基于CKF的GPS定位误差估计及故障检测

针对卡尔曼滤波(KF,Kalman filter)算法无法解决非线性系统估计的问题和扩展卡尔曼滤波(EKF,extended Kalman filter)算法在GPS卫星导航定位误差估计中存在的线性化误差大、需求解繁琐的Jacobian矩阵等问题,将较新型的卡尔曼滤波算法——容积卡尔曼滤波(CKF,cubature Kalman filter)应用于GPS定位计算,在算法精度上与KF和EKF算法进行了比较,并利用定位误差进行GPS故障卫星的检测.利用实测导航电文数据进行实验,结果表明:CKF用于导航定位估计不仅精度高,而且实现简单,无可调参数,性能明显优于KF和EKF,并可进一步用于故障检测.     

Kalman滤波在井下人员跟踪定位中的应用

针对基于RSSI定位算法在定位过程中不具备连续性问题,提出了一种基于Kalman滤波的连续性井下人员定位方法。采用Kalman滤波对基于RSSI定位算法估算出的井下人员位置坐标进行滤波处理,在此坐标的基础上,建立Kalman滤波模型,利用Kalman滤波实现对井下人员的实时跟踪。实验结果表明,基于Kalman滤波的定位方法对井下人员的跟踪效果较好,提高了系统的实时性和跟踪精度。     

自适应交互集合Kalman滤波的动态精密单点定位

为了进一步提高动态精密单点定位的解算精度,采用交互多模型思想构建动态精密单点定位解算模型.采用集合Kalman滤波算法降低GPS数据中因非高斯噪声正态化处理造成的精度损失;利用状态预测向量残差信息,采用自回归模型(AR)修正当前历元的预报值,提高动力学模型的可靠性;根据单位权中误差自适应选取最终滤波解.对某载GPS数据进行验证,计算结果表明,自适应交互集合Kalman滤波是一种性能可靠、精度高的滤波算法.     

卡尔曼滤波在无人水面艇双天线GPS定位测向系统中的应用

针对无人水面艇双天线GPS定位测向系统的定位误差问题,利用卡尔曼滤波算法对GPS数据进行滤波处理;根据位置与速度及航向的关系,建立数学模型,然后利用卡尔曼滤波算法对定位测向系统的测量值进行滤波处理;首先,对无人水面艇在静止、低速及高速运动状态的GPS数据进行了处理;仿真结果表明,在这三种情况下卡尔曼滤波方法能够提高GPS定位精度,在定点实验中观测值的均方误差为0.5259,滤波后变为0.0536;最后,在干扰情况下的无人艇运动仿真实验中,经过卡尔曼滤波后测量数据的均方误差由0.5043降低为0.3553;实验说明卡尔曼滤波能获得很好的滤波效果。     

基于扩展Kalman滤波的室内WiFi-PDR融合定位算法

为解决室内WiFi定位精度较低及行人航位推算(PDR)定位存在累积误差的问题,提出一种基于扩展Kalman滤波(EKF)的WiFi-PDR融合定位算法。WiFi通过改进的WKNN算法实现匹配定位,根据定位点与K近邻点的接收信号强度指示相对偏差进行权值修正,PDR定位采用多重约束条件的步态检测和在线步长估计方法。在此基础上,将EKF作为WiFi和PDR定位的融合滤波器,以降低WiFi定位回跳和PDR累计误差,从而提高定位精度。实验结果表明,在多次行迹转弯条件下,该融合定位算法的定位精度可达1.8 m。     

基于LEA-5H GPS模块的导航定位算法研究

为提高无人直升机的控制性能,依托卫星导航定位技术,设计了一个基GPS模块的无人直升机导航系统.利用最优化自回归数据处理算法思想,提出了一个GPS数据扩展kalman滤波算法,该算法从与被提取信号有关的观测量中估计出所需信号,有效地去除噪声,提高了数据的可靠性和精度.实验数据表明.经过扩展Kalman滤波算法处理后的数据更加适用于无人机精确导航,此外,该导航系统还可以应用于其他领域,如位置测量、导航和运动控制等.     

基于UKF的红外目标空间定位方法

针对单站系统利用一次观测对目标进行定位,瞬时定位误差较大,提出了基于UKF的红外目标空间定位方法。基于针孔成像模型,借鉴主动视觉思想,通过控制红外热像仪运动拍摄目标图像,获取目标位置,并用GPS接收机测得拍摄点世界坐标。根据透视投影变换方程,借助站心地平坐标系和WGS-84坐标系建立红外目标空间定位的非线性系统模型,在此基础上引入UKF（Unscented Kalman Filtering）滤波算法进行空间定位。实验结果证明了该方法的可行性和有效性。     

自主移动机器人定位系统中Kalman滤波算法改进*

为了解决常规Kalman滤波算法在移动机器人定位过程中运算量大、精度不高的问题,在分析传统Kalman滤波器缺点的基础上,提出了一种基于UT参数变换的方法对常规Kalman滤波算法进行了改进。改进后的Kalman滤波算法消减了传统Kalman滤波器高阶项无法忽略而带来的误差。实验结果表明,改进型的Kalman滤波算法使机器人的最大位置偏差得到减小,对移动机器人的定位精度有明显改善,误差仿真曲线表明,改进后的定位结果误差波动不明显,使定位系统的稳定性得到了较大提高。     

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.     

