基于GPS的卡尔曼滤波技术研究

由于定位误差的存在。在GPS动态导航定位中．为提高定位精度．必须对动态定位数据进行滤波处理。文中在比较分析各种动态模型的基础上。提出了应用卡尔曼滤波的GPS滤波模型．并通过对实测滤波算例仿真．证实了模型的可行性和有效性。     

基于线性最小方差和递归最小二乘的融合算法

针对目前水下目标定位的数据融合算法定位误差较大,精度缺乏良好性能的情况,提出一种应用于水下分布式探测考虑节点可信度的基于线性最小方差估计(LMSE)和递归最小二乘(RLS)的自适应融合算法。该算法采用两级自适应调整得到最优加权因子,首先利用线性最小方差估计(LMSE)算法得到权系数的初始值,然后利用训练节点和递归最小二乘(RLS)算法自适应地调整达到最优。对水下静态和运动目标定位进行的仿真表明,相比单传感器定位,提出的融合算法的定位精度有约1～2个数量级的提高。     

一种新的基于加权行列式的选星算法

导航定位精度与所选卫星数目多少有关,而卫星数目过多虽可改善定位精度,但带来巨大的运算量。通过研究行列式绝对值与几何精度因子的关系,给出改进选星算法,且将该算法应用于双星定位系统中,并对比分析两种不同组合卫星数目下定位精度,以及运算量大小。结果表明改进选星算法运算量小,定位精度高,且用最小二乘算法在5次迭代后定位误差非常小,表明改进选星算法的可行性。     

基于最小二乘法的牛顿迭代信源定位算法

文中结合多种信源定位技术中的定位精度问题，提出了一种基于最小二乘法的牛顿迭代定位算法．以水声定位为例．对该算法进行了计算机仿真．并与最小二乘法的仿真结果进行了比较，结果表明该方法对于提高信源定位精度是有效的。     

基于卫星导航 RNSS/RDSS 组合业务的三星定位算法

提出了一种基于卫星导航 RNSS ／RDSS 组合业务的三星定位算法,该算法是通过用户同时观测3个 RNSS 业务和1个 RDSS 业务伪距观测量,建立用户伪距观测方程组,再采用最小二乘法求解用户三维位置坐标和钟差,实现基于 RNSS ／RDSS 组合业务伪距观测量的三星快速定位;通过理论推导,分析了伪距观测误差对用户定位精度影响。通过数据仿真试验,验证了实际三星定位组合星座和伪距观测噪声条件下的用户定位精度。     

基于最佳线性无偏估计的双基地雷达走位方法

利用坐标转换后的伪测量值，根据最佳线性无偏估计原理，提出一种双基地雷达目标的定位方法并给出了算法定位误差的Cramer-Rao理论下限表达式，在不同噪声条件下对算法进行仿真计算，结果表明该方法可以显著提高双基地雷达目标的定位精度，其理论下限和仿真结果都明显优于最小二乘方法。     

行人GNSS/PDR组合导航优化估计方法

基于全球卫星导航系统(GNSS)和行人航位推算(PDR)的组合导航系统是行人导航广泛采用的方案之一。为进一步提高GNSS/PDR组合导航系统的定位精度，提出一种基于图优化的GNSS/PDR组合导航方法。通过构建因子图表示状态和量测信息之间的概率依存关系，过去的所有状态都作为未知量在每一步进行迭代估计，通过最小化整体代价函数获取状态的最优估计。实际场景测试结果表明：与卡尔曼滤波算法相比，新方法能够进一步降低定位的平均误差，提高定位精度；两组实际场景测试的平均水平定位误差都降低了40%以上。实验结果证明了图优化算法可以有效地提高定位精度。     

移动机器人的卡尔曼滤波定位算法改进与仿真

针对传统卡尔曼滤波算法和扩展卡尔曼滤波算法应用于移动机器人定位系统时出现的误差值较大和算法发散现象,在定位算法中引入修正因子对状态估计方程进行优化.分析传统卡尔曼滤波和扩展卡尔曼滤波的定位算法原理,研究运动过程中驱动力和摩擦力对移动机器人的影响,引入修正因子改进卡尔曼滤波算法,并对传统卡尔曼滤波算法、扩展卡尔曼滤波算法和改进算法做仿真对比和研究.仿真结果表明:修正因子对传统卡尔曼滤波算法和扩展卡尔曼滤波算法都具有改进效果,能提高定位精度.     

