CN109737959A - 一种基于联邦滤波的极区多源信息融合导航方法 - Google Patents
一种基于联邦滤波的极区多源信息融合导航方法 Download PDFInfo
- Publication number
- CN109737959A CN109737959A CN201910213640.3A CN201910213640A CN109737959A CN 109737959 A CN109737959 A CN 109737959A CN 201910213640 A CN201910213640 A CN 201910213640A CN 109737959 A CN109737959 A CN 109737959A
- Authority
- CN
- China
- Prior art keywords
- navigation
- grid
- battle array
- polar region
- sins
- 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.)
- Pending
Links
Landscapes
- Navigation (AREA)
Abstract
本发明提供一种基于联邦滤波的极区多源信息融合导航方法,采用的导航设备为格网惯导系统、多普勒计程仪和全球卫星定位系统,设计基于无重置联邦滤波器的多源信息融合导航算法,同时满足极区运载体高精度和高可靠性的导航需求。分别以格网系速度信息和ECEF系位置信息作为量测量建立惯导/多普勒和惯导/卫星两个子滤波器,经过信息分配计算出局部估计值,输入主滤波器进行信息融合,得到惯导姿态、速度、位置的全局误差估计并进行补偿。本发明不仅能够通过惯导/多普勒组合以及惯导/卫星组合抑制格网惯导积累的误差提高系统精度,还能够利用基于无重置联邦器的多源信息融合技术实现高容错性,达到同时实现极区导航系统的高精度和高可靠性的目的。
Description
技术领域
本发明涉及极区内提高载体导航精度和可靠性的一种导航方法,尤其涉及一种基于联邦滤波的极区格网SINS/DVL/GNSS组合的多源信息融合导航方法。
背景技术
为了解决极区高纬度地区经线收敛导致的定位定向问题,格网导航坐标系被常用于与极区惯性导航系统,作为极区运载体主要导航设备。与常规指北惯导系统类似,格网惯导系统也存在误差随着时间增加逐渐积累,以及多种固有周期性振荡误差的问题,不能长时间单独使用,需与其他导航设备组合采用信息融合技术以抑制导航误差,满足高精度和高可靠性的极区导航需求。采用基于联邦滤波的多源信息融合组合导航技术,以格网惯导(SINS)作为主要导航系统,多普勒计程仪(DVL)和卫星导航系统(GNSS)作为辅助导航系统,建立两个子滤波器和一个主滤波器,可以准确地估计出惯导的姿态、速度、位置误差并进行补偿,获得比单独使用任意系统时更高的导航性能,有效抑制导航误差,提高导航精度;同时,联邦滤波器的各子滤波器之间相互独立,互不影响,加之无重置联邦滤波器避免了反馈重置导致的故障系统对其它子滤波器的影响,降低了其对整个组合导航系统的影响,具有极高的容错性,提高了系统可靠性;因此,本发明方法同时实现极区高精度、高可靠性导航,综合提高系统性能,具有重要的工程应用价值。
目前,实现在高纬度地区抑制格网惯导误差、提高导航精度,大多采用基于卡尔曼滤波的误差抑制方法或集中式卡尔曼滤波的多源信息融合技术,虽一定程度上提高了系统导航精度,但长期稳定性和可靠性难以保障。格网SINS和DVL组合可有效抑制极区惯导的误差,但其组合系统的定位误差仍呈发散趋势;格网SINS和GNSS组合可得到精确的位置信息,并有效抑制格网惯导系统的误差,但GNSS在高纬度地区多径效应明显且易受外界环境影响等特点,导致卫星定位信号质量较差,给系统的精度和可靠性均带来影响;因此,仅采用基于卡尔曼滤波的误差抑制方法不能满足极区导航的实际需求。另一方面,赵成龙在《基于格网坐标系的极区惯性导航与组合导航算法研究》一文中,采用了格网惯导/里程计/GNSS集中式滤波的导航方法,虽获得了更高的导航性能,实现了高精度的极区导航;但该方法无法隔离各子系统之间的联系及故障,容错性差,在极区极端环境下无法保证系统可靠性;因此,采用集中式卡尔曼滤波的多源信息融合技术不能满足极区导航的实际需求。
综上所述,本发明方法采用基于联邦滤波的格网SINS/DVL/GNSS组合的多源信息融合导航方法,同时提高了导航系统的精度和可靠性,满足极区运载体长时间工作在极区环境中的导航需求。
发明内容
