UPF算法在惯导非线性初始对准中的应用

惯性导航系统（INS）的初始对准误差模型通常为非线性的,对于估计惯导误差普遍采用的是扩展卡尔曼滤波算法（EKF）,该方法是在一阶泰勒展开的基础上近似得到的,因而误差较大。粒子滤波算法一种新颖的非线性滤波算法,它较传统的EKF算法具有稳定性好,适用范围广的优点。该文首先介绍了作为粒子滤波理论基础的递推贝叶斯估计的基本概念,说明了重要性函数对于粒子滤波器的设计是至关重要的。随后,给出了一种将不敏卡尔曼滤波（UKF）算法作为重要性函数的UPF算法,并提出将其用于静基座条件下的惯导系统非线性初始对准,通过计算机仿真对比了UPF和EKF的估计效果。仿真结果表明,UPF算法较传统的EKF算法对准时间更快,对准精度更高。     

SUKF滤波在SINS大失准角初始对准中的应用研究

针对捷联惯导系统在大失准角初始对准过程中的非线性滤波问题,提出了基于Scaled UT变换的Scaled-Unscented卡尔曼滤波(SUKF),并将SUKF应用到基于四元数误差的非线性对准模型中.在仿真中对比了SUKF和扩展卡尔曼滤波(EKF),结果表明,在大失准角的情形下,SUKF比EKF对准速度更快,估计精度更高.     

简化SPKF在捷联惯导系统非线性对准中的应用

基于欧拉平台误差角的概念,建立了大失准角条件下的激光捷联惯导系统(SINS)非线性误差模型,深入研究了Sigma点卡尔曼滤波(SPKF)及其在大失准角对准中的应用.针对对准模型的特性,推导了SPKF简化算法,进行了静基座下基于扩展卡尔曼滤波(EKF)、简化SPKF的SINS初始对准仿真.仿真结果表明简化型SPKF能有效克服EKF的不足,具有更高的估计精度,且减少了计算量,是SINS非线性对准的一种理想的方法.     

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.     

基于北斗卫星辅助的岸舰导弹飞行中对准研究

针对岸舰导弹快速发射的问题,为实现岸舰导弹弹载惯导动基座对准,提出了导弹弹载惯导系统飞行中对准方案.首先,建立了飞行中非线性对准模型;其次,提出了导弹弹载北斗导航信息辅助下的基于sage滤波开窗法原理的渐消矩阵自适应平方根容积卡尔曼滤波飞行中对准方法,并建立了相应的渐消矩阵切换准则;最后,仿真试验对比了平方根容积卡尔曼滤波和所提自适应平方根容积卡尔曼滤波飞行中对准方法,得出所提的自适应平方根容积卡尔曼滤波的精度和稳定性更高的结果,对准时间和精度能够满足相关性能指标要求.所提出的飞行中对准方案能够为工程应用提供一定的参考和借鉴.     

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...     

大失准角下SINS的KF/EKF2混合滤波对准

针对捷联惯导系统(SINS)大失准角下滤波对准过程中非线性滤波器状态维数过大的问题,提出了一种基于模型分解的卡尔曼滤波/二阶扩展卡尔曼滤波(KF/EKF2)混合滤波方法,将基于欧拉平台误差角的非线性滤波模型分解为线性部分和非线性部分,分别采用线性KF滤波和非线性EKF2滤波处理,并且设计了混合滤波的滤波步骤。实验结果表明,KF/EKF2混合滤波算法在计算量、实时性及精度等方面优于最常用的无迹卡尔曼滤波(UKF)和EKF2滤波。     

基于扩展Kalman滤波的单领航者自主水下航行器协同导航判别式训练方法研究

单领航者自主水下航行器(AUV)协同导航算法中,系统模型是非线性的,扩展Kalman滤波(EKF)是针对非线性系统的很有影响力的滤波算法,但是,EKF算法的性能严格依赖于一系列模型参数,而这些参数往往需要花费很大的代价来捕获,并且常需要人工调整。该文应用一种能自动学习Kalman滤波噪声协方差参数的方法,通过仿真分析,证明了该学习算法可以完全自主并且高效、准确地输出Kalman滤波噪声参数,进一步提高了单领航者AUV协同导航系统的导航精度。     

一种基于Runge-Kutta积分的UKF跟踪算法

非线性滤波问题通常会面临过程方程和量测方程的双重非线性,利用传统的滤波算法进行处理时,离散化和线性化过程是导致滤波性能降低的根本原因.提出了一种基于Runge-Kutta积分的不敏Kalman滤波(UKF)算法,该算法能够直观、方便地对运动模型为连续非线性常微分方程组的跟踪问题进行处理,避免了复杂的Jacobi矩阵运算和离散化过程,使预测模型更加精确.以弹道目标跟踪为例进行了仿真实验,通过与传统UKF算法和扩展Kalman滤波(EKF)算法比较,结果表明该算法具有更好的性能.     

