改进的UKF在惯导平台误差模型辨识中的应用

为减小建模误差,建立了基于直接法进行惯导平台误差模型辨识的非线性模型.Unscented Kalman滤波(UKF)是一种新的非线性滤波算法,为此将其引入惯导平台的误差模型辨识中.针对系统模型的特点,对标准UKF算法进行了简化改进.改进的UKF算法计算量小,结构简单,滤波精度与标准UKF一致.同时应用扩展Kalman滤波(EKF)算法和改进的UKF算法进行了惯导平台误差模型辨识仿真研究.仿真结果表明,与EKF算法相比,改进的UKF算法的滤波精度显著提高.

     

基于UKF的MEMS捷联惯导传递对准方法

在飞行器导航系统优化问题的研究中,为解决MEMS捷联惯导(SINS)传递对准精度低和对准时间长的问题,提出了一种采用无迹卡尔曼滤波(UKF)的MEMS-SINS传递对准方法.首先利用欧拉平台误差角表示主子惯导坐标系之间失准角的方法,建立MEMS-SINS传递对准的大失准角误差模型.然后对建立的模型采用UKF滤波算法,使用确定性样本的方法来处理传递对准模型的非线性问题.最后对提出的传递对准方法进行仿真验证,并与扩展卡尔曼滤波(EKF)进行比较.仿真结果表明:在传递对准过程中,UKF获得了比EKF更好的对准精度和更短的对准时间,基本满足了战术级导航系统传递对准的精度要求.     

基于IMM-UKF的纯方位机动目标跟踪算法

针对在非线性机动目标跟踪中存在的滤波器易发散、跟踪误差大等问题,本文在多站纯方位跟踪的基础上,把Unscented卡尔曼滤波(Unscented Kalman filter,UKF)引进到交互多模型算法(Interacting multiple model,IMM)中,设计了交互多模型UKF滤波算法,克服了EKF中引入的较大线性化误差对机动目标跟踪算法性能的影响.最后将该算法与扩展卡尔曼滤波(EKF)、IMM-EKF算法进行了比较,仿真结果表明:IMM-UKF 算法增强了EKF滤波器的稳定性,提高了滤波收敛速度和跟踪精度.     

基于UKF的惯导/被动导引头组合位置修正方法

在导弹末制导阶段,结合自适应UKF滤波方法和直接滤波模型实现惯导/被动导引头组合导航,以提高惯导系统定位精度.首先采用惯导参数和导引头视线信息建立非线性模型,然后结合模型特点对UKF滤波流程进行简化,并针对系统状态变化较快和量测噪声不稳定的特点给出改进的自适应UKF滤波方法,能实现视线信息辅助修正惯导系统位置误差.仿真结果表明,该滤波方法具有较高的估计精度和较快的收敛速度,7s时惯导/被动导引头组合定位误差不高于30m.     

基于UKF的超视距雷达跟踪算法研究

天波超视距雷达跟踪目标时电磁波是通过电离层的折射传播的,因而导致在地理坐标系下的量测方程中存在强非线性,而采用传统的EKF（Extended Kalman Filter）实现的跟踪算法,在非线性方程的线性化中舍去了含强非线性的二阶以上的高阶项,导致目标的跟踪精度较低;提出采用UKF（Unscented Kalman Filter）方法处理超视距雷达系统在跟踪算法中的强非线性问题.UKF算法有效降低了非线性方程中的舍入误差,可确保三阶以上的精度.仿真结果表明UKF滤波算法较EKF算法提高估计精度.     

基于UKF滤波的测向定位算法及性能分析

基于传统的The Unscented Kalman Filter(UKF)滤波算法,提出了一种新的改良后的UKF滤波算法.该算法直接选用动态模型中的状态变量,并增加一个再抽样过程,使得计算量更小,实现更简单.将改良后的UKF滤波算法应用到单站无源定位的测向法中,得到优于The extended Kalman Filter(EKF)滤波的定位效果,大大提高了定位精度.计算机仿真实验表明,应用该改进后的UKF算法比以往EKF类算法在滤波性能上有明显的提高.但是由于测向法自身的局限性,即使应用改良后的UKF滤波,当方位角逐渐增大时,测向法的定位效果仍然会严重恶化.因此,所提出的新UKF算法适合在非线性估计等问题中广泛应用,但对于单站无源定位,则应探究更优越的定位算法来代替测向法.     

用四元数状态切换无迹卡尔曼滤波器估计的飞行器姿态

在较大初始姿态误差角下, 针对捷联惯导/CCD星敏感器(strap-intertial navigation system/CCD star sensor, SINS/CCD)姿态估计系统扩展卡尔曼滤波(extended Kalman filter, EKF)算法精度下降的问题, 提出了基于四元数的状态切换无迹卡尔曼滤波算法. 通过状态实时切换降低了全维无迹卡尔曼滤波(unscented Kalman filter, UKF)的维数, 减小了计算复杂度, 提高了系统的实时性. 文中采用基于特征向量求解的代价函数法计算四元数均值避免了UKF算法中四元数规范化的限制; 利用乘性误差四元数表示姿态更新点与估计点之间的距离, 解决了四元数协方差阵奇异性问题. 仿真实验结果表明: 与EKF相比, 该算法在精度上有较大提高; 与全维UKF算法和修正罗德里格斯参数UKF算法相比, 该算法精度相当但估计时间均有不同程度的减少.     

