CN109931935A - 基于距离和环境特征的导航系统及其参数摄动解决方法 - Google Patents
基于距离和环境特征的导航系统及其参数摄动解决方法 Download PDFInfo
- Publication number
- CN109931935A CN109931935A CN201910132227.4A CN201910132227A CN109931935A CN 109931935 A CN109931935 A CN 109931935A CN 201910132227 A CN201910132227 A CN 201910132227A CN 109931935 A CN109931935 A CN 109931935A
- Authority
- CN
- China
- Prior art keywords
- navigation
- subfilter
- filter
- information
- distance
- 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
Landscapes
- Navigation (AREA)
Abstract
本发明公开了一种基于距离和环境特征的导航系统及其参数摄动解决方法,包括惯性导航系统(INS)中的导航模块、多普勒计程仪(DVL)、磁传感器及滤波器。先收集水下航行区域的地磁环境信息制成地磁图,INS导航模块、多普勒计程仪、磁传感器将导航的原始信息输出到滤波器,该滤波器基于交互多模型的有限脉冲滤波/Kalman滤波混合鲁棒算法构建,由滤波器滤波并解决参数摄动问题,输出修正后的导航信息完成导航。本发明由于采用了交互多模型的方法解决参数摄动问题,各个导航模块的导航信息不同步问题导致的误差有效降低,另外两种滤波方式的智能切换使用使此系统的误差预估性能非常可靠。
Description
技术领域
本发明涉及水下航行器导航装置领域,尤其涉及一种基于距离和环境特征的INS/DVL/地磁组合导航系统及其参数摄动的抑制方法。
背景技术
海洋中蕴含着丰富的物种资源和矿产资源,我们要探索与开发海洋资源,利用最多的就是水下航行器。目前,适用于水下航行器(AUV)的水下导航技术已成为导航领域的热点之一。由于无线电技术在水下应用受到极大限制,具备完全自主导航能力的INS成为水下导航的重要手段。对小型的水下航行器来讲,由于其成本、体积、重量的限制,一般都是装备中等精度的捷联式惯性导航系统,这种导航系统需要外部的参考速度信息以抑制惯性导航系统的发散过快的问题。目前使用最多的就是DVL,它可以提供高精度的速度信息来抑制惯性导航系统的发散问题。
由于单一的导航方式不可避免的具有其局限性,组合导航的方式成为导航领域的发展热点,而以INS为核心辅以其他导航技术的组合导航技术,可优势互补极大地提高了水下导航的精度和可靠性。随着磁传感器技术的发展,我们已经能够比较精确的收集地球本身的磁场信息,由于地球上每一处的地磁信息都不同,以地磁提供导航信息得以实现,地磁导航得以发展。而地磁信息不会受海中水流、风浪的影响,使得基于地磁信息的导航系统环境适应性非常强。
组合导航系统的滤波方法也是导航领域的重点研究领域之一,Kalman滤波是重要的滤波方法之一,大量学者根据Kalman滤波进行改良,出现了扩展卡尔曼滤波、无迹卡尔曼滤波等。由于基于卡尔曼滤波的滤波方法对所设置噪声参数的依赖程度较高,不合适的参数会使滤波器的误差预估性能严重下降,因此将卡尔曼滤波和其他滤波方法组合起来构建滤波器也是常用的滤波方法。
组合导航系统由于其各个导航模块导航信息处理速度不同、采样时间不同,会出现系统参数摄动问题。因此直接将各个导航模块输出的导航信息融合会降低组合导航系统精度。
发明内容
发明目的:为了解决现有技术存在的组合导航系统参数摄动的问题,本发明提供一种基于距离和环境特征的导航系统及其参数摄动解决方法。
技术方案:一种基于距离和环境特征的导航系统,包括导航模块、多普勒计程仪、磁传感器及滤波器;所述滤波器包括第一子滤波器、第二子滤波器和主滤波器;多普勒计程仪用于提供速度信息给第一子滤波器;磁传感器用于提供位置信息给第二子滤波器;导航模块用于提供加速度、角加速度给第一子滤波器、第二子滤波器和主滤波器;第一子滤波器用于对速度信息进行滤波和预估;第二子滤波器用于对位置信息进行滤波和预估;主滤波器用于根据第一子滤波器的输出结果、第二子滤波器的输出结果及导航模块输出的加速度、角加速度信息完成最后的滤波,进行导航误差预估并修正误差。该组合导航系统可以更精准地融合各导航模块的导航信息,各个导航模块的导航信息不同步问题导致的误差有效降低,提高导航精度。
