CN103323007A - 一种基于时变量测噪声的鲁棒联邦滤波方法 - Google Patents
一种基于时变量测噪声的鲁棒联邦滤波方法 Download PDFInfo
- Publication number
- CN103323007A CN103323007A CN2013102379959A CN201310237995A CN103323007A CN 103323007 A CN103323007 A CN 103323007A CN 2013102379959 A CN2013102379959 A CN 2013102379959A CN 201310237995 A CN201310237995 A CN 201310237995A CN 103323007 A CN103323007 A CN 103323007A
- Authority
- CN
- China
- Prior art keywords
- state
- subfilter
- error
- federated
- moment
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000005259 measurement Methods 0.000 title claims abstract description 24
- 238000000034 method Methods 0.000 title claims abstract description 23
- 238000001914 filtration Methods 0.000 title claims abstract description 21
- 238000001514 detection method Methods 0.000 claims abstract description 25
- 239000011159 matrix material Substances 0.000 claims description 13
- 238000005192 partition Methods 0.000 claims description 10
- 230000004927 fusion Effects 0.000 claims description 7
- 238000013461 design Methods 0.000 claims description 5
- 230000035945 sensitivity Effects 0.000 claims description 5
- 230000008569 process Effects 0.000 claims description 3
- 230000017105 transposition Effects 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 description 5
- 238000002955 isolation Methods 0.000 description 4
- 238000004088 simulation Methods 0.000 description 4
- 230000008901 benefit Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000002950 deficient Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005530 etching Methods 0.000 description 1
- 238000007499 fusion processing Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000002156 mixing Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
Images
Landscapes
- Navigation (AREA)
Abstract
本发明公布了一种基于时变量测噪声的鲁棒联邦滤波方法,属于飞行器组合导航技术领域。该方法包括以下步骤:首先建立航空机载惯性导航系统与其他导航系统的融合重置模式联邦滤波器,随后利用联邦滤波信息分配系数构造了各子滤波器的时变量测噪声,定义了联邦滤波子滤波器残差-卡方故障检测方法中的最优残差检测量;在此基础上,利用各子滤波器的最优残差检测量与残差-卡方故障检测门限值设计动态联邦滤波信息分配系数。最后采用鲁棒联邦滤波方法对惯性导航的误差状态进行了最优估计。
Description
技术领域
本发明公布了一种基于时变量测噪声的鲁棒联邦滤波方法,属于组合导航技术领域。
背景技术
随着航空航天技术的发展,对导航与制导系统的性能要求越来越高,组合导航系统已成为当前重要的导航系统方案。在导航多传感器信息融合领域,分散化滤波技术日益受到人们重视,Carlson 提出的分散化联邦滤波器由于设计的灵活性、计算量小、容错性能好等优点而受到国内外导航界的关注。在联邦滤波基本结构中,无重置结构由于各子滤波器独立进行滤波,因此容错性能好,但是由于没有全局最优估计的重置,导致局部估计精度不高;而有重置结构中子滤波器的精度由于重置的原因,其精度有所提高,但是其中任何一个子系统的故障,都会通过全局滤波的反馈重置而使得其他无故障的子系统局部滤波也受到影响,导致联邦滤波器整体的性能下降。因此,提高融合重置模式联邦滤波器的鲁棒性具有重要意义。
