无缝GPS/INS组合导航系统的设计与实现

针对GPS卫星信号失锁条件下GPS/INS组合导航性能大幅度下降的缺点,设计了一种基于ANFIS的无缝组合导航方法,当卫星数目不低于4颗时采用伪距/伪距率的卡尔曼滤波算法,一旦卫星数目少于4颗时采用ANFIS系统估计导航误差,抑制INS的误差积累,从而实现无缝导航。动态车载实验表明,该方法切实可行,相对于传统的紧组合方法,有效地提高了组合导航系统的定位精度和抗干扰能力。

U-卡尔曼滤波在状态估计中的应用

本文介绍了新的滤波估计方法— U卡尔曼滤波。 UKF能给出最佳估计的至少二阶近似。本文通过一个时间序列的仿真实例说明 UKF比 EKF的估计精度要高。

GPS/INS组合系统自适应滤波算法

研究了GPS/INS组合系统在高动态运动目标定位中的应用。根据组合系统建立状态方程 ,GPS观测量构成观测方程。自适应滤波过程中 ,通过观测数据对观测噪声进行估计 ,再用Sage -Husa算法在对动态噪声进行估计的同时实现状态滤波估计。计算机仿真结果验证了这种滤波算法的有效性。

GPS和GLONASS静态位置综合法

关闭SA后 ,GPS的C A码接收机定位精度可达 2 5m (95 %) ,用KALMAN滤波器综合它和GLONASS的位置信息 ,在静态环境下可很快获得 1m的精度 (1σ) .当一个子系统发生突变时 ,综合系统可有效地改善其定位精度 .

卡尔曼滤波在图象识别中的应用

最小邻域法使二维Kalman滤波技术得以在实时图象处理和识别领域中应用.这种方法的优点是既保持了Kalman滤波技术原有的性能,又大大地缩减了计算量.该方法对初值的给定范围要求不高,并且收敛速度快,滤波效果好.

荒野环境中的移动机器人定位方法研究

针对荒野环境中的特征稀少,传统的通过提取点云特征点进行匹配的点云配准方法无法准确地进行定位的问题,提出了一种先建立离线点云地图,再利用离线地图进行定位的定位方法。建图过程使用GPS、IMU、激光点云信息,利用GPS信息优化正态分布变换配准算法的配准过程,建立高精度的离线点云地图;定位过程先加载离线地图,使用激光点云、IMU信息,结合正态分布变换配准算法与无迹卡尔曼滤波算法得到位姿估计,并对得到的位姿估计添加地图修正量,得到最终的位姿估计。