基于自适应FIR/Kalman的室内移动机器人INS/UWB组合导航信息融合方法研究

针对移动机器人在室内复杂环境下运行过程中对持续高精度导航信息的需求，本项目提出对惯性导航系统（INS）/超宽带技术（UWB）组合导航关键技术进行研究。

首先，对INS解算误差产生机理及补偿方法展开研究。构建基于多运行状态下误差模型描述的惯性器件导航解算误差补偿方法，以提高惯性传感器的解算精度。

其次，分析传感器自身数据与所需导航信息之间的关系，从理论上提出基于模型集的室内复杂环境下分布式INS/UWB紧组合导航模型。

最后，在对现有数据融合滤波算法性能分析的基础上，针对分布式紧组合导航模型局部滤波器，设计考虑系统参数摄动的和测量数据丢失的自适应有限脉冲响应（FIR）/Kalman高精度鲁棒滤波算法。

通过该项目的研究，为室内复杂环境下移动机器人的持续高精度导航奠定良好的科学理论基础。

针对移动机器人在室内复杂环境下运行过程中对持续高精度导航信息的需求,本项目提出对惯性导航系统（INS）/超宽带技术（UWB）组合导航关键技术进行研究。首先对INS解算误差产生机理及补偿方法展开研究,构建基于多运行状态下误差模型描述的惯性器件导航解算误差补偿方法,以提高惯性传感器的解算精度;其次,分析传感器自身数据与所需导航信息之间的关系,从理论上提出基于模型集的室内复杂环境下分布式INS/UWB紧组合导航模型;最后,在对现有数据融合滤波算法性能分析的基础上,针对分布式紧组合导航模型局部滤波器,设计考虑系统参数摄动的和测量数据丢失的自适应有限脉冲响应（FIR）/Kalman高精度鲁棒滤波算法。通过该项目的研究,为室内复杂环境下移动机器人的持续高精度导航奠定良好的科学理论基础。