异步融合算法在SINS/GPS/SST/高度表组合导航中的应用

"SINS/GPS/SST/高度表组合导航系统异步融合算法 (2015年) - 海军航空工程学院学报 - 2015年 - 赫飞, 丁姚, 张永伟" 这篇论文探讨的是在多传感器组合导航系统中的异步融合算法问题。在现代导航技术中，多种传感器如 Strapdown Inertial Navigation System (SINS, 激光陀螺与加速度计组成的捷联惯性导航系统), Global Positioning System (GPS), Surface Search Radar (SST, 表面搜索雷达), 和高度表常常被结合使用以提高导航的准确性和可靠性。然而，这些传感器通常有着不同的采样率，这给信息融合带来了挑战。 论文提出了一种基于状态方程多尺度变换的融合算法来解决这一问题。首先，他们构建了一个以最高采样率为基础的组合导航系统状态方程。接着，他们将这个状态方程分解到多个不同的时间尺度上，从而为每个尺度建立了独立的状态方程和相应的量测方程。这样做的目的是适应不同传感器的异步数据流。最后，他们设计了一个全局最优的信息融合算法，这个算法可以在各个尺度上有效地集成这些异步的数据。 通过这种方法，论文的作者们旨在克服传统集中式卡尔曼滤波器的局限性，如高计算负担和低容错性。分布式卡尔曼滤波器，特别是联邦滤波器，成为了解决这一问题的首选方案。然而，现有的大多数融合策略通常假设所有传感器数据在同一时刻采集和处理，而在实际操作中，这种同步很难实现。因此，开发异步融合算法对于实际的多传感器导航系统具有重要意义。 文献中提到的算法A是一种次优滤波方法，它通过处理子传感器在不同时间点的数据来优化融合效果。尽管这种方法在某些情况下可以提高融合性能，但可能不适用于所有场景，特别是在采样率差异显著的情况下。 这篇2015年的研究工作为处理传感器异步问题提供了一个创新的解决方案，通过多尺度变换和全局最优信息融合，提高了组合导航系统的实时性和精度。这对于军事、航空航天以及航海等领域具有重要的应用价值，因为这些领域对导航系统的精确性和鲁棒性有着极高的要求。