发明内容
在本发明所要解决的技术问题是联邦滤波器融合重置模式在子系统发生故障时的鲁棒性问题,提供一种基于时变量测噪声的鲁棒联邦滤波方法。
本发明为解决上述技术问题采用以下技术方案:
本发明基于时变量测噪声的鲁棒联邦滤波方法,包括以下步骤:
(1)通过建立惯性导航系统的误差状态量方程,得到对惯性导航系统误差状态量的数学描述,惯性导航系统惯导误差状态量定义为:
分别表示惯性导航系统误差状态量中的东向平台误差角状态量、北向平台误差角状态量和天向平台误差角状态量;分别表示惯性导航系统误差状态量中的东向速度误差状态量、北向速度误差状态量和天向速度误差状态量;分别表示惯性导航系统误差状态量中的纬度误差状态量、经度误差状态量和高度误差状态量;,分别表示惯性导航系统误差状态量中的X轴、Y轴、Z轴方向陀螺常值漂移误差状态量和X轴、Y轴、Z轴方向陀螺一阶马尔可夫漂移误差状态量;分别表示惯性导航系统误差状态量中的X轴、Y轴和Z轴方向加速度计零偏,上标T为转置;
(2)采用地理系下位置、速度、姿态线性化观测原理,根据各子系统不同工作特性,建立地理系下各子系统的量测方程。利用联邦滤波信息分配系数构造各子滤波器的时变量测噪声,使得量测噪声能够根据子系统故障程度进行动态调整;
(4)定义各子滤波器的最优残差检测量,消除子滤波器估计次优性对残差故障检测算法灵敏度的影响。根据各子滤波器的最优残差检测量与残差-卡方故障检测门限值设计动态联邦滤波分配系数,使每个子滤波器根据各自故障程度的不同而得到不同的信息分配系数,即无故障的子滤波器分配更大的信息分配系数,而有故障的子滤波器分配更小的信息分配系数。根据该动态联邦滤波信息分配系数,建立系统的过程信息在各子滤波器之间的分配原则;
(5)联邦滤波器对步骤(3)中子系统送来的滤波结果进行数据融合,输出全局最优估计值,从而对惯性导航系统的导航误差进行修正。
本发明采用以上技术方案与现有技术相比,具有以下技术效果:
本发明解决了联邦滤波器融合重置模式在子系统发生故障时的鲁棒性问题,构建了一种适用于多源信息融合组合导航系统的鲁棒联邦滤波方法,它具有以下优点:
(1) 根据每个子滤波器的故障程度动态地调节子系统的量测噪声,使得当子系统发生故障时,在该故障子滤波器的卡尔曼滤波过程中减小量测信息的使用权重,提高故障子滤波器的估计性能;
(3) 根据每个子滤波器的故障程度动态的进行联邦滤波信息分配,使得无故障子滤波器分配到较大的信息分配系数,而有故障子滤波器分配到较小的信息分配系数。通过减小故障子滤波器的估值在主滤波器融合过程中的比重,从而减小子滤波器故障对联邦滤波全局估计的影响,从根本上改善由于全局估计重置导致的故障子滤波器对无故障子滤波器的污染问题;
与传统的故障检测及隔离相比,本发明的鲁棒联邦滤波方法在子系统发生故障时不需要改变组合导航系统整体滤波架构,能达到甚至超过故障隔离的效果,大幅提高了联邦滤波算法本身的容错性。
附图说明
图1为本发明的鲁棒联邦滤波器结构图。
图2为本发明的故障子滤波器的动态信息分配系数。
图3为本发明的导航经度误差与传统滤波(故障检测及隔离)导航经度误差的仿真对比图。
图4为本发明的导航纬度误差与传统滤波(故障检测及隔离)导航纬度误差的仿真对比图。
具体实施方式
下面结合附图对发明的技术方案进行详细说明:
如图1所示,本发明的原理是:从地理系导航的角度入手,依据系统状态方程和各子系统的线性化量测方程,构成滤波子系统。利用联邦滤波信息分配系数构造时变量测噪声,在此基础上选取最优残差检测量,利用最优残差检测量及卡方故障检测门限值设计信息分配系数,从而进一步完成信息分配、最优融合等步骤,实现对组合导航误差状态量的最优估计。具体实施方法如下:
(1)建立惯性导航系统惯导误差状态量方程
选取东北天地理坐标系,采用线性卡尔曼滤波器进行组合,系统的状态方程为惯性导航系统的误差状态量方程,通过对惯性导航系统的性能及误差源的分析,可以获得惯导系统的误差状态量方程为
分别表示惯性导航系统误差状态量中的东向平台误差角状态量、北向平台误差角状态量和天向平台误差角状态量;分别表示惯性导航系统误差状态量中的东向速度误差状态量、北向速度误差状态量和天向速度误差状态量;分别表示惯性导航系统误差状态量中的纬度误差状态量、经度误差状态量和高度误差状态量;,分别表示惯性导航系统误差状态量中的X轴、Y轴、Z轴方向陀螺常值漂移误差状态量和X轴、Y轴、Z轴方向陀螺一阶马尔可夫漂移误差状态量;分别表示惯性导航系统误差状态量中的X轴、Y轴和Z轴方向加速度计零偏,上标T为转置;
(2)建立地理系下各子系统的量测方程
采用地理系下位置、速度、姿态线性化观测原理,根据各子系统不同工作特性,建立地理系下各子系统的量测方程,如式(2)所示
(3)构造时变量测噪声,进行子系统KF(Kalman Filter)滤波
状态方程和量测方程的离散化及卡尔曼滤波器
