反馈式多目标多传感器系统误差融合估计技术

本文对多目标情况下的多传感器系统误差估计问题进行了研究,提出了反馈式多目标多传感器系统误差融合估计算法。算法首先对EX算法进行了修正,无需计算各目标状态估计及其增益伪逆,直接利用各传感器量测数据来构建伪量测,通过滤波获得局部传感器组合系统误差估计;其次,算法通过构建状态空间转移矩阵实现了全局估计到局部组合估计关系描述,并从多目标多传感器两个层面对系统误差估计进行更新,即对多目标信息进行递归融合以有效利用空间分布的多目标信息,对多传感器组合估计信息进行反馈融合获得全局估计。蒙特卡洛仿真结果说明该算法能够进行多传感器系统误差的快速精确融合估计,相比EX算法在实时性与估计精度方面均具有较大的优越性。
     

基于联邦滤波的异质异步多传感器组合导航算法

针对多源组合导航中各导航子系统数据更新频率不一致导致滤波器量测信息非等间隔,以及动力学模型受到干扰量测信息异常的问题,提出一种基于多尺度模型的自适应组合导航信息融合算法.利用不同尺度上的观测信息在各尺度上进行Kalman滤波,并经过融合最终获得基于全局的状态估计值.且以飞行器为应用对象,设计了适用于飞行器的惯导/卫星/高度计/航姿仪(SINS/GNSS/ALTM/AHRS)组合导航算法.根据观测信息和动力学模型异常情况,引入自适应因子,进而控制对量测预测值的信任度,有效地抑制了不精确估计对导航结果的影响.     

多传感器组合导航系统分层融合算法

从信息融合角度来看，目前在组合导航系统中广泛应用的联合滤波算法居于两级式分布式融合结构。而分层融合结构作为多传感器信息融合的另一种重要的模式，在组合导航系统中应用尚未见报道。本文研究了多传感器组合导航系统的分层融合算法，重点与联合滤波算法进行了比较。以定理的形式证明了在一定条件下分层融合算法与联合滤波算法的等价性问题。进而提出了分层融合算法的部分反馈模式。仿真结果表明，部分反馈模式的有序分层融合算法可有效地应用于多传感器组合导航系统。在相同的容错能力和计算复杂性下，可以得到优于联合滤波的导航信息融合结果。     

多信息融合组合导航半物理仿真系统设计与实现

导航算法是组合导航系统中的关键技术。为了验证导航算法的性能, 以导航算法能最终实现工程应用为背景,文中研究了一种以RS-232串行通信为基础,采用分布式仿真结构的多信息融合组合导航半物理仿真系统。根据系统工作原理,搭建了硬件平台,设计了系统的整体信息交换流程和各分系统之间的数据通信协议,利用MSC6.0和VC++6,0编制了传感器仿真程序,导航仿真程序,以及导航监控程序。最终完成了整个系统的实时联调。系统实时联调结果表明,该系统能够直观有效地验证各种导航算法的导航性能,从而为导航算法移植到工程应用中提供了有益的参考。     

多传感器分层多级变结构组合导航信息融合方法

基于惯性/卫星(全球卫星定位系统(GPS)/北斗双星)/多普勒/星光组合导航系统,提出了一种用于组合导航系统的多传感器分层多级变结构部分优化故障检测、隔离与系统重构(FDIR)的信息融合模型和算法。给出了模型的构成,并讨论了分层多级融合顺序与部分融合对全局估计的影响及其优化。理论分析和仿真试验结果表明,分层多级部分优化融合模型融合后的综合性能优于联邦滤波基本融合模型。     

基于联邦UKF算法的月球探测器自主组合导航

研究了月球探测器在地一月转移轨道阶段的自主导航方法，提出了利用地月位置信息和星光角距测量信息实现探测器自主组合导航的方案。针对导航系统的状态方程非线性的特点，将Unscented卡尔曼滤波算法和信息融合技术相结合，设计了新的联邦滤波器并应用于自主导航系统中。对这种导航方案进行了数值仿真，和传统的联邦滤波算法进行了比较。仿真结果表明，所提出的组合导航方法和联邦滤波算法的导航位置估计精度约为1km，速度估计精度约为0．01m／s，并且具有良好的鲁棒性和容错性能。     

基于多尺度分布式融合估计的GPS/INS组合导航系统的研究

针对如何融合多传感器的数据、提高数据处理的可靠性和精度的问题,将基于模型的动态系统分析方法与基于统计特性的多测度信号变换方法相结合,提出基于Kalman滤波的多尺度分解与估计联合的多尺度分布式融合估计算法.该算法首先建立系统的动态方程和观测方程,再利用小波变换将数据在不同尺度上进行融合处理,归纳出该算法的实现步骤.最后通过组合导航系统的仿真验证算法的有效性,结果进一步证明了该算法能够有效地提高多传感器数据的处理精度.     

