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。     

INS／GPS导航中联邦卡尔曼滤波算法

根据INS（惯性导航系统）和GPS（全球定位系统）不同的特点，将两者组合起来，在阐述联邦卡尔曼滤波原理基础上。设计了INS／GPS组合导航系统的滤波算法。对该组合系统的联邦卡尔曼滤波算法进行了仿真，仿真结果表明：在INS／GPS组合导航系统中采用联邦卡尔曼滤波，不仅提高了定位精度。而且保证了滤波的快速性。     

基于UKF的北斗/INS组合导航

扩展卡尔曼滤波(EKF)是工程中常用的滤波算法,然而EKF是次优的贝叶斯估计,这会影响到估计的精度;用不敏卡尔曼滤波算法(UKF)取代EKF构建了北斗/INS组合导航系统,实验结果表明:UKF相对于EKF,各项参数的误差均有10%以上的减少量。     

基于联邦SR-UKF算法的GPS/INS导航数据融合算法

为提高导航系统数据融合的稳定性和容错性,将一种基于方根分解形式的Unscented卡尔曼滤波(SR-UKF)算法和分散式滤波技术相结合,建立了新的联邦滤波器SR-UKF算法并应用于GPS/INS组合导航系统中.数值仿真实验表明, 联邦SR-UKF 比联邦UKF 有更好的滤波精度、更高的稳定性和容错性, 是一种理想的非线性GPS/INS组合导航滤波方法.     

基于中心差分扩展卡尔曼滤波的电源频率估计

针对扩展卡尔曼滤波算法(EKF)和无迹卡尔曼滤波算法(UKF)在处理飞机供电系统的交流电压频率估计方面所表现出的估计精度和实时性问题,提出了一种采用中心差分计算EKF中非线性函数一阶导数的基于中心差分扩展卡尔曼滤波(CDEKF)算法.理论分析和仿真表明:CDEKF虽然计算时间比EKF稍有增加,但比UKF的计算时间少,而计算精度比EKF有显著提高,与UKF的计算精度相当.     

自适应衰减记忆UKF算法在三维水下目标跟踪中的应用

针对传统算法在解决纯方位目标跟踪时存在有偏、收敛速度慢或发散等不足,无迹卡尔曼滤波（UKF）虽然改善了系统线性化误差,但并没有明显解决卡尔曼滤波器容易发散的问题。在扩展卡尔曼滤波和UKF算法的基础上,提出了一种自适应衰减记忆UKF算（AFMUKF）,并将其应用于三维水下目标跟踪系统中。AFMUKF算法通过引进衰减因子加强对当前测量数据的利用,减小历史数据对滤波的影响,通过自适应因子控制状态模型扰动对滤波解的影响。理论分析和仿真结果表明,AFMUKF算法在纯方位目标跟踪中的滤波精度、稳定性和收敛时间都优于UKF算法。     

一种新型的改进UKF在MIMU/GPS组合导航系统中的应用

对于MIMU/GPS组合导航系统,采用传统UKF进行滤波时,其Sigma点集的MSE会随系统维数的增大而不断增大,导致估计精度越来越差,尤其是姿态误差角的估计会出现较大偏差.针对这一问题,提出了一种基于超立方体代表点的改进UKF算法并将其应用于低成本MIMU/GPS组合导航系统.仿真结果表明,改进的UKF算法对于高维强非线性组合导航系统的估计精度优于传统UKF,更适用于大角度姿态误差的准确估计.     

联邦卡尔曼滤波在INS＼GPS组合导航中的应用

介绍了INS＼GPS组合导航系统的优点;根据联邦卡尔曼滤波原理,设计了INS＼GPS组合导航系统的滤波算法;对该组合系统的联邦卡尔曼滤波算法进行了仿真;仿真结果表明,在INS＼GPS组合导航系统中采用联邦卡尔曼滤波,不仅提高了定位精度,而且保证了滤波的快速性.     