本发明的目的是为了提供一种基于联邦滤波的极区多源信息融合导航方法,一种有效地提高系统导航精度和可靠性的极区导航方法。
本发明的目的是这样实现的:步骤如下:
步骤一:选取极区格网惯导作为主导航系统,DVL和GNSS作为辅助导航系统,建立格网惯导的误差模型;
步骤二:设计格网SINS/DVL组合和格网SINS/GNSS组合的两个子滤波器,并进行信息分配;其中,分别采用格网系下速度和地心地固坐标系的位置信息作为量测量,格网SINS的姿态、速度、ECEF系下的位置三组导航信息误差和陀螺漂移、加速度计零偏两组惯性器件误差作为系统状态量;通过局部滤波分别计算获得各子滤波器的局部状态量估计值和局部估计协方差阵;
步骤三:将各子滤波器分别按照步骤二进行计算,得到的结果送入主滤波器,进行信息融合,建立无重置联邦滤波器,得到全局状态量估计值和全局估计协方差阵;
步骤四:利用步骤三计算得到的结果对格网SINS输出的格网姿态、速度以及ECEF系下位置信息进行校正,使系统实时连续地输出校正后的极区高精度载体姿态、速度、位置信息,直至导航任务结束。
本发明还包括这样一些结构特征:
1.步骤二中的信息分配具体为:
式中,β1、β2、β3分别表示SINS/DVL组合构成的第一子滤波器、SINS/GNSS组合构成的第二子滤波器和主滤波器的信息分配情况。
2.步骤二中的局部滤波方案为:
时间更新:
量测更新:
Pk=(I-KkHk)Pk/k-1
式中,Φk,k-1为一步转移阵,Γk-1为系统噪声驱动阵,Hk为量测阵,Qk为系统噪声协方差阵,Rk为量测噪声协方差阵,Zk为当前时刻的量测值,和Pk-1分别为上一时刻的状态量估计值和估计协方差阵,和Pk/k-1分别为一步预测的状态量估计值和估计协方差阵,和Pk分别为当前时刻的状态量估计值和估计协方差阵,即该滤波方案的输出为和Pk。
3.步骤三中的信息融合具体为:
式中,和Pi(i=1,2)为当前时刻第一子滤波器和第二子滤波器的局部状态量估计值和局部估计协方差阵,和Pg为当前时刻的全局状态量估计值和全局估计协方差阵,即联邦滤波器输出为和Pg。
与现有技术相比,本发明的有益效果是:本发明创新地率先提出了一种将联邦滤波器应用于极区多元信息融合导航的方法,本发明充分结合了极区格网SINS、DVL和GNSS三种导航系统的优点,即格网惯导的自主性和不受外界干扰特性,DVL的稳定性和准确的速度测量特性,以及GNSS的高定位精度的特性,有效地提高了极区导航系统的精度;同时,系统以ECEF坐标系下的位置坐标对SINS进行误差建模,减小了格网系与指北系之间转换和GNSS输出信息向经纬度转换的误差,保证了系统精度更简化了该系统的操作;另一方面,利用无重置联邦滤波器模块化、高容错性等特点,解决了极区极端环境下导航系统信号不稳定导致的系统可靠性差的问题,同时保证了极区导航系统的高精度和高可靠性。不同于目前现有的极区导航方法,本发明同时提高了极区导航系统的精度和可靠性,更全面地提升了导航系统的综合性能,且具有计算量小、操作简单、容易设计实现的优势,特别适用于由众多非相似导航子系统构成的多源信息融合导航系统中,因此具有很高的工程应用价值。
附图说明
图1为本发明方法的步骤流程图;
图2为本发明方法的联邦滤波结构框图;
图3为格网SINS的姿态、速度、位置误差图;
图4为格网SINS/DVL组合导航系统的姿态、速度、位置误差图;
图5为格网SINS/DVL/GNSS联邦滤波组合导航系统的姿态、速度、位置误差图。
具体实施方式
下面结合附图与具体实施方式对本发明作进一步详细描述。
本发明提出一种基于联邦滤波的极区组合导航方法,其系统结构如附图2所示,流程图如附图1所示,该方法的主要步骤如下:
(1)运行格网惯性导航系统输出格网系下姿态、速度以及ECEF系下位置的导航信息,运行DVL计程仪输出载体速度信息,运行GNSS导航系统输出载体ECEF系下定位信息;
(2)选取极区格网惯导作为主导航系统,建立格网惯导的误差模型,选取DVL和GNSS作为辅助导航系统;
格网惯导误差模型为
式中,C13=CωeR+CωGR
C23=vG×(2CωeR+CωGR)
其中,依次为格网SINS的姿态、速度、ECEF系下的位置三组导航信息误差和陀螺漂移、加速度计零偏两组惯性器件误差,和为陀螺仪和加速度计的白噪声误差;
(3)设计格网SINS/DVL组合和格网SINS/GNSS组合的两个子滤波器;采用格网SINS的姿态、速度、ECEF系下的位置三组导航信息误差和陀螺漂移、加速度计零偏两组惯性器件误差作为系统的状态量,建立状态方程
式中,X为系统的状态矢量,Φ为系统状态转移矩阵,G为系统噪声驱动阵,W为系统噪声阵;