当采用线性卡尔曼滤波器时,需要对上面连续形式的系统状态方程(1)和量测方程(2)进行离散化,从而获得离散形式的系统方程。其离散化形式如下:
子系统时变量测噪声构造方法如式(4)所示
(4)
上式中,表示时刻的状态对时刻的状态的最优估计值,又称一步预测估值,表示时刻至时刻系统的状态转移矩阵,表示时刻的系统状态估计值,表示增益矩阵,表示时刻的观测系数矩阵,表示最优预测估计误差协方差阵,表示时刻的系统误差协方差阵,表示时刻的噪声方差矩阵,表示时刻的噪声矢量对时刻状态矢量影响的噪声系数矩阵,表示时刻的量测方差矩阵,I为单位矩阵;
最优残差检测量定义如式(7)所示
(5)动态信息分配系数求取及信息分配
定义子滤波器信息分配系数为:
联邦滤波信息分配表达式为:
(6)联邦主滤波器信息融合
将各子滤波器估计信息进行融合,得到全局最优估计;
融合算法为:
图2为本发明的故障子滤波器的动态信息分配系数。以惯性、天文、景象、地形组合导航系统作为仿真算例,在景象导航系统量测信息中加入硬故障,故障开始时间为第400秒,持续时间为300秒,硬故障参数为30(相对于随机误差的倍数)。经过仿真可以看出,当景象子系统出现故障时,对应的惯性/景象子滤波器的信息分配系数迅速减小,当子系统故障消除后,分配系数也随之增大,迅速恢复到正常状态。
图3和图4的仿真结果表明,本发明提出的鲁棒联邦滤波方法可以有效提高联邦滤波器对子系统故障的抗干扰能力,提高导航系统的鲁棒性。
以上实施例仅为说明本发明的技术思想,不能以此限定本发明的保护范围,凡是按照本发明提出的技术思想,在技术方案基础上所做的任何改动,均落入本发明保护范围之内。
Claims (5)
1.一种基于时变量测噪声的鲁棒联邦滤波方法,其特征在于包括以下步骤:
(1)选取东北天地理坐标系,惯性导航系统误差状态量定义为:
式中,分别表示惯性导航系统误差状态量中的东向平台误差角状态量、北向平台误差角状态量和天向平台误差角状态量;分别表示惯性导航系统误差状态量中的东向速度误差状态量、北向速度误差状态量和天向速度误差状态量;分别表示航空机载惯性导航系统误差状态量中的纬度误差状态量、经度误差状态量和高度误差状态量;,分别表示惯性导航系统误差状态量中的X轴、Y轴、Z轴方向陀螺常值漂移误差状态量和X轴、Y轴、Z轴方向陀螺一阶马尔可夫漂移误差状态量;分别表示惯性导航系统误差状态量中的X轴、Y轴和Z轴方向加速度计零偏,上标T为转置;
(2)采用地理系下位置、速度、姿态线性化观测原理,根据各子系统不同工作特性,建立地理系下各子系统的量测方程,如式(1)所示
式中,为时刻惯性导航系统输出的位置、速度、姿态量与第i个子系统输出的相应导航信息的差值,为时刻第i个子滤波器量测矩阵, 为时刻第i个子系统的惯性导航系统误差状态量,为时刻第i个子系统量测噪声序列,其中i为大于或等于1的自然数,利用联邦滤波信息分配系数构造各子滤波器的时变量测噪声,使得量测噪声能够根据子系统故障程度进行动态调整;
(4)定义各子滤波器的最优残差检测量,消除子滤波器估计次优性对残差故障检测算法灵敏度的影响,根据各子滤波器的最优残差检测量与残差-卡方故障检测门限值设计动态联邦滤波分配系数,使每个子滤波器根据各自故障程度的不同得到不同的信息分配系数,即无故障的子滤波器分配更大的信息分配系数,而有故障的子滤波器分配更小的信息分配系数,根据该动态联邦滤波信息分配系数,建立系统的过程信息在各子滤波器之间的分配原则;
(5)联邦滤波器对步骤(3)中子系统送来的滤波结果进行数据融合,输出全局最优估计值,从而对惯性导航系统的导航误差进行修正。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310237995.9A CN103323007B (zh) | 2013-06-17 | 2013-06-17 | 一种基于时变量测噪声的鲁棒联邦滤波方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310237995.9A CN103323007B (zh) | 2013-06-17 | 2013-06-17 | 一种基于时变量测噪声的鲁棒联邦滤波方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103323007A true CN103323007A (zh) | 2013-09-25 |
CN103323007B CN103323007B (zh) | 2015-08-19 |
Family
ID=49191906
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310237995.9A Expired - Fee Related CN103323007B (zh) | 2013-06-17 | 2013-06-17 | 一种基于时变量测噪声的鲁棒联邦滤波方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103323007B (zh) |
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104215244A (zh) * | 2014-08-22 | 2014-12-17 | 南京航空航天大学 | 基于发射惯性坐标系的空天飞行器组合导航鲁棒滤波方法 |