实时GPS定位中的自适应故障检测

给出了一种GPS卡尔曼滤波的自适应方案，该方案能根据GPS导航中变化的动态来估计协方差。当增强卡尔曼滤波器时，方案可得到更精确的定位修正。此外，也可将此估计方法用于完整监测，以增强故障检测的阈值选择，采用模拟数据验证了提出方法的正确性。     

SINS/GPS 组合导航卡尔曼滤波算法研究

针对单独使用某一种的导航设备都无法满足机载火控系统和飞行系统要求的问题,推导出 SINS/GPS 组合导航中的一种新的卡尔曼滤波算法.将有色噪声的白化处理引入到卡尔曼滤波器,设计了一套动态车载组合导航试验系统,给出了基于有色噪声白化的卡尔曼滤波器算法的具体步骤,以动态车载 SINS/GPS 组合导航系统试验的数据分析验证了此算法的正确性和合理性.分析结果表明:基于有色噪声白化的卡尔曼滤波器可以很好地解决有色噪声的影响,弥补了传统卡尔曼滤波器的不足,提高了导航结果的精确度.     

自适应联邦滤波算法在鱼雷多参量导航定位中的应用

针对鱼雷水下航行的特殊性以及组合导航系统中由于量测噪声统计特性的不确定而导致滤波精度降低的问题,提出了一种新的应用于鱼雷导航定位的自适应滤波算法。该算法通过新息自适应量测噪声,在噪声统计特性未知的情况下能进行滤波计算。同时在信息融合时提出一种新的自适应信息分配方法,该方法利用估计的均方误差阵来实时确定各子滤波器的信息分配系数,使信息分配系数能够跟随子滤波器的性能而改变。通过对新算法与标准卡尔曼滤波算法所做的对比仿真试验分析,结果表明,该自适应联邦滤波算法在鱼雷多参量自适应联邦滤波导航定位应用中的有效性。     

一种简化的发射系下SINS/GPS/CNS组合导航系统无迹卡尔曼滤波算法

在弹载等高动态环境下组合导航系统状态方程具有强非线性,且各状态相互耦合影响,传统的扩展卡尔曼滤波(EKF)算法因忽略高阶项相互影响,其模型线性化展开会导致模型不准确引起导航精度下降;无迹卡尔曼滤波（UKF）算法能有效避免引入线性化误差,却存在因组合导航系统维数过高引起大量粒子递推滤波计算复杂而影响算法实时性的问题。为此,针对发射惯性系下弹载组合导航系统对滤波算法高实时性和高精确性的要求,设计了一种简化UKF(SUKF)算法,SUKF算法通过对导航系统的状态参数直接进行建模估计,解决了传统UKF算法实时性差的问题,同时继承了传统UKF算法无需模型一阶线性化展开的优点,提高了导航系统的精度。算法仿真结果表明,SUKF算法有效提高了系统解算的实时性和滤波精度,非常适合用于实际工程系统。     

不完全量测下事件触发卡尔曼一致滤波及在光电探测网中的应用

针对分布式状态估计中卡尔曼一致滤波算法各节点间通信量过大的问题,在保证卡尔曼一致滤波算法估计精度及各节点估计值一致性前提下,为减少各节点间的通信量,提出一种事件触发机制协调各节点间的信息交互过程。推导了相应的卡尔曼一致滤波算法,并证明了其估计误差的有界性;仿真了所提算法在不完全量测下光电探测网中的应用。研究结果表明：与经典卡尔曼一致滤波算法相比,所提算法可在节约网络通信资源前提下,保证网络中各节点估计精度及估计值的一致性。     

