控制Kalman滤波器发散的方法研究

针对 Kalman 滤波发散这一工程现象,分析了造成 Kalman 滤波发散的原因和控制 Kalman 滤波发散的机理;重点研究了 SK 强跟踪滤波方法和 Sage-Husa 自适应滤波算法,提出了 SK 强跟踪滤波不发散的自适应遗忘因子的新算法;分析了强跟踪条件下量测噪声阵遗忘因子权重变化的物理意义;推导并指出了 Sage-Husa 自适应滤波算法的局限性。仿真结果证明了所述方法的有效性。     

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。     

Sage-Husa自适应卡尔曼滤波算法在SINS初始对准中的应用研究

Sage-Husa自适应卡尔曼滤波算法是解决系统模型发生变化的捷联惯导系统初始对准的一种有效工具,但对未知的系统噪声方差阵和观测噪声方差阵进行同时估计将会造成滤波发散.本文将在选择最佳遗忘因子的基础上,选取仅对观测噪声方差阵和均值进行估计的改造Sage-Husa自适应卡尔曼滤波算法进行捷联惯导系统的初始对准.计算机仿真试验结果表明:该方法在收敛速度和精度上都有很大改进.     

自适应滤波技术在光纤陀螺中的应用

将带有遗忘因子的自适应滤波技术应用于光纤陀螺的输出数据的滤波中,提高了滤波器对环境的适应能力,增强了滤波器的鲁棒性,克服了由于噪声变化引起的滤波发散现象.仿真结果证明自适应滤波技术较卡尔曼滤波能更为有效地减小陀螺的随机误差.     

采用渐消卡尔曼滤波器防止捷联惯导系统滤波发散研究

为了有效防止捷联惯导系统滤波发散，从卡尔曼滤波原理出发并对滤波发散的原因进行了研究，介绍了渐消卡尔曼滤波原理、遗忘因子等内容，通过对渐消因子的推导及计算机仿真，给出了常规卡尔曼滤波器和渐消卡尔曼滤波器对系统进行滤波的结果比较．该结果表明，采用渐消卡尔曼滤波器工程实践上确实可以解决的捷联惯导系统滤波发散的问题．     

基于自适应滤波技术的被动协同跟踪算法

为增强被动协同跟踪系统对复杂环境的适应性，提高跟踪精度和系统鲁棒性，提出了一种基于自适应滤波技术的目标跟踪算法。该算法通过基于Sage-Husa自适应噪声估计的无迹卡尔曼滤波对多站被动协同定位结果进行状态估计，并利用残差量的局部动态统计对噪声估计器进行改进，以提高噪声估计的准确性和稳定性。同时，引入协方差自相关量匹配判据来保证噪声方差阵的正定性，防止滤波发散。仿真结果表明，该方法可有效提高噪声估计精度，增强目标跟踪系统对环境的适应性，大幅提升跟踪性能。     

捷联惯导系统传递对准容错滤波方法研究

研究当基准信息出现短时异常情况下的捷联惯导系统动基座传递对准问题。用于传递对准的基准信息,容易受到测量噪声、电磁干扰、通讯误码等因素的影响,而出现短时异常的情况,这对于滤波器来说是致命的。特别是在滤波快结束时出现的异常情况。由于常规卡尔曼滤波器对异常基准信息不具鲁棒性,滤波将产生较大波动甚至发散,提出利用自适应卡尔曼滤波和抗野值卡尔曼滤波消除异常基准信息对滤波器的影响,并对比分析了两种滤波方法的优缺点,分析表明,抗野值卡尔曼滤波对异常基准信息具有更好的鲁棒性,计算量比自适应卡尔曼滤波要小,而且更加稳定,更适合实际工程应用。最后通过试验验证表明,上述分析和结论是正确和有效的。     

直升机用SINS/GPS组合导航自适应滤波研究

由于直升机的工作环境复杂,采用常规卡尔曼滤波进行组合导航容易发散。为了提高系统应对突变的能力,提出了一种基于Sage-Husa滤波器和强跟踪滤波器的交互式多模型(IMM)自适应滤波(AF)算法。具体实现是通过判断滤波器的每一维收敛判据,进而选择相应的自适应算法。仿真结果证明了改进算法的有效性和优越性,导航精度得到了显著提升。     

改进的自适应卡尔曼滤波在SINS 初始对准中的应用

为提高 Sage-Husa 自适应滤波的稳定性,提出一种基于 UD 分解的改进自适应滤波算法。对在线估计的量测噪声协方差阵和状态估计误差方差阵采取UD分解的形式进行标示和更新,结合捷联惯导静基座初始对准模型,对改进自适应算法进行仿真测试。仿真结果表明：在先验量测噪声和状态估计协方差矩阵存在误差的情况下,新算法能够提高对准精度。     

基于遗传算法的自适应机动多目标跟踪算法

根据卡尔曼滤波器池思想。设计一组有不同初始滤波参数组成的具有并行关系的卡尔曼滤波器。通过浮点编码的遗传算法离线对这些滤波参数寻优,找到最佳滤波参数。仿真结果说明机动多目标跟踪的遗传算法具有较强的全局最优搜索能力,自适应好且跟踪精确度较高,这证实了此新方法在自适应机动多目标跟踪下的可应用性。