基于三级多源信息融合结构的SINS性能测试综合评估算法
卫星导航系统的多源数据融合
卫星导航系统的多源数据融合在当今科技飞速发展的时代，卫星导航系统已经成为我们日常生活中不可或缺的一部分。
从出行导航到精准农业，从航空航天到地质勘探，卫星导航系统的应用领域不断拓展，其重要性日益凸显。
然而，随着应用需求的不断提高，单一的卫星导航系统数据源往往难以满足复杂场景下的高精度、高可靠性定位导航需求。
这时，多源数据融合技术应运而生，为卫星导航系统的性能提升和应用拓展带来了新的机遇。
那么，什么是卫星导航系统的多源数据融合呢？简单来说，就是将来自不同来源、不同类型的数据进行综合处理和分析，以获取更准确、更完整、更可靠的导航信息。
这些数据源可以包括全球定位系统（GPS）、北斗卫星导航系统、格洛纳斯卫星导航系统、伽利略卫星导航系统等不同的卫星导航系统，也可以包括惯性导航系统、里程计、地图数据、通信基站定位数据等其他辅助定位数据源。
多源数据融合的意义何在？首先，它能够提高定位精度。
不同的卫星导航系统在覆盖范围、信号精度、可用性等方面存在差异。
通过融合多个卫星导航系统的数据，可以弥补单一系统的不足，实现更精准的定位。
例如，在城市峡谷等卫星信号遮挡严重的区域，结合惯性导航系统的短期高精度数据和卫星导航系统的长期稳定数据，可以有效提高定位的连续性和准确性。
其次，多源数据融合能够增强系统的可靠性和鲁棒性。
在复杂的电磁环境中，卫星导航信号可能会受到干扰、欺骗甚至中断。
此时，融合其他辅助定位数据源可以为系统提供备份和补充，确保在极端情况下仍能保持一定的导航能力。
比如，当卫星信号丢失时，里程计可以根据车辆的行驶速度和方向提供相对位置信息，帮助维持导航的连续性。
再者，多源数据融合有助于拓展卫星导航系统的应用领域。
通过融合地图数据、传感器数据等，可以实现更加智能化的导航服务，如智能交通中的车道级导航、自动驾驶中的环境感知与路径规划等。
实现卫星导航系统的多源数据融合并非易事，需要解决一系列关键技术问题。
首先是数据的时空配准。
基于高斯-牛顿迭代的三星时差定位融合算法
明 其 算 法 可 提 高 整 个 定 位 系 统 的 定 位 精 度 。 许 丞 梁 [5]
位可以提高定位精度并节省增加卫星数量的成本。
将 到 达 时 间 差 和 到 达 频 率 差（FDOA）、到 达 角
收稿日期：2020‒07‒26；2020‒08‒19 修回。
作 者 简 介 ： 徐 英 杰（1995-），男 ，硕 士 研 究 生 ，主 要 研 究 方 向 为 无
·技术前沿·
航天电子对抗
2020 年第 5 期
基于高斯-牛顿迭代的三星时差定位融合算法
徐英杰，郭福成
（国防科技大学电子科学学院，湖南 长沙 410000）
摘 要 ： 若 三 星 时 差（TDOA）定 位 系 统 可 多 次 接 收 到 辐 射 源 信 号 并 进 行 定 位 ，则 通 过 不
同时刻观测的多组时差和高程信息融合可能可以提高定位精度。将先验高程信息建模为三
基于高斯牛顿迭代的三星时差定位融合算法2020365????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????4结束语本文提出了一种在卫星位置不确定的情况下三星基于多次观测的时差和高程信息融合定位算法并与目前工程上现有的位置合批处理方法进行了比较实验仿真证明本文提出的算法定位精度优于现有的位置合批处理方法
Key words：satellite；time-difference-of-arrival（TDOA）；location；fusion
《基于SINS-北斗高性能组合导航滤波算法研究》范文
《基于SINS-北斗高性能组合导航滤波算法研究》篇一基于SINS-北斗高性能组合导航滤波算法研究一、引言随着科技的不断进步，导航技术已经成为了现代社会不可或缺的一部分。
其中，SINS（Strapdown Inertial Navigation System，捷联式惯性导航系统）和北斗导航系统因其高精度、高稳定性和全球覆盖性，被广泛应用于军事、航空、航海、车辆导航等领域。
