摘要：作为常用导航手段的惯性导航、GPS系统等单一的导航设备,已不能满足现代电子战条件下的作战使用需求。因此,目前世界各国广泛采用多设备组合、冗余设计、多功能的组合导航系统。本文设计了基于联邦kalman滤波的组合导航技术,进行了相应的数据仿真实验,并使用北斗星定位系统上的实际运行数据进行了算法验证,从而验证了在北斗双星定位系统上使用基于联邦kalman滤波组合导航技术的有效性和可行性,为未来进一步在中国独立自主研究的北斗双星定位系统上进行实际的工程应用和商业应用奠定了良好的基础。

摘要：以陆用载体为研究背景,提出了一种基于降维对偶四元数的多源导航系统信息融合方法。以SINS作为公共参考系统,在分别获得推力、引力及位置对偶四元数误差方程基础上,搭建SINS/GPS/地磁的降维联邦kalman滤波器模型。一方面,结合载体匀速、加速、转弯、爬坡四种运动状态,利用奇异值分解对系统状态量进行可观测性分析;另一方面,开展该降维对偶四元数导航框架下的惯性/GPS、惯性/地磁子滤波器分级设计,以获得最佳状态维数与导航解算效率。仿真与实验结果表明,降维后的组合导航系统计算量仅为全状态的3.34%,且参数估算结果的"解的集中性"更好。

摘要：GPS信号易受建筑物或树木遮蔽,而低成本的MEMS惯性元件随机漂移大,性能随温度急剧变化,采用一般的kalman滤波器融合GPS和低成本MEMS惯性元件信号,构成GPS/DR组合导航系统很难满足导航系统的容错和精度要求。针对GPS和MEMS惯性元件构成的低成本GPS/DR组合导航系统,设计了容错UKF/KF联邦kalman滤波算法,提高了组合导航系统的定位精度和抗干扰能力;针对MEMS惯性元件随机漂移大的缺点,采用零偏试探消减算法,抑制了MEMS惯性元件的随机零漂,提高了MEMS惯性元件的精度。仿真结果表明,基于该算法的GPS/DR组合导航系统的定位精度高,抗干扰能力强,在GPS信号中断的情况下导航系统仍可在短时间内保持较高的定位精度。

摘要：基于机器人未知环境探索的智能行为,以先锋Pioneer3-DX移动机器人为对象,构建了基于多传感器信息融合的机器人智能行为系统以实现其路径规划行为。构建了一个双层信息融合路径规划智能行为系统,数据层融合采用基于联邦kalman滤波融合的信息融合方法,通过多传感器融合降低信息的不确定性,为机器人提供更可靠和更准确的环境信息;决策层融合采用模糊推理方法,根据数据层融合结果作为模糊控制器的输入,构建基于模糊推理的决策层融合模块,其设计思想是模仿人的智能行为进行决策,使其不仅决策出机器人的行走方向,同时决策出机器人的行走速度,实现了动态路径规划。基于Matlab的仿真实验,验证了方法的可行性。

摘要：根据SINS/GPS组合导航的基本原理,在一个装有微型化IMU模块的MUAV自驾仪上设计了MUAV的SINS/GPS组合导航系统的联邦滤波算法,并对该导航系统进行了静态和动态实验。实验结果表明:采用联邦kalman滤波能够有效的消除导航参数误差,提高导航精度。该导航系统可以满足小型无人机的导航要求。

摘要：本文总结了Ｃａｒｌｓｏｎ 提出的联邦滤波器理论，并通过证明比较了联邦滤波方法和集中式滤波方法的等价性，探讨了联邦滤波器的设计方法以及信息的合理分配原则，分析了两种简化的结构形式。构造了ＩＮＳ／ＧＰＳ／Ｄｏｐｐｌｅｒ 组合导航系统滤波结构，经过仿真证明了联邦滤波器的性能及其在组合导航系统中应用的可行性。

摘要：常规滤波方法要求各个传感器的导航信息同时到达,但是导航传感器种类众多,采样率也存在差异,这导致导航系统性能下降。针对异质传感器异步信息不等间隔问题,借鉴联邦滤波算法设计了一种异质异步非等间隔滤波算法。该算法以联邦滤波器为基础,以各传感器导航信息更新为判据,利用当前时刻可用的量测信息更新状态估计和均方误差,实现了最优融合。仿真结果与跑车实验证明,该算法可以在异步信息融合中正常运行。并且与常规联邦滤波算法相比,该算法能够有效提高系统精度,可以应用于工程实践。