本科毕业论文信息融合技术在组合导航中的应用论文综述.docx

本科毕业论文信息融合技术在组合导航中的应用论文综述.docx

《本科毕业论文信息融合技术在组合导航中的应用论文综述.docx》由会员分享，可在线阅读，更多相关《本科毕业论文信息融合技术在组合导航中的应用论文综述.docx（11页珍藏版）》请在冰豆网上搜索。

本科毕业论文信息融合技术在组合导航中的应用论文综述

华中科技大学

信息融合课程论文

信息融合技术在组合导航中的应用综述

摘要：

随着导航技术和控制理论的发展，组合导航系统拥有众多的导航传感器模块，已经构成了一个多传感器导航信息系统。

信息融合方法是解决多传感器信息融合综合处理问题强有力的手段。

通过多源信息的最优融合，能够有效地提高组合导航系统的精度和可靠性。

本论文旨在研究信息融合在组合导航系统中的应用，该文在阐述信息融合技术和组合导航原理之后，主要介绍了基于INS/GPS组合导航系统的信息融合技术，针对INS/GPS组合导航系统在数据处理时存在的计算量大和故障数据相互干扰的问题，提出了一种基于信息融合的导航参数最优估计滤波方法，该方法可提高导航系统的计算精度和速度，有较好的容错性和环境适应性，可有效地提高导航系统的精度和可靠性。

本文使用Matlab软件进行系统仿真，通过对实验结果的对比得出结论：

组合后系统定位精度明显高于单纯的INS和GPS导航。

关键词：

信息融合；组合导航；INS/GPS组合；卡尔曼滤波

SummaryofInformationFusionTechnologyApplication

inIntergratedNavigation

Abstract：

Withthedevelopmentofnavigationtechnologyandcontroltheory,integratednavigationsystemhasnumerousnavigationsensormodule,andhasformedamulti-sensornavigationinformationsystem.Informationfusionmethodisapowerfultooltosolvethemulti-sensorinformationfusionintegratedproblems.Throughoptimalinformationfusionfrommultiplesources,wecaneffectivelyimprovethenavigationsystemaccuracyandreliability.ThispaperaimstostudyInformationFusionapplicationinIntegratedNavigationSystem,thispaperdescribesinformationfusiontechnologyandthecombinationofnavigationprinciples,andmainlyintroducedinformationfusiontechnologybasedonINS/GPSIntegratedNavigationSystem.InformationFusionforINS/GPSIntegratedNavigationSystemhavethedataprocessingandfaultdatacomputationallyintensivemutualinterferenceproblems,weproposeanavigationparametersoptimalestimationfiltermethodbasedoninformationfusion,whichcanimprovethenavigationsystemaccuracyandspeed,betterfaulttoleranceandenvironmentaladaptability,andcaneffectivelyimprovetheaccuracyandreliabilityofthenavigationsystem.ThisarticleusetheMatlabsoftwareforsystemsimulation,throughthecomparisonofexperimentalresultsweconcluded:

combinedsystempositioningaccuracywassignificantlyhigherthantheINSandGPSnavigation.

Keywords：

InformationFusion;Navigation;INS/GPScombination;KalmanFilter

目录

1信息融合技术5

2组合导航原理6

3基于INS/GPS组合导航系统的信息融合7

3.1组合的原因7

3.2组合原理7

3.3状态方程与量测方程8

3.4算法描述8

3.5系统仿真10

4结论11

参考文献13

随着现代数学、现代控制理论和计算机技术的不断进步，组合导航技术也得到了迅速发展，取得了令人瞩目的成就。

然而多传感器组合导航系统在数据处理问题上却存在较为严重的问题，例如：

1）在导航信息大量冗余的情况下，计算量过大，实时性不能保证；2）导航子系统的增多使故障率也随之增加，某一子系统出现故障而又没有及时检测出并隔离掉时，故障数据会污染整个系统，使可靠性降低。

针对组合导航系统信息量多，数据处理困难这一特定问题，人们结合多传感器信息融合的原理和方法，将信息融合这一理论性概念，与组合导航系统的结构设计绑定起来，建立基于信息融合的组合导航系统。

它充分利用多个传感器的资源，通过对这些传感器及其观测信息的合理支配和使用，把多个传感器在空间和时间上的冗余或互补信息，依据某种准则进行组合，以获得被测对象的一致性解释或描述，使该系统由此获得比它的各组成部分更优异的性能和更可靠的决策。