进一步的,所述导航模块为惯性导航系统中的导航模块,所述导航模块包括加速度计、陀螺仪、数字信号处理器。
一种基于距离和环境特征的导航系统的参数摄动解决方法,包括以下步骤:
(1)磁传感器获取水下航行器的位置信息,并将位置信息输入第二子滤波器;
(2)多普勒计程仪采集水下航行器的速度信息,并将速度信息输入到第一子滤波器;
导航模块采集水下航行器的加速度和角加速度信息,并将加速度信息输入到第一子滤波器、第二子滤波器,将加速度信息和角加速度信息输入到主滤波器;
(3)第一子滤波器根据加速度信息与速度信息对多普勒计程仪输出的速度信息进行滤波和预估,并将输出结果输入主滤波器;第二子滤波器根据加速度信息与位置信息对磁传感器输出的位置信息进行滤波和预估,并将输出结果输入主滤波器;
(4)主滤波器根据第一子滤波器的输出结果和第二子滤波器的输出结果进行最终的滤波并完成导航误差预估;根据导航模块输出的加速度信息和角加速度信息及导航误差预估,修正导航信息并输出。
进一步的,步骤(3)子滤波器的滤波和预估具体方法为:
对基于距离和环境特征的导航系统的惯性导航系统导航模块、多普勒计程仪、磁传感器分别建立模型;将导航模块的模型导入第一子滤波器和第二子滤波器,将多普勒计程仪的模型导入第一子滤波器,将磁传感器的模型导入第二子滤波器;第一子滤波器和第二子滤波器通过滤波器性能评价,选择采用有限脉冲响应滤波或Kalman滤波,完成模型预测。
进一步的,步骤(4)主滤波器的滤波和预估具体方法为:
对基于距离和环境特征的导航系统整体采用交互多模型方式建立多个模型,并将这些模型经过混合鲁棒滤波算法处理后导入主滤波器;主滤波器通过滤波器性能评价,选择采用有限脉冲响应滤波或Kalman滤波,并完成模型预测。采用交互多模型的建模方式,使各导航模型的导航信息更精准地进行融合,基于混合鲁棒算法的滤波器在克服传统Kalman滤波器对模型参数依赖的同时,又保持了Kalman滤波器在白噪声情况下精度高的优点,使得组合导航系统的滤波性能更优。
进一步的,采用交互多模型方式建立多个模型时,先假设系统采样时间在一个时间点和另一个时间点所确定的范围内摄动,然后根据不同导航模块采样时间,在不同的采样时间点建立组合导航系统导航模型。
进一步的,滤波器性能评价具体包括:先由Kalman滤波算法进行状态预测得出观测模型,根据实际导航信息评估观测模型是否在预估范围内,若在预估范围内则使用Kalman滤波算法进行状态估计,若不在预估范围则使用有限脉冲响应滤波算法进行状态估计。两种滤波方式的智能切换使用使此系统的误差预估性能非常可靠。
进一步的,步骤(1)包括:
收集水下环境的地磁信息并绘制出地磁图;
磁传感器收集水下航行器周围的地磁信息,将所述地磁信息与地磁图比较得出水下航行器的位置坐标。
有益效果:相比较现有技术,本发明提供的一种基于距离和环境特征的导航系统,可以解决组合导航系统的参数摄动问题,更精准地融合各导航模块的导航信息,各个导航模块的导航信息不同步问题导致的误差有效降低,提高导航精度。基于距离和环境特征的导航系统的参数摄动方法,采用交互多模型的建模方式,使各导航模型的导航信息更精准地进行融合,基于混合鲁棒算法的滤波器在克服传统Kalman滤波器对模型参数依赖的同时,又保持了Kalman滤波器在白噪声情况下精度高的优点,使得组合导航系统的滤波性能更优。另外两种滤波方式的智能切换使用使此系统的误差预估性能非常可靠。
附图说明
图1为基于距离和环境特征的导航系统的结构框图;
图2为基于交互多模型算法的有限脉冲响应滤波/Kalman滤波混合鲁棒算法流程图;
图3为基于交互多模型算法的有限脉冲响应滤波/Kalman滤波器示意图。
具体实施方式
下面结合附图和具体实施例对本发明作进一步说明。
如图1,基于距离和环境特征的导航系统,硬件部分包括惯性导航系统(INS)导航模块、多普勒计程仪(DVL)、磁传感器。INS导航模块包括加速度计、陀螺仪、DSP。算法部分的滤波器包括第一子滤波器、第二子滤波器和主滤波器。多普勒计程仪用于提供速度信息给第一子滤波器;磁传感器用于提供位置信息给第二子滤波器;两个子滤波器用于接受各自对应的导航硬件的导航信息并将预估后的导航信息输出到主滤波器。INS导航模块用于提供加速度、角加速度信息给第一子滤波器、第二子滤波器和主滤波器;第一子滤波器用于对位置信息进行滤波和预估;第二子滤波器用于对速度信息的滤波和预估;主滤波器用于根据第一子滤波器的输出结果、第二子滤波器的输出结果及INS导航模块输出的加速度、角加速度信息完成最后的滤波,进行导航误差预估并修正误差。
