基于伪距残差相关性的GPS/INS紧耦合抗差滤波

提出了基于GPS伪距残差相关性的GPS/INS紧耦合抗差滤波算法.理论推导了GPS伪距观测值残差的计算方法,引入了相关函数对伪距残差进行相关性分析;分析了GPS/INS紧耦合导航的动力学模型和观测模型,基于残差相关性构建了紧耦合抗差滤波算法,利用实测数据验证了算法的有效性.结果表明:相比于非抗差滤波算法和传统的抗差滤波算法,基于GPS伪距残差相关性的抗差滤波能更灵敏地探测GPS/INS紧耦合中伪距观测值的粗差,并且通过抗差滤波因子抑制粗差对于导航结果的影响,提高GPS/INS紧耦合导航精度,而且通过控制粗差能够有效避免滤波发散现象的发生.     

GPS监测网动态数据处理抗差Kalman滤波模型

为克服观测向量中的粗差对状态参数滤波值的影响,通过分析其影响规律,并充分顾及到粗差在预测残关或得到全部反映的特点,导出了GPS监测网动态数据处理的抗差卡尔曼滤波模型－该模型对观测空间和设计空间均具有良好的抗差性,通过利用该抗差滤波模型对含有粗差的模拟GPS监测网的计算,与采用标准卡尔曼滤波模型的计算结果相比较,可获得可靠的变形分析结果。     

基于神经网络的新息自适应卡尔曼滤波在高速公路变形监测中的应用

实际应用中卡尔曼滤波的动态噪声和观测噪声往往不是固定的,提出运用新息自适应卡尔曼滤波法则对噪声进行实时估计。同时,为了克服新息自适应卡尔曼滤波要求系统模型过分精确的缺点,基于神经网络的新息自适应卡尔曼滤波算法,通过使用神经网络进行误差补偿来提高滤波性能,并运用于高速公路变形监测中。结果表明：该模型与原始观测值的残差全部降到了０.２５ｍｍ以下,说明该模型精度很高,在实际应用中具有一定的可行性。     

抗差自适应EKF在INS/GNSS紧组合中的应用

针对惯性/卫星紧组合导航中卫星观测数据存在粗差,影响组合导航系统定位精度,同时考虑到卫星少于4颗和卫星几何分布不佳对预测残差构造自适应因子的影响,提出了一种抗差自适应EKF紧组合算法。该算法给出惯性/卫星紧组合状态方程与观测方程,抗差等价权因子和预测残差法构造自适应因子的计算公式,并给出卫星少于4颗和卫星几何状态分布不佳情况下自适应因子的计算方法。通过车载实测数据对算法进行验证与分析,实验结果表明,基于抗差自适应EKF的惯性/卫星紧组合算法可有效削弱卫星粗差观测值的影响,在可见卫星数少于4颗和卫星几何分布不佳的状态下,依据该算法获取的系统导航精度得到进一步提高。     

GPS形变监测网的数据处理模型

为确保ＧＰＳ监测网变形分析结果的正确性,提出了３种平差方法,并采用基于标准化残差的抗差估计模型来识别观测值中的粗差;利用坐标系统转换方法统一了变形分析的基准,通过对具有粗差的模拟ＧＰＳ监测网的分析计算,取得了满意的结果。     

抗差Helmert方差分量估计在三维平差中的应用

在采用Helmert方差分量估计对三维控制网进行平差时,如果观测值带有粗差,参数估计则会受到影响,造成平差结果失真,无法得到准确的参数估值。将基于IGGⅢ模型建立抗差Helmert方差分量估计模型应用于平差计算中,并采集三维控制网数据进行实验。结果表明,抗差Helmert方差分量估计模型可以合理确定不同类观测值权比,抑制粗差影响,提高平差精度与可靠性。     

BDS/GPS/Galileo多频观测值精度评估及随机模型精化

随机模型的优劣直接影响GNSS精密定位的精度以及可靠性.通过MEGX观测网CUT0、CUT2和CUTA测站连续10d观测数据,基于短基线单差模型方法求解各系统单差残差的时间序列,并推导出BDS/GPS/Galileo卫星观测值噪声.统计观测值噪声随高度角变化的情况,通过最小二乘拟合方法确定精化的随机模型.结果表明:Galileo的4个频点的伪距观测值精度约20~50cm,E5频点的精度最高,E1最低,E5a和E5b基本相当;载波相位观测值精度约1~3mm,E5频点的精度明显高于E1、E5a和E5b.BDS载波观测值精度约1~3mm,B1、B2、B3精度基本相当,其伪距观测值精度约30~50cm,B1精度最低,B2和B3相差不多.GPS L1伪距观测值精度约63cm,L2伪距观测值精度约42cm,载波相位精度约3mm.基于单差模型对各系统观测值进行精度估计,在短基线情况下,BDS/GPS/Galileo载波相位观测值精度基本相当,而Galileo E5伪距观测值精度明显优于其他卫星系统伪距观测值精度.各类型卫星观测值的残差分析可为定位中随机模型的建立提供依据.     

