提高导航精度,具有可行性.     

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...     

基于距离一矩法判据的多源寿命信息融合

针对小子样复杂系统的可靠性信息融合技术展开研究,解决同总体多源信息的科学利用与融合问题。该方法从数据层融合人手,考虑了各源验前信息的可信度,根据矩法估计原理求解各种可能验前分布的参数。采取距离作为度量选取最佳融合验前分布丽数。最后通过MATLAB仿真实例对4种常见分布进行了研究,验证了该方法的有效性。     

城市峡谷环境多源导航信息弹性融合定位方法

为了提高城市峡谷环境下组合导航系统的定位精度和可靠性,提出了一种基于观测传感器独立更新的交互式弹性融合方法。该方法将观测传感器的先验置信度以马尔科夫链的形式引入多源信息融合过程中,与贝叶斯最大似然后验估计相结合,实现对各独立传感器的权重更新以及交互式融合,最终输出多源融合导航结果。典型城市峡谷环境下的车载实验表明：动态权重具有天然的故障检测与隔离功能,能够有效应对传感器噪声与粗差的干扰,实现多传感器的在线优选,传感器独立更新结构可以随时接纳可用导航传感器实现导航源的即插即用。与传统的基于扩展卡尔曼滤波的多传感器信息融合方法相比,所提出的弹性融合方法展现出更高的定位精度和鲁棒性。     

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。     

基于多信息加权融合的降维航迹关联算法

针对分布式3个传感器多目标的航迹相关算法如果直接计算时间和花费都比较高这一问题,提出降维航迹关联算法。该算法先利用2个传感器的目标位置估计点构造航迹相关代价矩阵,求出最优解,再利用这个最优解与第3个传感器的目标位置估计点构建航迹相关代价矩阵,进一步得到三维航迹相关配对。针对单信息系统不稳定这一问题,提出了融合多个特征信息的加权算法。该算法利用熵权法赋予各种不同信息的权重进行加权融合,转化为单信息问题。仿真结果说明本文所给出的新算法不仅减小了目标跟踪误差而且其时间花费较少,因此,新算法是可行的。