基于联邦卡尔曼滤波器的信息分配因子的研究

介绍了联邦卡尔曼滤波器的基本原理和算法.对信息分配因子在联邦卡尔曼滤波器中的作用进行了研究.针对不同取值的信息分配因子对联邦卡尔曼滤波器状态估计精度的影响,通过对联邦卡尔曼滤波算法推导,从理论上证明了信息分配因子的不同取值不会改变主滤波器的状态估计精度,只能改善子滤波器的状态估计精度.运用MATLAB仿真平台进行了仿真验证.仿真结果表明,信息分配因子的改变仅对子滤波器状态估计精度的改善有一定的作用.     

无反馈最优联邦信息滤波算法研究

研究了联邦信息滤波器无重置结构时的信息分配问题,基于全局融合精度最高的考虑,提出了一种根据各子系统量测信息与总的量测信息之比进行自适应调整的最优信息分配方法.与其他方法相比,该方法可使联邦滤波器获得更高的融合精度.仿真结果显示了该方法的有效性.     

联邦滤波器在船舶组合导航系统中的应用

本文设计了一个基于融合-重置结构的联邦滤波器,应用于船舶组合导航系统.与传统的集中式滤波器相比,联邦滤波器结构简单,计算量少,容错性强.仿真结果表明,该联邦滤波器用在组合导航系统中是可行的,能够满足系统的精度要求.     

相关观测融合Kalman估值器及其全局最优性

对于带相关观测噪声和带不同观测阵的多传感器线性离散时变随机控制系统, 用加权最小二乘法(WLS)提出了两种加权观测融合Kalman估值器, 它们包括状态滤波、状态预报和状态平滑. 基于信息滤波器形式下的Kalman滤波器, 证明了在相同初值下, 它们在数值上恒等于相应的集中式观测融合Kalman估值器, 因而具有全局最优性. 但是它们可明显减轻计算负担. 数值仿真例子验证了它们在功能上等价于集中式观测融合Kalman估值器.     

基于广义卡尔曼滤波器的路面辨识

为防止车辆驱动轮打滑、提高制动效能,并使车辆在转向工况下获得稳定的行驶特性,对路面情况的实时辨识进行研究.利用μ-s曲线的斜率特性,采用广义卡尔曼滤波器结合路面变化探测模块的方法估算车轮纵滑刚度;利用仿真实验验证该方法的准确性和有效性,路面辨识方法的响应速度得到明显提高.该方法有利于整车控制策略的开发.     

全局最优联邦滤波器信息分配原则

考虑到故障隔离后故障信息的影响一般需要一段时间才能够消除,研究了子系统发生传感器故障条件下的联邦滤波器信息分配问题．基于使故障量对无故障子系统的影响最小化考虑,提出了一种ε信息分配准则,并给出了按给定的故障衰减系数进行调整的信息分配策略．根据本文方法可使其他无故障子滤波器具有较强的抗干扰能力,从而使重构的联邦滤波器快速输出不含故障信息的融合结果．理论分析和仿真说明该方法是可行的．     

基于联邦卡尔曼滤波器的车载GPS/DR信息融合

车栽GPS/DR组合导航系统中,需要把不同特性的传感器信息进行融合,实现系统整体状态的最优估计.设计了GPS/DR信息融合的联邦卡尔曼滤波器,局部滤波器分另q处理GPS和DR传感器信息,主滤波器进行信息融合,并对局部滤波器进行信息分配和重置.克服了单独使用GPS或DR时产生的系统失效、累积误差大等问题.仿真试验结果表明:GPS/DR组合定位比GPS单独定位具有更高的定位精度和客错能力.     

联邦滤波器在车载组合导航系统标定中的应用

为了克服使用转台标定工作量大、标定周期短的缺点,以联邦滤波器作为基础提出了一种针对于车载组合导航系统的在线标定方法;该方法由SINS(捷联惯性导航系统)、GPS(全球定位系统)、DR(航位推算系统)构成高精度、高自主性组合导航系统,通过一定的路径设计对系统中待标定的误差项进行有效激励,并阐述了联邦滤波器的融合算法;仿真联邦卡尔曼滤波结果表明,所标定的误差项在跑车实验过程中基本能达到收敛;这种在线标定的处理方法给实际使用和维护带来了很大的便利.     

