多传感器融合导航方法的比较

多源传感器融合导航有多种算法，但不同算法之间存在理论和计算方面的差异。本文试图从理论上探讨联邦滤波融合法、动静态滤波融合法、基于观测信息的融合法以及基于各传感器几何导航解融合法的基本原理，分析各种方法的优劣，为多传感器融合导航的应用打下基础。     

多传感器图像融合技术及其进展

数据融合技术是一个多级、多层面的数据处理过程,主要完成对来自多个信息源的数据进行自动检测、关联、相关、估计及组合等的处理,得出最终结论或决策的技术。多传感器数据融合是一门新兴的技术,是对数据的综合与处理的过程。该技术在军事领域和民用领域都有很大的发展和应用前景,是目前受到普遍关注并迅速发展的技术分支,本文简述了图像融合技术的原理与架构、技术特点以及像素级、特征级和决策级图像融合的分类方法,介绍了各种方法的一些具体实施方案、特点及新的进展,评述了图像融合技术进一步发展和应用的一些关键问题,并指出了多源传感器数据融合研究中存在的问题及研究方向。     

多传感器数据融合与航迹预测

本文是用滤波估计的方法对多传感器数据进行融合.在误差处理方面应用多元方差分析方法来消除各雷达测量数据的偏差,最终预测信号在短期内的轨迹.该方法简单、精度高、可信度强.     

含有色噪声的几何导航解自适应融合算法

组合导航系统的精度和可靠性，除受各传感器偶然误差和系统误差的影响外，还受时间相依的有色噪声的影响。任何基于高斯白噪声假设而忽略实际有色噪声影响的数据处理理论和方法均不能保证估计结果的实际可靠性。本文基于多源几何导航结果的融合算法，通过对状态方程有色噪声的拟合和预报，给出了含有有色噪声的几何导航结果的融合算法。并利用模拟数据进行了试算与比较。     

多传感器组合导航系统的两级分布式融合算法研究

研究了可用于多传感器组合导航系统的两级分布式最优融合算法,以理论的形式证明了在有、无信息反馈的情况下最终的融合结果是等价的与最优的。仿真结果在验证上述理论的情况下,也说明了来自融合中心的反馈信息可明显提高子滤波的滤波性能。     

一种异步多传感器组合导航系统融合算法

针对不同导航传感器存在的采样率不同步（或尺度不同）,提出了一种基于状态方程多尺度变换的异步多传感器组合导航系统信息融合算法。仿真结果表明,本算法不仅具有较好的实时性,而且具有较好的融合精度。     

面向导航电子地图制作的多源地理空间数据融合技术

通过分析导航电子地图的制作,提出一种多源地理空间数据的融合技术。首先,针对导航电子地图数据3种基本要素类型的采集进行导航变化数据融合算法的设计,并在导航数据融合的同时维护导航数据的拓扑关系;然后,将融合后的导航电子地图数据与卫星影像数据进行叠加分析;最后,对不同数据变化分别制定相应的导航电子地图生产规划。     

多传感器组合导航系统的多尺度分布式滤波算法

将模型的动态系统分析与具有统计特性的多尺度信号变换方法相结合,首先将状态方程采用数据块变换的方式以得到新的状态块方程,并将量测方程表达为数据块的形式;然后将量测向量进行多层小波变换以得到新的量测向量,并结合状态块方程进行卡尔曼滤波;最后根据卡尔曼滤波结果建立多尺度分布式融合估计算法。仿真结果表明,相对于原始尺度的集中式卡尔曼滤波器及原始尺度的多尺度融合算法,本算法可明显地提高系统的滤波精度。     

多传感器数据融合与航迹预测

本文是用滤波估计的方法对多传感器数据进行融合。在误差处理方面应用多元方差分析方法来消除各雷达测量数据的偏差,最终预测信号在短期内的轨迹。该方法简单、精度高、可信度强。     

多源融合导航系统的融合算法综述

多导航源的信息融合算法是多源融合导航系统的核心技术,根据各类算法的结构特性,将融合算法分为三大类:集中式融合算法、并行式融合算法和序贯式融合算法。通过对各类算法的仿真,总结出算法的特点和适用场景,并得出融合算法的发展趋势,为多源融合导航系统设计提供算法理论支撑。      

基于多传感器观测信息抗差估计的自适应融合导航

首先利用抗差估计原理构造了基于观测信息的融合导航解,再利用动力学模型信息进行自适应融合,最后利用模拟算例进行多种方案的计算与比较。     

基于方差分量估计的自适应融合导航

多源传感器观测信息的精度一般不一致,利用方差分量估计理论可以合理地顾及各传感器观测信息在融合导航解中的权比.首先给出基于多源观测信息的融合导航解算模式,进而基于方差分量估计讨论了各传感器观测信息在融合导航解中的合理平衡问题,然后应用自适应因子顾及动力学模型预报信息的贡献,给出了计算过程,并利用模拟数据进行了试算与比较.     

