基于联邦强跟踪卡尔曼滤波的组合导航关键技术研究的任务书.docx

基于联邦强跟踪卡尔曼滤波的组合导航关键技术研究的任务书
一、研究背景和意义
组合导航技术是一种基于多传感器信息融合的导航方式，广泛应用于各种领域，如航空、航海、无人机、自动驾驶等。组合导航技术的核心是对各种传感器数据进行联合估计，以获取更加准确、鲁棒的导航信息。其中，强跟踪卡尔曼滤波（STKF）是一种基于卡尔曼滤波的先进算法，具有较强的鲁棒性和实时性，广泛应用于组合导航中。联邦强跟踪卡尔曼滤波（FSTKF）则通过多个局部滤波器对传感器数据进行联合估计，可提高组合导航的精度和鲁棒性。
本研究旨在围绕FSTKF算法展开研究，重点研究其关键技术，包括传感器数据联合估计、滤波器交互信息融合等。研究成果可应用于各种组合导航系统中，提高其导航精度和鲁棒性，具有重要的理论研究和工程应用价值。
二、研究内容和技术路线
（一）研究内容
1.FSTKF算法的理论分析和优化：对FSTKF算法的理论进行分析，探究其优化方向，包括滤波器融合权重计算、滤波器初始化和状态预测等方面。
2.传感器数据融合方法研究：对各类传感器数据融合方法进行综述和分析，包括卡尔曼滤波、扩展卡尔曼滤波、无迹卡尔曼滤波等。
3.传感器数据联合估计技术研究：对传感器数据联合估计技术进行深入探究，包括数据融合方法、误差模型建立、状态空间建模等方面。
4.滤波器交互信息融合研究：对滤波器交互信息融合进行研究，探究其实现方法和交互信息的选择。
（二）技术路线
1.获得FSTKF算法的基本理论，进行优化和改进，并在仿真平台上验证。
2.综述和分析各类传感器数据融合方法，选取合适的融合方法进行实验，并比较其效果。
3.建立FSTKF算法传感器数据联合估计模型，进行仿真实验，验证其有效性。
4.探究滤波器交互信息融合实现方法，选取合适的交互信息，并进行实验，进行效果比较和验证。
三、研究工作计划和预期成果
（一）研究工作计划
1.获得FSTKF算法的基本理论（2个月）
2.综述和分析各类传感器数据融合方法，并进行实验（3个月）
3.建立FSTKF算法传感器数据联合估计模型，并进行仿真实验（3个月）
4.探究滤波器交互信息融合实现方法，并进行实验（3个月）
5.编写论文，进行总结和归纳（2个月）
（二）预期成果
1.对FSTKF算法关键技术进行深入探究和研究，提出优化方案。
2.深入研究传感器数据融合方法，选取合适的融合方法进行实验，并分析比较其效果。
3.建立FSTKF算法传感器数据联合估计模型，深入探究其有效性和鲁棒性。
4.探究滤波器交互信息融合实现方法，并进行效果比较和验证。
5.产出高质量论文，在相关领域具有一定的学术影响力。
四、参考文献
[1]张华，陈慧，王伟等.一种基于联邦强跟踪卡尔曼滤波的组合导航算法[J].测绘科学技术学报，2017，34（6）：573-578.
[2]JulierSJ,UhlmannJK.Unscentedfilteringandnonlinearestimation[C]//ProceedingsoftheIEEE.2004,92(3):401-422.
[3]朱丽叶，李浩潮.基于卡尔曼滤波的陀螺仪零偏估计算法[J].自动化仪表，2009（2）：53-57.
[4]ZhangT,MengX,ZhouJ.HierarchicalKalmanfilterwithfusionofheterogeneoussensorsormulti-sourceinformation[J].ProgressinNaturalScience,2010,20(6):707-716.