CN106501832A (zh) * | 2016-12-16 | 2017-03-15 | 南京理工大学 | 一种容错矢量跟踪gnss/sins深组合导航方法 |
CN106679693A (zh) * | 2016-12-14 | 2017-05-17 | 南京航空航天大学 | 一种基于故障检测的矢量信息分配自适应联邦滤波方法 |
CN108168509A (zh) * | 2017-12-06 | 2018-06-15 | 南京航空航天大学 | 一种升力模型辅助的四旋翼飞行器高度容错估计方法 |
CN109238307A (zh) * | 2018-08-30 | 2019-01-18 | 衡阳市衡山科学城科技创新研究院有限公司 | 一种基于多惯组信息辅助的飞行故障检测方法及装置 |
CN110083060A (zh) * | 2019-04-09 | 2019-08-02 | 河南工业和信息化职业学院 | 一种离散线性系统信息融合最优输出调节器控制方法 |
CN111189441A (zh) * | 2020-01-10 | 2020-05-22 | 山东大学 | 一种多源自适应容错联邦滤波组合导航系统及导航方法 |
CN111649744A (zh) * | 2020-05-15 | 2020-09-11 | 北京自动化控制设备研究所 | 一种基于动力学模型辅助的组合导航定位方法 |
CN111776190A (zh) * | 2020-06-22 | 2020-10-16 | 锦州航星船舶科技有限公司 | 一种数字化舵角反馈指示系统及控制方法 |
CN111983662A (zh) * | 2020-08-29 | 2020-11-24 | 兰州交通大学 | 一种基于图论分析的联邦ekf滤波方法及其应用 |
CN112180361A (zh) * | 2020-09-30 | 2021-01-05 | 南京航空航天大学 | 一种基于动态联邦滤波的车载雷达目标跟踪方法 |
CN112212860A (zh) * | 2020-08-28 | 2021-01-12 | 山东航天电子技术研究所 | 具有故障容错的分布式滤波微纳卫星姿态确定方法 |
CN112525188A (zh) * | 2020-12-15 | 2021-03-19 | 上海交通大学 | 一种基于联邦滤波的组合导航方法 |
CN113376664A (zh) * | 2021-05-25 | 2021-09-10 | 南京航空航天大学 | 一种无人蜂群协同导航多故障检测方法 |
CN113640780A (zh) * | 2021-08-23 | 2021-11-12 | 哈尔滨工程大学 | 基于改进的联邦滤波的水下auv传感器时间配准方法 |
CN115131943A (zh) * | 2022-07-07 | 2022-09-30 | 杭州申昊科技股份有限公司 | 一种基于深度学习的声光联动预警方法 |
CN116105743A (zh) * | 2023-04-17 | 2023-05-12 | 山东大学 | 一种联邦滤波系统信息因子分配方法及水下导航系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6246960B1 (en) * | 1998-11-06 | 2001-06-12 | Ching-Fang Lin | Enhanced integrated positioning method and system thereof for vehicle |
CN1916567A (zh) * | 2006-09-04 | 2007-02-21 | 南京航空航天大学 | 基于自适应闭环h∞滤波器的对北斗双星/捷联惯导组合导航系统进行修正的方法 |
CN101246012A (zh) * | 2008-03-03 | 2008-08-20 | 北京航空航天大学 | 一种基于鲁棒耗散滤波的组合导航方法 |
CN102096086A (zh) * | 2010-11-22 | 2011-06-15 | 北京航空航天大学 | 一种基于gps/ins组合导航系统不同测量特性的自适应滤波方法 |
-
2013
- 2013-06-17 CN CN201310237995.9A patent/CN103323007B/zh not_active Expired - Fee Related
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6246960B1 (en) * | 1998-11-06 | 2001-06-12 | Ching-Fang Lin | Enhanced integrated positioning method and system thereof for vehicle |
CN1916567A (zh) * | 2006-09-04 | 2007-02-21 | 南京航空航天大学 | 基于自适应闭环h∞滤波器的对北斗双星/捷联惯导组合导航系统进行修正的方法 |
