一种应用磁强计提高导航系统航向精度的方法

针对静止与匀速运动状态下低成本SINS/GPS组合导航系统航向角可观性差的问题,采用磁强计与低成本SINS/GPS构成新的组合导航系统,以提高系统的航向精度.给出了完整的组合导航系统卡尔曼滤波模型,利用Simulink进行了仿真实验.仿真结果表明:在静止与匀速运动状态下,SINS/GPS组合导航系统航向角误差发散,而SINS/GPS/磁强计组合导航系统的航向角有效收敛.利用某型系统进行了静态实验,实验表明:在传感器精度较差的条件下,SINS/GPS/磁强计组合系统航向角仍可以有效收敛,收敛后姿态角误差标准差小于0.2.静态实验验证了该方法在实际应用中的有效性.     

SINS/GPS组合导航系统仿真研究

以某载体的规划航迹数据为对象,针对捷联、卫星组合导航系统(SINS/GPS)进行了仿真研究。由规划航迹数据计算出载体的比力和角速度信息,输入至惯性测量器件模型,模型输出激励捷联解算模块,得到惯导系统输出参数;同时对规划数据添加观测噪声模拟GPS测量值。采用相对简单的基于半位置、半速度误差的误差方程作为状态方程,以松耦合方式进行集中式Kalman滤波,给出了SINS单独工作与SINS/GPS组合得到的半位置、半速度误差分布。对各状态的观测度进行了研究,确定了不可观测的状态并给出了部分状态可观测度的时间分布。仿真结果表明,方法正确有效,可对SINS/GPS组合导航系统进行算法验证和方案性评估。     

一种序贯Unscented卡尔曼滤波在微小型无人直升机导航系统中的应用

对于应用到微小型无人直升机上的低成本捷联惯导（SINS）/GPS组合导航系统来说,SINS Ψ角误差模型在描述低精度惯性器件误差时对误差项的忽略,使其无法满足SINS误差估计的要求.为了克服Ψ角误差模型的不足,本文建立了基于四元数的SINS非线性误差模型.该误差模型无需对失准角进行小角度假设.为了对组合导航系统中的SINS误差进行估计,提出一种序贯Unscented卡尔曼滤波方法.该滤波方法对观测向量进行序贯处理以降低算法的计算量.仿真结果表明,该滤波方法能有效提高低成本SINS/GPS组合导航系统的性能.     

自适应联邦卡尔曼滤波在机器人组合导航系统中的应用研究

利用里程计(OD)与全球定位系统(GPS)辅助捷联惯性导航系统(SINS)构成一种高可靠性的组合导航系统.推导并建立了局部滤波器的数学模型,并针对联邦滤波器在载体发生异常扰动时滤波精度较低的问题,设计了基于SINS/GPS/OD组合导航系统的自适应联邦滤波器,有效补偿了系统异常扰动或动力学模型误差.仿真模拟了机器人的全航线运行轨迹进行验证,仿真结果表明,SINS/GPS/OD组合导航系统的自适应联邦卡尔曼滤波算法与相同组合导航系统的非自适应联邦卡尔曼滤波算法相比,在保障机器人导航定位可靠性及容错能力的前提下,能有效抑制异常扰动的影响,导航精度得到进一步改善.     

GPS/SINS/Odometer组合导航系统的研究

针对全球定位系统(GPS)和捷联惯性导航系统(SINS)组成的车载导航系统在GPS失效时精度会快速下降的问题,提出了GPS/SINS/Odometer(里程计)组合导航定位系统,采用联邦卡尔曼滤波对SINS进行误差估计并作反馈校正。当GPS无效时,就可以使用里程计辅助SINS。实验结果表明,在GPS失效的时间段内,该组合系统可以有效地抑制SINS的误差发散,并将其误差限制在较低的水平,保证了组合导航系统的精度与可靠性。     

SINS/GPS组合导航系统Kalman滤波仿真研究

为提高捷联惯导系统SINS和全球定位系统GPS的精度和可靠性,研究了SINS和GPS的原理,建立了SINS/GPS系统的状态方程和位置速度误差量测方程;并采用卡尔曼滤波算法实现了SINS/GPS的组合导航.Matlab仿真结果证明,采用Kalman滤波实现SINS/GPS组合导航,其精度得到大大提高;且采用SINS/GPS组合导航系统,克服了SINS惯性导航难以长时间独立工作的缺点,解决了GPS易失锁、难以实时控制的不足,保证了导航系统的实时性及较高的精度和可靠性.     

