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。     

改进的STUKF及其在多传感器信息融合中的应用

针对卫星导航信号不可用时引起组合导航性能降低问题,设计了适用于飞行器进近的卫星导航/捷联惯导/摄影定位(GNSS/SINS/Photogrammetry)组合系统。针对飞行器着陆时对系统位姿精度和自主性高的要求及其存在加减速、转弯等高动态的特性,以及采样点初始信息的不确定性导致UKF滤波器误差变大或者发散的问题,各子滤波器的状态估计采用改进的强跟踪无迹卡尔曼滤波(STUKF)方法。数字仿真表明,与传统UKF算法相比,改进的算法对载体的位姿估计精度更高,且只需一次UT变换,无需求解雅可比矩阵;计算复杂度降低对飞行器进近的过程有一定适应性。     

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.     

多源导航电子地图数据融合更新方法研究

针对导航数据更新频率低、数据重复获取、工作量大等具体问题,在研究相关数据模型、空间变换原理和误差评价等相关理论的基础上,提出了多源矢量导航电子地图数据的融合方法,为导航电子地图数据的生产应用提供理论和技术支持。     

非线性静态逐次滤波

在顾及二次项的非线性静态滤波与推估公式基础上进一步推导白噪声情况下的非线性逐次滤波与推估公式、白噪声驱动下的有色噪声情况下的非线性逐次滤波与推估公式.可以证明,线性静态逐次滤波是顾及二次项的非线性静态逐次滤波的特例.     

基于容错型联邦强跟踪滤波的多星座组合导航算法研究

在多星座组合导航应用于高动态场景时,由于受加速度变化范围大、动态噪声和观测噪声难以准确预测等因素影响,常规联邦滤波估计精度将会严重下降甚至发散。针对这一问题,提出将强跟踪滤波算法应用到容错型联邦滤波器中,构成容错型联邦强跟踪滤波器。对COMPASS/GPS/GLONASS组合导航系统进行的仿真结果表明:该算法设计灵活,容错性强,对高动态目标有较强的跟踪能力,能够显著提高导航定位的精度和可靠性。同时,由于组合应用了无重置联邦滤波结构和渐消矩阵一步次优算法、残差χ2检验算法等实用算法,使得该算法整体计算量适中,易于实现,具有一定的工程实用价值。     

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。     

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。     

一种多特征自适应融合的粒子滤波红外目标跟踪方法

提出了一种自适应融合颜色特征和边缘特征的粒子滤波跟踪算法。首先,利用粒子滤波的天然框架,选择在红外条件下最能代表目标信息的颜色特征和边缘特征构造目标的多特征模型;然后,根据不同特征对目标与背景的可分性,对多特征模型中各特征分量的权值进行自适应调节;最后,借助动态空间模型,对粒子滤波跟踪算法进行改进,预测粒子的运动状态,从而克服环境突变对跟踪稳定性的影响。实验结果表明,本文算法能克服各种背景杂波及噪声的干扰,并能很好地解决目标在复杂背景下的尺度变化和突变运动带来的困难,保证了跟踪的鲁棒性和稳定性。     

改进的Sage—Husa自适应滤波在GPS动态导航定位中的应用

本文利用Kalman滤波方法对动态测量进行数据处理,由于高动态的GPS测量,不易确定系统动态噪声和观测噪声.同时标准的Kalman滤波在应用过程中由于状态模型确定的误差存在,滤波效果不佳.因此本文结合动态导航的实时性和高动态性,建立了动态导航系统中滤波状态方程和观测方程,采用改进的Sage-Husa自适应滤波对来进行实时定位数据处理,利用已有测量数据进行了实例分析.改进的Sage-Husa自适应滤波在计算过程中计算量小,结果稳定,有较强的自适应性.     