然而，由于SINS存在误差累积、长期稳定性差等问题，而北斗系统在信号弱或者丢失时也会导致导航精度下降。
因此，将SINS 和北斗进行组合导航，并通过高性能的滤波算法来优化其性能显得尤为重要。
本文旨在研究基于SINS/北斗的高性能组合导航滤波算法，以提高导航系统的精度和稳定性。
二、SINS与北斗导航系统概述SINS是一种基于惯性测量单元（IMU）的导航系统，通过测量物体的加速度和角速度来计算物体的姿态、速度和位置。
然而，由于惯性器件的误差累积，SINS的长期稳定性较差。
而北斗导航系统是我国自主研发的全球卫星导航系统，具有高精度、高可靠性的特点。
但当信号受到干扰或遮挡时，北斗系统的导航精度也会受到影响。
因此，将SINS和北斗进行组合导航，可以有效地弥补各自的不足，提高导航系统的性能。
三、基于SINS/北斗的高性能组合导航滤波算法研究为了实现SINS和北斗的高性能组合导航，需要采用一种有效的滤波算法来融合两者的数据。
本文提出了一种基于卡尔曼滤波（Kalman Filter）和扩展卡尔曼滤波（Extended Kalman Filter）的组合导航滤波算法。
1. 卡尔曼滤波算法卡尔曼滤波是一种线性递归估计算法，适用于动态系统的状态估计问题。
在组合导航系统中，卡尔曼滤波可以有效地融合SINS和北斗的数据，降低误差累积对导航精度的影响。
2. 扩展卡尔曼滤波算法扩展卡尔曼滤波是一种适用于非线性系统的状态估计方法。
由于SINS和北斗的融合过程具有一定的非线性特征，因此采用扩展卡尔曼滤波可以更准确地估计系统的状态。
多源信息融合技术途径
多源信息融合技术途径随着信息技术的不断发展，我们的生活中涌现出了越来越多的信息源。
这些信息源包括但不限于传统媒体、社交媒体、移动应用、物联网设备等。
这些信息源的不断涌现，给我们带来了更多的信息，但也给我们带来了更多的信息噪音和信息冗余。
如何从这些信息源中提取出有价值的信息，成为了我们面临的一个重要问题。
多源信息融合技术就是解决这个问题的一种途径。
多源信息融合技术是指将来自不同信息源的信息进行整合、分析和处理，从而得到更加准确、全面、可靠的信息。
多源信息融合技术的核心是信息融合算法。
信息融合算法可以分为两类：基于规则的融合算法和基于统计的融合算法。
基于规则的融合算法是指根据先验知识和经验规则，将来自不同信息源的信息进行逻辑推理和判断，从而得到融合后的信息。
基于统计的融合算法是指根据概率统计理论，将来自不同信息源的信息进行概率计算和统计分析，从而得到融合后的信息。
多源信息融合技术的应用非常广泛。
在军事领域，多源信息融合技术可以用于情报分析、目标识别、战场态势感知等方面。
在公共安全领域，多源信息融合技术可以用于犯罪预测、事件监测、应急响应等方面。
在商业领域，多源信息融合技术可以用于市场分析、竞争情报、客户关系管理等方面。
在医疗领域，多源信息融合技术可以用于疾病诊断、医学影像分析、健康管理等方面。
多源信息融合技术的发展离不开信息技术的支持。
随着人工智能、大数据、云计算等技术的不断发展，多源信息融合技术也将得到更加广泛的应用。
同时，多源信息融合技术也面临着一些挑战，如信息安全、隐私保护、算法优化等方面。
我们需要不断地探索和创新，才能更好地应对这些挑战，推动多源信息融合技术的发展。
卫星导航系统的多源信息融合技术
卫星导航系统的多源信息融合技术在当今数字化和信息化的时代，卫星导航系统已经成为我们日常生活和众多领域不可或缺的一部分。
从日常的出行导航，到航空航天的精密定位，再到地质勘探和农业生产等专业领域，卫星导航系统都发挥着至关重要的作用。
然而，随着应用场景的不断拓展和需求的日益提高，单纯依靠卫星导航系统提供的信息往往难以满足复杂多变的实际需求。
这时，多源信息融合技术应运而生，为卫星导航系统的性能提升和应用拓展带来了新的机遇和挑战。
卫星导航系统的基本原理是通过接收多颗卫星发射的信号，计算出接收机与卫星之间的距离，进而确定接收机的位置、速度和时间等信息。
然而，由于卫星信号在传播过程中可能会受到各种因素的干扰，如大气层的折射、多径效应、建筑物遮挡等，导致导航定位的精度和可靠性受到一定程度的影响。