设计格网SINS/DVL子滤波器的量测方程,采用格网SINS和DVL输出的格网速度信息作为系统量测量Z1建立量测方程
式中,为格网惯导系统解算得到的格网东向、北向、天向速度信息, 为DVL输出的格网东向、北向、天向速度信息,H1=[03×3 I3×3 03×3 03×303×3]为系统量测阵,V1=为量测噪声阵;
设计格网SINS/GNSS子滤波器的量测方程,采用格网SINS和GNSS输出的ECEF坐标系下的位置信息作为系统量测量Z2,建立量测方程
式中,为格网惯导系统解算得到的ECEF系下位置信息,为GNSS导航系统测得的ECEF系下位置信息,H2=[03×3 03×3I3×3 03×3 03×3]为系统量测阵,V2为量测噪声阵;
(4)根据经验选取组合导航系统的初始估计协方差阵P0、过程噪声协方差阵Q0以及各子滤波器的量测噪声阵Ri(i=1,2);对该联邦滤波系统进行信息分配,将各子滤波器的初始估计协方差阵Pi0(i=1,2)和过程噪声协方差阵Qi(i=1,2)分别设置为P0和Q0的2倍,即将主滤波器的初始估计协方差阵Pm0和过程噪声协方差阵Qm0设置为P0和Q0的0倍,即
(5)通过局部滤波分别计算获得各子滤波器的局部状态估计值和局部估计协方差阵;
所涉及的局部滤波方案为
时间更新:
量测更新:
Pk=(I-KkHk)Pk/k-1
式中,Φk,k-1为一步转移阵,Γk-1为系统噪声驱动阵,Hk为量测阵,Qk为系统噪声协方差阵,Rk为量测噪声协方差阵,Zk为当前时刻的量测值,和Pk-1分
别为上一时刻的状态量估计值和估计协方差阵,和Pk/k-1分别为一步预测的状态量估计值和估计协方差阵,和Pk分别为当前时刻的状态量估计值和估计协方差阵,即该滤波方案的输出为和Pk;
(6)将步骤(5)计算得到局部估计结果送入主滤波器,进行信息融合,建立无重置联邦滤波器如附图2所示,得到全局状态量估计值和全局估计协方差阵;
所涉及的信息融合方案为
式中,和Pi(i=1,2)为当前时刻第一子滤波器和第二子滤波器的局部状态量估计值和估计协方差阵,和Pg为当前时刻的全局状态量估计值和全局估计协方差阵,即联邦滤波器输出为和Pg;
(7)将格网SINS输出的格网姿态、速度以及ECEF系下位置信息与步骤(6)计算得到的格网SINS系统误差估计结果相减,对SINS输出进行校正;使该极区组合导航系统实时连续地输出校正后的极区高精度载体姿态、速度、位置信息,直至导航任务结束。
为了验证本发明方法的有效性,对本发明所述的组合导航算法进行仿真验证。分别对格网SINS、格网SINS/DVL组合导航系统以及本发明方法格网SINS/DVL/GNSS联邦滤波组合导航系统进行仿真,仿真条件设置如下:
陀螺仪漂移误差为0.002°/h,加速度计零偏为20×10-6g,仿真时间为10h,系统的滤波频率为1Hz,格网SINS解算频率为100Hz。
仿真结果如附图3-5所示,其中图3为格网SINS的姿态、速度、位置误差,图4为格网SINS/DVL组合导航系统的姿态、速度、位置误差,图5为格网SINS/DVL/GNSS联邦滤波组合导航系统的姿态、速度、位置误差,不同导航方式得到的定位精度描述如表1所示。由表1可知,采用本发明方法的导航系统定位精度得到显著改善;并且由图3和图4分别与图5对比可知,本发明方法使格网SINS的误差和格网SINS/DVL组合导航系统的定位误差均得到有效抑制;其中,水平姿态误差小于0.1角分,航向角误差小于2.5角分,速度误差小于0.01m/s,位置误差小于2~4m,满足载体的导航需求,验证了该发明方法的有效性。
表1各导航方式定位精度
结合上述分析,得到如下的分析结果:通过本发明提出的基于联邦滤波的极区组合导航算法能够抑制格网SINS随时间积累的定位误差和三种固有周期振荡,克服了SINS/DVL系统和GNSS的缺点,明显提高了系统导航精度,并基于系统特性实现了高容错性。因此,本发明可以有效提高极区导航的精度和可靠性,全面提升了极区导航系统性能,满足了长航时、高精度、高可靠性的极区导航的实际工程应用需求。
综上,本发明公开了一种基于联邦滤波的极区多源信息融合导航方法。该方法采用的导航设备为格网惯导系统、多普勒计程仪和全球卫星定位系统,设计基于无重置联邦滤波器的多源信息融合导航算法,以同时满足极区运载体高精度和高可靠性的导航需求。该方法分别以格网系速度信息和ECEF系位置信息作为量测量建立惯导/多普勒和惯导/卫星两个子滤波器,经过信息分配计算出局部估计值,输入主滤波器进行信息融合,得到惯导姿态、速度、位置的全局误差估计并进行补偿。该方法不仅能够通过惯导/多普勒组合以及惯导/卫星组合抑制格网惯导积累的误差提高系统精度,而且还能够利用基于无重置联邦器的多源信息融合技术实现高容错性,达到同时实现极区导航系统的高精度和高可靠性的目的。