相关观测融合稳态Kalman滤波器及其最优性

对于带相关观测噪声和带不同观测阵的多传感器系统, 用加权最小二乘 (Weighted least squares, WLS) 法提出了两种相关观测融合稳态Kalman滤波算法. 其原理是用加权局部观测方程得到一个融合观测方程, 它伴随状态方程实现观测融合稳态Kalman滤波. 用信息滤波器证明了它们功能等价于集中式融合稳态Kalman滤波算法, 因而具有渐近全局最优性, 且可减少计算负担. 它们可应用于多通道自回归滑动平均 (Autoregressive moving average, ARMA) 信号观测融合滤波和反卷积. 两个数值仿真例子验证了它们的功能等价性.     

联邦滤波器容错信息分配方法研究

研究了子系统发生传感器故障时,信息分配系数对故障子系统和无故障子系统性能的影响,在此基础上,提出了根据各个子系统可能发生故障的概率进行信息分配的容错信息分配方法,根据该方法,可降低故障通过反馈重置对其他无故障子系统的污染程度。提高无故障子系统的容错性和备份能力,减少故障信息在重构联邦滤波器中的影响程度和持续时间,从而可使系统快速输出不含故障信息的融合结果,理论分析和实例仿真证明了所提出方法的正确性和有效性。     

联邦滤波信息分配方法研究

分析了在系统无故障和故障两种情况下,信息分配系数对各子滤波器的影响;研究了当前的几种典型动态信息分配方法在改变系统的全局融合估计和故障容错性能方面的局限性;基于提高无故障子系统的容错性考虑,提出了一种具有容错性的信息分配思想,可以改善重构后联邦滤波器的快速恢复能力.仿真结果证明了本文方法的有效性.     

联合卡尔曼滤波及其在舰船综合导航系统中的应用

针对ＩＮＳ／ＧＰＳ／ＣＮＳ舰船综合导航系统的特点,设计了用于该系统的联合卡乐意轻滤波器,该联合卡尔曼滤波器具有全局最优性,其结构遵循信息分配原则,其算法改善了数值计算的稳定性和系统的容错性,并减少了信息舆量与计算量,理论分析及仿真结果表明,该联合滤波器能够满足系统精度和容错性的要求。     

联邦模糊自适应卡尔曼滤波在速度+姿态传递对准中的应用

在系统动态模型和噪声统计特性无法完全获得的情况下,通过调整卡尔曼滤波器的相关参数提高弹载子惯导对准性能,其效果是很有限的,采用联邦模糊自适应卡尔曼滤波方法进行速度＋姿态匹配传递对准,并对算法进行了可行性分析与仿真验证。仿真结果表明,在系统动态模型和噪声的统计特性不确定的情况下,速度+姿态匹配传递对准的联邦模糊自适应卡尔曼滤波短时间内能够较好地估计出弹载子惯导的初始姿态失准角,是一种非常有效的信息融合方法。     

捷联惯性组合导航系统联合自适应滤波器设计磁

为了保证SINS／GPS组合导航系统具有较高的定位精度和抗干扰能力,需要良好的数据处理方法。论文设计了SINS／GPS组合导航系统的联合自适应卡尔曼滤波器。研究了其在舰船组合导航系统随机数据处理中的应用。针对系统噪声和量测噪声未知的情况,采用联合自适应滤波处理组合导航系统较采用基本联合Kalman滤波方法具有更好地稳定性。理论分析与仿真结果表明,该联合自适应卡尔曼滤波器的设计合理,能够加快计算速度,实现实时滤波计算,提高系统的导航精度和容错能力,取得了很好的估计效果。     

一种改进的联邦滤波算法及其应用研究

提出了一种基于对角阵加权的改进联邦滤波算法.根据该方法,在全局融合过程中只需计算加权对角阵的每个标量元素,避免了加权矩阵的求逆运算,提高了计算稳定性,减少了计算量.因此,非常有利于实时应用.仿真算例说明该方法是有效的.     

联邦卡尔曼滤波器在容错性组合导航系统中的应用

本文提出了基于无复位联邦卡尔曼滤波的信息融合算法,建立了惯性/卫星/天文组合导航系统的误差模型,并进行了计算机仿真。仿真结果表明,该算法具有较强的容错性。     

基于广义线性模型的变参数广义卡尔曼滤波

给出了连续系统的一种广义线性模型,不仅适用于已知系统,而且适用于未知系统,无论系统是线性还是非线性的。该模型系数服从确定的变化规律而无需在线辨识或预先计算,因而实时性好。定义了基于这种模型的变参数广义卡尔曼滤波。并给出其递推计算公式,可对未知系统实现实时滤波估计,且满足均方误差最小。该系统能方便、快捷、准确地实现未来多个时刻状态群的实时预报,以便提早掌握系统未来的运动趋势,提高系统的控制性能和对机动目标拦截的制导精度。算例仿真表明,结果是令人满意的。