共查询到16条相似文献,搜索用时 140 毫秒
1.
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。 相似文献
2.
INS/GPS导航中联邦卡尔曼滤波算法 总被引:4,自引:0,他引:4
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。 相似文献
3.
4.
5.
6.
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。 相似文献
7.
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. 相似文献
8.
9.
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。 相似文献
10.
11.
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。 相似文献
12.
13.
14.
15.
基于SUKF算法的组合导航方法 总被引:1,自引:0,他引:1
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。 相似文献