摘要：使用车载角速度传感器测量获得的横摆角速度,存在噪声干扰大、量测值滞后等问题。为了提高车辆横摆角速度估计的精确性,本文中设计了一种基于可靠指标传感器融合(reliability indexed sensor fusion,RISF)多源传感信息融合的估计算法。首先,使用自适应容积卡尔曼滤波算法对横摆角速度传感器量测值进行滤波;然后,建立考虑道路侧倾角的自行车模型,使用车载轮速、前轮转角和横向加速度传感器信号,建立动力学递推公式,并使用阿克曼定理的计算结果作为状态更新值,估计出横摆角速度;最后,设计基于RISF的自适应卡尔曼滤波框架融合传感器滤波值和模型估计值。实车道路测试结果表明:该方法可估计出道路侧倾角,RISF融合值比单一传感器滤波的估计效果更好。

摘要：针对传统惯性导航系统/超短基线定位系统(inertial navigation system/ultra short base line,INS/USBL)组合导航利用绝对位置做观测信息存在导航精度较低,且噪声异常引起抗干扰能力弱的问题,提出基于相对信息观测量的INS/USBL非线性组合导航方法。以INS解算的应答器相对于INS在基阵坐标系下的入射角、斜距信息与超短基线输出的入射角、斜距信息之差作为观测量建立量测方程。在改进Sage-Husa算法基础上采用容积规则,设计一种适用于非线性系统的自适应容积卡尔曼滤波估计器。仿真结果表明,该方法定位精度较传统方法提升2.4倍,在噪声异常情况下,滤波收敛,组合导航性能稳定。

摘要：对光电经纬仪量测噪声统计特性未知或不精确导致实时定轨精度降低甚至发散的问题,设计了基于奇异值分解的自适应容积卡尔曼滤波(SVD-ACKF)算法。首先,利用Sage-Husa极大后验估计器及其改进形式对噪声统计特性进行在线估计,使得CKF算法具有应对噪声变化的自适应能力,并使用SVD代替传统Cholesky分解以提高数值计算的稳定性。然后,阐述了实时定轨数学模型,提出使用欧拉预测校正法对带J2项摄动的轨道动力学方程进行离散。仿真实验表明:欧拉预测校正法将轨道动力学方程的离散精度提高了1 970.411 m。在量测噪声协方差矩阵取值恶劣时,SVD-ACKF算法将实时定轨精度维持在43 m左右,并且具有更好的数值稳定性。