GPS/INS组合导航系统模糊自适应信息融合算法

"GPS-INS组合导航系统的信息融合算法研究， Kalman滤波，模糊自适应理论，野值检测，实时仿真" GPS-INS组合导航系统是现代导航技术中的一种重要方式，它结合了全球定位系统（GPS）和惯性导航系统（INS），以提高导航的精度和可靠性。GPS通过接收卫星信号进行定位，但在动态环境下可能会受到干扰或遮挡，而INS则通过测量载体的加速度来计算位置，但随着时间推移，其误差会累积。将两者结合，可以互相校正，实现更好的导航效果。 文章探讨了在GPS-INS组合导航系统中信息融合算法的应用。传统的融合方法常采用Kalman滤波，这是一种优化的数据融合算法，适用于线性系统且假设噪声模型已知且恒定。然而，实际环境中，量测噪声模型可能会发生变化，导致Kalman滤波的效果下降。 为解决这一问题，文中引入了模糊自适应理论，目的是动态调整Kalman滤波的新息协方差值。模糊自适应理论允许根据系统状态的变化实时调整滤波器参数，从而提高滤波性能，进一步提升组合导航系统的精度。这种方法能够更好地适应环境变化和不确定性，减少因噪声模型不准确导致的误差。 此外，文章还涉及了野值检测和处理方法。野值是指数据中显著偏离正常值的异常读数，可能由系统故障、测量误差或其他因素引起。在导航系统中，野值的存在会影响融合结果的准确性。因此，通过有效的野值检测和处理机制，可以识别并排除这些异常数据，确保导航信息的可靠性。 论文进行了实时仿真验证所提出的方法。仿真结果显示，模糊自适应的Kalman滤波器在改善滤波性能和提高导航精度方面是有效的，同时，野值处理机制也成功地提高了系统的稳定性。 这篇研究为GPS-INS组合导航系统的性能提升提供了新的思路，即通过模糊自适应理论改进信息融合算法，以及有效处理野值，增强了系统在复杂环境下的导航能力。这对于军事、航空、航海等领域具有重要的实际应用价值。