改进区间Kalman滤波器及其在船舶组合导航中的应用

具有执行简便和高精度优点的测量值融合技术已经在船舶组合导航中得到了广泛应用。但由于船舶组合导航系统中各子系统模型参数的不确定性,传统的多传感器数据融合算法状态估计精度难以保证,因此提出了一种多传感器数据融合的改进算法。该改进算法不仅具有常规区间Kalman滤波器的鲁棒性,而且实用性较强。其具有如下特点：将所有系统不确定性和观测不确定性等效为系统噪声和观测噪声的不确定性,简化了系统模型;采用一种较为简单的区间矩阵综合求逆方案;利用时变马尔可夫模型在线调整滤波输出加权系数。仿真结果表明：该改进算法的状态估计精度较高。     

基于模型库的船舰组合导航信息融合算法

在船舰组合导航系统中,由于各导航传感器自身物理特性、工作原理的差异,无法同步获得船舰目标的观测信息,因此船舰组合导航问题实质上是一类典型的异步融合估计问题.然而,现有的异步融合估计算法无法兼顾滤波精度的最优性以及滤波过程的实时性.为此,针对舰船稳态运行过程中的线性平稳过程,提出利用模型库设计一种船舰组合导航信息融合的新算法.仿真实验验证了所提方法的有效性,能同时满足实时性和最优性的要求,并且简捷,易于实现.     

简化UKF算法在SINS／GPS组合导航中的应用

针对SINS／GPS组合导航系统的特点,建立了系统的非线性误差模型。根据系统状态方程为非线性而观测方程为线性的特点,将一种简化的UKF方法（Rao-Blackwellisation Additive Unscented Kalman Filter,RBAUKF）用于SINS／GPS组合导航系统中,RBAUKF采用较少的采样点数目和简化的更新算法,降低了计算复杂度。最后,在机动条件下,进行了SINS／GPS组合导航实验仿真。仿真结果表明,RBAUKF相比EKF具有更高的滤波精度,更适合在SINS／GPS组合导航系统中应用。     

四大导航系统在舰船作战系统中的应用

军事舰船在海上执行任务时,为了获取侦测目标的准确信息,需要借助导航系统实现航行线路的规划和目标的定位。本文介绍了全球范围内最为常用的4种导航系统:GPS导航系统、北斗卫星导航系统、伽利略导航系统和格洛纳斯(GLONASS)全球卫星导航系统,重点介绍了北斗卫星导航系统和GPS导航系统的原理,并基于成熟的导航技术,研究了舰船作战系统中导航系统的信息融合问题,开发了一种基于卡尔曼滤波算法的舰船组合导航系统的信息融合技术。试验表明,本文研究了舰船作战系统的导航信息融合技术可以提升侦察目标的准确度,提升作战水平。     

一种新的综合滤波在INS/GPS/CNS组合导航系统中的应用研究

针对INS／GPS／CNS组合导航系统的特点，采用了基于H。滤波的神经网络代替传统卡尔曼滤波器，利用INS／GPS、INS／CNS两个局部滤波器的输出值，通过联合滤波器进行线性最优估计，且进行了计算机仿真。仿真结果表明，该算法在满足系统精度和容错性要求的基础上，有效地改善了系统的自适应性、实时性、鲁棒性等性能，是组合导航系统理想的结构模型。     

一种基于INS/GPS/CNS的全信息导航滤波算法

为解决INS/GPS两组合导航系统因观测信息不完整造成的姿态误差发散、系统稳定性较弱的问题,本文利用CNS搭建了基于INS/GPS/CNS的全观测信息导航系统。通过建立以位置误差、速度误差及平台失准角误差为观测量的系统数学模型,提出一种基于INS/GPS/CNS的全信息导航滤波算法,提高了系统的导航精度,改善了系统的稳定性。试验结果表明,本文所提算法相较于传统两组合滤波算法,各导航参数的精度在不同程度上得到改善,长航时条件下姿态误差收敛、稳定性较高。     

基于测量分量加权融合的GPS/SINS船舶组合导航算法

具有执行简便和高精度优点的测量值融合技术已经在船舶组合导航中得到了广泛应用.但由于船舶组合导航系统中各子系统通常提供的是不等同维的测量数据,加之传统测量值加权融合存在各传感器测量等同维数的约束,使得该类算法在船舶组合导航中的应用能力和使用范围受到了很大的限制.针对上述问题,以GPS和SINS组成的、具有不同维数测量的船舶组合导航系统为研究对象,提出了一种新的基于测量分量加权融合的船舶组合导航算法.该算法的基本思想是寻找一个变换矩阵将具有不等同维数的测量扩维成满状态维数的矩阵,然后考虑扩维后的噪声方差是奇异矩阵,从而采用测量分量对应加权进行融合.与传统的测量加权融合方法相比,该方法不仅具有更广的应用范围,而且保持了与传统的集中式扩维融合相同的高精度性能.算法的性能分析和计算机仿真证明了新算法的有效性和优越性.     

改进遗传模糊神经网络在舰船组合导航中的应用

由于舰船组合导航系统的实际运行环境比较恶劣，系统精确的数学模型及噪声的统计特性不易先验得到，而导致常规卡尔曼滤波器失效。尝试将改进遗传算法优化的模糊神经网络用于舰船组合导航系统中，仿真结果表明，提出的算法比较有效，并且精度和常规卡尔曼滤波算法相当。     

基于改进的联邦UKF无人艇组合导航系统设计

针对无人艇在高海况下长航时,大幅度作业滤波精度较低的问题,提出一种基于联邦结构的无迹卡尔曼滤波（Unscented Kalman Filtering,UKF）算法,将其应用于自主研制的无人艇组合导航系统中。建立系统误差方程和量测方程;引入渐消因子、基于量测值与预测量测值差值的可变因子和自适应最优信息分配因子对联邦UKF算法进行改进,保持信息的强跟踪特性和组合导航系统的信息融合精度,得到全局最优估计值。 开展湖试试验,验证该组合导航系统的有效性,结果表明该系统实时性、稳定性好,抗干扰能力强,能有效提高导航精度。该方法不仅能为无人艇作业提供安全保障,而且可供其他组合导航系统设计参考。     

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.