舰船组合导航系统的顺序滤波融合算法

舰船组合导航系统Kalman滤波的集中式融合与分布式融合方法存在滤波精度与计算性能、容错性不可兼顾的缺点.且船舶运动受海洋环境等的影响,其噪声基于白噪声建模过于理想化.针对上述问题,提出了舰船组合导航系统的顺序滤波融合算法.该算法的基本思想是采用一阶Markov过程建立舰船运动的噪声模型,并用状态扩维方法将状态方程转化为符合标准Kalman滤波的基本方程,然后每一时刻检查各导航子系统的有效性,对有效的导航子系统引入顺序滤波融合思想实现导航定位.与传统的顺序滤波融合算法相比,新算法在保留与集中式融合同样高的滤波精度、计算性能好的优点的基础上,新增了实用性强、容错性好的优点.理论分析和舰船SINS/GPS组合导航仿真结果表明了新算法的有效性和优越性.     

基于海流数据库的Kalman滤波在水下导航中的应用

定位精度对载体至关重要.提高定位精度有2种方式:一是增加高精度导航设备;二是利用数据处理方法.水下载体缺乏高精度的导航设备,但其又需要在水下保持长时间的精确航行.通过建立高精度的海流数据库,然后利用数据融合算法对水下导航信息进行处理来获得高精度的位置信息,该数据融合算法实质是基于海流数据库的Kalman 滤波.通过大量的仿真实验和海试证明,该算法具有很强的实用性和有效性.     

基于信息集成预处理的船舶综合舰桥系统研究

现代船舶综合舰桥系统是一个多维融合的信息系统,通过现代信息处理、通信、导航等技术利用来实现智能化指挥控制中心。随着数据采集及导航元素的多源性增多,舰桥系统的信息集成预处理显得更为关键,信息处理的准确性和时效性直接影响着综合舰桥系统性能。本文研究多源导航数据信息融合处理机制,针对船舶综合舰桥系统的数据流及结构特性,基于滤波算法设计了一种新的导航信息融合算法,仿真分析结果表明,舰桥系统的导航精度能够得到明显提升。     

基于卡尔曼滤波的舰船综合导航信息处理

数据处理是舰船综合导航系统的核心任务,此文具体介绍了舰船综合导航卡尔曼滤波的模型建立和滤波实现,提出了基于卡尔曼滤波思想的舰船综合导航信息融合处理方法,并利用Matlab软件进行了仿真和结果分析。     

基于EKF的AUV协同定位方法仿真与验证

自主水下航行器（AUV）协同导航定位技术是解决复杂作业环境下导航问题的重要途径,研究了单领航艇的主从式多AUV基于扩展卡尔曼滤波（EKF）算法的协同到导航定位问题。AUV协同定位时,主AUV内部装备高精度导航设备,从AUV内部装备低精度导航设备,外部配有测距装置,舰艇间是通过通信装置来交换自身位置和状态信息并同时测量通信双方的相对距离,通过信息融合对自身定位进行修正,利用EKF算法对系统中传感器所传递信息进行融合,对从AUV进行实时定位。通过仿真验证此算法可以显著提高导航定位精度。     

基于UT变换改进多模型滤波的水下航行器导航方法

为了提高水下航行器组合导航系统的精度,针对滤波算法存在较大的截断误差和累积误差等问题,提出了一种基于无迹变换改进多模型滤波算法,并利用辅助信息对估计结果进行修正。首先通过无迹变换产生Sigma点对非线性测量方程进行近似,构造伪观测量进行偏差估计,然后利用基于加权因子的辅助信息融合算法,消除累积误差,进一步提高系统估计精度,最后给出算法的实现过程。仿真结果表明:与常规的多模型滤波算法相比,本文方法提高了估计精度。     

多惯性导航系统信息融合方法研究

舰船导航领域通常采用多传感器组合的方式保证导航精度,但对于水下舰船而言,由于其传感器种类少、精度低,导航精度水平有待提升。本文结合舰船配置特点,提出一种多惯性导航系统信息融合方法,通过设计Kalman滤波器实现多套惯导设备的信息融合,模拟仿真实验和半实物仿真试验结果表明,相较于单套惯导系统而言,所提方法可以将定位精度提升30%,为水下舰船的长航时高精度导航提供了保障。     

某型潜艇航迹仪微机控制及水下导航信息融合方法研究

本文提出了将ＧＰＳ及劳兰Ｃ与潜艇航迹仪相结合,辅以微机控制及水下导航推算而获得水下导航信息的方法,提高了导航精度、可靠性和绘迹自动化程度。     

自主式水下航行器水下回收融合引导技术方案及算法

[目的]为解决母艇携载的自主式水下航行器(AUV)在水下自主回收和对接的问题,基于惯导(INS)、声学超短基线定位(USBL)、光学等信号引导的多源数据融合,提出一种面向移动平台的AUV水下回收对接引导方法.[方法]为此,设计融合多传感器信息的扩展联邦卡尔曼滤波器,采用分散滤波并再经信息融合方法以提高滤波精度.分别以I...     

水下航行器水下障碍规避性能分析与仿真

水下航行器的障碍躲避是提高水下航行器生存能力的关键技术,针对信息融合跟踪算法避障容易误差偏差和局部收敛的问题,提出一种基于Kalman滤波量化融合规避的水下航行器水下避障算法。构建水下航行器的运动系统方程,采用方位信息的量化融合方法进行自适应路径规划,结合Kalman滤波进行障碍信息的干扰抑制,采用强跟踪滤波实现障碍参量信息量化融合规避,实现水下航行器水下障碍躲避。仿真结果表明,采用该方法进行水下航行器避障,能有效规避障碍目标,提高对障碍物的方位估计精度,有效规避的准确概率达到最优。