量测噪声自动加权Kalman滤波

从Kalman滤波技术的稳定性出发，分析了Kalman滤波算法的实质及容量发散的原因，提出在Kalman滤波中引入系统量测噪声协方差阵（R）的计算，并对其加权，从而影响滤波增益，抑制发散，推算舰位／GPS组合导航的应用仿真表明明显测噪声自动加权Kalman滤波算法对系统模型误差和量测噪声协方差误差具有良好的自适应性。     

不同环境下的GPS/IMU数据融合

为提高Kalman滤波组合导航的估计精度,在考虑系统估计误差相关的情况下,提出了采用环境背景下不同传感器的有效性概率加权GPS/IMU组合导航自适应衰减记忆滤波的融合算法。通过对各种算法进行仿真分析发现,新算法的融合估计精度高于相应的未考虑环境信息的GPS/IMU融合估计精度 新算法具有几乎和有效概率加权Kalman滤波融合算法相同的融合估计精度,但其误差变化较后者平稳。表明新算法可有效地提高系统融合估计的精度和可靠性。     

基于模糊积分的网络舆情态势理解方法

非视距传播（NLOS）误差是蜂窝网系统提高定位精度必须解决的关键问题。首先提出了一种基于三阶累积量的NLOS误差抑制算法,并根据NLOS误差大小和信号斜度之间的关系,给出了一种基于偏差Kalman滤波的NLOS误差抑制算法。文章基于WCDMA系统构建了定位测试平台,通过实测数据验证了算法的有效性。     

自适应迭代平方根UKF的单站无源定位算法

针对单站无源定位可观测性弱、收敛速度慢、定位精度差等问题,在结合相位差变化率和多普勒频率变化率定位方法的基础上,提出了一种基于自适应迭代SRUKF的单站无源定位算法,通过使用误差协方差阵的平方根替代协方差阵参与滤波,保证了滤波算法的数值稳定性.在迭代判决准则的约束下,通过对状态及其误差协方差矩阵平方根的自适应迭代估计调整滤波的观测值与状态值之间的权比,使滤波预测值误差协方差阵的平方根更为准确、合理,从而提高算法的稳定性、收敛速度和定位精度.仿真结果验证了新算法的有效性.     

基于GPS/INS的自适应无迹Kalman滤波算法

载体的姿态参数是导航系统重要的影响因素,为提高姿态角测量精度,以INS和GPS紧组合导航系统为研究背景,针对无迹Kalman滤波算法对误差模型较敏感、新息噪声干扰数据需预处理、算法实效性低等缺点,提出改进的自适应无迹Kalman滤波算法.首先,用自适应窗口在线估计系统噪声和量测噪声的协方差值,得到与实际噪声更贴近的统计特性,减小数据预处理的干扰;其次,对状态预测方差阵引入次优渐消因子减少计算量,同时为了减少模型的精度损耗,对滤波过程引入统计量,确定模型不确定性检测阈值;最后,用扩展Kalman滤波、无迹Kalman滤波和改进后的新滤波算法对无人机航向轨迹进行数据处理.结果分析可得,改进的滤波融合算法能将姿态的测量精度提高到0.1°,具有更强的收敛性,能较好地抑制漂移误差.     

基于抗差Kalman滤波的精密单点定位

当精密单点定位的观测值含有异常数据时,Kalman滤波的精度将会降低。采用抗差Kalman滤波方法能够有效抑制观测异常,提高滤波的精度和可靠性。运用武汉国际GPS服务跟踪站数据对该方法进行了验证。结果表明,抗差Kalman滤波的精度比Kalman滤波的精度有一定程度提高,说明抗差Kalman滤波能够有效抑制观测异常。     

提高定位精度及完好性增强的GBAS实验系统开发

针对GBAS地面系统的增强技术提出一种提高定位精度及完好性增强的改进算法。首先通过载波相位数据预处理,修正和去除周跳及残差,并引入无码载偏离平滑技术来解决电离层误差加剧问题,使平滑伪距的定位精度得到提高。在完好性方面,引入示警阈值辅助法,能够有效地避免较大偏差卫星伪距修正量的误差估计对接收机的整体剔除。在地面发射VDB报文前,验证了所发射伪距修正量的正确性。实验表明,新算法可有效减少电离层误差和较大伪距修正量误差对星基导航精密进近的精度影响。     