基于多普勒信息的UKF目标跟踪算法

在实际雷达信号应用中,当目标的状态方程和观测方程在不同坐标系下得到时, 对目标状态的估计不再是线性的而是非线性的.为了提高在非线性情况下对目标的跟踪精度,为提高实时性和统计精度,提出了一种基于多普勒信息的UKF(Unscented Kalman Filter)滤波算法,算法是在原有UKF算法所有信息的基础上,引入目标的多普勒信息即径向速度,推导出新的测量模型和相应的滤波算法.应用matlab软件对目标的跟踪轨迹进行仿真,结果表明,引入雷达多普勒测量信息的UKF算法比传统的UKF算法和EKF算法具有更高的估计精度.     

里程仪精度对惯导平台误差模型辨识精度影响

在利用车载试验进行惯导平台误差模型辨识时,里程仪精度的高低直接影响惯导平台误差模型的辨识精度.给出了惯导平台的误差模型,并建立了关于视速度的测量误差方程.由于受输入加速度大小的限制,使得系统存在严重的复共线性,提出采用选主元最小二乘方法辨识惯导平台误差模型.仿真得到了里程仪的精度对惯导平台误差模型辨识精度的影响结果.     

GPS非线性估计中无导数卡尔曼滤波研究

在GPS领域应用的非线性估计方法中,扩展Kalman滤波(EKF)存在稳定性差、计算量大等缺陷.基于非线性变换思想的UKF(Unscented Kalman Filtering)中状态方差阵易失去半正定性.本文引入了一种无导数卡尔曼滤波-基于重复确定性采样的平方根UKF(Square Root-Unscented Kalman Fiher.SR-UKF)估计方法,并对其状态方差阵及随机噪声方差阵Cholesky分解更新公式做了改进,避免了导数的运算,有效地确保方差阵及其平方根的正定性从而抑止了发散.将这种无导数卡尔曼滤渡应用于GPS/DR组合导航系统的状态估计上,仿真结果表明本文所改进的方法在滤波的精度和鲁棒性上均优于EKF和UKF.     

高超声速飞行器惯导系统误差参数两次优化辨识方法

为满足高超声速飞行器高精度和高可靠性的导航要求,提出一种在发射惯性系下利用智能优化算法实现捷联惯性系统误差参数两次优化辨识的方法.建立惯性测量单元(IMU)误差补偿模型和完整的非线性捷联惯性系统导航模型,为数值优化计算提供准确的模型基础.基于SINS/GPS/CNS组合导航系统信息,建立陀螺仪误差优化模型和加速度计误差优化模型,采用两次优化策略分步估计捷联惯性系统误差参数:首先利用粒子群算法对陀螺仪误差参数进行优化辨识和补偿;然后利用粒子群算法对加速度计误差参数进行优化辨识.仿真结果表明,基于组合导航系统信息和非线性优化模型,两次优化辨识方法能够在线辨识出高精度的捷联惯性系统误差参数,陀螺仪和加速度计优化参数值的相对误差均在20%以内,从而有效提高了高超声速飞行器导航精度.     

基于UKF的水下航行器IMU故障检测与诊断方法研究

惯性测量单元（IMU）作为水下航行器导航系统关键传感器,其可靠性直接影响航行器的导航性能。为了提高IMU的容错能力,本文提出一种基于无迹卡尔曼滤波（UKF）算法的IMU故障诊断技术。首先根据水下航行器的动力学方程和导航系统特点,建立描述IMU故障与导航状态量关系的解析模型;接着基于UKF非线性滤波的特点,进行导航滤波解算,基于此,提出了解耦矩阵法以实现IMU的故障检测;并且根据无迹卡尔曼滤波器新息正交原理,提出了实时估计IMU故障的方法,从而完成水下航行器IMU故障的在线检测与诊断。最后,通过实际航行数据验证了所提出算法的有效性。     

A Filtering Approach Based on MMAE for a SINS/CNS Integrated Navigation System

This paper explores multiple model adaptive estimation (MMAE) method, and with it, proposes a novel filtering algorithm. The proposed algorithm is an improved Kalman filter-multiple model adaptive estimation unscented Kalman filter (MMAE-UKF) rather than conventional Kalman filter methods, like the extended Kalman filter (EKF) and the unscented Kalman filter (UKF). UKF is used as a subfilter to obtain the system state estimate in the MMAE method. Single model filter has poor adaptability with uncertain or unknown system parameters, which the improved filtering method can overcome. Meanwhile, this algorithm is used for integrated navigation system of strapdown inertial navigation system (SINS) and celestial navigation system (CNS) by a ballistic missile's motion. The simulation results indicate that the proposed filtering algorithm has better navigation precision, can achieve optimal estimation of system state, and can be more flexible at the cost of increased computational burden.      