捷联惯导/星敏感器组合导航技术研究

针对在捷联惯导系统中陀螺的误差存在随着时间积累而逐渐增大的缺点,提出了捷联惯导系统+星敏感器的组合导航方案,并进行了仿真及结果分析。以Kalman滤波为基础,通过将捷联惯导系统和CCD光学传感器所测得的飞行器相关姿态信息进行数据融合,估计出组合导航系统的误差状态量,进而修正捷联惯导系统的位置、速度和姿态角。详细推导了捷联惯导+星敏感器组合导航的算法,并通过对仿真结果的分析证实了该方案的可行性和算法的有效性。     

大尺度弱纹理场景下多源信息融合SLAM算法

为实现自主机器人大尺度弱纹理场景下局部精准和全局无漂移的状态估计,提出一种视觉惯性与全球导航卫星系统多源信息融合的同时定位与地图构建算法。首先,通过在局部状态估计中加入线特征来更直观表示环境的几何结构信息,有效提升了弱纹理场景中关键帧之间相对位姿估计的准确性;其次,通过引入线性误差表示,将线性特征表示为直线端点上的线性约束,从而将线特征整合到基于特征点算法的线性表示中,有效改善算法在重复线特征场景下的鲁棒性。最后,使用多源信息融合算法,融合视觉惯性与GNSS测量信息实现了局部精确和全局无漂移的位姿估计,有效解决了大尺度弱纹理场景下的精准状态估计问题。多个公共数据集的评估结果表明,所提出算法的鲁棒性更强、定位准确度更高。     

利用虚拟观测提升自动转移飞行器导航精度

针对自动转移飞行器(ATV)自主导航过程中的高精度要求,提出了一种利用加表虚拟观测信息辅助捷联惯性(SINS)/天文(CNS)的组合导航方案。该算法利用了ATV无动力轨道飞行时的完全失重条件来改进SINS导航动力学方程,并获取加表零偏虚拟观测信息,从而实现导航状态的精确估计。不同更新率SINS/CNS/虚拟观测等多源信息融合采用了扩展Kalman滤波方法。ATV典型轨道仿真结果表明,虚拟观测信息的引入使ATV纯惯性导航定位、定速精度分别提升了82.33%和93.87%,使SINS/CNS组合导航定位、定速精度分别提升了98.35%和98.72%,定姿精度相应地维持不变。加表虚拟观测的引入使SINS在不增添其他传感器的情况下提升了导航精度,降低了SINS对外测信息的依赖性,具有重要实用价值。     

多传感器最优信息融合Kalman多步预报器及其应用

提出了一种新的标量加权线性最小方差意义下的多传感器最优信息融合算法。该算法考虑了局部估计误差之间的相关性，只需计算加权标量，避免了加权矩阵的计算，明显减小了计算负担，便于实时应用。基于该融合算法，对被多个传感器观测的离散线性随机系统，给出了具有容错性的多传感器标量加权最优信息融合分布式Kalman多步预报器。它具有两层融合结构，其中第一融合层具有网状并行结构，用来获得每时刻每两个无故障传感器子系统之间的滤波误差互协方差阵；第二融合层用来确定最优标量加权系数，进而获得标量加权最优融合Kalman多步预报器。将其应用于雷达跟踪系统验证了其有效性。     

斜装陀螺系统及其故障检测

分析了陀螺系统构型对卫星可靠性和姿态控制系统性能的影响，基于６个陀螺全部斜装的八面体构型，设计了等价空间故障检测算法。仿真结果表明，采用这种陀螺构型和故障检测算法，系统可检测较小幅度的软故障，从而获得优良的容错性能。     

带反馈分布式不同维传感器状态估计技术

论述了带反馈分布式信息融合系统中传感器观测维数不同时的状态估计方法。在多传感器系统中，目标的测量是在极坐标中获得，而数据处理通常是在直角坐标中完成。由于二维传感器不能获得观测目标的俯仰信息，其估计将会产生一定的动态误差。在分布式的信息融合系统中，各传感器需要将各自的局部估计送到融合中心进行统一处理。如果不适当地减小这种动态误差，必然将导致整个信息融合系统的估计精度下降。针对上述问题，文章讨论了如何利用系统反馈信息，减小二维传感器的局部估计误差，从而提高整个系统的估计精度。最后，给出了算法的仿真分析。仿真结果表明该方法能够有效地减小系统动态误差。     

