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。     

信息融合技术在组合导航系统中的应用

提出了无线电近程导航系统(RSRN S)与IN S/GPS的综合过程,探讨了RSRN S和IN S/GPS综合应用过程中的信息融合技术问题。采用GPS伪距、伪距率以及无线电近程导航定位与IN S组合,建立了卡尔曼滤波方程,设计了飞行轨迹,对相关的信息融合技术进行了初步讨论,并给出了惯性元件精度较低时组合系统的仿真输出。这种组合导航方案可以充分利用各种导航传感器的信息,有效提高导航系统的精度。     

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...     

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。     

单兵导航多传感器信息融合自适应滤波算法

基于足绑式INS的单兵导航系统,通过将惯性导航系统、人体运动学约束、磁强计等多传感器信息进行融合得到准确的单兵导航信息。对于匀速步行时的单兵导航,可采用普通Kalman滤波算法进行多传感器信息融合,但不能满足跑步等激烈运动模式下单兵导航需求。提出衰减记忆新息自适应Kalman滤波算法,可满足多步态模式下的单兵导航多源信息融合的需求,实验结果验证了算法的有效性。     

基于联邦滤波结构的INS／GPS组合导航系统数据融合研究

为了研究平台式惯导INS（interial navigation system）和全球定位系统GPS（globe position system）组合导航联邦滤波器的实现,使用速度局部滤波器和位置局部滤波器,分别对INS／GPS组合导航系统的向东速度、向北速度,以及对经度和纬度进行卡尔曼滤波,然后将位置数据和速度数据输入主滤波进行数据融合。以无人机的向东匀速水平飞行为背景,运用联邦卡尔曼滤波器算法,使用matelab进行仿真分析。可以证明联邦滤波器算法简单,易于实现,并且可以提高导航系统精度．实际应用中此方法可行。     

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。     

多无人机辅助定位信标的区域导航定位算法

针对卫星导航系统在受到干扰不可用的情况,研究了多无人机（UAV）辅助的区域导航定位算法。以无人机作为空基信号播发平台,向地面用户广播其位置信息及同步时钟信号,地面用户通过接收无人机位置及与无人机的距离计算出其实时位置。以地面战车为例,为解决伪距单点定位算法中的矩阵不可逆问题,消除地面用户接收机的钟差,基于列文伯格-马夸尔特（LM）算法,提出一种地面用户的定位解算模型,同时,为提高一般最小二乘算法的计算精度,提出了两步最小二乘定位算法。在分析2种算法静态定位精度的基础上,设计了基于车载惯性传感器和无人机辅助定位信息的组合导航实现算法,实现了对战车的连续定位。仿真结果表明,在GNSS拒止环境下,利用无人机播发的定位信标信号并结合地面用户战车自带的惯性导航系统,可以实现对地面用户的可靠连续定位,满足一定区域范围内用户的导航定位需求。     

基于信息融合技术的无人机风速测量方法

随着无人机技术的发展,无人机风速测量技术成为了无人机的一个重要应用领域。为了提高无人机风速测量的精度,文中将信息融合技术应用于无人机风速测量中,数据层分别通过平均法和改进的 Kaiman 滤波对空速和航向角进行信息融合,以提高参数测量的精度,决策层通过加权平均法对速度矢量三角形法,空速归零法,以及航位推算法计算得到的结果进行融合,并通过实际飞行测量对文中方法进行验证。结果表明,基于信息融合技术的风速测量方法,可以与探测精度高的气球法相当,且探测区域广、探测成本低。     

基于因子图的无人机全源导航关键技术研究

针对DARPA提出的全源导航需要快速集成并重新配置任意导航传感器的要求,结合民用无人机的任务需求,通过概率图模型相关原理,对基于因子图的无人机全源导航关键技术开展研究工作.采用因子图对系统状态更新过程进行表示,实现系统状态的递推与更新,完成传感器信息的数据综合.仿真结果表明,该方法能在传感器可用性时变的情况下,将不同传感器的数据进行有效融合,确保系统导航定位精度,使载体满足不断变化的任务需求与环境变化的要求.     

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Simulink的组合导航系统的FDIR技术仿真分析

为解决组合导航系统子系统故障时导航精度降低这一问题,根据事先制定的重构规则进行系统重构,使得导航系统发生故障时仍能正常工作地思想,制定了INS/GPS/ADS组合导航系统的重构规则,并采用Simulink进行了仿真。结果表明,在发生故障时,基于联邦滤波组合导航系统的重构技术能保证系统在故障时仍能以一定的精度进行导航。     

基于联邦滤波的容错组合导航系统仿真分析

设计INS／GPS组合导航系统时,考虑到观测量GPS位置和速度是正相关的,可通过降低单个滤波器的维度形成两个局部滤波器,主滤波器融合局部滤波器的状态估计,得到整个组合导航系统的误差状态估计值。同时,根据各局部滤波器的故障情况选择输出,仅利用未失效系统的局部滤波器得到可靠的最优误差状态估计值,使得容错性能大大提高。结果表明,由于采用了并行运算,增加了系统的余度,有效提高了导航系统的精度和可靠性,有较好的容错性和环境适应性,具有较高的应用价值。     

第一视角飞行模式设计与无人机着陆试验研究

设计了一种第一视角飞行模式,同时观察图像与导航数据来控制无人机飞行并实现着陆.第一视角飞行是一种基于无人机上加装无线图像传输设备,在地面看屏幕操控无人机的操作模式.无人机操纵员通过观察前视探测器拍摄的图像和导航数据控制遥控器,地面控制站捕捉遥控器的输出信号并把该信号通过数据链传至机载飞控系统,从而实现对无人机的控制.该飞行模式的实现,提高了无人机飞行的机动性,突破了小型无人机只能在本场着陆的限制,使无人机可以在远离本场情况下安全着陆.     

雷达导航总站综合信息管理系统的设计与实现

以民航东北空管局雷达导航总站的综合信息管理为背景,介绍了一种计算机网络综合信息管理系统的设计与实现,阐明了系统网络拓扑结构、网络开发环境、系统功能及系统特点,为民航空管导航系统综合信息的正规化、科学化管理提供了可以借鉴的经验。     

基于Turbo码研究的无人机信道分析与建模

针对无人机通信信道的特点和要求,提出了一种无人机信道模型.通过分析无人机通信信道的组成,将信道按照无人机的飞行状态划分为3种主要状态,最后通过实验给出了无人机在不同飞行状态下误码率性能和的仿真结果,并将此结果与计算机模拟该无人机信道下的仿真结果相比较,得出在进行无人机信道编码的仿真研究中应用该信道模型的具有可行性和重要意义.