基于视觉/GPS/MEMS-INS数据融合的MUAV导航方案

提出了基于视觉/GPS/MEMS-SINS的微小型无人机(MUAV)数据融合导航方案,利用视觉测量和GPS测量分别与INS组成子滤波器系统,依靠主滤波器对2个子滤波器的估计值进行数据融合。通过仿真验证,说明提出的组合导航方案具有很高的导航精度,能够有效抑制MEMS-INS的漂移,并且在GPS信号失效时,具有很高的容错性能,能够保证导航系统的稳定性,具有一定的应用价值。

基于低成本MEMS-INS的车辆变道判别方法

针对传统车辆变道判别与预测方法的不足,提出一种基于低成本MEMS-INS的车辆变道判别与预测方法。利用车载低成本MEMS-INS和轮速传感器获取的纵向速度、加速度与横摆角速度信息,建立两级卡尔曼滤波器估计道路曲率,在此基础上,将所估计出的道路曲率信息作为观测量,利用交互多模型算法对车辆是否变道进行判别和预测,同时作为附带的效果,能够准确估计出车辆的航向角。实车试验结果表明,车辆变道识别率达到100%,航向角估计误差小于2%,延时小于1 s,具有成本低、精度高、延时短,环境适应力强的优点,克服了传统方法的不足,满足车辆碰撞预警系统的需要。

基于MEMS-INS/GNSS组合导航抗差自适应Kalman滤波算法

标准的Kalman滤波器在组合导航领域得到了广泛的应用,然而在实际运动过程中,载体的运动模型是复杂多变的,无法准确掌握系统的动态特性。针对高动态环境下载体动态复杂多变特性带来的动力学模型难以精确构建问题,以及卫星跟踪环路信号易受扰动导致的观测信息出现异常粗差问题,设计了一种基于MEMS-INS/GNSS组合导航系统抗差自适应Kalman滤波算法,研究了优化自适应因子的求解方法。通过跑车试验证明了该算法能够有效地抑制误差发散,提供更加精确的导航定位结果,更好地控制观测信息误差以及动力学模型异常所带来的影响。