基于GPS／INS紧耦合的神经网络辅助滤波算法

以GPS／INS紧耦合组合导航系统为研究对象,设计了一种GPS／INS自适应滤波算法。针对扩展Kalman滤波存在的对模型较大的系统误差估计性能较差和系统估计精度不高等问题,采用RBF神经网络辅助EKF导航滤波器,实现自适应的导航参数解算。仿真结果表明,采用了辅助滤波器的算法比扩展Kalman滤波算法所获得的导航精度和...     

自适应Kalman滤波在光纤陀螺SINS/GNSS紧组合导航中的应用

为了提高光纤陀螺捷联惯性导航系统（SINS）和全球卫星导航系统（GNSS）的组合导航精度和系统稳定性,设计了基于伪距、伪距率的紧组合导航系统模型。针对光纤陀螺的白噪声特点,以及误差不稳定性导致无法精确建模,将残差引入误差方差阵的估计中,提出了一种改进的自适应卡尔曼滤波方法。采用改进的自适应卡尔曼滤波方法滤波得到导航参数的最优估计,然后对系统进行反馈补偿校正,抑制了滤波发散问题,提高了系统的稳定性。稳态测试试验结果表明:设计的光纤陀螺SINS/GNSS 紧组合导航系统具有较好的鲁棒性;在三颗卫星的条件下,系统能够在短期内保持较高的导航精度,验证紧组合导航的优越性。     

CDKF在GPS/SINS组合导航系统非线性模型中的应用

GPS/SINS组合导航系统模型的非线性会导致扩展卡尔曼滤波（EKF）的估计精度降低。而中心差分卡尔曼滤波（CDKF）的新型非线性滤波方法,则利用插值公式对非线性系统的状态估计进行逼近,从而减小线性化误差对系统精度的影响。针对GPS/SINS导航系统的特点,建立了一种非线性误差模型,并将EKF与CDKF分别应用于组合导航系统模型中进行仿真比较。仿真结果表明,该算法简单易实现,且能满足系统在非线性模型下的导航要求,并具有较高的精度和收敛性。     

基于T-S模糊模型的非线性系统状态估计

现实世界中的动力系统大多是非线性的,而非线性系统的状态估计方法目前主要有扩展卡尔曼滤波,无味滤波,粒子滤波等,但它们对于非线性程度很高的系统滤波结果不是很理想。若用模糊规则模型去逼近非线性系统,基于规则理论去寻求状态的估计,则估计性能能够得到较大的改善。将模糊推理理论与Kalman滤波结合,用线性的方法逼近非线性模型,提出一种对非线性系统目标状态估计的新方法,给出了具体的处理过程,仿真实验支持理论结果     

一种AUV自主导航系统的设计

实现自主导航是AUV发展与应用需要解决的关键技术之一,针对这个问题设计了一种基于同步定位与地图创建的自主式水下导航系统,使用扩展卡尔曼滤波作为滤波框架,对系统状态模型、系统观测模型、数据关联、状态估计过程以及新特征加入等问题进行了讨论。该系统相比惯性导航系统精度显著提高,同时能够获得精确可靠的环境地图,为实现AUV自主导航提供了一种有效途径。     

基于M-估计的抗欺骗卡尔曼滤波算法

随着全球卫星导航系统的日益普及和各种电子技术的发展,欺骗干扰逐步成为卫星导航系统的一个重大威胁。针对卫星导航接收终端中的欺骗干扰抑制能力差的问题,提出了一种基于M-估计的抗欺骗扩展卡尔曼滤波算法,解决了小型导航接收终端在欺骗干扰环境下的导航定位问题。在传统卡尔曼滤波算法的基础上,结合稳健统计中的M-估计来调整扩展卡尔曼滤波的状态更新过程,消除了突发欺骗干扰对导航定位的影响,提升了接收机定位解算过程中的欺骗干扰抑制性能。仿真结果表明,算法能够较好地抑制欺骗干扰对导航定位精度的影响。     