为了克服这些问题，多源信息融合技术将卫星导航系统与其他多种信息源进行有机结合，实现优势互补，从而提高整体导航性能。
多源信息融合技术所涉及的信息源种类繁多。
其中，惯性导航系统是一种常见的辅助信息源。
惯性导航系统基于陀螺仪和加速度计等传感器，能够在短时间内提供高精度的位置、速度和姿态信息，但其误差会随时间累积。
将惯性导航系统与卫星导航系统融合，可以在卫星信号受到干扰时，依靠惯性导航系统保持一定时间的导航精度；而在卫星信号恢复正常时，利用卫星导航系统对惯性导航系统的累积误差进行修正，从而实现更稳定和可靠的导航服务。
除了惯性导航系统，视觉传感器也逐渐成为多源信息融合的重要组成部分。
通过摄像头获取周围环境的图像信息，利用图像处理和计算机视觉技术，可以实现对目标的识别、跟踪和定位。
将视觉信息与卫星导航系统融合，能够在城市峡谷、隧道等卫星信号薄弱的区域提供有效的补充定位信息，提高导航系统在复杂环境下的适应性。
此外，地图信息也是一种重要的辅助资源。
高精度的电子地图包含了道路、建筑物、地形等丰富的地理信息。
将卫星导航系统获取的实时位置与地图信息进行匹配和融合，可以对导航结果进行进一步的优化和校正，提供更准确的路线规划和导航指引。
多源信息融合能力评估关键技术综述
计算 机与数 字工程
Ｃ ｍｐ ｔｒ＆ Ｄ ｇｔｌ ｎ ｉｅ ｒ ｇ ｏ ｕｅ ｉｉ ｇｎ ｅ ｉ ａＥ ｎ
Ｖｏ． ８ Ｎｏ ３ １３ ．
１
多源信 息 融合 能 力评 估 关 键 技 术 综 述
邹 伟” 刘 兵。 孙 倩”
１０７） ０ ０ ３ （ 海军装备研究 院” 北京 １０ ６ ）海 军装 备部。 北京 ０１１ （
立一 组评 价指 标 ， 以反 应“ 、 、 ” 快 准 稳 的要求 。 １ １ 与 “ 相关 的指 标 ． 快”
快速 性上 选 取 了数 据 更 新 率 和融 合 处 理 时 延
Ｚｏ ｅ ｕＷ ｉ Ｌ ｕ Ｂ ｎ ２ Ｓ ｎ Ｏｉｎ ｉ ｉｇ ｕ ａ
（ ａ ａ Ａｃｄ ｍｙｏ ｍａ ｎ”，Ｂ ｉｎ １ ０ ６ ） Ｎ ｖ ｌ ｍａ ｎ ｐｒｍｅ ｔ Ｎ ｖｌ ａ ｅ ｆ Ａｒ ｍｅ ｔ ｅ ｉｇ ０ １ １ （ ａ ａ Ａｒ ｍｅ ｔ ｊ Ｄｅａｔ ｎ ，Ｂ ｉｎ １０ ７ ） ｅ ｉｇ ０ ０ ３ ｊ
Ｃｌ ｓ ａ ｓＮｕ ｂ ｒ ＴＰ２ ４ ｍ ｅ ７
１ 信 息 融 合 能 力 概 念 及 其 评 估 技 术
信息 融合 能 力 是 信 息 融 合 系统 向作 战 指 挥人 员 提供 数据 处理 服 务质 量 的度量 。 目前 ， 学术 界 对 信 息 融 合 系 统 的 评 价 主 要 在 尺 度 参 数 、 能 性 （ ＭＯＰ 、 ）效能 （ ＭＯＥ 、 力效 能 （ Ｆ 四个 方 面 ）兵 ＭＯ Ｅ） 进行 ＿ 。对 于海 战场 多源 信息 融 合 系统 ， 点 考 虑 １ ］ 重 兵力 效 能度量 ， 就是 信 息融合 的输 出对作 战 使 用 也 的影 响 。经过 研 究 我 们 认 为 信 息 融 合 能 力 主要 体
无人机SINS_GPS定位信息融合系统设计
东南大学学报（
自然科学版）
JOURNAL OF SOUTHEAST UNIVERSITY （ Natural Science Edition）
Vol． 40 Sup（ I） Sept． 2010
无人机 SINS
牛
GPS 定位信息融合系统设计
妍
1
肖前贵
2
总体设计
根据滤波器状态选取的不同， 估计方法分直接法和间接法 2 种． 直接法以各种导航参数为主要状态， ^ ； 间接法以信息融合系统中某一种导航参数 （ 通常采用惯导系 滤波器估值的主要部分就是导航参数估值 X 统） 输出的导航参数 X I 的误差 ΔX 为滤波器主要状态， 滤波器估值的主要部分就是导航参数误差估值 ^ ^ ΔX ， 然后用 ΔX 去校正 X I ． 利用直接法进行估计时， 惯导的系统方程和量测方程是非线性的 ． 利用间接法进行估计时， 系统方程 中的主要部分是导航参数误差方程 ， 由于误差属于小量， 通常可忽略二阶小量， 所以间接法的系统方程和 量测方程一般都是线性的． 所以本文采用间接法， 输出校正和 反馈校正相结合的结构， 其原理框图如图 1 所示．
