卡尔曼与粒子滤波在GPS多径估计中的应用研究

在多径环境下,GPS接收机码跟踪环的相关峰会产生严重的畸形。为了最大程度的削弱多径效应,多径估计技术可以提供直射信号和反射信号的码偏分布,从而可以进一步根据码偏分布减少多径效应的干扰。基于MEDLL的码环设计,本文增加了自适应滤波模块去提高估计精度.。我们使用GPS中频接收机采集实际信号,分析对比了卡尔曼滤波和粒子滤波在GPS多径估计中的性能。结果发现,粒子滤波有很好的估计精度和抗噪性能,但耗费较大的计算量;卡拉曼滤波可以快速的进行数据处理,其抗噪性能相比之下大大降低。     

基于M估计卡尔曼滤波的GPS校频系统频差处理方法研究

在采用GPS卫星信号驯服地面晶振方法设计的频率源中,GPS与晶振的频率差信号存在噪声干扰。利用标准卡尔曼滤波算法直接对频率差信号进行滤波处理,信号噪声中的野值会影响滤波精度。提出一种基于最小和函数估计卡尔曼滤波方法,通过该M估计的影响函数导出加权矩阵,判别频差信号是否为野值,进而对滤波新息进行修正。在某GPS校频系统中的应用表明,野值对滤波精度的影响得到有效抑制,系统输出频率准确度优于5.0×10~(-12)。     

平坦衰落信道下一种基于进化粒子滤波的盲检测器

该文针对平坦瑞利衰落信道下的盲粒子滤波检测器存在的样本贫化问题,提出了一种基于进化粒子滤波的盲检测方法。在粒子滤波的重采样阶段,引入进化规化思想,即采用进化粒子滤波的方法解决样本的贫化现象,从而构成了一种基于进化粒子滤波的盲检测器。仿真结果表明,在信道模型系数未知条件下,该检测器的误码率性能较盲粒子滤波检测器优越,接近已知信道模型系数情况下的混合卡尔曼滤波检测器性能。     

粒子滤波在目标跟踪算法中的应用研究

针对非高斯、强噪声背景下的高机动目标实施跟踪时,卡尔曼滤波、扩展卡尔曼滤波等算法将出现滤波精度下降甚至发散现象。粒子滤波方法作为一种基于贝叶斯估计的非线性滤波算法,在处理非高斯非线性时变系统的参数估计和状态滤波问题方面有独到的优势。以目标跟踪问题为背景,将粒子滤波与卡尔曼滤波算法进行了对比研究。     

非高斯噪声环境的进化粒子滤波盲检测器

对于信道模型系数未知的平坦瑞利衰落信道下非高斯噪声环境中的盲信号检测,提出了一种基于进化粒子滤波的盲检测算法。该算法能够解决一般的粒子滤波对于估计长时间不变的状态存在的样本贫化的问题和系统噪声的非高斯问题。仿真试验结果证明,在信道模型系数未知的平坦衰落信道下,非高斯的噪声环境中,该算法性能优越,接近达到已知信道模型系数情况下的混合卡尔曼滤波算法的性能。     

自适应滤波算法在组合导航系统的应用

从卡尔曼滤波算法的稳定性出发，分析了卡尔曼滤波算法和Sage-Husa滤波算法的缺点，改进了Sage-Husa滤波算法，改进后的算法保证了系统噪声估计方差阵和测量噪声估计方差阵的半正定性和正定性，消除了滤波发散现象。在INS／GPS组合导航系统中进行仿真，仿真结果表明改进后的算法可以有效提高INS／GPS组合导航系统的稳定性．     

正逆向滤波在惯性卫星组合导航中的应用

为满足高性能惯性/全球卫星导航系统(GPS)组合导航的要求,进一步提高卡尔曼滤波算法在组合导航定位中的解算精度,考虑利用逆向数据处理和加权平滑的融合算法,提出一种正逆向融合的卡尔曼滤波算法应用于惯性/GPS的松组合导航中。分析了正逆向融合的卡尔曼滤波算法的解算方法,并与普通正向卡尔曼滤波算法做出比较。实验部分采用车载传感器采集的实测数据,通过对两种方法解算结果的误差分析,表明了正逆向融合的滤波算法在定位精度方面优于传统正向滤波算法。     