Claims (4)
1.一种基于联邦滤波的极区多源信息融合导航方法,其特征在于:步骤如下:
步骤一:选取极区格网惯导作为主导航系统,DVL和GNSS作为辅助导航系统,建立格网惯导的误差模型;
步骤二:设计格网SINS/DVL组合和格网SINS/GNSS组合的两个子滤波器,并进行信息分配;其中,分别采用格网系下速度和地心地固坐标系的位置信息作为量测量,格网SINS的姿态、速度、ECEF系下的位置三组导航信息误差和陀螺漂移、加速度计零偏两组惯性器件误差作为系统状态量;通过局部滤波分别计算获得各子滤波器的局部状态量估计值和局部估计协方差阵;
步骤三:将各子滤波器分别按照步骤二进行计算,得到的结果送入主滤波器,进行信息融合,建立无重置联邦滤波器,得到全局状态量估计值和全局估计协方差阵;
步骤四:利用步骤三计算得到的结果对格网SINS输出的格网姿态、速度以及ECEF系下位置信息进行校正,使系统实时连续地输出校正后的极区高精度载体姿态、速度、位置信息,直至导航任务结束。
2.根据权利要求1所述的一种基于联邦滤波的极区多源信息融合导航方法,其特征在于:步骤二中的信息分配具体为:
βm=0;
式中,β1、β2、β3分别表示SINS/DVL组合构成的第一子滤波器、SINS/GNSS组合构成的第二子滤波器和主滤波器的信息分配情况。
3.根据权利要求2所述的一种基于联邦滤波的极区多源信息融合导航方法,其特征在于:步骤二中的局部滤波方案为:
时间更新:
量测更新:
Pk=(I-KkHk)Pk/k-1
式中,Φk,k-1为一步转移阵,Γk-1为系统噪声驱动阵,Hk为量测阵,Qk为系统噪声协方差阵,Rk为量测噪声协方差阵,Zk为当前时刻的量测值,和Pk-1分别为上一时刻的状态量估计值和估计协方差阵,和Pk/k-1分别为一步预测的状态量估计值和估计协方差阵,和Pk分别为当前时刻的状态量估计值和估计协方差阵,即该滤波方案的输出为和Pk。
4.根据权利要求3所述的一种基于联邦滤波的极区多源信息融合导航方法,其特征在于:步骤三中的信息融合具体为:
式中,和Pi(i=1,2)为当前时刻第一子滤波器和第二子滤波器的局部状态量估计值和局部估计协方差阵,和Pg为当前时刻的全局状态量估计值和全局估计协方差阵,即联邦滤波器输出为和Pg。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910213640.3A CN109737959A (zh) | 2019-03-20 | 2019-03-20 | 一种基于联邦滤波的极区多源信息融合导航方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910213640.3A CN109737959A (zh) | 2019-03-20 | 2019-03-20 | 一种基于联邦滤波的极区多源信息融合导航方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109737959A true CN109737959A (zh) | 2019-05-10 |
Family
ID=66371033
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910213640.3A Pending CN109737959A (zh) | 2019-03-20 | 2019-03-20 | 一种基于联邦滤波的极区多源信息融合导航方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109737959A (zh) |
Cited By (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110146076A (zh) * | 2019-06-06 | 2019-08-20 | 哈尔滨工业大学(威海) | 一种无逆矩阵自适应滤波的sins/dvl组合定位方法 |
CN110146075A (zh) * | 2019-06-06 | 2019-08-20 | 哈尔滨工业大学(威海) | 一种增益补偿自适应滤波的sins/dvl组合定位方法 |
