中文摘要：

本项目以农业机械为研究对象，以GPS和IMU作为定位传感器，研究智能导航系统中多传感器信息融合模式与方法。目前的多源信息融合方法多基于线性系统，不完全适用于农业机械等非线性智能导航系统，因此开展本研究是必要的。主要研究内容包括目标评估处理模型建立、两种非线性系统多传感器信息融合模型建立、以及融合过程的测试评估模型建立。其中目标评估处理模型，采用基于UT变换的空间配准方法和以加权平均频率作为配准频率的时间配准方法；多传感器信息融合分别建立基于UKF和PF的多传感器信息自适应融合模型与基于PSO的RBF神经网络多传感器信息融合模型；数据融合过程的测试与评估模型，以精度、可重复性和计算复杂性作为测试参数，采用信息熵值作为系统的评估指标，通过计算综合权重对融合系统的性能以及不同融合方法的优劣作出评估。课题的成果将会为农业机械智能导航的实时、精确定位提供理论和算法基础，满足农业机械的作业需求。

结论摘要：

本项目以农业机械为研究对象，以GPS 和IMU 作为主要定位传感器，研究智能导航系统中多传感器信息融合模式与方法。主要研究内容包括(1) 基于GPS和IMU的目标评估处理模型, 对定位数据进行空间配准和时间陪准；(2) 基于UKF（Unscented Kalman Filter）和PF（Particle Filter）的多传感器信息自适应融合模型；(3) 基于PSO（Particle Swarm Optimization）的RBF（Radial Basis Function）神经网络多传感器信息融合模型；(4) 数据融合过程的测试与评估模型。测试与评估模型以精度、可重复性和计算复杂性作为测试参数，采用信息熵值作为系统的评估指标，通过计算综合权重对融合系统的性能以及不同融合方法的优劣做出评估。课题的主要成果包括:实验平台的搭建,目标评估处理模型的建立,两种多传感器融合模型的建立,以及导航系统综合评价体系的建立。