模糊自适应滤波在捷联惯导初始对准中的应用

传统卡尔曼滤波应用于捷联惯导初始对准中由于模型参数、噪声的统计特性不确定,影响估计效果.而模糊自适应卡尔曼滤波能按照模糊推理原理逐步校正系统的观测噪声协方差阵,具体实现是通过观察残差的理论值是否接近于其实际值,系统调整观测噪声协方差的加权以达到修正观测噪声协方差阵的目的,进而提高系统的对准效率.在噪声统计特性未知时,比较了常规卡尔曼滤波与模糊自适应卡尔曼滤波在初始对准中的应用效果.仿真结果表明,这种算法能有效提高系统的滤波效果,是一种较理想的初始对准滤波方法.     

基于自适应EKF的相对导航算法研究

针对测距测角相对导航中测量噪声不可精确获知往往导致相对定位精度下降的问题,本文研究了基于自适应扩展卡尔曼滤波(EKF)的相对导航算法。利用泰勒级数展开对测量矩阵进行线性化处理,并利用自适应时变噪声估计方法对测量噪声方差阵进行动态估计,状态噪声方差阵通过惯导特性的先验值获得。仿真结果表明,基于自适应EKF的相对导航算法可获得高精度且连续平滑的相对定位信息,尤其在测量噪声发生变化时更是表现出良好的导航参数估计性能。     

机载航电系统中多源信息模糊自适应融合技术

为了保障导航的精度与可靠性,目前常采用多源信息融合导航。针对ADS/IRS/GPS组合导航系统,采用基于自适应信息分配的联邦滤波结构处理信息融合问题,并把模糊推理技术融入到ADS/IRS卡尔曼滤波器中,对IRS/GPS子滤波器采用紧组合模式,上述结构算法能对多源导航信息进行最优融合与处理。建立了ADS/IRS模糊自适应卡尔曼滤波模型以及IRS/GPS紧组合滤波模型,设计了自适应信息分配的联邦滤波算法,并进行了仿真,仿真结果验证了设计算法的有效性。     

UKF滤波在农业车载北斗导航系统中的应用

我国自主研制的北斗卫星导航系统已开始应用于农业机械自动导航。针对广泛研究的无源北斗定位系统,由于定位接收机本身误差、环境噪声以及人为干扰等因素的影响,而导致相应的量测序列出现某些粗大的错误数据,使得导航定位不精确。用无迹卡尔曼滤波算法UKF(Unscented Kalman Filter)实现农业车载导航系统的非线性状态估计,避免了EKF方法的线性化近似过程及其引入的线性化截断误差,提高了算法的收敛速度和载体的定位精度。文中针对基于BD导航定位的喷雾机,对车载BD系统进行当前统计建模,用EKF和UKF方法分别进行了滤波仿真。仿真结果表明:在车载导航状态估计中,UKF滤波方法优于EKF滤波方法,定位精度可以达到1米左右。     

MIMU／GPS组合导航模糊自适应卡尔曼滤波研究

针对组合导航初始对准中存在模型误差时常规卡尔曼滤波容易发散的问题,提出了一种模糊自适应卡尔曼滤波算法。该算法采用模糊控制规则,根据新息的方差和均值变化自适应调整量测噪声权值矩阵。此算法运用于MIMU/GPS组合导航初始对准中,获得了较高的导航精度。仿真结果表明,该算法能够有效防止滤波发散,减少模型误差对滤波结果的影响,提高了滤波精度,实现了参数的在线调整。     

基于MFFAKF的微惯导磁匹配粗对准方法

针对微机电系统(MEMS)陀螺仪精度低,无法完成惯导系统方位对准的问题,该文提出一种采用加速度计与磁强计输出完成MEMS惯导系统粗对准法。同时针对遗忘卡尔曼滤波法的缺点,提出将一种多遗忘因子自适应卡尔曼滤波法(MFFAKF)引入系统的对准方案中。该方法通过基于指数渐消记忆的方式计算量测噪声方差阵,并采用多遗忘因子调节不同的滤波通道。实验结果表明,采用MFFAKF得到的粗对准航向角精度满足MEMS惯导系统粗对准要求。     