Weak harmonic signal detection method in chaotic interference based on extended Kalman filter

The traditional methods of weak harmonic signal detection under strong chaotic interference often suffer from high computational complexity and poor performance. In this paper, an Extended Kalman Filter (EKF) based detection method is proposed for the detection of weak harmonic signal. The EKF method avoids matrix inversion by iterating measurement equation and state equation, which simultaneously improves the robustness and reduces the complexity. Compared with the existing detection methods, the proposed method has the following advantages: 1) it has better performance than the neural network method; 2) it has similar performance with the optimal filtering method, but with lower computational complexity; 3) it is more robust compared with the optimal filtering method.     

面向越野自主导航的鲁棒GPS/INS融合定位系统

实时可靠的三维定位能力是自主车实现越野自主导航的前提.提出了一种基于全状态空间扩展卡尔曼滤波的GPS/INS融合算法.在考虑传感器误差源的基础上建立了系统观测方程.以连续状态空间为基础并加以离散化后建立了系统状态方程.最后由扩展卡尔曼滤波器实现了系统状态的可靠估计.该算法可以放松以往对INS误差精确建模的要求,并能有效地应对由路面剧烈颠簸导致的INS短时失效和由遮挡等原因导致的GPS失效.实验结果表明该GPS/INS融合定位系统是可靠和成功的.     

基于MPF的惯性导航系统快速对准技术

针对目前应用于惯性导航系统初始对准中的扩展卡尔曼滤波存在对准精度低、时间长的缺点,提出一种基于模型预测滤波的快速对准技术。该方法将惯性器件测量误差视为模型误差使用MPF进行实时预测,并以此来修正惯性导航系统的平台误差角。这样,MPF不仅有效提高了平台误差角的估计精度,而且降低了系统状态变量的维数,大大缩短了初始对准时间。仿真结果表明,MPF在平台对准精度和快速性方面均明显优于EKF,初时对准时间仅是EKF的10%,而对准精度却高于EKF。     

UKF在GPS/INS伪距、伪距率组合导航中的应用

扩展卡尔曼滤波（EKF）是GPS／INS组合导航系统中常用的数据融合方式。但是EKF的线性化会带来截断误差,从而影响系统定位精度。不敏卡尔曼滤波（UKF）是一种新的非线性滤波的方法,它能减少线性化截断误差对系统定位精度的影响。文中在线性状态方程的条件下,主要研究了伪距、伪距率的非线性对系统定位性能的影响。UKF采用非线性观测方程,EKF采用线性观测方程。仿真结果表明UKF能明显改善位置项的定位精度。     

基于强跟踪滤波器的非线性系统参数辨识方法

提出了一种基于强跟踪滤波器(STF)的非线性系统参数辨识方法,解决了非线性系统的参数辨识问题.避免了利用扩展卡尔曼滤波器(EKF)进行状态估计时,系统趋于稳态而状态突变使得滤波器丧失跟踪能力的问题.最后通过算例比较了本方法与EKF方法.     

基于粒子滤波的机载单站无源跟踪算法

针对空中观测平台对远距离海面慢速运动目标定位跟踪这一非线性估计问题,介绍了专门处理非线性估计问题的粒子滤波算法,将粒子滤波算法(Particle Filter,PF)应用于机载单站无源定位跟踪问题,有效提高了对慢速运动目标的单站无源定位跟踪性能,解决了传统的扩展卡尔曼滤波算法在非线性估计时存在收敛速度慢的问题。通过与扩展卡尔曼滤波算法的仿真比较表明,粒子滤波算法可实现对慢速运动目标的高精度定位跟踪,且性能优于扩展卡尔曼滤波算法。     

基于INS/TOA/BA的EKF TDMA数据链定位算法

高性能相对导航对于数据链网络联合作战至关重要,特别是在某些情况下数据链网络成员可能无法通过绝对定位获取自己的位置,如强干扰环境或者GNSS可见星比较少的复杂定位环境.本文给出了一种时分多址数据链网络成员基于惯导、高度表和TOA信息的相对定位算法,成员通过基于序贯处理的EKF算法对INS/TOA/BA数据进行实时处理,分...     

Joint tracking and discrimination of exoatmospheric active decoys using nine-dimensional parameter-augmented EKF

This paper describes a nine-dimensional extended Kalman filter (EKF) to jointly track and discriminate exoatmospheric active decoys in real time using motion features. By introducing an auxiliary variable as relative range delay ratio (RRDR), explicit nonlinear motion model of decoys in the East-North-Up coordinate system (ENU-CS) and the Jacobian matrix needed for the EKF are derived. The discrimination is then implemented according to the estimated deception range and its associated variance. The discrimination performance and the tracking accuracy compared to the traditional six-dimensional EKF are evaluated by Monte Carlo simulations. The advantage of the new algorithm lies in its real-time integration of tracking and discrimination.     

基于BP神经网络辅助的车载组合导航算法研究

针对INS/GPS组合导航系统在GPS信号被遮挡时,GPS接收机失锁导致导航精度迅速下降的问题,提出了基于BP神经网络辅助的组合导航算法。即在GPS信号锁定的时候,采用卡尔曼滤波对INS/GPS信号进行数据融合得到实时的精确位置,同时利用组合导航输出信息对BP神经网络进行实时在线训练;一旦GPS失锁,利用之前训练好的神经网络对INS系统进行误差补偿,解决精度迅速下降问题。通过跑车实验证明,速度精度在0.2m/s以内,位置精度为25m以内,该算法对INS/GPS组合导航系统有效。