多传感器数据融合的无人机速率估算与定位

为了提高农用无人机速率与位置的估算精度,同时降低无人机制作成本,提出了一种对于农用无人机容易实现的传感器数据融合算法,即通过使用离散型卡尔曼滤波,提高实验对象在三维空间中位置和速率变化的估算精度。由于传统的惯性测量系统存在体积大、造价高等缺点,而廉价的惯性测量传感器又存在较大的飘移,因此结合农用无人机航拍的工作环境采用全球定位系统(GPS)提供位置的测量,由惯性导航系统(INS)给出加速度,并由光流传感器提供速度的测量加以辅助。最终,通过实验验证了该算法的有效性。

CNS/SINS组合导航系统仿真分析

天文导航和捷联惯性导航(CNS/SINS)相结合构成的组合导航系统,实现导航优势的互补,提高导航的精度和可靠性。文中阐述在惯性系下,以弹道导弹为研究对象而建立CNS/SINS组合导航的数学模型,并利用MATLAB编程设计基于离散型卡尔曼滤波的组合导航系统仿真,对比SINS和CNS/SINS对载体位置误差、速度误差以及姿态角估计的影响,进而验证CNS/SINS组合导航系统的可靠性。