CN110196068A (zh) * | 2019-05-27 | 2019-09-03 | 哈尔滨工程大学 | 一种极区集中滤波组合导航系统残差向量故障检测与隔离方法 |
CN110207720A (zh) * | 2019-05-27 | 2019-09-06 | 哈尔滨工程大学 | 一种极区组合导航的自适应双通道校正方法 |
CN110296701A (zh) * | 2019-07-09 | 2019-10-01 | 哈尔滨工程大学 | 惯性与卫星组合导航系统渐变型故障回溯容错方法 |
CN110865650A (zh) * | 2019-11-19 | 2020-03-06 | 武汉工程大学 | 基于主动视觉的无人机位姿自适应估计方法 |
CN111142143A (zh) * | 2019-12-23 | 2020-05-12 | 西北工业大学 | 一种基于多源信息融合的进场段飞行技术误差估计方法 |
CN111486840A (zh) * | 2020-06-28 | 2020-08-04 | 北京云迹科技有限公司 | 机器人定位方法、装置、机器人及可读存储介质 |
CN111678520A (zh) * | 2020-06-09 | 2020-09-18 | 上海理工大学 | 一种水面无人艇导航系统和导航方法 |
CN111811512A (zh) * | 2020-06-02 | 2020-10-23 | 北京航空航天大学 | 基于联邦平滑的mpos离线组合估计方法和装置 |
CN111811521A (zh) * | 2020-07-09 | 2020-10-23 | 北京百度网讯科技有限公司 | 定位方法和装置、电子设备、车端设备、自动驾驶汽车 |
CN111829508A (zh) * | 2020-07-24 | 2020-10-27 | 中国人民解放军火箭军工程大学 | 一种基于新息的容错联邦滤波方法及系统 |
CN111854742A (zh) * | 2020-07-15 | 2020-10-30 | 中南大学 | 基于多源信息融合的移动物体的测速定位方法和系统 |
CN111947651A (zh) * | 2020-07-17 | 2020-11-17 | 中国人民解放军海军工程大学 | 水下组合导航信息融合方法、系统及自主式水下航行器 |
CN112304309A (zh) * | 2020-10-21 | 2021-02-02 | 西北工业大学 | 一种基于心动阵列的高超飞行器组合导航信息解算方法 |
CN112461236A (zh) * | 2020-11-23 | 2021-03-09 | 中国人民解放军火箭军工程大学 | 一种车载高精度容错组合导航方法及系统 |
CN112648993A (zh) * | 2021-01-06 | 2021-04-13 | 北京自动化控制设备研究所 | 一种多源信息融合组合导航系统及方法 |
CN112880659A (zh) * | 2021-01-09 | 2021-06-01 | 西北工业大学 | 一种基于信息概率的融合定位方法 |
CN113959434A (zh) * | 2021-09-22 | 2022-01-21 | 河北汉光重工有限责任公司 | 一种可调节的sins、dvl、usbl组合导航方法 |
CN114295122A (zh) * | 2021-12-02 | 2022-04-08 | 河北汉光重工有限责任公司 | 用于嵌入式系统的sins_gnss时间同步方法及系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102252677A (zh) * | 2011-04-18 | 2011-11-23 | 哈尔滨工程大学 | 一种基于时间序列分析的变比例自适应联邦滤波方法 |
CN107907898A (zh) * | 2017-11-07 | 2018-04-13 | 西安建筑科技大学 | 基于格网框架的极区sins/gps组合导航算法 |
CN108759842A (zh) * | 2018-05-07 | 2018-11-06 | 哈尔滨工程大学 | 基于卡尔曼滤波的旋转式惯性导航系统外水平阻尼方法 |
-
2019
- 2019-03-20 CN CN201910213640.3A patent/CN109737959A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102252677A (zh) * | 2011-04-18 | 2011-11-23 | 哈尔滨工程大学 | 一种基于时间序列分析的变比例自适应联邦滤波方法 |