基于距离和环境特征的导航系统的参数摄动解决方法,包括以下步骤:
(1)收集水下环境的地磁信息并绘制出地磁图;磁传感器收集水下航行器周围的地磁信息,将所述地磁信息与地磁图比较得出水下航行器的位置坐标,并将位置信息输入第二子滤波器;
(2)多普勒计程仪采集水下航行器的速度信息,并将速度信息输入到第一子滤波器;
惯性导航系统中的导航模块采集水下航行器的加速度和角加速度信息,并将加速度信息分别输入到第一子滤波器、第二子滤波器,将加速度信息和角加速度信息输入到主滤波器;
(3)第一子滤波器根据加速度信息与速度信息对多普勒计程仪输出的速度信息进行滤波和预估,并将输出结果输入主滤波器;第二子滤波器根据加速度信息与位置信息对磁传感器输出的位置信息进行滤波和预估,并将输出结果输入主滤波器;
子滤波器的滤波和预估具体方法为:对基于距离和环境特征的导航系统的INS导航模块、DVL、磁传感器分别建立模型;将INS导航模块的模型导入第一子滤波器和第二子滤波器,将DVL的模型导入第一子滤波器,将磁传感器的模型导入第二子滤波器;第一子滤波器和第二子滤波器通过滤波器性能评价,选择采用有限脉冲响应滤波或Kalman滤波,完成模型预测。
(4)主滤波器根据第一子滤波器的输出结果和第二子滤波器的输出结果进行最终的滤波并完成导航误差预估;根据INS导航模块输出的加速度信息和角加速度信息及导航误差预估,修正导航信息并输出。
主滤波器的滤波和预估具体方法为:对基于距离和环境特征的导航系统整体采用交互多模型方式建立多个模型,并将这些模型经过混合鲁棒滤波算法处理以增强导航模型的鲁棒性,将这些处理后的模型导入主滤波器;主滤波器通过滤波器性能评价,选择采用有限脉冲响应滤波或Kalman滤波,并完成模型预测。
如图2所示,基于距离和环境特征的导航系统采用交互多模型方式建立多个模型时,先假设系统采样时间在一个时间点和另一个时间点所确定的范围内摄动,然后根据不同导航模块采样时间,在不同的采样时间点建立组合导航系统导航模型。
如图3所示,本实施例采用的滤波包含有限脉冲响应滤波算法和Kalman滤波算法,先由Kalman滤波算法进行状态预测得出观测模型,并用实际导航信息对此观测模型进行性能评价,如果所得观测模型偏差过大不符合要求则使用有限脉冲响应滤波进行状态预测。如果所得的观测模型符合要求则使用此观测模型,即此时采用Kalman滤波算法进行状态预测。该滤波方法克服了Kalman滤波对参数依赖高的弊端,时刻保证着状态预测的精准性。
整个导航过程如下:
导航开始之前将水下航行器水下航行区域的地磁信息收集制成地磁图,供地磁匹配使用。通过如图2所示的方法在一定的时间区域内根据不同导航模块的采样时间对组合导航系统在不同的时间点建立多个模型,并将这些导航模型通过混合鲁棒滤波算法处理提高其鲁棒性。
导航开始时,如图1所示,多普勒计程仪将速度信息输出到第一子滤波器,惯性导航系统中的导航模块将加速度和角加速度输出到两个子滤波器和主滤波器,磁传感器将水下航行器周围地磁环境信息提取并与地磁图匹配得到位置信息,然后将位置信息输出到第二子滤波器。滤波器所接受的信息均为导航传感器最原始的导航信息,确保了导航信息的准确性,提高了导航模型参数的精度。
两个子滤波器结合INS输入的加速度信息和DVL输入的速度信息或磁传感器输入的位置信息对导航模型的参数进行预估。并通过如图3所示的方式选择合适的滤波方式完成对导航模型参数的预估,然后将预估后的导航模型参数输出到主滤波器。
主滤波器通过如图3所示的方式选择合适的滤波方式完成对组合导航系统导航模型的预估,并输出导航误差的预估。组合导航系统使用主滤波器输出的导航误差预估修正INS的导航信息并输出修正后的导航信息完成导航。
本实施例的参数摄动解决方法中采取的交互多模型的建模方式可以克服参数摄动问题,使得各个导航模型的导航信息更精准地进行融合。基于混合鲁棒算法的滤波器在克服传统Kalman滤波器对模型参数依赖的同时,又保持了Kalman滤波器在白噪声情况下精度高的优点,使得组合导航系统的滤波性能更优。
Claims (8)