一种快变信道下OFDM系统的Kalman信道估计算法

针对频率选择性快速时变信道的多径干扰和较大的多普勒频谱扩展,提出了一种改进的Kalman滤波算法。用于正交频分复用（OFDM）系统信道估计．该算法采用复杂度大大降低的低维Kalman滤波来跟踪快速时变信道,迭代联合信道估计与检测算法来获得测量矩阵,并对滤波结果利用一种新的简单的最小均方误差（MMSE）估计器进行优化。有效地降低了传统基于Kalman滤波算法的复杂度．仿真结果表明,该方法能够跟踪信道的快速变化,具有良好的估计性能．     

基于迭代平方根CKF的SLAM算法

在大尺度环境中,平方根容积卡尔曼同步定位与地图构建算法的非线性误差严重制约了算法的定位精度,为解决这一问题,提出了一种基于迭代平方根容积卡尔曼滤波的改进算法,该算法结合迭代理论,对平方根容积卡尔曼滤波的量测更新过程进行迭代更新,充分利用最新的观测信息,降低滤波的估计误差,从而构建精确的地图并获得高精度的定位信息。仿真实验结果表明,采用本算法后, x轴和y轴方向上的位置误差均在1?5 m以内,估计结果明显优于SRCKF－SLAM、CKF－SLAM和EKF－SLAM算法;添加不同的环境噪声后进行仿真实验,该算法所取得的位置误差相比仍是最小的。利用该算法可以有效地减小非线性误差造成的影响,提高SLAM的定位精度。     

小型无人机掠海飞行高度滤波系统优化设计

针对掠海飞行小型无人机高度控制精度要求,设计了以无线电高度表和垂直加速度计为测高设备的三阶组合测高滤波系统。基于对某小型无人机实际飞行数据以及海浪谱的分析,建立了垂直加速度计和无线电高度表误差模型,推导出该组合测高系统输出高度信号的均方误差关于反馈增益的函数,并采用遗传算法优化得到该函数的极小值和系统的最优反馈增益。仿真结果表明,该三阶组合测高滤波系统可有效滤除海浪噪声,且采用遗传算法优化得到的反馈增益,其滤波效果优于传统上采用等根法得到的反馈增益。     

GPS/DR组合定位系统信息融合技术

在分析GPS/DR组合定位系统特点的基础上,设计了一种改进的联邦卡尔曼滤波器结构。对于GPS线性子系统采用标准卡尔曼滤波器,对于DR非线性子系统则采用无察觉卡尔曼滤波器。主滤波器采用动态信息分配系数对子滤波器的结果进行最优估计,并对DR子系统进行误差补偿,部分削减DR的误差累积效应。实验结果表明,算法能够满足车载导航系统的定位要求,并且在GPS误差较大时保持系统较高的可靠性和定位精度。     

车载GPS/DR组合导航系统的数据融合方法研究

GPS/DR组合导航系统是非线性的,扩展卡尔曼滤波(EKF)可以利用线性化技巧将其转化为线性滤波问题,但这一过程会使得滤波结果出现很大误差。针对这一问题,将改进的粒子滤波方法(UPF),即将无迹卡尔曼滤波(UKF)与粒子滤波(PF)相结合,应用到GPS/DR组合导航系统中,避免了EKF的线性化近似过程,同时优化了PF算法,提高了定位精度。实验结果表明,与EKF和PF算法相比,UPF算法具有更高的鲁棒性和更好的定位效果。     

一种GPS移动基准站精密相对定位新算法

针对GPS载波相位差分定位中差分基准站不能移动的问题,提出了一种GPS移动基准站精密相对定位的方法.该算法首先基于MW组合构造几何无关测量值,然后对几何无关测量值进行滑动平均滤波消除随机噪声影响,在移动站进入移动基准站数据链覆盖范围时进行站间和星间双差处理获得宽巷整周模糊度,并结合载波相位的双差几何相关模型建立Kalman滤波观测方程,将多路径误差建模为1阶Gauss-Markov随机过程,作为状态参数纳入状态方程,增广状态向量,同时扩增观测方程,从而滤波获得L1/L2模糊度浮点解的精确估计,最后采用LAMBDA算法搜索固定模糊度的整数解.通过静态和车载动态实测试验验证了新算法的正确性和适用性.     

卡尔曼滤波在四轴飞行器导航中的应用

针对制约四轴飞行器的导航控制精度的主要因素,提出了基于卡尔曼滤波的四轴飞行器组合导航方法,该方法将MIMU(微惯性测量组合)与GPS(全球定位系统)导航的数据融合,进行MIMU/GPS组合导航.仿真实验和实际应用结果表明,该方法能够提高导航定位精度,具有良好的容错性.     