CN101246012A (zh) * | 2008-03-03 | 2008-08-20 | 北京航空航天大学 | 一种基于鲁棒耗散滤波的组合导航方法 |
CN102096086A (zh) * | 2010-11-22 | 2011-06-15 | 北京航空航天大学 | 一种基于gps/ins组合导航系统不同测量特性的自适应滤波方法 |
Non-Patent Citations (2)
Title |
---|
刘建业等: "采用粒子滤波的捷联惯导非线性快速初始对准算法", 《中国惯性技术学报》 * |
石静等: "新的鲁棒滤波算法及在微机电系统–惯性导航系统/全球定位系统中应用", 《控制理论及应用》 * |
Cited By (25)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104215244A (zh) * | 2014-08-22 | 2014-12-17 | 南京航空航天大学 | 基于发射惯性坐标系的空天飞行器组合导航鲁棒滤波方法 |
CN106679693A (zh) * | 2016-12-14 | 2017-05-17 | 南京航空航天大学 | 一种基于故障检测的矢量信息分配自适应联邦滤波方法 |
CN106501832A (zh) * | 2016-12-16 | 2017-03-15 | 南京理工大学 | 一种容错矢量跟踪gnss/sins深组合导航方法 |
CN108168509A (zh) * | 2017-12-06 | 2018-06-15 | 南京航空航天大学 | 一种升力模型辅助的四旋翼飞行器高度容错估计方法 |
CN109238307A (zh) * | 2018-08-30 | 2019-01-18 | 衡阳市衡山科学城科技创新研究院有限公司 | 一种基于多惯组信息辅助的飞行故障检测方法及装置 |
CN110083060A (zh) * | 2019-04-09 | 2019-08-02 | 河南工业和信息化职业学院 | 一种离散线性系统信息融合最优输出调节器控制方法 |
CN110083060B (zh) * | 2019-04-09 | 2022-03-01 | 河南工业和信息化职业学院 | 一种离散线性系统信息融合最优输出调节器控制方法 |
CN111189441A (zh) * | 2020-01-10 | 2020-05-22 | 山东大学 | 一种多源自适应容错联邦滤波组合导航系统及导航方法 |
CN111649744A (zh) * | 2020-05-15 | 2020-09-11 | 北京自动化控制设备研究所 | 一种基于动力学模型辅助的组合导航定位方法 |
CN111649744B (zh) * | 2020-05-15 | 2023-08-15 | 北京自动化控制设备研究所 | 一种基于动力学模型辅助的组合导航定位方法 |
CN111776190A (zh) * | 2020-06-22 | 2020-10-16 | 锦州航星船舶科技有限公司 | 一种数字化舵角反馈指示系统及控制方法 |
CN111776190B (zh) * | 2020-06-22 | 2022-04-12 | 锦州航星船舶科技有限公司 | 一种数字化舵角反馈指示系统及控制方法 |
CN112212860A (zh) * | 2020-08-28 | 2021-01-12 | 山东航天电子技术研究所 | 具有故障容错的分布式滤波微纳卫星姿态确定方法 |
CN112212860B (zh) * | 2020-08-28 | 2023-03-03 | 山东航天电子技术研究所 | 具有故障容错的分布式滤波微纳卫星姿态确定方法 |
CN111983662A (zh) * | 2020-08-29 | 2020-11-24 | 兰州交通大学 | 一种基于图论分析的联邦ekf滤波方法及其应用 |
CN112180361A (zh) * | 2020-09-30 | 2021-01-05 | 南京航空航天大学 | 一种基于动态联邦滤波的车载雷达目标跟踪方法 |
CN112180361B (zh) * | 2020-09-30 | 2023-09-26 | 南京航空航天大学 | 一种基于动态联邦滤波的车载雷达目标跟踪方法 |
CN112525188A (zh) * | 2020-12-15 | 2021-03-19 | 上海交通大学 | 一种基于联邦滤波的组合导航方法 |
CN112525188B (zh) * | 2020-12-15 | 2022-08-05 | 上海交通大学 | 一种基于联邦滤波的组合导航方法 |
CN113376664A (zh) * | 2021-05-25 | 2021-09-10 | 南京航空航天大学 | 一种无人蜂群协同导航多故障检测方法 |
CN113640780B (zh) * | 2021-08-23 | 2023-08-08 | 哈尔滨工程大学 | 基于改进的联邦滤波的水下auv传感器时间配准方法 |
CN113640780A (zh) * | 2021-08-23 | 2021-11-12 | 哈尔滨工程大学 | 基于改进的联邦滤波的水下auv传感器时间配准方法 |
CN115131943A (zh) * | 2022-07-07 | 2022-09-30 | 杭州申昊科技股份有限公司 | 一种基于深度学习的声光联动预警方法 |
