基于模糊控制的舰船组合导航Kalman滤波器

经典的舰船组合导航Kalman滤波器对异常量测值处理过于简单 (只分为野值、正常值 ) ,致使包含新息的略大于正常值的量测数据失去作用 ,从而使滤波器产生波动。为克服这一弊端 ,提出在滤波器中加入模糊控制器 ,模糊规则由专家确定 ,对不同类型的滤波新息进行判别后加权处理 ,从而增强滤波器对野值的适应能力。计算机仿真结果表明 。

基于自适应信息融合的舰船组合导航系统研究

此文针对组合导航系统在舰船运动中出现的局部滤波器精度下降和滤波发散问题,提出新的自适应信息融合方法,给出滤波结果可信度定义和评价方法,并在此基础上进行信息分配保持全局估计精度和控制发散。

基于数据挖掘的舰船组合导航人机交互界面系统

设计基于数据挖掘的舰船组合导航人机交互界面系统,精准挖掘有效导航信息,实现舰船组合导航人机交互,确保舰船航行安全。将采集导航信息与环境信息,利用自适应K中心点聚类算法挖掘有效导航信息与环境信息,生成最佳导航信息集,依据最佳导航信息集建立环境地图,利用改进遗传算法规划舰船路径完成舰船导航控制,通过控制显示模块呈现导航控制结果,完成人机交互。实验证明,该系统可有效完成舰船组合导航人机交互,精准挖掘有效导航信息与环境信息,可有效规划路径,避开障碍物,确保航行安全。

舰船导航信号非线性UKF滤波定位解算方法研究

根据UKF(unscented Kalman fliter)的工作机理,对所建立的双星(GPS、劳兰C)/航位推算(DR)舰船组合导航连续非线性系统模型进行解算,形成一套UKF在舰船组合导航中的递推算法。该方法根据随机变量的先验统计特性,按照特定的规则将状态变量分解成2n+1维的散布形式,然后利用统计线性回归技术,实现对非线性函数的线性化,可以获得更小的线性化误差。实船数据试验表明:UKF算法与扩展卡尔曼滤波(EKF)算法相比,系统稳定性更好,滤波器估计精度更高。

应用自适应容积卡尔曼滤波改善组合导航性能

基于状态和测量模型扰动的有色噪声建模,研究应用自适应容积卡尔曼(Kalman)滤波来改善北斗导航系统/航位推算(BDNS/DR)组合导航系统的性能。利用有色噪声白化技术获得等价的白噪声组合导航系统;通过将一种自适应调节因子计算与平方根求容积卡尔曼滤波结合获得一类自适应容积卡尔曼滤波(ASCKF),应用该算法改善组合导航系统的精度和稳定性。通过两个仿真实例验证了新算法的有效性。

联合卡尔曼滤波在多传感器信息融合中的应用

介绍了基于多传感器信息融合技术的联合卡尔曼滤波器的一般设计方法 ,并将此方法运用于舰船INS/GPS/Loran C组合导航系统中。理论分析与仿真结果表明 ,该联合卡尔曼滤波器的设计合理 ,算法具有全局最优性 ,能够提高系统的导航精度和容错能力。

基于多传感器信息融合技术的联合卡尔曼滤波器的设计及应用

介绍了基于多传感器信息融合技术的联合卡尔曼滤波器的一般设计方法,并将此方法运用于舰船INS/GPS/Loran-c组合导航系统中。理论分析与仿真结果表明,该联合卡尔曼滤波器的设计合理,算法具有全局最优性,能够提高系统的导航精度和容错能力。