CN107907898A (zh) * | 2017-11-07 | 2018-04-13 | 西安建筑科技大学 | 基于格网框架的极区sins/gps组合导航算法 |
CN108759842A (zh) * | 2018-05-07 | 2018-11-06 | 哈尔滨工程大学 | 基于卡尔曼滤波的旋转式惯性导航系统外水平阻尼方法 |
Non-Patent Citations (3)
Title |
---|
史利剑等: "无重置联邦滤波及其在组合导航中的应用", 《弹箭与制导学报》 * |
周琪等: "极区飞行间接格网惯性导航算法", 《中国惯性技术学报》 * |
赵成龙: "基于格网坐标系的极区惯性导航与组合导航算法研究", 《中国优秀硕士学问论文全文数据库•信息科技辑》 * |
Cited By (26)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110196068A (zh) * | 2019-05-27 | 2019-09-03 | 哈尔滨工程大学 | 一种极区集中滤波组合导航系统残差向量故障检测与隔离方法 |
CN110207720A (zh) * | 2019-05-27 | 2019-09-06 | 哈尔滨工程大学 | 一种极区组合导航的自适应双通道校正方法 |
CN110146076A (zh) * | 2019-06-06 | 2019-08-20 | 哈尔滨工业大学(威海) | 一种无逆矩阵自适应滤波的sins/dvl组合定位方法 |
CN110146075A (zh) * | 2019-06-06 | 2019-08-20 | 哈尔滨工业大学(威海) | 一种增益补偿自适应滤波的sins/dvl组合定位方法 |
CN110146075B (zh) * | 2019-06-06 | 2022-06-21 | 哈尔滨工业大学(威海) | 一种增益补偿自适应滤波的sins/dvl组合定位方法 |
CN110146076B (zh) * | 2019-06-06 | 2023-04-18 | 哈尔滨工业大学(威海) | 一种无逆矩阵自适应滤波的sins/dvl组合定位方法 |
CN110296701A (zh) * | 2019-07-09 | 2019-10-01 | 哈尔滨工程大学 | 惯性与卫星组合导航系统渐变型故障回溯容错方法 |
CN110865650A (zh) * | 2019-11-19 | 2020-03-06 | 武汉工程大学 | 基于主动视觉的无人机位姿自适应估计方法 |
CN110865650B (zh) * | 2019-11-19 | 2022-12-20 | 武汉工程大学 | 基于主动视觉的无人机位姿自适应估计方法 |
CN111142143A (zh) * | 2019-12-23 | 2020-05-12 | 西北工业大学 | 一种基于多源信息融合的进场段飞行技术误差估计方法 |
CN111811512B (zh) * | 2020-06-02 | 2023-08-01 | 北京航空航天大学 | 基于联邦平滑的mpos离线组合估计方法和装置 |
CN111811512A (zh) * | 2020-06-02 | 2020-10-23 | 北京航空航天大学 | 基于联邦平滑的mpos离线组合估计方法和装置 |
CN111678520A (zh) * | 2020-06-09 | 2020-09-18 | 上海理工大学 | 一种水面无人艇导航系统和导航方法 |
CN111486840A (zh) * | 2020-06-28 | 2020-08-04 | 北京云迹科技有限公司 | 机器人定位方法、装置、机器人及可读存储介质 |
CN111811521A (zh) * | 2020-07-09 | 2020-10-23 | 北京百度网讯科技有限公司 | 定位方法和装置、电子设备、车端设备、自动驾驶汽车 |
CN111854742A (zh) * | 2020-07-15 | 2020-10-30 | 中南大学 | 基于多源信息融合的移动物体的测速定位方法和系统 |
CN111947651A (zh) * | 2020-07-17 | 2020-11-17 | 中国人民解放军海军工程大学 | 水下组合导航信息融合方法、系统及自主式水下航行器 |
CN111829508B (zh) * | 2020-07-24 | 2022-02-08 | 中国人民解放军火箭军工程大学 | 一种基于新息的容错联邦滤波方法及系统 |