自适应卡尔曼滤波在INS／TAN／GPS中的应用

介绍一种系统噪声统计特性未知时的逢适应卡尔曼滤波方法,并运用这种滤波方法对INS／TAN／GPS组合导航系统进行了仿真,仿真结果表明用这种方法的滤波结果与系统的噪声统计特性已知时的卡尔曼滤波结果具有非常接近的估计精度,不失为一种有效的滤波方法。     

衰减记忆无迹卡尔曼粒子滤波算法研究

无迹卡尔曼粒子滤波算法作为典型的粒子滤波改进算法,有效提高了滤波精度.但旧的数据影响过大,导致滤波发散,借鉴衰减记忆无迹卡尔曼滤波算法的思想,通过引进衰减因子实现对当前测量数据利用的加强,减小历史数据对滤波结果的影响,提出了一种基于衰减记忆无迹卡尔曼滤波的粒子滤波算法.仿真实验表明,算法能够提供优于传统无迹卡尔曼滤波算法的跟踪精度.     

雷达目标跟踪中的典型非线性滤波算法研究

在雷达信号处理领域,目标跟踪问题一直是研究的重点,其中,非线性滤波问题是难点所在。本文主要研究了三种典型非线性滤波算法,详细介绍了算法基本原理及实现步骤,并基于典型的一维非线性非高斯模型对算法滤波性能进行了仿真分析。实验结果表明,在非线性非高斯条件下,粒子滤波算法的滤波性能最优,不敏卡尔曼滤波算法次之,卡尔曼滤波算法最差。     

抗差卡尔曼滤波在惯组外场自标定中的应用

针对惯组在外场自标定受到环境的振动干扰会降低标定精度的问题,分析了粗差对卡尔曼滤波估计值的影响,提出将基于抗差估计的卡尔曼滤波算法应用于惯性测量组合(IMU)外场自标定数据处理中。该算法通过等价权函数对异常数据进行连续降权,减弱粗差对惯组输出的污染,兼具了卡尔曼滤波的实时性和等价权函数的抗差性,具有实际应用价值。实验结果表明,与Sage-Husa自适应卡尔曼滤波和抗野值卡尔曼滤波相比,抗差卡尔曼滤波具有更强的抗差性,滤波收敛速度更快,单次通电精度提高了至少1个数量级,能有效抑制异常数据对标定精度的影响。     

基于MEMS的火箭制导平台INS与GPS组合导航算法

提高火箭制导平台的导航定位精确度,是火箭试验技术的重要研究内容。针对某火箭制导平台,设计了一种基于微机电惯性导航(INS)与全球定位系统(GPS)多传感器相组合的,采用间接输出校正的导航解算算法。算法利用卡尔曼滤波器对系统误差进行最优估计,估计结果修正惯导解算输出和敏感元件输出。仿真结果表明,在GPS收星有效以及火箭动态过程平稳情况下,该组合导航算法对INS误差随时间积累有明显抑制作用。     

SINS静基座初始对准的超球体采样STFUKF算法

初始对准是实现惯性导航高精度的一项关键技术。无迹滤波(UKF)在SINS系统静基座大方位失准角初始对准中计算量大,在不精确或错误的噪声统计情况下,收敛速度变慢,估计精度下降,甚至滤波发散。针对这一问题,将超球体采样与强跟踪无迹滤波(STFUKF)算法相结合,提高了运算速度和对准精度。利用SINS的非线性误差模型,通过数字仿真将卡尔曼滤波、UKF和STFUKF的性能进行比较,证明该方法具有精度高、抗干扰性好、跟踪能力强的特点。     

