基于结构分解的GPS/INS组合导航粒子滤波技术

针对粒子滤波应用于GPS/INS组合导航系统时难以保证滤波实时性的问题,提出一种基于线性/非线性结构分解的改进粒子滤波算法.改进算法对状态方程进行线性/非线性结构分解,分别采用重点采样和线性卡尔曼方式进行一步预测递推,充分发挥粒子滤波和卡尔曼滤波的特点,有效降低了粒子滤波的计算量,在保证GPS/INS组合导航系统滤波精度的条件下提高了组合滤波的实时性.     

自适应高斯粒子滤波在导航中的应用

针对粒子滤波中重要性密度函数难以选取和粒子退化导致的计算精度下降的问题,提出一种新的自适应高斯粒子滤波算法。通过高斯混合密度函数和UT变换来获取状态均值和协方差阵,选择并计算合适的自适应因子来调节均值和方差,在迭代过程中可动态调节重要性密度函数,并用WEM和EM步骤代替重采样,上述滤波算法考虑了最新量测信息的影响,使滤波性能明显改善,能更好地解决非线性非高斯系统模型的抗干扰问题。将提出的算法应用于SINS/GPS组合导航系统跑车试验中,结果表明上述滤波算法能提高导航解算的精度,其性能明显优于已有滤波,同时验证了当系统出现噪声干扰突然变化时提出算法的有效性。     

基于灰色模型的改进粒子滤波算法

混合动态系统的估计问题其本质是利用观测值进行滤波,本文首先描述了基于贝叶斯理论粒子滤波算法,该算法可应用于非线性、非高斯系统中。针对粒子的退化和贫乏问题,并提出了基于灰色模型的改进算法。灰色系统理论可以对小样本空间进行建模预测,它对样本有无规律没有严格的要求,不要求知道样本是何种分布。数字仿真对算法进行了检验,表明按照改进的采样方法有效的遏制粒子退化和贫乏。     

自适应模糊粒子滤波在组合导航中的应用

常用的卡尔曼滤波不能解决组合导航系统中的非线性问题,为了进一步提高组合导航系统定位性能,基于粒子滤波和模糊逻辑提出自适应模糊粒子滤波方法.该方法减小了对系统动态及工作环境的依赖,提高了对载体状态的估计精度.并且解决了组合导航系统中卫星信号被遮挡的情况下进行状态估计的问题.通过利用GPS与INS组合导航系统数学仿真证明了方法的可行性、及对组合导航系统的定位精度和鲁棒性的提升,是对于目前常用的组合导航算法的拓展和完善.有很好的应用价值.     

基于粒子滤波的AUV组合导航方法

讨论了粒子滤波器和RB(Rao-Blackwellised)粒子滤波器两种滤波方法在组合导航中的应用,给出了组合导航算法用于自治水下航行器(AUV)的具体数学模型,并且与拓展卡尔曼滤波器的导航结果进行比较.利用AUV湖上试验验证了3种算法的导航性能,试验结果表明RBPF组合导航算法能够获得最好的导航精度;然而通过对算法进行分析,发现其计算复杂度高于其余两种滤波算法.     

基于粒子滤波的GPS/DR组合导航算法研究

对于车载GPS/DR(全球定位系统/航位推算)组合导航系统的算法研究,大多采用扩展卡尔曼滤波,但是应用扩展卡尔曼滤波时,非线性系统必须要进行线性化,从而导致滤波结果有较大的误差.为此将粒子滤波算法用于车载GPS/DR组合导航系统中,并建立了GPS/DR组合导航系统的状态方程和观测方程.为了检验其有效性,将两种方法分别对车载GPS/DR组合导航系统进行滤波仿真,仿真实验结果表明粒子滤波比扩展卡尔曼滤波有更好的滤波效果,更能减少定位误差.     

组合导航滤波方法对比研究

组合导航有多种算法,不同算法存在着理论上和使用条件的差异,并且各种导航滤波算法都有局限性.联邦滤波是应用广泛的一种组合导航滤波方法.动静态滤波是基于各传感器独立观测信息的一种组合导航新方法,而当模型和噪声存在不确定件时它们的滤波结果并不理想,H∞滤波对于上述问题可以有效解决.研究了上述三种导航滤波算法原理,分析了三种滤波算法的优缺点和实质,通过计算机仿真验证一个导航系统简单算例,对三种导航滤波算法性能进行比较分析并给出结论,为滤波算法在组合导航上的应用提供理论参考.     

多模型粒子滤波的故障诊断方法研究

近年来,非线性非高斯系统的故障诊断问题一直是热点问题也是研究难点.针对非线性非高斯系统的故障检测与定位问题,运用基于粒子滤波( Particle Filter)的似然概率密度函数值的方法来检测系统故障,在检测到故障发生时,运用多模型方法与粒子滤波相结合,进行故障定位,从而进一步改善故障诊断的效果.仿真结果表明,该方法可以对非线性系统进行快速、准确的故障诊断.     

基于粒子滤波的JPDA多目标跟踪算法

对于非线性非高斯系统的多目标跟踪问题,在已获得各目标初始信息和观测信息的基础上,结合联合概率数据关联算法,提出了一种基于数值积分粒子滤波的多目标跟踪算法.仿真结果表明,该算法在解决非线性非高斯系统的多目标跟踪问题时是可行有效的.     