因子图发展及其在定位与导航的应用技术

因子图作为一种表示因式分解的建模工具,在编码领域、统计学、信号处理和人工智能领域有着广泛的应用．因子图在导航领域的应用研究逐步发展起来．与单一导航系统对比,组合导航系统能够提供更精确、更具鲁棒性的导航结果,但是因其各个子系统的误差特性与工作频率不同的特点,增加了导航系统的设计复杂性．基于因子图的组合导航算法可以有效解决导航信息融合中的传感器异步问题且实现对多传感器的灵活配置,使得系统具有即插即用的特性,在非线性量测条件下可以获得较好效果.导航系统中的状态估计以及信息融合问题可以使用因子图模型表示,基于因子图的和 积算法是组合导航信息融合的主要算法.本文对因子图及其在导航系统中的应用进行了探讨,主要包括:1)因子图的数学理论基础及其相关应用领域;2)因子图在定位与导航领域的发展和应用.      

Integrated Navigation Based on Robust Estimation Outputs of Multi-sensor Measurements and Adaptive Weights of Dynamic Model Information

IntroductionMulti-sensor combinationis a main tendencyinnavigation and positioning. The measurementsof the multi-sensors usually have different typesof systematic errors . The integrated navigationsystem can provide redundant information toweaken the influences of the systematic errorsand to detect the measurement outliers and thedisturbances of the kinematic model . As a re-sult ,the whole accuracy and reliability of navi-gation and positioning will be i mproved.In the application of multi-s…     

基于SINS／GPS的无人机组合导航系统建模与仿真

根据无人机的飞行特点以及SINS(捷联惯导)和GPS(全球定位系统)的优缺点,利用轨迹发生器设计无人机的飞行轨迹,建立基于SINS/GPS的无人机组合导航系统,依据卡尔曼滤波的相关原理对系统进行数学建模和计算仿真,验证无人机SINS/GPS组合导航系统的可靠性。     

GPS/DR组合导航中一种新的数据融合算法

在分析以往多传感器组合观测数据融合算法基础上,提出了一种新的数据融合算法。仿真计算结果证实了该方法的可行性。     

卫星导航定位系统时间同步技术

卫星导航定位系统测距的基础是测时,而定轨和定位的前提是各观测量的时间同步,因此,时间同步是卫星导航定位系统建设的关键。卫星导航定位系统中时间同步技术包括卫星与地面(星-地)和地面站间(地-地)的时间同步,主要时间同步方法有用于星-地时间同步的双向时间频率传递法(TWSTFT)、倒定位法等,以及用于地-地时间同步的TWSTFT、卫星共视法、搬运钟法等。本文重点介绍TWSTFT和卫星共视法进行时间同步的基本原理、精度分析和卫星导航定位系统的钟差预报。     

SINS／GPS级联组合滤波新算法

针对级联式SINS／GPS导航系统中组合滤波器的测量噪声与系统噪声的相关问题，提出了一种相关程度未知条件下的估计量最优融合算法，并由此得到了一个顾及噪声相关性的的卡尔曼滤波新算法；通过对一套SINS／GPS数据的计算，证明了新算法是成功的。     

一种基于改进UKF滤波的GPS+PDR组合定位方法

针对接收信号质量恶化的环境,提出了一种适用于信号遮蔽环境的改进GPS+PDR组合定位算法。该方法用短时间内的陀螺仪积分数据校正数字罗盘的航向偏差,在一定程度上消除了数字罗盘受到的偶发干扰。采用约束残差的无迹卡尔曼滤波（UKF）算法对GPS和行人航迹推算（PDR）定位信息进行融合处理,有效克服了PDR定位中累积航向误差产生的位置漂移问题,提高了算法的定位精度和稳定性。试验结果表明,改进算法能有效抑制数字罗盘的漂移误差,航向相对误差平均降低56%;行人步行时,GPS定位标准误差为2.67 m,单纯PDR定位标准误差为6.83 m;随机给予若干点GPS数据辅助定位,标准误差降至3.12 m;全程融合GPS与PDR定位,标准误差可降至1.94 m。     

遥感数据融合的进展与前瞻

数据融合是提升遥感影像应用能力的重要手段,一直是遥感信息处理与应用领域的研究热点。本文系统综述了遥感数据融合的进展与前瞻:首先对数据融合的层次与分类进行了总结和归纳,将遥感数据融合划分为同质遥感数据融合、异质遥感数据融合、遥感—站点数据融合、遥感—非观测数据融合4大类;在此基础上,重点针对时—空—谱光学遥感数据的融合,从多视超分辨率融合、多尺度融合、空—谱融合、时—空融合、时—空—谱一体化融合等方面进行了详细阐述;最后总结了遥感数据融合的前瞻研究方向,包括时—空—谱一体化融合的拓展、空天地观测数据的跨尺度融合、传感网环境下的在线融合、面向应用的融合方法等。