Federated unscented particle filtering algorithm for SINS/CNS/GPS system

To solve the problem of information fusion in the strapdown inertial navigation system (SINS)/celestial navigation system (CNS)/global positioning system (GPS) integrated navigation system described by the nonlinear/non-Gaussian error models, a new algorithm called the federated unscented particle filtering (FUPF) algorithm was introduced. In this algorithm, the unscented particle filter (UPF) served as the local filter, the federated filter was used to fuse outputs of all local filters, and the global filter result was obtained. Because the algorithm was not confined to the assumption of Gaussian noise, it was of great significance to integrated navigation systems described by the non-Gaussian noise. The proposed algorithm was tested in a vehicle’s maneuvering trajectory, which included six flight phases: climbing, level flight, left turning, level flight, right turning and level flight. Simulation results are presented to demonstrate the improved performance of the FUPF over conventional federated unscented Kalman filter (FUKF). For instance, the mean of position-error decreases from (0.640×10⁻⁶ rad, 0.667×10⁻⁶ rad, 4.25 m) of FUKF to (0.403×10⁻⁶ rad, 0.251×10⁻⁶ rad, 1.36 m) of FUPF. In comparison of the FUKF, the FUPF performs more accurate in the SINS/CNS/GPS system described by the nonlinear/non-Gaussian error models.     

基于联邦滤波的INS／GPS组合导航系统数据融合研究

针对INS导航定位的精度低、GPS导航定位的非自主性,采用INS／GPS组合导航的方式,重点阐述了系统模型的建立,在Matlab／Simulink平台下对系统进行仿真实验时,采用了基于无重置的联邦卡尔曼滤波器的组合方案,实验表明了组合系统比任何单一的导航系统的定位精度都要高,是一种可行的导航方法．     

GPS／惯性导航组合性能和组合方法的研究

本文讨论GPS/惯性组合导航系统在导弹发射段时的组合性能，分析惯导系统不同性能条件和卡尔曼滤波器不同组合方法的组合特点，文中最后对降价滤波器的设计和滤波器方差阵的U-D算法进行了具体讨论。     

GPS／INS组合导航的变分贝叶斯自适应卡尔曼滤波

为解决GPS／INS组合导航的数据融合问题中卡尔曼滤波器因噪声统计特性会发生变化而性能严重退化的问题,针对组合导航的系统模型提出并推导了一种基于变分贝叶斯学习的自适应卡尔曼滤波算法。该方法从概率角度将系统状态与噪声的统计矩一起作为待估计的随机变量,在每次递推地对状态进行估计之前,用变分贝叶斯学习迭代逼近得到噪声的后验分布。仿真结果证明：在组合导航系统中,该自适应算法能够较好地跟踪变化的噪声方差,并对速度、位置等系统状态进行估计。     

飞行器INS 与 GPS组合导航系统卡尔曼滤波

随着导航技术和控制理论的发展,组合导航系统已经成为当今最主要的导航系统。组合导航系统包括许多导航传感器,因此如何充分有效地处理来自多传感器的数据已成为组合导航系统的主要问题。在组合导航系统中,最先进的信息处理方法是联邦卡尔曼滤波。但联邦滤波器设计复杂,计算量大,很难满足一些高速巡航平台导航计算的高精度、高实时性要求。文章研究了巡航飞行器INS与GPS组合导航系统的卡尔曼滤波问题,设计了滤波器,并进行了仿真试验。     

一种新的高动态全球定位系统频率估计算法

针对常用高动态全球定位系统频率估计算法扩展卡尔曼滤波(EKF)由于对模型进行简单线性化而造成的估计精度低与失锁门限高等缺陷,引入了一种新的线性滤波算法unscented卡尔曼滤波(UKF)进行频率估计．该算法不需要对非线性模型进行线性化,而是利用一系列Sigma采样点,通过unscented变换(UT)来进行状态与协方差阵的递推与更新．仿真实验结果表明新算法的估计精度远高于EKF,失锁门限也比EKF低约1dB,估计性能得到了改善．     

INS/GPS组合导航联邦滤波器的仿真研究

为了研究平台式惯导INS(interialnavigationsystem)和全球定位系统GPS(globepositionsystem)组合导航联邦滤波器的实现,用卡尔曼滤波与Matlab仿真的方法,可以证明联邦滤波器算法简单,易于实现,并且可以提高导航系统精度.实际应用中此方法可行.     

