基于因子图的动态分配与校正多源信息融合方法

    公开(公告)号:CN109883426A

    公开(公告)日:2019-06-14

    申请号:CN201910177064.1

    申请日:2019-03-08

    Abstract: 本发明属于多传感器融合的导航技术领域和时间配准技术领域,具体涉及基于因子图的动态分配与校正多源信息融合方法。针对现代导航系统应用环境日益复杂,传感器的工作时间不连续,量测值时有时无,甚至出现输出迟滞,传统的联邦滤波算法计算复杂,处理量测迟滞问题时精度降低。本发明使用因子图概率模型对导航系统重新建模,保证了系统出现量测类型动态变化时的导航精度同时减少计算量,提高了系统的即插即用特性,针对量测迟滞问题,使用多种传感器信息对延迟量测进行补偿提高量测信息使用率与导航精度。仿真结果表明,所提出的算法在量测值时断时续与输出迟滞的情况下具有更好的鲁棒性与容错性,同时精度也得到了提高。

    基于因子图的动态分配与校正多源信息融合方法

    公开(公告)号:CN109883426B

    公开(公告)日:2022-01-14

    申请号:CN201910177064.1

    申请日:2019-03-08

    Abstract: 本发明属于多传感器融合的导航技术领域和时间配准技术领域,具体涉及基于因子图的动态分配与校正多源信息融合方法。针对现代导航系统应用环境日益复杂,传感器的工作时间不连续,量测值时有时无,甚至出现输出迟滞,传统的联邦滤波算法计算复杂,处理量测迟滞问题时精度降低。本发明使用因子图概率模型对导航系统重新建模,保证了系统出现量测类型动态变化时的导航精度同时减少计算量,提高了系统的即插即用特性,针对量测迟滞问题,使用多种传感器信息对延迟量测进行补偿提高量测信息使用率与导航精度。仿真结果表明,所提出的算法在量测值时断时续与输出迟滞的情况下具有更好的鲁棒性与容错性,同时精度也得到了提高。

    一种改进的强跟踪容积卡尔曼滤波组合导航方法

    公开(公告)号:CN109000642A

    公开(公告)日:2018-12-14

    申请号:CN201810545646.6

    申请日:2018-05-25

    Abstract: 本发明是一种改进的强跟踪容积卡尔曼滤波组合导航方法。收集SINS系统和GPS系统输出;选择状态量和观测量,建立SINS/GPS组合导航系统状态空间模型;SINS/GPS组合导航系统初始化;在k时刻进行标准CKF的时间更新和量测更新,得到一步状态预测的误差协方差值和一步预测的互协方差值;利用引入强跟踪算法的改进的强跟踪容积卡尔曼滤波算法,计算改进后的渐消因子并对一步状态预测的误差协方差值进行校正;利用校正后的一步状态预测的误差协方差值进行CKF的量测更新,得到k+1时刻的状态估计值和和状态误差协方差。本发明能提高系统的滤波精度,提高滤波器对系统状态发生突变时的跟踪能力,增强SINS/GPS组合导航系统的鲁棒性。

Patent Agency Ranking