一种基于分步式滤波的多传感器组合导航系统算法研究

提出了一种多传感器组合导航系统的分步滤波算法。当所有传感器的观测值到来时,首先对该时刻的系统状态进行预测,然后利用常规卡尔曼滤波器和各导航传感器的观测值依次对该时刻的状态向量估计值进行更新,进而得到该时刻状态向量基于全局信息的最优融合估计。最后利用GPS/SST/高度表/SINS多组合导航系统对上述算法进行验证。仿真结果表明,该算法与集中式卡尔曼滤波算法的估计精度相同,但计算量得到降低。     

论动态自适应滤波

动态导航与定位的质量取决于对动态载体扰动和观测异常扰动的认知和控制。本文首先介绍了目前广泛使用的Sage自适应滤波，讨论了自适应滤波的残差向量、新息向量及状态参数预报值残差向量的解析关系，以及它们之间的协方差矩阵之间的关系；分析了基于新息向量、残差向量和状态参数预报值残差向量的自适应协方差估计存在的问题。对新近发展起来的抗差滤波、Sage自适应滤波及抗差自适应滤波进行了综合比较与分析，结果表明抗差自适应滤波解算理论与方法除自适应地估计载体状态预报向量的协方差矩阵外，还能自适应地估计任意历元观测量的权。计算结果证实，抗差自适应滤波不仅计算简单，而且能有效地控制观测异常和载体状态扰动异常对动态系统参数估值的影响。     

一种迭代的GPS／INS组合导航滤波算法

简要介绍了GPS/INS松组合导航系统状态方程和观测方程。针对标准Kalman滤波算法存在的状态方程截断误差、噪声统计特性的不确定性以及状态扰动异常的影响,给出了一种应用于GPS/INS组合导航系统的迭代滤波算法。该算法采用迭代策略,不断利用观测信息实时修正状态预报值。实测数据计算结果表明,通过对状态预报值的实时修正,该算法能够很好地抑制状态预报信息的不确定性和扰动异常等对导航解的影响。其滤波解精度明显优于标准Kalman滤波。     

联邦滤波的改进算法

分析并综述了联邦滤波算法,以及该算法存在的问题。针对观测信息不足的情况下,结合抗差估计和自适应估计理论对联邦滤波算法进行了改进,给出了联邦滤波在局部传感器观测信息不足情况下的改进算法。由模拟计算结果可知,在局部传感器观测信息不足的情况下,改进的联邦滤波器能较好地抑制载体观测异常和状态扰动异常对动态系统参数估值的影响,具有很强的的抗差性和自适应性。     

动态定位自适应滤波解的性质

自适应抗差滤波具有控制观测异常及状态方程信息异常干扰的能力。着重研究自适应滤波解的性质。首先推导了动态自适应滤波与经典Kalman滤波解的解差，继而给出了状态向量估值的数学期望和均方误差，并分析了在自适应因子调控下解的偏差和均方误差的变化规律。由状态解向量的数学期望和均方误差的表达式可以看出，自适应因子能够控制状态异常对状态估值和均方误差的影响。     

联邦滤波的改进算法

分析并综述了联邦滤波算法,以及该算法存在的问题.针对观测信息不足的情况下,结合抗差估计和自适应估计理论对联邦滤波算法进行了改进,给出了联邦滤波在局部传感器观测信息不足情况下的改进算法.由模拟计算结果可知,在局部传感器观测信息不足的情况下,改进的联邦滤波器能较好地抑制载体观测异常和状态扰动异常对动态系统参数估值的影响,具有很强的的抗差性和自适应性.     

改进的高动态GPS定位自适应卡尔曼滤波方法

本文针对高动态ＧＰＳ不易确定动态噪声和观测噪声的特点,提出了一种适用于高动态ＧＰＳ定位的改进的自适应卡尔曼滤波方法。该方法具有数值稳定性好,存储量小的优点,克服了发散的缺点,具有较强的自适应性。     

粒子滤波在高动态GPS定位中的应用

针对高动态GPS定位系统的特点,引入了一种基于粒子滤波的高动态GPS定位系统滤波算法。借助于移动目标的速度矢量模型建立了系统状态方程,论文给出了标准的卡尔曼滤波算法模型,重点讨论了粒子滤波算法在高动态GPS定位中的应用,详细描述了算法的推导过程。对算法进行仿真,结果表明当GPS接收机作大范围机动或GPS信号受到干扰时,粒子滤波要优于标准的卡尔曼滤波。     

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。