基于多新息理论的卡尔曼滤波改进算法

系统建模是卡尔曼滤波的基础,系统模型不准确带来的验前数据误差,使滤波器精度降低,甚至可能造成发散.针对这种情况,提出一种基于多新息理论改进的卡尔曼滤波算法.多新息卡尔曼滤波算法不仅考虑了运动目标当前的运动状态,而且也充分利用目标之前运动信息,从而使得多新息卡尔曼滤波算法的滤波精度和稳定性得到改善.仿真结果表明,改进的多新息卡尔曼滤波算法较标准卡尔曼滤波算法更有效,预测精度更高.     

基于抗差EKF的GNSS导航模型研究

给出了扩展卡尔曼滤波（extended Kalman filter,EKF）的原理,通过分析粗差在EKF模型中的传递特性,建立了新的抗差EKF模型．该模型根据多余观测分量及预测残差统计特性,构造抗差等价增益矩阵,通过迭代给出了全球导航卫星系统（GNSS）抗差导航解．结合统计模型,对存在粗差的观测历元进行抗差估计,进一步提高模型实时运行效率．通过模拟6PS／GAL—LIEO／GLONASS多卫星导航星座及接收机平台的动态轨迹,采用加速度导航方程验证模型,对不同模型运行的时间进行比较．结果表明：在粗差存在的情况下,该模型仍能正确导航,并且改进后的模型能明显提高实时导航的效率．     

基于抗差自适应估计的微纳卫星相对定位算法

为了解决微纳卫星编队执行姿态机动任务时，差分定位性能降低甚至不能定位的问题，提出基于全视角天线组件的GPS接收和差分定位系统方案.针对星载高动态环境，改进基于几何无关(GF)差分组合和衰减窗口的伪距粗差探测方法.采用抗差自适应扩展卡尔曼滤波算法，将基于新息向量的观测噪声协方差矩阵开窗估计法应用于实时差分定位.建立半物理仿真平台，开展不同场景下的差分定位性能对比验证.结果表明，在全弧段侧摆与区间“侧摆-回正”机动条件下，所提出的基于全视角方案的滤波和估计算法相比于常规方案的扩展卡尔曼滤波(EKF)算法在定位星数、定位精度上均有大幅提升，在短、长基线情况下分别可以达到厘米、分米级的相对定位精度.     

基于抗差Kalman滤波的精密单点定位

当精密单点定位的观测值含有异常数据时,Kalman滤波的精度将会降低。采用抗差Kalman滤波方法能够有效抑制观测异常,提高滤波的精度和可靠性。运用武汉国际GPS服务跟踪站数据对该方法进行了验证。结果表明,抗差Kalman滤波的精度比Kalman滤波的精度有一定程度提高,说明抗差Kalman滤波能够有效抑制观测异常。     

Kalman滤波几种异常检验法

为了检测动态导航观测异常和动力学模型异常,采用预测残差构造观测误差和动力学模型误差整体检验 法,对观测异常可分别采用以模型为准的观测异常检验、以当前历元可靠观测为基准的异常检验或以Kalman 滤波估值为基础的异常检验的方法;对于动力学模型异常检验,可以分别采用状态不符值检验法、以状态参数 Kalman滤波估值为基础的动力学模型异常检验或以可靠观测为基础的动力学模型误差整体检验的方法。分析 了以上几种检验方法的特点,并用实测数据进行了检验。结果表明:在观测异常或动力学模型异常处,异常检验 对导航数据精度有一定程度地提高。     

抗差自适应Kalman滤波及其在GNSS导航中的应用

针对Kalman滤波易受粗差影响而导致结果失真的问题,提出一种抗差自适应Kalman滤波方法,该方法结合自适应滤波与抗差Kalman滤波的优点,同时设计自适应因子和抗差因子,采用改进的两段Huber函数与2~3倍的观测噪声中误差来充当抗差因子与粗差判别标准。并对Kalman滤波和抗差自适应滤波(Adaptive Robust Kalman Filtering,ARKF)结果进行比较。车载实验结果表明,ARKF可以有效抵制观测异常对状态估值的影响,同时在系统先验信息不能精确给出的情况下,显著改善了滤波估值的稳定性和可用性。     