基于粒子群优化的粒子滤波定位方法

为了实现移动机器人精确高效的自定位,提出了基于粒子群优化的粒子滤波定位方法.文章分析了常规粒子滤波定位方法存在的不足之处.将最新观测值融合到采样过程中,并利用粒子群优化算法提高了常规粒子滤波器的预估性能.接下来,建立了系统的概率运动模型和感知模型,并利用粒子群优化粒子滤波方法解决了移动机器人的自定位问题.粒子群优化算法的优化结果使得采样集向后验概率密度分布取值较大的区域运动,从而克服了粒子贫乏问题并且显著地降低了精确定位所需的粒子数.仿真实验表明该算法的有效性.     

增强粒子滤波船舶组合导航算法

针对粒子滤波作为非线性/非高斯估计方法存在的粒子退化和贫化的问题,提出了一种基于集合卡尔曼滤波(Ensemble Kalman filter,EnKF)和马尔可夫蒙特卡罗(Markov Chain Monte Carlo,MCMC)的增强粒子滤波算法。首先,使用EnKF分析代替先验密度对PF的建议密度进行定义,从而降低粒子退化的风险;其次,当发生粒子退化时,通过MCMC方法进行重采样,以增加粒子的多样性,从而降低了粒子贫化的可能性,提高滤波器的精度;最后,将提出的方法应用到GPS PPP/INS组合导航系统中,实验结果均表明,增强粒子滤波算法能提高估计精度,其性能优于标准粒子滤波。     

惯性基高精度组合导航方法研究与仿真

研究了一种基于捷联惯性导航系统(SINS)的高精度组合导航方法;选取SINS的系统误差作为组合导航系统状态,利用天文导航系统(CNS)输出的姿态矩阵和SINS输出信息计算得到的等效姿态矩阵来构造量测,设计SINS/CNS组合导航算法;利用SINS与北斗卫星导航系统(RDSS)各自的位置输出构造量测,设计SINS/RDSS组合导航算法,从而,利用联邦卡尔曼滤波技术设计SINS/CNS/RDSS组合导航算法;仿真结果表明,惯性基SINS/CNS/RDSS组合导航方法具有较高的导航定位精度,工程应用前景良好。     

利用神经网络和卡尔曼滤波的组合导航技术

Kalman滤波是组合导航中最常用的最优滤波工具, 但在组合导航系统中仍有一些应用的局限性.针对卡尔曼滤波受到需要已知精确系统模型的限制,文中利用神经网络在解决非线性、时变系统、不确知系统中的独特优势,提出一种新的Adaline /Kalman组合滤波方法,阐述了神经网络的选取,网络的训练,给出具体仿真条件,应用于卫星/惯性组合导航系统.文末给出了仿真结果,表明滤波的效果较之单独的Kalman有所改善,导航精度有所提高,同时也说明了提出的整个方法是可行的,正确的.     

组合导航系统模拟器中的卡尔曼滤波设计

组合导航系统模拟器是飞行训练模拟系统的关键部件,在分别设计了惯性导航系统模拟器以及卫星导航模拟器的基础上,为了提高模拟器的真实性,针对如何实现两个系统最优组合,为其它系统提供准确可靠的导航数据的问题,参照现代飞机组合导航系统的组成结构及工作原理,设计了组合导航卡尔曼滤波器,建立了松组合和紧组合两种组合导航方式的方程和量测方程,并与纯惯性导航系统的结果进行对比分析,证明了所设计的组合导航系统卡尔曼滤波器的有效性.     

基于MCC的鲁棒高阶CKF在组合导航中的应用

针对高阶容积卡尔曼滤波器在非高斯噪声情况下滤波精度下降的问题,提出了一种新的基于Maximum Correntropy Criterion（MCC）的鲁棒高阶容积卡尔曼滤波算法。考虑到高阶容积规则可以较好地解决非线性问题,在高阶容积滤波的基础上,结合统计线性回归模型对量测更新过程进行重构,利用MCC估计算法实现状态的量测更新,同时解决了系统的非线性和非高斯问题。将所提算法应用到SINS/GPS组合导航系统中,仿真结果表明,核宽的选取对算法的滤波性能有较大的影响,在高斯混合噪声条件下,所提算法相比传统高阶容积卡尔曼滤波算法具有更强的鲁棒性和更高的滤波精度。     

联邦卡尔曼滤波器在容错性组合导航系统中的应用

本文提出了基于无复位联邦卡尔曼滤波的信息融合算法,建立了惯性/卫星/天文组合导航系统的误差模型,并进行了计算机仿真。仿真结果表明,该算法具有较强的容错性。     

基于信息融合的组合导航系统研究

针对GPS接收机在高机动工作状态或受遮挡时易出现“丢星”现象而导致定位中断的问题,提出了一种采用GPS／GLONASS／INS组俣导航系统对载体进行快速定位、定向的新方法。文中首先总结了GPS导航系统的不足,在此基础上给出了组合系统的设计方案和工作原理,然后对基于联合卡尔曼滤波的多传感器信息融合算法进行了论述与分析,最后给出了计算机仿真。结果表明：该方法可有效地提高导航系统的精度和可靠性,为融合导航系统的数据分析和处理提供了一个有效途径。     

INS/GPS组合导航系统卡尔曼滤波的并行实现*

本文采用并行处理技术对ＩＮＳ／ＧＰＳ组合导航系统中卡尔曼滤波的实时性问题进行了研究。