基于Kalman滤波的地图匹配方法

地图匹配方法利用电子地图的地理数据对GPS定位数据进行校正,可有效提高定位数据的精度。本文首先采用最近点估计方法计算道路垂直方向的GPS误差,对该误差采用Kalman滤波方法获得GPS偏差估计,以此偏差估计修正GPS测量值并进行地图匹配。实验表明利用该方法可将定位数据准确地匹配到道路上,使匹配后的定位精度得到提高。     

一种基于路况的渐消记忆陀螺误差补偿方法

针对GPS/DR组合导航系统在汽车直行和转弯时速率陀螺误差特性不同的情况,提出了一种基于路况的渐消记忆陀螺误差补偿方法。这种方法在GPS信号正常时根据路况不同实时计算陀螺刻度因子误差;当GPS丢星时,用GPS正常时计算的刻度因子误差补偿速率陀螺。在实际工程应用中,用此方法补偿低成本GPS/DR组合导航系统的陀螺误差后再进行EKF容错滤波,在GPS丢星后一段时间内,仍能保持较好的导航精度。     

基于UKF的UWB和GPS融合定位算法

智能汽车的发展对高精度定位需求日益显现. 针对汽车在城市建筑群、立交桥等特定环境下, 可见GPS卫星数量下降、车载GPS和惯性测量单元(inertial measurement unit, IMU)组合定位系统中IMU产生积累误差导致不能精确定位问题, 本文提出一种基于无迹卡尔曼滤波(unscented Kalman ...     

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。     

磁通门与GPS组合导航在水下航行器的应用

为了实现水下航行器的精确导航,利用磁通门罗盘和GPS组成了组合导航定位系统,介绍了组合导航定位系统的工作原理.为了克服环境干扰对GPS信号接收的影响以及GPS的定位偏差对导航系统的影响,采用了卡尔曼滤波技术进行了航位推算并对GPS的定位偏差进行了校正,最终的仿真结果表明该组合导航定位系统的定位精度较GPS的定位精度有了较大的提高,能够满足水下航行器导航定位的要求.     

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。     

基于cubature Kalman filter的INS/GPS组合导航滤波算法

INS/GPS组合导航系统的本质是非线性的,为改善非线性下INS/GPS组合导航精度,提出将一种新的非线性滤波cubature Kalman filter（CKF）应用于INS/GPS组合导航中.为此,建立了基于平台失准角的非线性状态模型和以速度误差及位置误差描述的观测模型,分析了CKF滤波原理,设计了INS/GPS组合滤波器,对组合导航非线性模型进行了仿真.仿真结果显示,相对于扩展卡尔曼滤波（EKF）,CKF降低了姿态、位置和速度估计误差,CKF更适合于处理组合导航的状态估计问题.     

GPS动态定位中卡尔曼滤波模型的建立及其强跟踪算法研究

提出一种改进的强跟踪卡尔曼滤波算法,应用于GPS动态定位滤波中获得明显效果。首先建立了一种新的GPS动态定位滤波模型,该模型与以往采用的非线性卡尔曼滤波模型相比,具有模型简单、实时性好的特点。为了进一步提高滤波器的动态性能,改进了文献[1]中的强跟踪滤波算法,大大提高了滤波器的跟踪能力。     

一种改进的联合滤波方法在车载SINS/GPS中的应用

提出了一种改进的联合滤波方法，即通过滤波器的方差值和故障检测函数，调节局部滤波器的信息分配，来改善总的滤波效果；通过设计牟载SINS／GPS组合导航系统最优综合的联合卡尔曼滤波器，给出其滤波算法，对其进行理论分析及计算机仿真，结果表明，应用该改进的联合滤波方法可大大提高车载SINS／GPS组合导航系统的定位精度及容错能力。     

一种新型的GPS/DR组合定位系统数据融合算法

全球卫星定位系统定位和测速精度高,具有全天候、全球性且基本不受地域、时间限制,但常因为某种原因出现GPS卫星信号丢失情况,航迹推算算法正好能弥补这个问题,将两者结合可以很好地解决定位问题.传统的数据融合算法-卡尔曼滤波算法,在参数选择上要求较高,选择不当即导致较大误差,影响算法效果.建立了GPS/DR组合定位系统的模型,提出了一种新型实用的自适应扩展卡尔曼滤波算法和DR单独定位算法结合的定位算法.通过实际跑车实验,结果表明,较之传统的卡尔曼滤波定位算法,该算法实用性好,而且能很好的满足系统的定位精度及可靠性等方面的要求.     

结合数字地图的GPS／DR车载双星定位系统

目前GPS的定位技术已经比较成熟,然而GPS正常工作时需要四颗可见卫星。本文提出了一种基于高精密数字地图的GPS双星定位系统,结合航位推算系统进行组合导航,并运用卡尔曼滤波对组合导航的信息进行滤波处理,有效提高定位的精度。试验证明,该算法增强车载导航系统在城市中复杂环境的适应性,并提供满足要求的定位精度。