航位推算系统非线性过程处理新方法研究

针对航位推算系统中利用扩展Kalman滤波方法解决非线性问题在算法复杂性上的缺陷和精度上的不稳定性,该 文从数据预先处理的角度出发,合理规避线性化过程,提出一种充分利用现成Kalman滤波公式的方法,即数据进入滤波器之 前就预先进行处理,获得每一组量测值,按照极坐标-笛卡儿坐标的转换方式转为相应的位置信息,再按照标准的Kalman滤波 公式构建滤波器,进行状态的最优估计。计算机仿真结果证明该算法的有效性。     

离散不确定系统的两步鲁棒滤波方法及在飞行试验中的应用

提出了一种离散系统的两步处理鲁棒滤波方法。为了得到鲁棒滤波计算式，采用了上界不等式逼近和等效系统矩阵，得到了鲁棒滤波的时间更新算法，以及下界不等式逼近和等效观测矩阵，得到了鲁棒滤波的测量更新算法。并且，利用矩阵反逆公式简化了时间更新和测量更新表达式的结构。为了便于工程应用，给出了鲁棒滤波算法收敛的条件。飞行试验数据处理的结果表明，中提出的方法是有效的。     

基于T分布变分贝叶斯滤波的SINS/GPS组合导航

为了解决组合导航中由于野值存在而导致传统滤波算法性能下降的问题,针对SINS/GPS组合导航系统模型提出基于T分布的变分贝叶斯高斯滤波算法,充分考虑野值所导致的噪声厚尾特性,将观测噪声建模为T分布.对系统状态和自举变量进行估计,并且在每个滤波时刻借助变分贝叶斯学习对状态估计进行迭代,以逼近真实后验分布.针对噪声存在野值的场景进行仿真验证,结果表明,在SINS/GPS组合导航系统中,当噪声存在野值时,基于T分布的变分贝叶斯组合导航滤波方法具有一定的鲁棒性,并且精度优于传统组合导航滤波方法.     

Robust range-parameterized cubature Kalman filter for bearings-only tracking

In order to improve tracking accuracy when initial estimate is inaccurate or outliers exist,a bearings-only tracking approach called the robust range-parameterized cubature Kalman filter(RRPCKF)was proposed.Firstly,the robust extremal rule based on the pollution distribution was introduced to the cubature Kalman filter(CKF)framework.The improved Turkey weight function was subsequently constructed to identify the outliers whose weights were reduced by establishing equivalent innovation covariance matrix in the CKF.Furthermore,the improved range-parameterize(RP)strategy which divides the filter into some weighted robust CKFs each with a different initial estimate was utilized to solve the fuzzy initial estimation problem efficiently.Simulations show that the result of the RRPCKF is more accurate and more robust whether outliers exist or not,whereas that of the conventional algorithms becomes distorted seriously when outliers appear.     

混合卡尔曼滤波的非均匀校正算法

提出了一种基于混合卡尔曼滤波的非均匀校正算法,可以用于解决参数漂移为非线性的问题．该方法首先根据给定状态空间模型的特点,使用无迹卡尔曼滤波技术和传统卡尔曼滤波技术分别处理非线性的状态转移模型和线性的观测模型,然后把估计结果用于非均匀校正．使用仿真的一维和二维数据验证算法性能,实验结果表明,所提算法扩展了传统卡尔曼滤波算法的使用范围,并且与扩展卡尔曼滤波算法相比,具有较高的稳定性和估计精度．     

基于变权新息协方差的自适应卡尔曼滤波器

针对传统卡尔曼滤波器鲁棒性差,无法实时精确跟踪系统突变状态的现实,设计了一款基于变权新息协方差的自适应卡尔曼滤波器。在传统卡尔曼滤波器的基础上,分析了突变状态无法跟踪的缘由;基于滤波发散判据,分析储备系数与均权新息协方差之间的关系,对状态突变程度进行分层;基于Sage-Husa估计原理与加权最小二乘准则,对于不同程度的突变状态,采用实时调整各历元新息协方差权重的策略,优化渐消因子,激活滤波增益,增权量测新息。实例研究表明,自适应卡尔曼滤波器鲁棒性强,能够精确跟踪系统突变状态,其状态收敛速度优于抗差卡尔曼滤波器,稳态精度提升了42.05%。