改进自适应Kalman滤波的SINS/GPS紧组合导航

当系统噪声和量测噪声统计特性不明确时,基于新息的自适应滤波对两种噪声进行估计时存在相关性,与实际情况不符而影响滤波精度。针对这种情况,提出改进的自适应滤波算法。首先建立了SINS/GPS紧组合导航系统空间方程;然后介绍了自适应卡尔曼滤波原理,指出了此算法对两种噪声估计出现相关性的原因,在此基础上提出了改进的自适应卡尔曼滤波算法,改进算法对系统噪声和量测噪声同时进行在线估计,解决了原算法存在的不足;通过半实物仿真实验可以看出,在系统噪声和量测噪声不明确时改进算法的估计精度,与原有算法在系统噪声和量测噪声已知时的估计精度相当,充分说明了改进算法的实用性。     

提高SINS/GNSS组合导航系统定位精度的方法研究

单纯依赖单一的导航手段难满足高精度的导航需求,因此,将捷联惯性导航系统(SINS)、全球卫星导航系统(GNSS)有效组合,实现优势互补。SINS/GNSS组合导航系统的数据处理一般采用卡尔曼滤波实现,当组合导航系统模型足够准确时,滤波性能较好,当导航系统模型存在误差或发生变化时,新的量测值对滤波估计值的修正作用下降,而旧的量测值的修正作用相对上升,从而导致滤波精度下降。针对上述问题,基于集中式卡尔曼滤波结构的SINS/GNSS组合导航系统,本文提出一种新方法,新方法在梯度方向上进行估计迭代,从而修正模型误差对滤波精度的影响,提高导航定位精度。实验结果表明,当导航系统模型和量测方程存在误差或发生变化时,新方法仍可以为导航系统提供有效的定位精度,满足高空长航时系统需求。     

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。     

自适应UKF算法在GNSS/INS深组合系统中的应用

针对强非线性和时变噪声统计特性不明的高动态运动环境下全球卫星导航系统/惯导系统(GNSS/INS)深组合导航系统滤波精确度较差甚至发散的问题,提出一种自适应混合无迹卡尔曼滤波(UKF)算法。该算法以UKF算法为基础,采用混合滤波思想对UKF滤波算法进行简化;并根据高动态下系统量测噪声时变,且易快变、突变的特点,设计了一种基于渐消记忆指数加权的自适应量测噪声估计器,实时估计和修正噪声统计量并自适应调节估计周期。仿真结果表明,在量测噪声变化的情况下,相比于常规UKF算法,本文算法各向定位测速精确度均有所提升,水平方向精确度提升60%以上,效果明显;此外,算法耗时减少18.64%,说明本文算法能够在提升滤波精确度的同时减少部分计算量。     

改进自适应UKF在组合导航系统中的应用研究

为了提高组合导航系统的导航精度,将改进自适应UKF滤波算法应用于SINS/GPS组合导航系统中,该组合导航系统为松组合方式。分析了UKF滤波算法的解算步骤,通过分析得出了UKF算法的特点;结合自适应估计原理,将自适应因子引入UKF算法中,得到了应用于组合导航系统的改进自适应UKF算法;通过计算机仿真,得出了组合导航系统的仿真结果,并对2种算法进行了对比分析。仿真结果表明,改进自适应UKF能够抑制组合导航系统初值选取的偏差影响,降低系统状态模型扰动的影响,提高导航精度。     

惯性/地磁组合导航系统自适应卡尔曼滤波算法研究

针对惯性/地磁组合导航中遇到的滤波的发散问题,采用自适应卡尔曼滤波估计导航系统的误差.该算法通过实时估计和修正系统噪声以及观测噪声的统计特性达到降低模型误差、抑制滤波发散的目的.在Matlab环境下的仿真证实了该方案可以防止滤波器发散,缩小滤波误差,提高滤波精度.     

基于自适应信息融合的导航系统构成与算法研究

由于组合导航系统应用环境的不确定性,给噪声统计特性的准确描述带来困难,这将造成Kalman滤波器不稳定甚至发散,目前常用的解决办法是直接估计系统噪声与量测噪声的方差阵 Q及R ,进行自适应滤波.但方程的增加将使计算量加大、实时性不能保证.本文在对基于信息融合的INS/GPS组合导航系统进行分析和设计的基础上,探讨了通过ARMA模型自适应参数辨识求解可变增益K,从而求出状态估计值的方法,并对辨识误差协方差的防饱和算法进行了研究.计算机仿真结果表明:该算法对提高导航精度和运算速度是行之有效的,所得结论有一定的工程实用价值.     