Adaptive Federal Kalman Filtering for SINS／GPS Integrated System

A new adaptive federal Kalman filter for a strapdown integrated navigation system/global positioning system (SINS/GPS) is given. The developed federal Kalman filter is based on the trace operation of parameters estimation‘s error covariance matrix and the spectral radius of update measurement noise variance-covariance matrix for the proper choice of the filter weight and hence the filter gain factors. Theoretical analysis and results from simulation in which the SINS/GPS was compared to conventional Kalman filter are presented. Results show that the algorithm of this adaptive federal Kalman filter is simpler than that of the conventional one. Furthermore, it outperforms the conventional Kalman filter when the system is undertaken measurement malfunctions because of its possession of adaptive ability. This filter can be used in the vehicle integrated navigation system.     

小型无人机GPS／航程推算组合导航系统研究

探讨了在无人机上发展ＧＰＳ／航程推算自式组合导航系统的必要性和可行性；对利用ＧＰＳ定位信息进行导航时所需的坐标转换问题作了分析研究；并对研制的ＧＰＳ／航程推逄组合导航系统的设计思想，总体方案，工作原软硬件结构作了介绍，给出了在小型无人机上进行导航试验的结果。     

BDS3／GPS PPP-B2b定位收敛性能分析

基于BDS3提供的PPP-B2b服务,测试分析了不同伪距精度的接收机在PPP-B2b定位收敛时间和收敛精度等方面的差异.结果表明:BDS3单系统定位精度静态30min可收敛至水平方向优于0.15m,高程方向优于0.17m;BDS3／GPS双系统定位精度静态20min可收敛至水平方向优于0.11m,高程方向优于0.13m;相比于BDS3单系统,双系统定位精度水平和高程方向分别提升26.7％和23.5％.此外,平均伪距精度为1.681m的A接收机,其BDS3单系统PPP-B2b定位收敛30min后精度为0.331m,BDS3／GPS双系统收敛20min后精度为0.250m;平均伪距精度为0.873m的B接收机,单系统和双系统对应的收敛精度分别为0.221m和0.167m;两者相比,B接收机的平均伪距精度提高0.808m后,使用其进行PPP-B2b测试BDS3单系统和BDS3／GPS双系统的收敛精度分别提升33.4％和33.2％.     

基于离散平稳小波变换的EKF数据融合算法

针对车辆GPS/DR组合导航系统中广泛采用的扩展卡尔曼滤波器进行数据融合难以建立精确的数学模型的问题,提出了基于离散平稳小波变换的扩展卡尔曼滤波器数据融合算法。仿真表明,该算法优于扩展卡尔曼滤波器,对车辆组合导航系统的数据融合是有效的。     

单目视觉自然路标辅助的移动机器人定位方法

针对很多场合下GPS信号会受到遮挡而无法使用,导致机器人定位精度下降很快的问题,提出一种基于单目视觉自然路标辅助的机器人绝对定位方法.在导航环境中的若干位置预先建立视觉路标库.机器人在利用惯导（INS）定位过程中,同时对采集到的单目图像和库中的视觉路标进行匹配.建立基于全局特征信息（GIST）和快速鲁棒算子（SURF）局部特征相结合的在线图像快速匹配框架,同时结合基于单目视觉的运动估计算法修正车体航向.最后利用卡尔曼滤波将视觉路标匹配获得的定位信息和INS有效地融合起来.结果表明,该方法有效地提高在GPS受限情况下惯性导航定位的精度和鲁棒性.     

GPS/INS动态卡尔曼滤波优化算法

GPS/INS组合导航系统动态定位数据的随机误差消除的重要方法是卡尔曼滤波,但运用扩展卡尔曼滤波器进行动态定位滤波时,需要对系统模型和观测模型以及误差模型进行准确建模,特别是载体状态机动时滤波器跟踪能力不强。提出一种GPS/INS组合导航动态卡尔曼滤波的优化算法,引入遗忘因子限制卡尔曼滤波器的记忆长度,充分利用现时的测量数据,改善滤波器的动态性能,并进行计算机仿真实验。仿真结果表明,遗忘因子增加,滤波器的跟踪能力增强,使滤波器达最佳性能。该优化算法比普通的扩展卡尔曼滤波算法的动态跟踪性能好,从而可显著提高导航系统定位精度。