摘要：捷联系统进入匹配区时导航一定时间后已积累了一定的误差,采用适当的信息融合策略对误差进行估计并补偿可提高后续航行精度;通过建立水下地形匹配辅助导航系统非线性误差模型,以地形匹配和深度压力传感器测量的位置信息和深度作为量测量,基于扩展状态UKF算法设计了误差估计滤波器,仿真研究了其估计效果,并与非扩展状态UKF算法进行了对比研究。仿真结果表明:所提出的方法可行,而且基于扩展状态UKF的误差估计方法相比非扩展状态UKF方法具有更好的估计精度,研究结论为匹配区内估计捷联系统导航误差提供了参考。

摘要：针对目标运动模式的不确定性和运动模型的非线性问题,提出基于无味卡尔曼滤波器的交互式多模型方法。该算法采用匀速运动模型、匀加速运动模型、已知转弯角速度的匀速率转弯模型和"当前"统计模型作为模型集,用无味卡尔曼滤波实现非线性状态估计。仿真结果表明,该算法比传统的交互式多模型算法具有更高的跟踪性能。

摘要：微小型无人飞行器(MUAV)通常采用微惯性/GPS组合导航系统提供载体速度、位置、姿态等参数。然而GPS信号易受干扰,且面对特殊环境(如高楼林立的街道、隧道、峡谷等)易出现信号丢失情况难以满足飞行器的自主安全飞行要求。为解决该问题,设计基于光流法辅助微惯性导航的无GPS自主导航方案,提出了一种基于无味卡尔曼滤波(UKF)的非线性融合导航方法,基于四旋翼飞行器的悬停和飞行实验进行了验证。实验结果表明:该方案具有成本低、导航自主性强、精度高的优点,具有一定的应用参考价值。

摘要：为提高室内轮式机器人定位精度,采用多传感器信息融合的机器人自主定位方法,根据室内轮式移动机器人的运动模型,建立了定位系统的状态方程;基于传感器的工作原理和数学模型,建立了各自的观测方程。鉴于二者的非线性,利用无味卡尔曼滤波算法对传感器信息进行融合。实验中开发了基于FPGA的主控平台,降低了数据处理系统的冗余度,提高了系统的稳定性。另外,设计了多传感器并行采集与快速处理的算法,提高了传感器信息融合的实时性和有效性。通过进行的机器人行走实验,结果表明该算法明显减小了定位误差,有效地提高了定位精度。