基于多速率卡尔曼滤波方法的位移和加速度数据融合

为了尽可能地利用加速度传感器和位移传感器中的冗余信息、提高振动实测数据的精度,将结构同一位置的加速度和位移观测值进行数据融合处理,提出了一种基于维纳过程加速度模型的多速率卡尔曼滤波数据融合方法。首先给出了基于维纳过程的多速率卡尔曼滤波数融合模型;然后在加速度和位移观测值的基础上,通过多速率卡尔曼滤波数据融合得到位移、速度以及加速度的的最优估计,并对融合结果进行卡尔曼平滑处理,进一步提高了状态估计准确性;最后数值分析了不同噪声水平和采样频率比对融合算法的影响,而且与相关文献的结果作了对比分析。结果表明,本文方法合理有效且具有一定的噪声鲁棒性。

一种单目视觉信息辅助惯性导航算法

为满足高性能自主导航的要求,解决单一惯性导航系统定位误差不断积累的问题,考虑利用相机元件采集的视觉图像信息校正定位解。提出一种基于无损卡尔曼滤波的多速率数据融合算法,在有图像信息的每个时刻利用多视图的几何约束来校正,有效解决单一惯性导航定位的漂移问题;分析多速率数据融合的算法,并与普通多传感器同步融合的单速率算法做出比较;最后采用车载传感器采集的数据进行实验。实验结果表明视觉辅助惯性导航能够有效地抑制单一惯性导航定位漂移的问题,并且与单速率数据融合算法相比,该多速率数据融合算法的定位精度更高。