262
东南大学学报（ 自然科学版）
第 40 卷
算法中平台误差角与姿态误差角的不同 ， 对姿态算法进行了改进， 消除了数学模型误差． 仿真结果表明， 增 ， ， 加姿态信息作为观测量 有效克服了航向角发散的趋势 提高了无人机导航参数的精度和 误 差 收 敛 速度
［45 ］
．
1
1. 1
SINS
GPS 信息融合算法研究
这样通过式（ 5 ） 转换矩阵， 姿态误差角即可与平台误差角统一 ， 减小了姿态融合系统数学模型的 误差． 卡尔曼滤波方程如下：
组合导航系统多源信息融合关键技术研究
组合导航系统多源信息融合关键技术研究一、本文概述随着导航技术的快速发展，组合导航系统已成为现代导航领域的重要研究方向。
它通过整合多种导航源的信息，以提高导航精度和可靠性，广泛应用于航空、航天、航海、智能驾驶等领域。
然而，多源信息融合作为组合导航系统的核心技术，其研究仍面临诸多挑战。
本文旨在探讨组合导航系统多源信息融合的关键技术，并分析其在实际应用中的效果与前景。
本文首先对组合导航系统及其多源信息融合的基本原理进行简要介绍，阐述多源信息融合在组合导航系统中的重要性和意义。
接着，文章重点分析了多源信息融合中的关键技术，包括数据预处理、信息融合算法、误差处理等方面。
在此基础上，文章通过实例分析，展示了多源信息融合技术在提高导航精度、增强系统可靠性以及应对复杂环境等方面的优势。
本文还对多源信息融合技术在组合导航系统中的应用进行了深入研究，探讨了不同导航源之间的融合策略和优化方法。
文章最后对多源信息融合技术在组合导航系统未来的发展趋势进行了展望，旨在为相关领域的研究人员和实践者提供有益的参考和启示。
二、组合导航系统基本原理组合导航系统是一种将多种导航传感器进行有机融合，以提高导航精度和可靠性的技术。
其基本原理主要基于多传感器信息融合技术，通过对不同导航传感器（如GPS、惯性导航系统、天文导航、地形匹配等）提供的导航信息进行合理处理和优化组合，以减小单一传感器误差，增强导航系统的整体性能。
传感器数据采集：从各种导航传感器中收集原始数据，这些数据可能包括位置、速度、加速度、姿态角等多种信息。
数据预处理：对采集到的原始数据进行必要的预处理，如去噪、滤波、校准等，以提高数据质量和为后续的数据融合提供基础。
数据融合：这是组合导航系统的核心部分。
通过采用适当的算法（如卡尔曼滤波、粒子滤波、神经网络等），将多个传感器的数据进行融合，生成一个更为准确、可靠的导航解算结果。
数据融合不仅需要考虑各传感器数据的权重分配，还要处理可能出现的传感器冲突和异常。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
基于三级多源信息融合结构的SINS性能测试综合评估算法 李军伟;程咏梅;陈克喆 【摘 要】针对 SINS 性能测试存在指标多、不确定性等问题，提出了一种基于三级多源信息融合结构的SINS性能测试综合评估算法。给出了包括精度测试、稳定性测试和可靠性测试等三大性能测试指标和16个性能测试底层子指标构成的SINS性能测试指标体系，并构建SINS测试评估结构框架。利用多个专家对底层性能测试子指标进行评估给出相应性能子指标的模糊评价，并构造基本置信指派组成多个证据；利用基于局部冲突分配的组合规则进行三级证据融合，得到性能测试指标的综合评价结果。仿真实验结果表明：与传统的证据理论融合方法相比，该算法可以较为全面地很好地评估SINS性能，而且结果更为合理。