車載組合導(dǎo)航信息融合算法研究與系統(tǒng)實現(xiàn).pdf

1、導(dǎo)彈信息化機動發(fā)射平臺的應(yīng)用環(huán)境非常復(fù)雜，為了能夠?qū)崿F(xiàn)導(dǎo)彈的快速機動發(fā)射，不僅要求導(dǎo)航系統(tǒng)能夠提供高精度的導(dǎo)航信息，還要求導(dǎo)航系統(tǒng)具有高度的可靠性、自主性和抗干擾性。任何單一導(dǎo)航系統(tǒng)或簡單組合的導(dǎo)航系統(tǒng)都難以滿足這一要求，因而，多傳感器信息融合技術(shù)成為導(dǎo)航系統(tǒng)研究的主要技術(shù)途徑。本文以導(dǎo)彈信息化機動發(fā)射平臺為應(yīng)用背景，以提高導(dǎo)彈信息化機動發(fā)射平臺導(dǎo)航系統(tǒng)定位精度和在復(fù)雜環(huán)境中的適應(yīng)能力為目標，研究了基于信息融合的多傳感器組合導(dǎo)航技術(shù)與G

2、PS（全球定位系統(tǒng)）失效時的性能輔助技術(shù)，有針對性地對基于信息融合技術(shù)的多傳感器組合導(dǎo)航系統(tǒng)進行設(shè)計和開發(fā)。本文主要研究內(nèi)容包括：
　　研究了INS（慣性導(dǎo)航系統(tǒng)）/GPS組合導(dǎo)航自適應(yīng)濾波算法。針對車載INS/GPS組合導(dǎo)航量測噪聲統(tǒng)計特性可能隨應(yīng)用環(huán)境不同而發(fā)生變化的問題，從基于新息的角度和基于多模型的角度著手，研究了兩種自適應(yīng)濾波算法。一種算法為模糊自適應(yīng)卡爾曼濾波算法，該算法根據(jù)實時得到的量測新息的實際方差與理論方差的比值

3、，由設(shè)計的模糊推理系統(tǒng)在線調(diào)整模型中的量測噪聲協(xié)方差矩陣。另一種算法為自適應(yīng)交互多模型算法，該算法將改進的Sage-Husa自適應(yīng)濾波器與交互多模型相結(jié)合，以Sage-Husa自適應(yīng)濾波的估值為中心，擴展得到交互多模型算法的模型集，以少量的模型實現(xiàn)對實際模態(tài)的覆蓋。
　　研究了置信度加權(quán)的多傳感器模糊自適應(yīng)數(shù)據(jù)融合算法。首先在聯(lián)合卡爾曼濾波算法中使用模糊自適應(yīng)濾波代替標準卡爾曼濾波，子濾波器自適應(yīng)的跟蹤實際量測噪聲統(tǒng)計特性，構(gòu)成模

4、糊自適應(yīng)聯(lián)合卡爾曼信息融合算法。然后在該算法的基礎(chǔ)上，利用置信度對各子濾波器及聯(lián)合卡爾曼濾波器進行加權(quán)，實現(xiàn)置信度加權(quán)的模糊自適應(yīng)數(shù)據(jù)融合算法。
　　為了提高INS/GPS系統(tǒng)在GPS無效時的定位精度，研究了將車輛運動學(xué)約束和路網(wǎng)約束作為虛擬傳感器的測量，輔助INS/GPS的方法。車輛正常行駛時，理想情況下側(cè)滑速度為零，此速度約束是車輛行駛時固有的運動學(xué)約束，被用來構(gòu)造一個虛擬傳感器的測量；另一方面當車輛在路網(wǎng)上行駛時，在地圖匹配

5、方法基礎(chǔ)上，由路網(wǎng)約束構(gòu)造另一個虛擬傳感器的測量。當GPS無效時，在滿足應(yīng)用條件的情況下，使用虛擬傳感器輔助INS，以提高INS/GPS系統(tǒng)在GPS無效時的定位精度。
　　進行了基于Matlab/RTW/xPC的車載組合導(dǎo)航半實物仿真平臺的設(shè)計，使用一臺Matlab/Simulink/RTW宿主機和兩臺xPC目標機的系統(tǒng)結(jié)構(gòu)，實現(xiàn)組合導(dǎo)航的實時仿真。
　　結(jié)合以上多傳感器信息融合算法和虛擬傳感器輔助的INS/GPS組合導(dǎo)航技