基于模糊理论的自适应联邦滤波算法研究

针对先验噪声统计特性与实际不符引起卡尔曼滤波精度下降的情况,提出了一种基于模糊自适应联邦卡尔曼滤波方法。算法基于模糊推理思想通过理论残差与实际残差的比值来对观测噪声协方差阵进行加权调整,实现对观测噪声统计特性的实时跟踪,在此基础上,利用信息分配因子对各子滤波器及主滤波器输出进行加权,得到滤波器的全局输出,将此输出周期性反馈给各个子滤波器以校正子滤波系统的偏差。SINS/GPS/TAN组合导航系统的仿真试验表明该算法具有更强的自适应性、滤波精度更高、鲁棒性更强。     

自适应交互多模型滤波在INS/CNS组合导航中的应用

针对惯性/天文(INS/CNS)组合导航系统中由于量测噪声的统计特性随应用环境发生变化而导致滤波精度降低的的问题.提出了一种基于自适应交互多模型(AIMM)的组合导航算法,该算法将改进的Sage-Husa自适应滤波器与交互多模型相结合,以少量的模型实现对实际模态的覆盖.仿真结果表明:与常规Kalman滤波方法相比,该方法较好地覆盖了实际模态变化情况,实现了对量测噪声统计特性变化的自适应调整,在观测值发生异常时,导航参数误差没有大的跳变,导航滤波器在观测值异常时具有一定的自适应能力,从而保证了导航滤波器的可靠运行,提高了导航系统的精度和可靠性.     

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。     

SINS/GNSS组合导航系统中激光多普勒测速仪参数估计

为了提高SINS/GNSS组合导航系统的全局性能,考虑加速度与高斯包络对激光多普勒测速仪的影响,提出SINS/GNSS组合导航系统中激光多普勒测速仪参数估计方法。通过分析SINS/GNSS组合导航系统工作原理,明确SINS/GNSS组合系统状态;采用预先梯度评估方法,对梯度方向进行估计迭代,以提高导航定位精度,将获取的方位偏差代入卡尔曼滤波器中进行处理,保证SINS/GNSS组合导航系统实际应用的可靠性;获取对应费希尔信息矩阵,采用正弦信号的圆频率估计方差获取CRLB;分析激光多普勒测速仪测速过程中存在的问题;在信号成分参数分解前提下,将各距离门回波近似看作多个Chirp分量合成信号,对距离压缩后的数据实施自适应Chirplet分解,完成激光多普勒测速仪参数估计。实验结果表明:所提方法能够得到准确的参数估计数值,为SINS/GNSS组合导航系统的有效应用提供理论参考。     

基于CMAC的卡尔曼滤波技术在组合导航系统中的应用

经典卡尔曼滤波器要求假设系统的动态模型和观测模型的噪声统计特性已知,而组合导航系统的噪声具有非先验性。为了解决这一问题,提出小脑模型神经网络（CMAC）辅助卡尔曼滤波器。仿真试验结果表明,该辅助算法的精度与经典卡尔曼滤波算法相比提高了2倍,收敛时间缩短近200 s,并有效地克服了传统神经网络学习速度慢,泛化能力弱的缺点,使系统具有自适应能力,以应付动态环境的扰动。     

无源北斗/捷联惯导(SINS)紧组合导航技术的应用研究

针对北斗系统有源定位方式保密性差、用户数目有限,不能提供连续的位置、速度、姿态信息的问题,提出利用北斗系统3颗地球静止卫星的载波相位时间差分信息,与车载捷联惯导(SINS)构成紧组合导航系统,通过扩展卡尔曼滤波器估计并修正惯导系统的速度误差;引入载体的侧向和天向速度约束,改善了速度估计精度;结合北斗系统的伪距信息,消除了长航时条件下位置误差的积累;推导了滤波器观测方程,对组合导航滤波器进行了设计;通过车载实验进行了验证,实验结果表明,速度误差和位置误差的积累受到了有效地抑制,精度满足陆地战车导航的要求.