%In view of the problems in SINS performance test, such as uncertainty and too many indices etc., a comprehensive evaluation algorithm of the SINS performance test is proposed based on three-level multi-source information fusion structure. The proposed index system of the SINS performance test includes accuracy, stability and reliability performance testing index and 16 performance testing bottom subindices. Many experts are invited to evaluate the credibility of the bottom subindex data in order to obtain the fuzzy assessment corresponding to subindex and construct the mass function of each expert’s evidence. The structural framework of the SINS performance testing and evaluation is built. The improved combination rule based on local conflict distribution can be used to obtain the results of SINS performance comprehensive testing and evaluation by three-level evidence fusion. The simulation results show that, compared with the traditional Dempster-Shafer theory(DST) method, the proposed algorithm can not only evaluate the SINS performance, but also enhance the reliability of the evidence combination results.
【期刊名称】《中国惯性技术学报》 【年(卷),期】2014(000)002 【总页数】8页(P177-184) 【关键词】捷联惯性导航系统;性能评估;专家系统;模糊评判;信息融合 【作 者】李军伟;程咏梅;陈克喆 【作者单位】西北工业大学 自动化学院，西安 710072; 河南大学 计算机与信息工程学院，开封 475004;西北工业大学 自动化学院，西安 710072;西北工业大学 自动化学院，西安 710072
【正文语种】中 文 【中图分类】U666.1 捷联惯性导航系统(Strap-down Inertial Navigation System，SINS)从研究、设计、制造、存储到实用的各个阶段，都需要对SINS进行一系列的性能测试[1-5]，包括仿真实验和物理试验，以确保它们在工作中具有的性能和品质，从而积累大量的测试数据信息，如何充分利用这些获得的信息对SINS性能进行综合评估，是SINS性能测试工作中的一个关键问题。 在SINS性能测试中，由于SINS受到仪器精度和环境干扰等因素的影响，单一性能测试评价指标对SINS性能进行测试评估是不可靠的，因此，使用多个SINS性能测试指标可以对SINS性能进行更全面、更为准确的评估。而证据理论(Dempster-Shafer Theory,DST)作为一种处理不确定性的推理方法[6]，可以处理存在不确定因素的评估。 本文首先建立了 SINS性能测试指标体系，该体系由 SINS的精度测试、稳定性测试和可靠性测试等三大性能测试指标和16个SINS性能测试底层子指标构成，提出了一种基于三级多源信息融合结构的SINS性能测试综合评估算法。由多个专家根据每个 SINS性能测试底层子指标对 SINS性能测试子指标给出性能测试评估的模糊评判，然后利用基于焦元距离的局部冲突分配DST(Local Conflict Distribution Based on the Focal Element Distance，LCD-DST)组合规则[7]对多个专家意见进行融合，再将多个性能测试子指标的专家融合意见进行逐级融合得到 SINS性能测试评估结果，最后，通过算例对提出的算法性能进行了验证。 在SINS性能测试评估中，如何合理选择评估指标和相应的评估方法，是系统性能测试评估总体设计时首要考虑的问题。本章建立由精度测试、稳定性测试和可靠性测试等构成SINS性能测试分析的一个呈树状的SINS性能测试指标体系，SINS性能测试指标体系如图1所示。 SINS性能测试评估指标体系中的精度测试包括静态误差测试和动态误差测试，稳定性和可靠性的测试主要包括飞行模态测试和故障检测测试和诊断测试，以此反映对SINS的检测能力和容错能力。 1.1 精度测试 SINS精度测试分为静态误差测试和动态误差测试。SINS静态误差测试性能测试指标主要包括零偏(Bias,B0)、零偏稳定性(Bias stability,Bs)和零偏重复性(Bias repeatability,Br)等[4]。 1）零偏 零偏指陀螺仪在输入角速率为零时的陀螺仪输出量： 式中，N为采样次数；B0为零偏，单位为(°)/s；iω为陀螺仪的输出量，单位为(°)/s。 2）零偏稳定性 零偏稳定性以陀螺仪一定时间内的输出量的标准偏差相应的等效输入角速率表示： 式中，Bs为零偏稳定性，单位为(°)/s。 3）零偏重复性 零偏重复性在相同的条件及规定的时间间隔内进行重复测量时输出陀螺仪零偏之间的一致程度，以各次测量所得零偏的标准差表示： 式中，M为重复测量的次数；Br为零偏重复性，单位为(°)/s；B0i为第i次测试的零偏；为M次测量所得到的零偏均值。 加速度计零偏、零偏稳定性及零偏重复性测试与陀螺仪相似，与式(1)～(3)类似来计算。 位置精度测试采用径向误差率(Radial Error Rate,RER)及其圆概率误差(Circular Error Probability,CEP)的指标来衡量，速度和航姿信息精度测试采用均方根(Root Mean Square,RMS)误差来衡量[5]。 4）径向误差率及圆概率误差 假设某次SINS性能测试评估实验中共进行了M次采样，第i次采样时SINS输出的纬度值为Li，经度值为λi，计算得到的基准纬度值为L0i，基准经度值为λ0i。则第i次采样时的纬度误差为ΔLi=Li-L0i，经度误差为Δλi=λi -λ0i。则计算第i次采样时的位置径向误差率为： 式中，ti为SINS进入导航状态时刻到第i次采样时所经过的时间，单位为h。 在实验次数较多的情况下，圆概率误差可以用公式统计为： 式中，N为有效实验次数，Mi为第i次实验采样点数，为第i次实验第j个采样时刻的径向误差率。tij、Δijλ、ΔLij、Lij分别为第i次实验第j个采样时刻的导航时间、经度误差、纬度误差和纬度真值。 5）速度均方根误差 速度精度采用速度误差的均方差来衡量，也称为均方根值，记为RMSv，计算公式为： 式中，RMSv为速度的平均均方根值，Δvij为第i次实验第j个采样时刻的速度误差，单位为m/s。 6）航姿信息均方根误差 航姿信息精度采用其误差的均方差来衡量，也称为均方根值，记为RMSθ，计算公式为： 式中，RMSθ为俯仰角(或滚转角或偏航角)的平均均方根值，Δijθ为第i次实验第j个采样时刻的航姿信息的误差，单位为角分。 1.2 稳定性测试 SINS稳定性测试主要包括单个飞行模态测试和多个飞行模态测试。单个飞行模态测试包括单一平飞模态、爬升/下滑模态和左转/右转飞行模态等测试，多个飞行模态指飞行模态切换阶段的测试和多个飞行模态的测试。通过多位专家对各测试进行定性描述来评估SINS的性能优劣。 1.3 可靠性测试 可靠性测试主要包括对 SINS故障检测能力和容错能力[8]。SINS故障检测测试主要包括可靠度和SINS平均无故障工作时间；SINS故障诊断测试主要指SINS故障的可修复能力，包括修复率和平均修复时间。 1）可靠度 可靠度是对系统或产品在规定的条件下和规定的时间内，完成规定功能能力的概率度量，通常用R来表示： 式中，t为规定的时间，T表示系统或产品的寿命。 2）平均无故障工作时间