1.一种基于距离和环境特征的导航系统,其特征在于,包括导航模块、多普勒计程仪、磁传感器及滤波器;所述滤波器包括第一子滤波器、第二子滤波器和主滤波器;多普勒计程仪用于提供速度信息给第一子滤波器;磁传感器用于提供位置信息给第二子滤波器;导航模块用于提供加速度、角加速度给第一子滤波器、第二子滤波器和主滤波器;第一子滤波器用于对速度信息进行滤波和预估;第二子滤波器用于对位置信息的滤波和预估;主滤波器用于根据第一子滤波器的输出结果、第二子滤波器的输出结果及导航模块输出的加速度、角加速度完成最后的滤波,进行导航误差预估并修正误差。
2.根据权利要求1所述的基于距离和环境特征的导航系统,其特征在于,所述导航模块为惯性导航系统中的导航模块,所述导航模块包括加速度计、陀螺仪、数字信号处理器。
3.一种基于距离和环境特征的导航系统的参数摄动解决方法,其特征在于,包括以下步骤:
(1)磁传感器获取水下航行器的位置信息,并将位置信息输入第二子滤波器;
(2)多普勒计程仪采集水下航行器的速度信息,并将速度信息输入到第一子滤波器;
导航模块采集水下航行器的加速度和角加速度信息,并将加速度信息输入到第一子滤波器、第二子滤波器,将加速度信息和角加速度信息输入到主滤波器;
(3)第一子滤波器根据加速度信息与速度信息对多普勒计程仪输出的速度信息进行滤波和预估,并将输出结果输入主滤波器;第二子滤波器根据加速度信息与位置信息对磁传感器输出的位置信息进行滤波和预估,并将输出结果输入主滤波器;
(4)主滤波器根据第一子滤波器的输出结果和第二子滤波器的输出结果进行最终的滤波并完成导航误差预估;根据导航模块输出的加速度信息和角加速度信息及导航误差预估,修正导航信息并输出。
4.根据权利要求3所述的基于距离和环境特征的导航系统的参数摄动解决方法,其特征在于,步骤(3)子滤波器的滤波和预估具体方法为:
对基于距离和环境特征的导航系统的导航模块、多普勒计程仪、磁传感器分别建立模型;将导航模块的模型导入第一子滤波器和第二子滤波器,将多普勒计程仪的模型导入第一子滤波器,将磁传感器的模型导入第二子滤波器;第一子滤波器和第二子滤波器通过滤波器性能评价,选择采用有限脉冲响应滤波或Kalman滤波,完成模型预测。
5.根据权利要求3所述的基于距离和环境特征的导航系统的参数摄动解决方法,其特征在于,步骤(4)主滤波器的滤波和预估具体方法为:
对基于距离和环境特征的导航系统整体采用交互多模型方式建立多个模型,并将这些模型经过混合鲁棒滤波算法处理后导入主滤波器;主滤波器通过滤波器性能评价,选择采用有限脉冲响应滤波或Kalman滤波,并完成模型预测。
6.根据权利要求5基于距离和环境特征的导航系统的参数摄动解决方法,其特征在于,采用交互多模型方式建立多个模型时,先假设系统采样时间在一个时间点和另一个时间点所确定的范围内摄动,然后根据不同导航模块采样时间,在不同的采样时间点建立组合导航系统导航模型。
7.根据权利要求4或5基于距离和环境特征的导航系统的参数摄动解决方法,其特征在于,滤波器性能评价具体包括:先由Kalman滤波算法进行状态预测得出观测模型,根据实际导航信息评估观测模型是否在预估范围内,若在预估范围内则使用Kalman滤波算法进行状态估计,若不在预估范围则使用有限脉冲响应滤波算法进行状态估计。
8.根据权利要求3所述的基于距离和环境特征的导航系统的参数摄动解决方法,其特征在于,步骤(1)包括:
收集水下环境的地磁信息并绘制出地磁图;
磁传感器收集水下航行器周围的地磁信息,将所述地磁信息与地磁图比较得出水下航行器的位置坐标。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910132227.4A CN109931935B (zh) | 2019-02-22 | 2019-02-22 | 基于距离和环境特征的导航系统及其参数摄动解决方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910132227.4A CN109931935B (zh) | 2019-02-22 | 2019-02-22 | 基于距离和环境特征的导航系统及其参数摄动解决方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109931935A true CN109931935A (zh) | 2019-06-25 |
CN109931935B CN109931935B (zh) | 2021-04-06 |
Family
ID=66985829