一种新的GPS/SINS组合测姿模型

针对多天线GPS/SINS组合测姿中存在的精度不够和难以实现的问题,研究了一种新的GPS/SINS组合测姿模型;利用GPS载波相位高精度相对定位技术,在传统“速度+位置”松组合的基础上,加入了基于基线向量误差的姿态量测方程,提出了一种精度较高并且较易实现的GPS/SINS组合测姿模型;基于某飞行仿真航迹对模型的测姿性能进行了数值仿真,并与传统测姿模型进行了对比分析;仿真结果表明,与传统模型相比,新的测姿模型可以显著提高导航系统测姿精度和滤波收敛速度,偏航角、俯仰角测量精度可达0.02°,滚动角测量精度可达0.1°,可为飞行器的高精度组合测姿提供一定的参考价值。     

高精度组合导航系统仿真

以车载捷联惯导系统SINS与全球定位系统GPS的组合导航系统为研究对象,为了解决常规卡尔曼滤波器在非线性时变系统中由于线性化误差导致滤波发散的问题,将UKF算法引入到SINS/GPS组合导航系统。UKF同时适用于线性系统和非线性系统,且不需要对噪声的统计特性精确已知。通过建立SINS/GPS组合模型,对其进行了MATLAB仿真。对比常规卡尔曼滤波器与UKF算法的滤波效果可知,UKF算法提高导航解的精度和收敛速度,同时系统的鲁棒性也得到了提高。     

扩展卡尔曼滤波在组合导航中的应用

松组合导航中,采用组合导航系统(SINS)误差作为状态量,用SINS解算的位置和速度与全球定位系统(GPS)测量的位置速度之差作为量测信息.为了提高组合导航的精度在松组合导航中应用扩展卡尔曼(EKF)滤波算法,通过仿真对载体轨迹的速度、姿态、位置进行跟踪.仿真结果表明:在仿真进入8 min之后系统进入稳态,能准确跟踪载体.因此,采用基于EKF的非线性滤波能有效跟踪载体的位置、速度和姿态.     

基于闭环H∞滤波的组合导航系统研究与仿真

运用组合导航技术,将SINS与GPS两者有机组合,能很好地克服各自的缺点,形成优势互补结构.H∞滤波通常应用于系统模型和噪声特性不确定的环境,存在滤波精度不高的缺点.通过对H∞滤波引入闭环修正,在不影响滤波鲁棒性的前提下,有效地提高了系统精度.同时引入协方差配置技术,能够增强导航系统的鲁棒性,从而构成比较理想的组合导航系统.对提出的SINS/GPS全组合系统进行了动态仿真,仿真结果表明,系统结构简单,状态估计精度较高,系统鲁棒性好.基于闭环H∞滤波的组合导航系统对实际工程应用具有重要的现实意义.     

变增益联邦KF组合导航定位算法研究

GPS接收模块解算出的伪距误差是GPS/INS组合导航系统的主要误差,采用一种二级联邦卡尔曼滤波组合导航算法加以削弱,将卫星接收模块解算出的伪距信息和多普勒频移信息在第一级卡尔曼滤波后,再通过主滤波器与INS模块解算出的信息进行修正处理,得到校正量和定位位置最优估计。随着滤波步数增加,系统预测误差方差阵逐渐趋于零,状态估计会过分依赖旧量测值,从而导致滤波发散,影响系统定位精度。为有效提高新量测值的修正作用,在联邦卡尔曼滤波组合导航算法中引入一种可变加权系数。仿真结果表明,改进后的变增益联邦卡尔曼滤波算法具备联邦卡尔曼滤波的优点,并且该算法滤波效果有较明显的改善,能有效抑制滤波发散,提高系统的定位精度。     

井下捷联惯导系统导航数据处理滤波分析

针对现有煤矿井下定位技术误差较大、准确性不足的问题,引入了捷联惯导系统对煤矿井下人员和设备进行精确定位导航。为进一步提高捷联惯导系统的定位精度,提出了采用扩展卡尔曼滤波和采样卡尔曼滤波对系统数据进行滤波的算法,分析了扩展卡尔曼滤波和采样卡尔曼滤波的滤波原理,并对算法公式以及滤波效果进行了仿真分析。仿真结果表明,在假设井下噪声为高斯白噪声的前提下,采样卡尔曼滤波抖动性较小,曲线更为平滑,即滤波后的数据更加接近于真实数据,能够更准确地反映出坐标信息,且误差基本控制在允许的范围之内,具有较好的滤波效果。     

随机逼近自适应滤波在捷联惯导系统初始对准中的应用

对于测量噪声方差未知的捷联惯导系统(SINS),采用常规Kalman滤波进行初始对准会造成较大状态估计误差,甚至使滤波器发散。为了解决系统测量噪声方差未知或不确切知道时SINS的误差估计问题,提出一种基于随机逼近的自适应滤波方法。该方法将Robbins-Monro算法与Kalman滤波相结合,通过简化求逆运算,解决了系统观测噪声特性未知情况下SINS的误差估计问题,并提高了算法的数值稳定性。仿真结果表明,该方法能在系统测量噪声方差未知情况下有效实现SINS初始对准。     