CN111829508A (zh) * | 2020-07-24 | 2020-10-27 | 中国人民解放军火箭军工程大学 | 一种基于新息的容错联邦滤波方法及系统 |
CN112304309A (zh) * | 2020-10-21 | 2021-02-02 | 西北工业大学 | 一种基于心动阵列的高超飞行器组合导航信息解算方法 |
CN112461236A (zh) * | 2020-11-23 | 2021-03-09 | 中国人民解放军火箭军工程大学 | 一种车载高精度容错组合导航方法及系统 |
CN112648993A (zh) * | 2021-01-06 | 2021-04-13 | 北京自动化控制设备研究所 | 一种多源信息融合组合导航系统及方法 |
CN112880659A (zh) * | 2021-01-09 | 2021-06-01 | 西北工业大学 | 一种基于信息概率的融合定位方法 |
CN112880659B (zh) * | 2021-01-09 | 2022-09-13 | 西北工业大学 | 一种基于信息概率的融合定位方法 |
CN113959434A (zh) * | 2021-09-22 | 2022-01-21 | 河北汉光重工有限责任公司 | 一种可调节的sins、dvl、usbl组合导航方法 |
CN114295122A (zh) * | 2021-12-02 | 2022-04-08 | 河北汉光重工有限责任公司 | 用于嵌入式系统的sins_gnss时间同步方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109737959A (zh) | 一种基于联邦滤波的极区多源信息融合导航方法 | |
CN111323050B (zh) | 一种捷联惯导和多普勒组合系统标定方法 | |
CN100419380C (zh) | 一种高集成度mimu/gps/微磁罗盘/气压高度计组合导航系统 | |
CN105043415B (zh) | 基于四元数模型的惯性系自对准方法 | |
CN109883426A (zh) | 基于因子图的动态分配与校正多源信息融合方法 | |
CN110095800A (zh) | 一种多源融合的自适应容错联邦滤波组合导航方法 | |
CN101949703A (zh) | 一种捷联惯性/卫星组合导航滤波方法 | |
CN107797125B (zh) | 一种减小深海探测型auv导航定位误差的方法 | |
CN110631574B (zh) | 一种惯性/里程计/rtk多信息融合方法 | |
CN104359496B (zh) | 基于垂线偏差补偿的高精度姿态修正方法 | |
CN105607093A (zh) | 一种组合导航系统及获取导航坐标的方法 | |
CN107436444A (zh) | 一种车载多模式组合导航系统及方法 | |
CN103542854A (zh) | 基于星载处理器的自主定轨方法 | |
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 | |
CN108594271A (zh) | 一种基于复合分层滤波的抗欺骗干扰的组合导航方法 | |
CN107015259A (zh) | 采用多普勒测速仪计算伪距/伪距率的紧组合方法 | |
CN102538792A (zh) | 一种位置姿态系统的滤波方法 | |
CN108761512A (zh) | 一种弹载bds/sins深组合自适应ckf滤波方法 | |
CN107764261B (zh) | 一种分布式pos传递对准用模拟数据生成方法和系统 | |
CN110455310A (zh) | 高超声速飞行器的大气数据测量方法 | |
CN110220512A (zh) | 一种全站仪组合惯性测量单元的动态定位系统 | |
CN107576977A (zh) | 基于多源信息自适应融合的无人机导航系统及方法 | |
CN107289942A (zh) | 一种用于编队飞行的相对导航系统及方法 | |
CN109737958A (zh) | 一种声学测速辅助的极区格网惯性导航误差抑制方法 | |
CN109945895A (zh) | 基于渐消平滑变结构滤波的惯性导航初始对准方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190510 |