基于速度约束与模糊自适应滤波的车载组合导航

针对车载组合导航系统中卫星信号易受遮挡而引起导航精度降低问题,提出采用车辆速度约束条件辅助的组合导航方案。利用车辆正常行驶过程中侧向和天向速度为零作为虚拟观测信息,推导得到卫星信号失效时组合导航滤波量测方程;考虑到Kalman滤波过程中量测噪声协方差矩阵难以获取,推导给出一种新的自适应Kalman滤波（ADKF）算法,该算法计算新息序列实际协方差与理论协方差比值后,利用模糊推理系统（FIS）自适应调节量测噪声协方差矩阵大小;通过光纤捷联惯性导航系统（SINS）进行了验证试验。结果表明：卫星信号失效时,虚拟速度组合能够提高SINS定位精度,其纬度最大误差由41.33 m减小为8.61 m,且采用FIS-ADKF组合导航算法时3个方向 位置精度相比标准Kalman滤波算法提高了60%以上,验证了所提出算法的有效性。     

基于七维状态向量反向无迹卡尔曼滤波的弹道外推算法

针对弹道模型误差、参数估计误差以及外推距离过长导致定位精度低的问题,建立了基于七维状 态向量的反向无迹卡尔曼滤波外推算法。为精确建立状态模型,该算法将弹道系数作为状态参量,纳入滤波过程。采用无迹卡尔曼滤波算法,以提高非线性估计精度。此外,由于正向滤波外推距离长,模型误差积累大,该算法采用反向滤波处理,将雷达测得的首点作为滤波终点,通过4阶龙格-库塔方程外推炮位。仿真结果表明,该算法定位精度相较原算法提高约50%.     

基于改进的粒子群优化扩展卡尔曼滤波算法的锂电池模型参数辨识与荷电状态估计

为解决锂电池荷电状态（SOC）难以精确估计的问题,提出了基于改进的粒子群优化扩展卡尔曼滤波（IPSO-EKF）算法预测电池SOC。为减小参数非线性特性影响,重新构建了EKF算法电池状态空间方程,以辨识出的电池模型参数为基础,获得SOC最优估计。采用IPSO算法优化EKF算法噪声方差矩阵,解决系统状态误差协方差矩阵和测量噪声协方差矩阵最优解获取难题,进一步提高SOC的估计精度。计算结果表明：IPSO-EKF算法能够精确地辨识电池模型参数和SOC值,并能够很好地修正状态变量初始误差。     

用于实时弹道滤波的Sage-Husa改进算法

为了解决实时弹道测量数据滤波过程中量测噪声统计特性未知且时变的实际问题,对Sage-Husa算法进行了多种改进,提出了改进的Sage-Husa自适应卡尔曼滤波(improved Sage-Husa adaptive Kalman filter,ISHAKF)算法。该算法将量测噪声协方差估计矩阵变换为半正定矩阵和正定矩阵之和的形式,保证了量测噪声协方差估计矩阵的正定性,消除了量测噪声协方差估计矩阵非正定导致滤波异常的缺陷。设计了一种自适应遗忘因子,提升了滤波收敛速度,解决了量测噪声统计特性突变时Sage-Husa算法收敛较慢的问题。对卡尔曼增益矩阵进行了抗差改进,增强了算法的鲁棒性,削弱了野值对滤波效果的影响。分别对正定性改进、遗忘因子改进和抗差改进进行了对比仿真实验,对比结果验证了Sage-Husa算法改进的正确性和有效性。通过ISHAKF算法的实例应用,证明了该算法在实时弹道滤波上,具有更高的实时性、自适应性和抗差性,滤波效果提升明显。     

弹箭滚转姿态地磁测角仪的卡尔曼滤波算法

为降低地磁测角仪测量地磁场矢量信息解算弹箭滚转姿态角误差,文中运用卡尔曼滤波算法对弹体滚转角进行估计.通过对火箭弹滚转角速度变化规律的分析,用二阶近似表达弹体滚转运动规律作为卡尔曼滤波算法的系统方程,以磁场强度与数字量输出之间的非线性关系作为卡尔曼滤波算法的量测模型.通过实验仿真分析结果表明,滤波所得弹体滚转角、滚转角速度精度满足弹道修正弹要求,可用于弹道修正弹药被动段的弹道控制.     

应用于对海雷达的目标方位精确定位方法研究

针对对海雷达面临的目标及复杂环境,以及目标位置的测量精度直接影响雷达对目标态势的判定和选择问题,将基于Kalman滤波的最优白噪声估计理论应用到某型号雷达中,并提出了一种实时计算测量误差的方法,从而有效提高了雷达对目标的测量精度.