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910132227.4A Active CN109931935B (zh) | 2019-02-22 | 2019-02-22 | 基于距离和环境特征的导航系统及其参数摄动解决方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109931935B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110514209A (zh) * | 2019-08-27 | 2019-11-29 | 东南大学 | 一种交互式多模型组合导航方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1387505A2 (en) * | 2002-08-02 | 2004-02-04 | Agilent Technologies, Inc. | Kalman filter intensity noise substraction for optical heterodyne receivers |
US6925478B2 (en) * | 2000-12-19 | 2005-08-02 | Nikon Corporation | Practical pseudo-asynchronous filter architecture |
CN102221363A (zh) * | 2011-04-12 | 2011-10-19 | 东南大学 | 一种水下潜器用捷联惯性组合导航系统容错组合方法 |
CN204228171U (zh) * | 2014-11-19 | 2015-03-25 | 山东华盾科技股份有限公司 | 一种水下机器人导航装置 |
CN106680765A (zh) * | 2017-03-03 | 2017-05-17 | 济南大学 | 基于分布式组合滤波ins/uwb行人导航系统及方法 |
CN108151741A (zh) * | 2018-01-04 | 2018-06-12 | 北京原子机器人科技有限公司 | 多模式智能惯性导航传感系统及其数据处理方法 |
CN108871324A (zh) * | 2018-04-28 | 2018-11-23 | 南京信息工程大学 | 一种水下无源组合导航系统衰减自适应信息融合方法 |
CN109086250A (zh) * | 2018-08-30 | 2018-12-25 | 北京航空航天大学 | 适用于带斜置光纤陀螺的mems惯组的数据融合方法 |
-
2019
- 2019-02-22 CN CN201910132227.4A patent/CN109931935B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6925478B2 (en) * | 2000-12-19 | 2005-08-02 | Nikon Corporation | Practical pseudo-asynchronous filter architecture |
EP1387505A2 (en) * | 2002-08-02 | 2004-02-04 | Agilent Technologies, Inc. | Kalman filter intensity noise substraction for optical heterodyne receivers |
CN102221363A (zh) * | 2011-04-12 | 2011-10-19 | 东南大学 | 一种水下潜器用捷联惯性组合导航系统容错组合方法 |
CN204228171U (zh) * | 2014-11-19 | 2015-03-25 | 山东华盾科技股份有限公司 | 一种水下机器人导航装置 |
CN106680765A (zh) * | 2017-03-03 | 2017-05-17 | 济南大学 | 基于分布式组合滤波ins/uwb行人导航系统及方法 |
CN108151741A (zh) * | 2018-01-04 | 2018-06-12 | 北京原子机器人科技有限公司 | 多模式智能惯性导航传感系统及其数据处理方法 |
CN108871324A (zh) * | 2018-04-28 | 2018-11-23 | 南京信息工程大学 | 一种水下无源组合导航系统衰减自适应信息融合方法 |