UKF在INS/GPS直接法卡尔曼滤波中的应用

提出将Unscented卡尔曼滤波(UKF)用于INS/GPS组合导航系统的直接法卡尔曼滤波,避免了对非线性的系统状态方程进行线性化.以INS输出的导航参数及平台误差角等作为系统状态,惯导力学编排方程和姿态误差方程作为系统状态方程,GPS输出的导航参数作为量测,采用UKF方法对系统导航参数直接进行估计.仿真结果表明,UKF方法有效地解决了直接法卡尔曼滤波中系统状态方程的非线性问题,并使INS/GPS组合导航系统具有较高的导航定位精度.     

基于联邦UKF的可重复使用运载器再入段组合导航

针对航天科技领域的再入问题,根据导航系统状态方程非线性的特点,设计基于联邦滤波的UKF（Unscented Kalman Filter）算法,并应用于可重复使用运载器（Reusable Launch Vehicle,RLV）的组合导航系统.对基于该算法的RLV组合导航（惯性导航、卫星导航和天文导航）系统进行仿真,并与传统的基于联邦滤波算法对组合导航系统进行比较.结果表明,提出的组合导航方案和基于联邦滤波的UKF算法能提高导航精度、鲁棒性和容错性.     

大方位失准角传递对准非线性模型研究

针对惯导系统大方位失准角传递对准的非线性误差方程不准确问题,同时考虑杆臂效应和挠曲变形两种主要误差因素来建立挠曲变形和杆臂效应加速度一体化误差模型,从而完善惯导系统大方位失准角传递对准非线性模型.针对非线性滤波的稳定性和快速性问题,采用比例修正无味卡尔曼(UKF)滤波模型估计姿态失准角,并采用速度匹配算法对模型的正确性和滤波的有效性进行仿真验证.结果表明,该模型在大方位失准角传递对准时可以满足对准精度和时间的要求.     

基于运动姿态识别的行人惯性导航算法

针对室内定位惯性导航算法存在累积误差的问题,提出了一种基于运动姿态识别的行人惯性导航算法.在捷联惯性导航算法的基础上,引入了行人脚部姿态识别方法,将行人的位移以单步长为单位进行惯性导航解算.使用姿态识别与零速修正相结合确定每一步的静止时刻,改进步数检测结果,并对行人静止时刻的速度和位置信息进行校正,以降低累积误差;统计前期误差较小的行人惯性导航数据,并建立步频—步长模型,根据行人实时的步频和方向变化对当前步长进行校准,在行人以惯常运动姿态或运动姿态变化时分别采取对应的步长估计算法,以保证导航算法的准确性.实验结果表明:与传统捷联惯性导航算法相比,提出的算法提高了长距离导航的精度.     

基于SLAM的旋翼无人机组合导航算法研究

在旋翼无人机组合导航中,针对缺乏GPS作为导航信号源的室内飞行环境,为了达到精确定位的目的,提出一种基于SLAM（simultaneous localization and mapping）的旋翼无人机组合导航算法。首先,引入双线性插值算法,实现基于扫描匹配的即时定位与地图构建;其次,对陀螺仪、加速度计和磁罗盘建立捷联惯导系统误差模型,针对旋翼无人机的使用环境对误差模型进行简化;最后,应用联邦卡尔曼滤波算法,设计组合导航系统模型,将SLAM算法和捷联惯导系统估计出的位置数据进行融合。仿真结果表明所设计基于SLAM的旋翼无人机组合导航算法能够进一步提高组合导航系统对旋翼无人机位姿估计的精度。     

一种针对全海深载人潜水器的异步融合组合导航算法

全海深载人潜水器（HOV）组合导航中会产生异步融合现象,传统的组合导航算法在处理时会产生较大的误差．针对这一问题,提出了一种基于机器学习和无迹卡尔曼滤波（UKF）的异步融合组合导航算法．首先建立了针对超短基线（USBL）声学定位系统预测的机器学习模型,通过USBL声学定位系统的观测数据集来训练该模型,并用得到的模型来预测更新间隔内的数据．最后使用UKF将已更新的数据集进行融合．仿真结果表明,相比传统的组合导航算法,本文的异步融合组合导航算法可以将USBL声学定位系统数据异步问题所引起的误差降低17%,有效提高了组合导航系统的精度．     

直接法UKF在组合导航中的应用

提出直接法卡尔曼滤波(UKF)应用于GPS/捷联惯导(SINS)组合导航,避免对非线性系统的线性化。选择SINS惯导系统输出位置和速度作为系统状态,GPS输出的导航参数作为观测量,使用IMU提供的姿态,用UKF方法结合反馈法对组合导航参数直接进行估计,不仅可以避免了每次导航复杂的初始对准过程,同时保持参数误差不会无限增大。根据是否出现GPS中断两种情况进行,实验结果表明,可以直接使用IMU提供的姿态对智能清洁船的定位导航。