1信息融合技术

自上世纪80年代以来，传感器技术获得了迅猛发展，各种面向复杂应用背景的多传感器信息系统也随之大量涌现。

在这些系统中，信息的表现形式是多种多样的，信息容量以及对处理速度的要求已大大超出人脑的信息综合处理能力，信息融合这一崭新的数据处理技术便应运而生。

迄今为止，信息融合技术的研究已涉及到很多领域，理论上已形成了一个全新的研究方向。

信息融合的基本原理和出发点就是充分利用多个传感器的资源，通过对这些传感器及其观测信息的合理支配和使用，把多个传感器在空间和时间上的冗余或互补信息，依据某种准则进行组合，以获得被测对象的一致性解释或描述，使该系统由此获得比它的各组成部分更优异的性能和更可靠的决策。

可以证明：

应用最优理论融合来自多个传感器的信息总能得到比单个传感器信息更好的对象状态估计。

但并不是说所有的有多个信息源或者多个传感器的系统都可以称得上是信息融合系统，关键是看系统如何处理这些信息。

信息之间可能是相互补充、相互确认、也可能是相互矛盾或竞争的，也就是说，信息对象之间有一种关系。

基于这种想法，可以将信息融合技术与某一种系统结构的设计绑定起来，从而建立一种系统化的概念。

信息融合系统的关键技术有两部分：

1）信息的转换；2）信息的融合。

就组合导航系统而言，各子系统所量测的信息在种类和形式上都有所不同，可能有距离、速度，也可能有角度、加速度等。

融合系统首先对这些数据进行预处理以完成数据配准，即通过坐标变换和单位换算，把各传感器输入的数据变换成统一的表达形式，然后将各量测系统所获得信息的分析结果按一定的算法进行融合，得到最终的目标状态估计。

信息融合系统的一般结构如图1所示：

图1信息融合系统结构示意图

2组合导航原理

组合导航是指用GPS、无线电导航、天文导航、卫星导航等系统中的一个或几个与惯导（INS）组合在一起，形成的综合导航系统。

组合导航是近代导航理论和技术发展的结果。

每种单一导航系统都有各自的独特性能和局限性。

把几种不同的单一系统组合在一起，就能利用多种信息源，互相补充，构成一种有多余度和导航准确度更高的多功能系统。

对于组合导航系统而言，多源传感器如惯性导航系统的陀螺仪和加速度计、GPS接收机等是信息融合导航系统的硬件基础，它们获得的原始量测数据是融合的对象，将其按照一定的结构方式进行融合处理，则具有最优估计的融合算法就是整个系统的核心。

这样就形成了基于信息融合的组合导航系统。

信息融合技术的采用能够扩展系统在时间、空间上的覆盖率，增加系统的信息利用率并提高整个系统的精度和可靠性。

在众多的组合导航方式中，INS/GPS组合导航最为经典，也是目前使用最广泛的组合导航方式，无论在军事领域（如巡航导弹的导航系统），还是在民用领域（如客机的自动飞行系统），INS/GPS组合导航都是常被使用的导航方式。

对于信息融合在每种组合导航系统中的应用这里不再一一详细介绍，下面主要介绍基于INS/GPS组合导航系统的信息融合。

3基于INS/GPS组合导航系统的信息融合

3.1组合的原因

具有高精度、实时、连续导航的全球定位系统GPS自诞生之日起就备受人们关注。

然而它是非自主式导航系统，在动态环境或受遮挡时易出现“丢星”现象而导致定位中断。

而惯性导航系统的最大优点是在不依赖任何外界信息的情况下，可完全自主的导航，但其定位误差随时间不断积累。

可以看到，二者具有极强的互补性和非相似性，将他们组合起来，相互取长补短，就能充分利用各子系统的信息，提高导航精度和可靠性，扩大使用范围。

3.2组合原理

INS/GPS组合导航系统信息融合的本质，实际上就是将INS和GPS两个导航子系统所测量的信息进行互联与状态矢量估计。

即利用GPS接收机、惯性陀螺和加速度计的量测作为多源信息，组合导航系统根据这些信息给出关于导航参数误差的最优估计量。

图2是INS/GPS组合导航系统的工作原理图。

图2INS/GPS组合导航系统原理图

从图2中可以看到，基于联合卡尔曼滤波器的信息融合算法的设计，是整个组合系统的核心部分，卡尔曼滤波方法的应用是产生组合导航的关键。

本文采用Carlson提出的联合卡尔曼滤波方法对组合导航系统进行信息融合，它用于实时地估计系统的误差状态，然后依据最小均方误差估计的控制规律，对惯性导航系统进行反馈修正，从而提高整个系统的导航精度。