单目-无扫描3D激光雷达融合的非合作目标相对位姿估计

针对传统的利用单一视觉传感器难以实现复杂非合作空间操控导航的问题,提出一种基于单目相机与无扫描三维激光雷达融合的非合作目标相对位姿估计方法。首先,设计了基于成像几何关系的单目纹理-非扫描距离图像的快速配准与融合方法;之后,在构建目标同步定位与建图（SLAM）贝叶斯滤波模型基础上,提出一种扩展卡尔曼滤波-无损卡尔曼滤波-粒子滤波联合的滤波估计算法,可实现尺度模糊下相对位姿的快速鲁棒估计;其次,针对估计中的尺度模糊问题,提出基于融合图像的全局尺度系数确定方法,将尺度系数估计问题转化为简单线性滤波问题。基于OpenGL生成的2D/3D图像实验表明：所提出的方法具有较优的精度和鲁棒性;相对位置估计误差与尺度估计误差相关,二者近似成线性正比关系。     

基于小波分析的容错组合导航系统故障检测算法研究

针对目前多数故障检测法对缓变的软故障检测不灵敏,延迟性较大,无法判断各种故障类别等问题,在分析利用小波奇异性进行故障检测原理的基础上,提出了一种基于模极大值原理的导航传感器故障检测方法。该算法利用传感器的观测量来诊断传感器是否正常工作,文中给出了利用小波奇异性进行故障检测的原理描述及利用该算法进行故障检测算法流程。该算法不仅对导航传感器软故障具有较高的检测灵敏度,而且可以通过故障点处信号的Lipschitz指数来判断故障类别,为传感器故障隔离和修复提供有效的信息,因此可以更好的保障多传感器容错组合导航系统的可靠性。计算机仿真表明所提方法是有效的,具有较高的实用性。     

卫星姿态控制系统故障重构观测器设计

对于卫星姿态控制系统,提出一种基于PD型学习观测器(Learning observer, LO)的系统故障重构方法。在P型LO的学习算法基础上引入测量输出估计误差的微分项,设计了一种PD型LO,估计卫星姿态角速度和姿态角的同时,快速精确重构卫星执行机构故障。给出了所提观测器的稳定性条件,并基于线性矩阵不等式技术提出一种系统化PD型LO设计方法。进一步,将所提PD型LO设计扩展用于卫星姿态敏感器故障的快速重构。最后,将所提方法应用于微小卫星推力器故障重构和陀螺故障重构,仿真结果校验了所提方法的有效性。     

一种多制式传感器数据融合算法

针对一有三坐标雷达、两坐标雷达和红外探测器三种传感器的分布式多站多目标跟踪系统，提出了一种多制式传感器数据融合算法。算法以测量间最小距离为关联度，对测量集间的相似程度进行度量，用极大似然法估计目标位置，通过融合方法求得目标三维航迹。在作状态估计时，采用两组非线性卡尔曼滤波切换提高融合精度。     

利用分步Kalman滤波器的自主定轨信息融合算法

将星敏感器/红外地平仪的天文定轨信息与星间观测进行信息融合是消除基于星间链路自主定轨中星座整体旋转问题的有效途径。针对两种定轨方法精度相差较大导致融合效果较差的问题,提出了一种分步 Kalman 滤波算法。该算法利用星敏感器观测信息能够有效修正旋转参数的特点,将星敏感器观测信息和星间观测信息进行分步处理和最优信息融合以消除自主定轨算法中存在的星座整体旋转误差,提高定轨精度。通过对Walker星座的仿真表明,利用提出的分步Kalman滤波信息融合算法,星座自主定轨60天后星座URE误差能够稳定在 1.5米 以内,且能有效消除星座整体旋转误差。     

未知噪声环境方位-俯仰-频率-时延等四维参数联合估计方法

提出一种基于空时扩展虚拟传感器阵列的未知噪声环境下方位、俯仰、多普勒频移和相对时延四维参数联合估计新算法。未知噪声背景下的UN-MUSIC、UN-CLE等算法不易于完成多参数联合估计任务,而UN-ESPRIT算法又需要信号具有空、时域子空间旋转不变特性,对阵列结构要求严格。文中通过对原始数据的时延补偿等处理,利用虚拟数据阵的时移旋转不变特性,经由构建空时扩展波达方向矩阵同时获得诸参数的联合估计。虚拟传感器阵列的理论孔径为物理阵列的数倍,具有在低信噪比、未知分布噪声环境下更强的适应能力;且算法对于物理阵列阵元分布无特殊要求,具有很好的理论和实用价值。理论分析以及计算机仿真都证明了算法的有效性。