基于小二乘-卡尔曼滤波的wMPS系统跟踪定位算法研究

wMPS(workspace Measuring Position System)是一种新型的基于平面交会原理的网络式测量系统,在静态测量研究的基础上,研究了动态跟踪测量的问题。为了减小运动引入的测量误差,利用运动方程提高测量精度,采用了最小二乘法对接收器的位置进行静态估算,将其结果作为伪观测值,然后利用卡尔曼滤波做进一步处理,该方法避免了观测方程中的非线性误差,实现了接收器在运动过程中的高精度跟踪定位。通过试验对最小二乘法和最小二乘-卡尔曼滤波法进行了比较,结果表明最小二乘-卡尔曼滤波法的估值精度远高于最小二乘法。     

自主姿态测量算法研究

航姿系统一般不实时计算速度和位置信息,无法补偿地球自转和表观运动引起的分量误差,同时陀螺漂移较大,载体长时间持续机动时,出现姿态精度不高,甚至发散的问题。提出了一种基于卡尔曼滤波的姿态融合算法,将等效陀螺漂移列入系统状态,利用卡尔曼滤波的新息对运动状态进行判别,在一定条件下,用加速度计的输出作为量测量进行卡尔曼滤波的量测更新过程。实验结果表明,所提出的姿态融合算法考虑了陀螺漂移,能提高载体长时间机动时的姿态精度。     

基于不确定模型误差系统的变分贝叶斯STCKF

强跟踪容积卡尔曼滤波器在对含有模型误差和时变噪声的非线性系统进行滤波时, 容易出现性能降低甚至发散. 鉴于此, 提出一种基于变分贝叶斯的强跟踪容积卡尔曼滤波算法. 该算法运用虚拟噪声法补偿模型误差, 假设虚拟噪声均值非零, 且满足高斯分布, 虚拟噪声方差服从逆gamma分布, 在强跟踪容积卡尔曼滤波器估计状态的同时, 采用变分贝叶斯推理估计虚拟噪声参数. 仿真结果表明, 所提出算法对含模型误差与时变噪声的非线性系统具有较好的估计精度, 相比于自适应算法具有更强的鲁棒性.     

An Improved Dual Unscented Kalman Filter for State and Parameter Estimation

A dual unscented Kalman filter (DUKF) is used to estimate the state and the parameter simultaneously via two parallel unscented Kalman filters. The original DUKF usually has performance degradation as a result of assuming the control inputs of each filter are constant, which usually are disturbance inputs or systematic measurement errors in the control system. An improved dual unscented Kalman filter (IDUKF) with random control inputs and sequential dual estimation structure is derived and applicable to the system in which the parameter is linearly observed and uncorrelated with the state. The accuracy, observability, and computational efficiency of the new filter are discussed. Then, the expansibility of the IDUKF for nonlinear parameter observed substructures is investigated. Finally, two simulation experiments about space target tracking and typical time series filtering are shown. The theoretical analyses and simulation results demonstrate the following. (1) the IDUKF can obtain higher accuracy than the original DUKF and a comparative accuracy with the JUKF (joint unscented Kalman filter) when the state and the parameter are not strongly correlated; (2) the IDUKF has better applicability than the DUKF when the state is correlated with the unknown parameter; (3) when the modeling error is not ignorable, the IDUKF is more robust and more accurate than the JUKF due to lower sensitivity to the modeling error.     

Maximum likelihood estimation via the extended covariance and combined square-root filters

The method of maximum likelihood is a general method for parameter estimation and is often used in system identification. To implement it, it is necessary to maximize the likelihood function, which is usually done using the gradient approach. It involves the computation of the likelihood gradient with respect to unknown system parameters. For linear stochastic system models this leads to the implementation of the Kalman filter, which is known to be numerically unstable. The aim of this work is to present new efficient algorithms for likelihood gradient evaluation. They are more reliable in practice and improve robustness of computations against roundoff errors. All algorithms are derived in measurement and time updates form. The comparison with the conventional Kalman filter approach and results of numerical experiments are given.     

双目视觉下三维人体运动跟踪算法*

由于人体运动的复杂性,人体运动轨迹的快速改变和人体自遮挡现象经常发生,这给人体运动跟踪带来了很大的困难。针对此问题提出了一种基于三维Kalman滤波器和人体约束的人体运动跟踪算法。该算法首先利用外极线约束和灰度互相关法对二维标记点进行立体匹配,计算各个标记点的三维位置,从而构建得到三维标记点;然后利用三维Kalman滤波器对三维标记点进行跟踪;最后利用人体约束检验和修正跟踪结果。实验结果表明,该算法能有效地对复杂人体动作进行跟踪并能从跟踪错误中正确恢复。     

一种室内定位中NLOS误差抑制算法

在无线定位系统中,尤其是在室内定位中,非视距(NLOS)误差的存在使定位性能急剧下降。为克服非视距传播带来的定位误差,提出了一种针对NLOS环境下的基于卡尔曼滤波器(KF)的动态跟踪定位算法,将广泛应用于雷达系统和飞机导航系统的成熟的卡尔曼滤波器应用于室内定位中。实验结果表明,该方法可以满足室内环境下无线定位的需求,即使在恶劣的NLOS环境下也能够获得很高的定位精度,是一种可行的无线局域网定位技术。