基于无味卡尔曼滤波的空对海BTO-TMA问题的研究

探讨了TMA（目标运动分析）中基本的非线性估计问题，介绍了基于无味变换（Unscented Transformation—UT）的无味卡尔曼滤波（Unscemed Kalman Filtering—UKF）算法的设计思想与具体实现，特别针对空对海单站只测方位与到达时间TMA（BTO—TMA）问题应用UKF和EKF（扩展卡尔曼滤波）进行了对照研究，建立了问题的离散非线性滤波估计模型，设计了典型的应用场景，给出了初值有偏和无偏两种情形下的Monte Carlo仿真运行结果；表明UKF在该应用背景下是切实可行的，具有更高的估计精度和更强的收敛特性。     

目标跟踪中两种非线性滤波算法的对比研究

在处理目标跟踪等动态系统实时估计问题中,通常采用EKF作为状态估计方法提高估计精度.由于EKF进行非线性估计存在一些缺陷,将系统进行线性化近似存在估计误差,从而影响目标跟踪的精度.为了获得更高的估计精度,介绍了两种新的非线性滤波算法,即unscented卡尔曼滤波算法和粒子滤波算法.分析了UKF和PF算法的原理和算法实现,对两种算法的适应性进行了比较.通过目标跟踪仿真实验,表明粒子滤波算法估计精度比UKF算法高,但是计算量却相对较大.     

强跟踪UKF 在高动态组合导航中的应用

为解决载体在高动态下大幅度运动出现的滤波发散问题,提出强跟踪无迹卡尔曼滤波(strong tracking uncented Kalman filter,STUKF)算法。分析组合导航模型和研究经典的无迹卡尔曼滤波(uncented Kalman filter,UKF) 算法,将强跟踪UKF 算法应用于SINS/GNSS 组合导航系统,并与经典UKF 算法和衰减记忆UKF 算法进行比较。 分析结果表明：该强跟踪UKF 算法性能较好,能明显缩短滤波时间,减小速度误差和位置误差,从而提高组合导航 的准确性和稳定性。     

一种基于改进无迹卡尔曼滤波的自主水下航行器组合导航方法研究

针对自主水下航行器(AUV)导航系统对稳定性、精确性和实时性的需求,提出了一种基于改进无迹卡尔曼滤波(UKF)算法的捷联惯性导航系统/多普勒测速仪(SINS/DVL)组合导航新方法.通过分析中低精度组合导航系统的特点和误差模型,在系统的噪声模型为复杂加性噪声时,利用球面分布单形采样变换设计了一种简化UKF组合导航算法....     

一种水下航行器组合导航系统研究

设计了一种采用陀螺罗经和多普勒速度仪组合加GPS间歇校正的水下航行器组合导航系统，建立了该组合导航系统的无迹卡尔曼滤波模型，并利用MATLAB软件对其进行了数学仿真验证。从仿真结果看出，陀螺罗经的误差值与陀螺罗经误差滤波估计值基本吻合，这表明，GPS间歇校正的引入可以实现航行器位置高精度校准和陀螺罗经随机常值误差的准确估计，该组合导航系统能够满足一般水下航行器的导航定位的需要。     

基于MIMU/GPS组合导航定位系统的一种新型卡尔曼滤波算法的研究

文中提出了基于MIMU/GPS组合导航定位系统的一种新型卡尔曼滤波算法。系统以MEMSIMU为传感器核心,采用位置和速度组合,运用该算法对系统模型误差和量测噪声协方差误差具有良好的自适应性。     

基于SUKF算法的组合导航方法

合成孔径声纳（SAS）运动补偿是其信号处理的重要环节,运动补偿需要水下导航数据,文中研究了基于捷联惯导（SINS）和多普勒声速剖面仪（ADCP）等设备的水下导航方法。针对大姿态误差角情况下的导航,论文建立了基于四元数的SINS／ADCP的非线性误差模型,并采用比例无迹卡尔曼滤波（SUKF）滤波算法进行了仿真。仿真结果表明,在SAS复杂运动情况下,采用非线性误差模型的SUKF方法优于传统线性误差模型的卡尔曼滤波方法,在一定程度上提高了SAS的导航精度。     

UKF滤波在INS/无源北斗组合导航系统中的应用

为解决无源北斗量测方程的非线性问题,提出将Unscented卡尔曼滤波(UKF)用于惯性导航系统(INS)/无源北斗组合导航系统,避免了利用传统的泰勒展开式逼近法对量测方程进行线性化处理所带来的截断误差.仿真结果表明,UKF方法有效地解决了卡尔曼滤波中系统量测方程的非线性问题,并使INS/无源北斗组合导航系统的导航精度得到大幅提高.