基于高斯粒子JPDA滤波的多目标跟踪算法

在多目标跟踪中,由于观测的不确定性带来数据关联问题,并且,多目标状态空间尺寸的增长带来了维数增大问题,该文提出了一种新的高斯粒子联合概率数据关联滤波算法(GP-JPDAF),在JPDA框架中引入高斯粒子滤波(GPF)的思想,通过高斯粒子而不是高斯量,来近似目标与观测的边缘关联概率,利用GPF计算目标状态的预测及更新分布。将其应用于被动多传感器多目标跟踪,仿真结果表明该算法比MC-JPDAF具有更好的跟踪性能。     

Amended Kalman Filter for Maneuvering Target Tracking

The conventional Kalman filter (KF) which uses the current measurement to estimate the current state is a posterior estimation.KF is identified as the optimal estimation in linear models with Gaussian noise.However,the performance of KF with incomplete information may be degraded or diverged.In order to improve the performance of KF,an Amended KF (AKF) is proposed by using more posterior measurements.The principle,derivation and recursive process of AKF are presented.The differences among Kalman smoother,adaptive fading method and AKF are analyzed.The simulation results of target tracking with different covariance of motion model indicate the high precision and robustness of AKF.     

EKF在GPS导航定位中的应用研究

论文中针对GPS星座轨道参数及系统特性,建立基于伪距测量误差模型的导航定位状态方程,利用扩展卡尔曼滤波算法（EKF）,对GPS定位解算精度进行仿真实验分析。仿真结果表明,EKF明显优于最小二乘算法,具有较高的滤波精度,可以更好地满足GPS用户定位精度要求。     

改进的Householder多级维纳滤波方法

该文以GPS接收机空时抗干扰为应用背景,给出了一种改进的基于Householder多级维纳滤波的降维方法。该方法保留了原算法的前向递推过程,并利用多级维纳滤波的分解特性,对其后向迭代过程进行改进,得到一种阶递归的实现结构,大大提高了算法的实时性。分析表明,改进方法的运算复杂度与原算法接近,并远低于基于相关相减多级维纳滤波(CSS-MWF)的算法。仿真实验验证了算法的抗干扰性能。     

基于多传感器Kalman滤波器的GPS/IMU数据融合算法设计

针对GPSIIMU组合导航系统，现有的滤波算法难以检测传感器的错误数据并及时排除。文章设计了一种考虑滤波器环境信息的多传感器Kalman滤波器，该算法适于在不重构滤波器的情况下对多传感器进行整合。仿真结果表明该算法提高了数据融合的可靠性。     

Novel SREKF-based recurrent neural predictor for narrowband/FM interference rejection in GPS

The GPS provides accurate positioning and timing information that is useful in various applications. A new adaptive neural predictor for GPS jamming suppression applications is proposed. The effective and computationally efficient square-root extended Kalman filter (SREKF) algorithm is adopted to adjust the synaptic weights in the nonlinear recurrent architecture and thereby estimate the stationary and non-stationary narrowband/FM waveforms. Cholesky factorization is employed in Riccati recursion to improve numerical stability because of the propagation of round-off errors in conventional KF equations. The main characteristics of the proposed SREKF-based canceller are their rapid convergence and favorable tracking performance. Simulation results reveal that its SNR improvement factor exceeds the factors of conventional LMS, RLS, ENA and TLFN filters in single-tone CWI, multi-tone CWI, pulse CWI and FM jamming environments, respectively.     

基于星间测距的卫星自主定轨研究与仿真

提出了一种利用星间距离信息和扩展卡尔曼滤波算法确定卫星的位置和速度的方法。利用STK软件建立GPS星座,将1颗目标卫星与3颗参考卫星之间的距离引入一定的误差作为星间观测值,利用扩展卡尔曼滤波算法实现卫星的自主定轨。并对算法进行了改进,利用几何准确度因子GDOP值控制参考卫星的选择,消除了误差峰值。运算结果表明改进后的算法有很好的收敛性,提高了定轨准确度。