CN109086250A (zh) * | 2018-08-30 | 2018-12-25 | 北京航空航天大学 | 适用于带斜置光纤陀螺的mems惯组的数据融合方法 |
Non-Patent Citations (4)
Title |
---|
石宏飞: "基于SINS/LBL紧组合的AUV组合导航技术研究", 《中国优秀硕士学位论文全文数据库工程科技Ⅱ辑》 * |
郝芮: "水下潜航器SINS/USBL/DVL组合导航算法研究", 《中国优秀硕士学位论文全文数据库工程科技Ⅱ辑》 * |
马妍: "水下运载器惯性/地形/地磁组合导航系统关键技术研究", 《中国博士学位论文全文数据库信息科技辑》 * |
高永琪 等: "《鱼雷导航与控制技术》", 30 June 2015, 兵器工业出版社 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110514209A (zh) * | 2019-08-27 | 2019-11-29 | 东南大学 | 一种交互式多模型组合导航方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109931935B (zh) | 2021-04-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102519450B (zh) | 一种用于水下滑翔器的组合导航装置及方法 | |
CN102426019B (zh) | 一种无人机景象匹配辅助导航方法及系统 | |
CN103477244B (zh) | 检测水下结构的结构变化 | |
CN103047983B (zh) | 水下机器人的面地形匹配导航方法 | |
CN100476853C (zh) | Sins/cns/gps组合导航半实物仿真系统 | |
CN1330936C (zh) | 一种捷联惯性/天文组合导航半实物仿真系统 | |
CN103744101B (zh) | 一种低成本ahrs辅助gps确定整周模糊度装置及方法 | |
CN108896040B (zh) | 天空海一体化水下潜器惯性/重力组合导航方法和系统 | |
CN109814069B (zh) | 一种基于单定位信标的水下移动节点无源定位方法及其系统 | |
CN105424041A (zh) | 一种基于bd/ins紧耦合的行人定位算法 | |
CN103424115A (zh) | 微小型飞行器地面试验姿态记录仪 | |
CN107037460B (zh) | 一种用于海面测高的北斗meo卫星机载反射信号建模方法 | |
CN107014381A (zh) | Pld、dsp、组合导航系统、数据处理方法和装置 | |
CN112284384A (zh) | 考虑量测异常的集群式多深海潜航器的协同定位方法 | |
CN107966145B (zh) | 一种基于稀疏长基线紧组合的auv水下导航方法 | |
CN110426037A (zh) | 一种封闭环境下的行人运动轨迹实时获取方法 | |
CN109319074B (zh) | 一种多正交信号发射无人潜器声引导回收系统 | |
CN112859133B (zh) | 一种基于雷达与北斗数据的船舶深度融合定位方法 | |
WO2022132934A1 (en) | High-definition city mapping | |
CN114564545A (zh) | 一种基于ais历史数据的船舶经验航线提取系统及方法 | |
CN112665557A (zh) | 一种波浪数据处理方法、装置、电子设备和刻度存储介质 | |
CN109931935A (zh) | 基于距离和环境特征的导航系统及其参数摄动解决方法 | |
Deng et al. | Underwater map-matching aided inertial navigation system based on multi-geophysical information | |
CN112611376B (zh) | 一种RGI-Lidar/SINS紧耦合AUV水下导航定位方法与系统 | |
CN109269498A (zh) | 面向具有数据缺失uwb行人导航的自适应预估ekf滤波算法及系统 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |