基于信息融合的高动态组合导航研究

[复制链接]
查看: 273|回复: 0

23万

主题

23万

帖子

32万

积分

管理员

Rank: 9Rank: 9Rank: 9

积分
329500
发表于 2022-5-10 12:38:50 | 显示全部楼层 |阅读模式
目:


雅宝题库答案
****此区域为收费内容****    需支付 1 知识币后可查看,1币=0.01元查看答案


雅宝题库解析:
近年来随着科技的发展,各种飞行器和航行器的运动速度不断得到提升,人们对这种高动态物体导航定位的精度的要求也不断加深。然而高动态的物体会产生较大的多普勒效应,增大卫星定位载波跟踪环信号捕获的难度。同时,常用的物体机动模型以匀速度模型和匀加速模型为主,而高动态运动物体的运动状态变化很大,常用的机动运动模型会给滤波带来很大误差,不能满足高动态运动体的需求。在这些情况下,单一的定位方式和单一的传感器已经不能满足精确定位的需求。为了更精确地为运动体导航,多传感器组合导航出现了。本论文主要研究GPS,GALILEO系统,北斗系统和惯性导航系统的组合导航。组合导航系统可以结合卫星导航和惯导系统的优点,同时利用4个传感器的数据。为了合理利用多个传感器的数据,组合导航系统需要对数据进行融合,而数据融合是一个多层次,多方面的处理过程:需要对多源数据进行时空配准,检测,滤波和估计。本文研究基于信息融合的高动态组合导航系统。首先介绍并分析了GPS,GALILEO系统,北斗系统的导航星座,研究与导航定位精度有密切关系的可见星数目,位置精度衰减因子PDOP和几何精度衰减因子GDOP,以精度衰减因子在全球的的分布研究三大导航星座的覆盖性能,以此分析组合导航定位信息的完好性,研究基于GDOP的选星算法, 并通过对所选区域的精度衰减因子和可见星数目的仿真,验证组合导航系统确实可以保证定位信息的完好。为了提高定位的精度,本文研究了高运动态物体的动态模型,以加加速度模型分析高动态运动体,作为其滤波的模型。其次,为了更好地进行数据融合,本文研究了组合系统的定位数据时空配准算法。最后本文研究了多传感器的数据融合结构,提出了几种信息融合时的权值确定法,并提出了一个基于GPS,GALILEO,北斗系统和惯性导航系统的带反馈的加权混合滤波系统模型。





上一篇:基带信号处理及其在FPGA上的实现
下一篇:某电信业务连续和灾难恢复解决方案的设计与实施
回复

使用道具 举报

您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

精彩课程推荐
|网站地图|网站地图