3.3状态方程与量测方程

在东北天导航坐标系中，取导航参数的误差量作为状态变量。

对于惯导系统取三维位置误差

，三维速度误差

和三维平台姿态角误差

。

同时，将GPS接收机的钟差

和钟漂

也作为状态变量。

则组合导航系统的状态方程为：

（1）

观测向量

取为GPS所测量的伪距和伪距变化率与INS提供的导航信息所对应的距离和速度之差，观测方程为：

Z（t）=H（t）X（t）+v（t）

（2）

式

（1）

（2）中，F（t）为11维动态矩阵：

；

为

观测矩阵；

分别为系统噪声和观测噪声，是离散的高斯白噪声序列。

3.4算法描述

将式

（1）和式

（2）离散化：

X（k+1）=

（k+1，k）X（k）+G（k）W（k）（3）

Z（k）=H（k）X（k）+V（k）（4）

其中

（k+1，k）为t（k）时刻至t（k+1）时刻的一步状态转移阵：

（5）

对于式（3）（4）所描述的状态空间，可根据观测量，应用图3所示的基于联合卡尔曼滤波的信息融合技术得出全局估计:

。

GPS和INS两个子系统所对应的局部滤波器独立地进行时间更新和量测更新，它们采用的是常规集中式卡尔曼滤波方法，得到局部最优估计

（i=1,2,….）：

（6）

i=1,2,...

图3INS/GPS组合导航系统信息融合结构图

作为信息融合中心的全局滤波器在完成时间更新的同时，将各个局部滤波器的结果进行融合，并将融合后的结果按信息守恒原则反馈到各局部滤波器，作为下一个滤波周期的初始值。

反馈是按式（6）~（10）进行的：

（7）

（8）

i=1,2,….（9）

i=1,2,…..（10）

3.5系统仿真

对于上面描述的系统，应用Matlab软件进行INS/GPS组合导航系统静止情况下的数学仿真。

图4~图6分别给出GPS单独导航、INS单独导航和INS/GPS组合导航三种工作状态下的x轴的位置误差（时间间隔为1秒，B1=B2=0.5）。

图4GPS单独导航时定位误差

图5INS单独导航时定位误差

图6INS/GPS组合导航时的定位误差

从上面三个图的对比中可以看出，组合系统可以减小甚至消除惯导系统误差随时间积累的性质，导航精度主要取决于GPS的定位精度，组合后精度和可靠性提高。

4结论

信息融合技术对组合导航系统的性能有很大的提高，检验导航系统性能的重要指标是可靠性、高精度、连续性以及实时性，在一些特殊战场环境下，高精度和可靠性尤其重要。

本文对INS/GPS组合的导航系统进行了论述和分析，实验结果表明：

（1）定位误差较各子系统都小，导航精度提高；

（2）采用信息融合算法，可减少计算量，效率提高；（3）组合系统降低了对惯性元件的要求，使成本下降，性能/价格比提高。

综上所述，利用联合卡尔曼滤波器对多传感器组合系统进行信息融合处理，是求解导航参数最佳估计的有效途径。

信息融合是一门新兴的数据处理技术，近几年来取得了令人瞩目的成果。

该技术在INS/GPS组合导航系统中的应用，使整个系统的导航精度、效率和可靠性都比单纯的INS或GPS系统有所提高。

另外，信息融合在其它组合导航方式中的应用也收到较好的效果，例如在无人机（UAV）的组合导航系统（无线电导航、多普勒导航、地形辅助导航，景象匹配导航）中，通过使用联邦卡尔曼滤波的信息融合方法对组合系统进行优化组合，提高了定位精度，满足技战术指标要求。

随着传感器技术的不断发展，人们对各个传感器获取的数据组合起来使用是必然趋势，这就必然要用到与信息融合技术相关的方法来解决数据冗余去除和缩减计算量等问题，从而提高系统的精度和可靠性。

因此，信息融合在组合导航系统中应用前景会越来越好！

参考文献

[1]杨晓亚.GPS/1NS/TAN组合导航系统应用研究.西安：

西北工业大学，2009

[2]游文虎，姜复.INS/GPS组合导航系统的数据同步技术研究.中国惯性技术学报.2008，（4）

[3]张锐，张长虹.联邦卡尔曼滤波在1NS\GPS组合导航中的应用.弹箭与制导学报.2009，（4）

[4]秦永元，汪叔华，汪叔华.卡尔曼滤波与组合导航原理.西安：

西北工业大学出版社，2008

[5]E.L.Ruach.ProbabilityConceptsforanExpertSystemUsedforDataFusion.AIMagazine,fall2009:

55~60P

[6]V.AdmGravely,L.Samuel.TheOceanSurveillanceInformationSystem（OSIS）.

（OSIS）.Signal,Otc.2002:

30~36P

[7]P.J.Nahin,J.L.Pokoski.NCTRPlusSensorFusionEqualsIFNN.IEEETrans.OnAES,Vol.AES-16,No.3,1998:

320~337P

[8]K.Fukanage.IntroductiontoStatisticalPatternRecognition.AcademicPress,New

York,2008

[9]N.A.Carlson,andM.P.Berarducei.FederatedKalmmanFliterSimulationResults.

Navigation.Fall1994.2004,41（3）:

297~321P

[10]D.C.Washington.TrackingFiltersforMultiple~PlatformRadarIntergration.AD-

A034608December2007