Sage_Husa自适应滤波在大方位失准角初始对准的研究

由于光纤惯导系统导航精度不高,方位角常为大角度,因此系统初始对准的滤波方程为非线性的,为改善非线性模型下初始对准的精度,提出了一种改进Sage_Husa自适应卡尔曼滤波方法并应用于光纤惯导系统初始对准中。建立了大方位失准角初始对准的非线性误差模型,给出了Sage_Husa自适应卡尔曼滤波方程,对Sage_Husa自适应卡尔曼滤波不适合用在非线性滤波的缺陷进行了改进,建立系统噪声统计的估值器,对非线性误差方程进行了改进Sage_Husa自适应卡尔曼滤波仿真。仿真结果表明:改进Sage_Husa自适应卡尔曼滤波能够很好地处理初始对准中的非线性问题,提高初始对准精度,方位失准角误差估计精度较EKF提高27%。     

健康管理对老年冠心病危险因素治疗及控制率影响

捷联惯导系统(SINS)静基座初始对准中,过高的陀螺噪声不但导致系统状态方程非线性,也会使对失准角的估计不能收敛到真值.因此,提出了一种磁强计辅助对准方法,对系统观测方程的分析证明了该方法不仅可提高滤波精度,同时还可对磁场强度和磁倾角进行估计.非线性滤波采用平方根无迹卡尔曼滤波(SRUKF),SRUKF与无迹卡尔曼滤波(UKF)滤波精度相当,优于扩展卡尔曼滤波(EKF).相比UKF,SRUKF具有更高的计算效率和稳定性.仿真结果表明,该算法在陀螺噪声较高的情况下仍能满足SINS初始对准要求.     

低成本MIMU/编码器组合的高精度航姿系统

高精度惯性传感器的昂贵价格在一定程度上限制了惯性导航系统的进一步推广应用,根据某型雷达车的需要,该文提出了一种低成本微型惯性测量单元(MIMU)/编码器组合的高精度航姿系统的结构与方案,并给出了初始对准和组合导航系统的数学模型,初始航向对准通过接收挠性陀螺寻北仪的寻北结果来完成,考虑到雷达车的工作方式,扣除杆臂效应后,2个速度误差观测量和3个位置误差观测量都为0,采用卡尔曼(Kalman)滤波将捷联惯导解算和航向编码器数据进行信息融合,得到对载体导航参数的最优估计。设计了工程样机,并进行了实验室测试与用户工程使用测试,结果表明,静态下产品的俯仰≤0.015°,滚动≤0.015°;动态下产品的俯仰≤0.025°(1σ),滚动≤0.025°(1σ)。     

新型自适应Kalman滤波算法及其应用

为防止滤波发散和提高系统的实时性,提出了一种新的自适应Kalman滤波算法.该算法利用滤波异常判据获得一个滤波状态因子,通过滤波状态因子确定量测噪声协方差阵的值,在线调整噪声的统计特性实现自适应滤波.将该算法应用到惯导/双星组合导航系统中,并和常规Kalman滤波和简化的Sage-Husa自适应滤波算法进行仿真比较.仿真结果表明,在滤波精度与简化Sage-Husa自适应滤波相当的情况下,新算法简化了运算,提高了实时性.     

激光陀螺捷联惯性导航系统零速修正研究

针对激光陀螺捷联惯性导航系统不依赖外部信息修正,长时间工作累积放大的问题,分析常用的零速修正算法二次曲线拟合法、最小二乘法、卡尔曼滤波法等,结合车载激光陀螺捷联惯性导航系统实际应用,提出一种自适应零速修正方法,利用零速修正技术的约束条件,构建15个基本误差参数,根据系统自身误差特性,设计出系统的状态量测矩阵和量测方程,并采用基于普条件数可观测理论对系统各状态进行了可观测性分析,确定卡尔曼滤波器参数,从而实现对位置坐标、姿态角、速度误差进行了有效估计,可以有效提高惯性测量单元（IMU）导航精度。实验表明,采用该方法能有效提高了捷联惯性导航系统导航精度,既克服了频繁停车,又增强了载体的机动性能。