GPS/DR车辆组合导航改进的粒子滤波算法研究

粒子滤波是一种基于Monte Carlo仿真的最优回归贝叶斯滤波算法,在组合导航系统的观测精度较低时能获得较好的滤波效果,但在观测精度较高时,不但可能导致滤波发散,而且存在重要性分布函数难以选取,出现粒子退化的现象。为了克服这些缺点,文章研究GPS/DR车辆组合导航改进的粒子滤波算法,提出了基于改进粒子滤波算法的GPS/DR车辆组合导航信息融合技术。采用马尔科夫链蒙特卡洛(MCMC)移动方法,移动粒子样本到状态空间中的新位置,既保证了移动后的粒子样本和实际概率函数同分布,又防止了大量后选粒子被拒绝。用改进的粒子滤波算法和扩展Kalman滤波算法,分别对GPS/DR车辆组合导航系统进行仿真实验,结果表明,改进的粒子滤波算法能减小导航定位误差,滤波性能明显优于扩展卡尔曼滤波。     

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。     

GPS/SINS组合导航系统在飞航导弹中的应用

研究了ＧＰＳ／ＳＩＮＳ组合导航系统在飞航导弹制导中的应用。文中着重研究位置速度组合模式的ＧＰＳ／ＳＩＮＳ组合导航系统的构成和算法，简化误差模型，引入衰减记忆滤波。仿真结果表明，组合导航系统较准确地给出导弹的位置、速度和姿态信息，大大提高了制导精度     

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。     

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.     

INS/DVL组合导航系统在水下载体中运用研究

根据水下载体长时间在水下盘行的特点，建立了INS／DVL组合导航的工作模式，推导了该组合模式的组合形式和卡尔曼滤波算法，并通过计算机仿真技术分析了INS／DVL组合导航系统的性能和精度，说明了在惯性导航系统基础上引入多卜勒速度计程系统可以极大提高载体在水下的导航精度。     

联邦卡尔曼滤波器在无人机导航系统中的应用

针对无人机GPS／RP／DR组合导航系统的特点，设计了用于该系统的联邦卡尔曼滤波器。该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，并减少了信息传输量与计算量。理论分析及仿真结果表明，该联邦卡尔曼滤波器能够满足无人机在GPS或RP信号无效或两信号均短期无效情况下定位导航的精度要求。     

RDSS/Doppler/GPS/SINS组合导航系统研究

针对双星定位系统(RDSS)存在的定位位置滞后的先天缺陷,根据组合导航定位系统输出速度误差小的特点,给出了一套消除RDSS位置滞后的方案,并对RDSS／SINS组合系统进行了建模,依据联邦滤波器理论,考虑到GPS的实际情况,提出了RDSS／Doppler／GPS／SINS多传感器组合导航系统的设想,仿真结果表明,该组合导航系统具有准确度高、自主性强的特点。     

基于误差状态量的卡尔曼滤波器在SINS+GPS组合导航中的应用

卡尔曼滤波(KF)在SINS+ GPS组合制导方法中应用广泛,但是运载体的传感器数学模型一般为非线性,其模型复杂度和运算量较大.文章提出了SINS+ GPS组合制导中基于误差状态量的卡尔曼滤波算法,为了回避非线性所带来的复杂性,将GPS数据与惯性导航数据的误差作为状态量,由于误差的数学模型为线性,明显降低了设计难度.文中给出了设计过程和导航系统的数学模型,对该模型的状态参数进行了设置,最后用仿真试验证明了该算法的有效性.     

基于Hough变换和无轨迹卡尔曼滤波的眼睛角点跟踪

提出了一种基于改进Hough变换(HT)和无轨迹卡尔曼滤波(UKF)的眼睛外角点跟踪算法。该算法在输入图像中存在虹膜时采用改进Hough变换提取眼睑轮廓并得到眼睛外角点位置,当输入图像中检测不到虹膜时,采用UKF算法对当前帧眼睛角点进行估计。实验证明,本文算法能精确地跟踪眼睛外角点。     

地形辅助的INS／SAR组合导航系统

研究了该系统的组合原理、观测量的获得和组合滤波器的构造。给出的仿真结果说明，该系统是一个性能优良的导航系统。     

陆地载体导航中的单频DGPS、INS以及里程表的集成

为了提高导航设备的可用性,保证用户即使在类似峡谷的地带也可以接收到GPS信号,研究了一个低成本集成导航测量组件(IMU)、单频DGPS(SFDGPS)和速度传感器的载体跟踪和导航系统．通过对扩展Kalman滤波系统动态、残差和测量模型的演化,详细地阐述了系统集成的算法．并且对系统动态以及测量模型的运行进行了分析．该系统可以达到分米级的位置误差,厘米级的速度误差,0．2度的姿态角度误差,以及高于100Hz的输出更新频率．系统高精度、低成本,适用于任何状态的导航以及高频率的输出,可以用于诸如载体跟踪、航空、自动采矿以及精细农业等广泛的应用领域．     

内模自适应卡尔曼滤波新方法及其在GPS信号估计中的应用

针对混杂有确定性扰动分量的随机信号处理问题,提出一种基于内模的自适应卡尔曼滤波新方法──-内模自适应卡尔曼滤波法.首先将待估有用信号和观测数据中的确定性扰分量分别以分段正弦曲线拟合方 式建立各自的内模,并将这些内模的参数作为增广状态变量形成新的非线性系统模型.然后采用迭代型推广卡 尔曼滤波算法,同时实现有用信号及扰动内模参数的实时跟踪.机动目标跟踪的GPS定位信号估计应用表明, 与现有方法相比新方法可显著提高定位精度.