CN115131943B (zh) * | 2022-07-07 | 2023-10-31 | 杭州申昊科技股份有限公司 | 一种基于深度学习的声光联动预警方法 |
CN116105743A (zh) * | 2023-04-17 | 2023-05-12 | 山东大学 | 一种联邦滤波系统信息因子分配方法及水下导航系统 |
Also Published As
Publication number | Publication date |
---|---|
CN103323007B (zh) | 2015-08-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103323007A (zh) | 一种基于时变量测噪声的鲁棒联邦滤波方法 | |
CN101858748B (zh) | 高空长航无人机的多传感器容错自主导航方法 | |
Georgy et al. | Modeling the stochastic drift of a MEMS-based gyroscope in gyro/odometer/GPS integrated navigation | |
Chiang et al. | Assessment for INS/GNSS/odometer/barometer integration in loosely-coupled and tightly-coupled scheme in a GNSS-degraded environment | |
Fakharian et al. | Adaptive Kalman filtering based navigation: An IMU/GPS integration approach | |
CN104215259B (zh) | 一种基于地磁模量梯度和粒子滤波的惯导误差校正方法 | |
CN109373999A (zh) | 基于故障容错卡尔曼滤波的组合导航方法 | |
CN104181574A (zh) | 一种捷联惯导系统/全球导航卫星系统组合导航滤波系统及方法 | |
CN102353378B (zh) | 一种矢量形式信息分配系数的组合导航系统自适应联邦滤波方法 | |
Crocoll et al. | Unified model technique for inertial navigation aided by vehicle dynamics model | |
RU2487419C1 (ru) | Система комплексной обработки информации радионавигационных и автономных средств навигации для определения действительных значений параметров самолетовождения | |
CN109471146B (zh) | 一种基于ls-svm的自适应容错gps/ins组合导航方法 | |
CN106949889A (zh) | 针对行人导航的低成本mems/gps组合导航系统及方法 | |
CN102937449A (zh) | 惯性导航系统中跨音速段气压高度计和gps信息两步融合方法 | |
KR102119254B1 (ko) | 연합형 필터 기반 관성항법, 위성항법 및 지형대조항법을 정보 융합한 통합 항법 설계 방법 및 이 방법을 저장한 컴퓨터 판독 가능 저장 매체 | |
Cossaboom et al. | Augmented Kalman filter and map matching for 3D RISS/GPS integration for land vehicles | |
CN103697894A (zh) | 基于滤波器方差阵修正的多源信息非等间隔联邦滤波方法 | |
CN109059909A (zh) | 基于神经网络辅助的卫星/惯导列车定位方法与系统 | |
CN102519485A (zh) | 一种引入陀螺信息的二位置捷联惯性导航系统初始对准方法 | |
CN105547300A (zh) | 用于auv的全源导航系统及方法 | |
CN112697154B (zh) | 一种基于矢量分配的自适应多源融合导航方法 | |
CN112525188B (zh) | 一种基于联邦滤波的组合导航方法 | |
CN103542853A (zh) | 一种估计加速度计漂移的绝对导航滤波方法 | |
US20180261108A1 (en) | Unmanned aircraft, and method and system for navigation | |
CN104344835A (zh) | 一种基于切换式自适应控制罗经的捷联惯导动基座对准方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20150819 |
|
CF01 | Termination of patent right due to non-payment of annual fee |