信息融合技术是在多传感器信息系统大量涌现的时代背景下产生的。无人机包含有很多种导航设备,这些导航设备所构成的多传感器信息系统为信息融合提供了硬件基础。而任何一种导航设备都有其独特的优点和缺点,如何综合多种导航传感器的信息,使它们优势互补,以期提高整个导航系统的性能就成为本文研究的重点。本文针对组合导航系统量测信息量多,数据处理困难、充分考虑系统的精度和容错能力等一系列特定问题的基础之上,分别采用了卡尔曼集中式滤波和卡尔曼分散滤波中的联合滤波器理论来进行组合导航系统信息融合。在充分研究了多传感器信息融合的基本原理和方法后,把它应用到无人机的组合导航中去,并进行了其结构与算法设计,综合演绎后将之精练成系统化的完整的理论体系。本文就目前很有发展前途的无人机(SINS/GPS/高度表/磁航向仪)组合导航系统进行了分析、建模和仿真。 本文针对在理论的研究和具体应用过程中出现的关键问题进行了以下深入分析并提出相应的解决的方法: (1)仿真数据的获取,为了验证设计的联合滤波器的性能,必须有捷联惯导(SINS)、GPS、高度表和磁航向仪(MG)的导航输出数据作为联合滤波器的输入数据。为此本文根据各自的导航原理设计了一套相应的仿真器来获得需要的导航数据。 (2)各导航子系统的建模推导,考虑模型的复杂程度以及实际情况适当的进行了的模型降阶处理和简化处理。 (3)研究了标准卡尔曼滤波理论和算法及其自适应卡尔曼滤波原理和算法,并根据工程应用的实际情况进行了有效的仿真验证。 (4)针对无人机组合导航系统,采用集中滤波与联合滤波两种方式分别进行组合系统设计,并根据仿真结果就它们性能进行了比较评估。 (5)专门研究了联合滤波器中的各子滤波器在估计相关条件下的滤波算法问题。 通过对以上各方面工作的理论研究与仿真验证,证明本文的无人机组合导航系统性能优越,基本满足高精度、高可靠性和高容错性的三高标准,所以组合导航的这个解决方案是可行的。