UKF滤波器在非线性组合信号系统中的应用研究

在实际的非线性组合信号系统中,通常用扩展卡尔曼滤波（EKF）方法对非线性系统进行线性化,然后进行卡尔曼滤波.如果在非线性组合信号系统中,用UKF方法直接使用非线性模型,可避免引入线性化误差,这样可以提高滤波精度和计算效率.以车载GPS/DR组合导航定位系统为例,将UKF与EKF方法进行了仿真比较,结果表明,UKF的位置滤波精度要高于EKF.     

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。     

考虑杆臂误差的组合导航分离协方差交叉算法

针对传统北斗/惯导组合导航系统进行信息融合时未考虑估计源之间的相关性而不能保证融合一致性的问题,提出一种分离协方差交叉滤波(split CIF)组合导航信息融合算法。将误差协方差矩阵分离为相关部分和独立部分分别进行处理,实时更新最优滤波增益并通过量测信息获得一致性融合估计,改善了融合相关数据时造成滤波过度收敛的问题。此外,在高精度组合导航中,杆臂误差是一个重要误差源,组合导航时会造成导航定位精度严重下降,通过静态杆臂测量并对惯导更新信息进行杆臂误差补偿的方法降低杆臂效应影响,进一步提升导航定位精度。仿真结果表明：东向速度误差最大为0.041 m/s,纬度误差最大为0.495 m;与补偿后的卡尔曼滤波相比,精度分别提高了45.8%和34.0%;与扩展卡尔曼滤波相比,精度分别提高了55.1%和10.0%。考虑杆臂误差补偿的split CIF算法对杆臂估计具有较好的准确性且具有较高的导航精度。     

基于联合卡尔曼滤波的GPS/DR融合仿真

目的 研究GPS(Global Positioning System)与DR(Dead Reckoning)组合导航融合技术,使AGV获得更加稳定可靠的导航定位数据.构建出适用于GPS/DR组合导航系统的联合卡尔曼滤波器.方法 在GPS(全球定位系统)基础上增加DR(航位推算系统)用以辅助GPS定位.采用randn()函数作为随机数发生器,基于MATLAB软件对联合卡尔曼滤波融合算法进行理论分析及仿真研究.创新性的提出系统补偿系数G,将它用于联合卡尔曼滤波中,使得滤波效果可人工调控.结果 设计出适用于AGV的GPS/DR组合导航系统联合卡尔曼滤波器,建立MATLAB仿真模型.在MATLAB仿真模型中AGV行驶路程为50 m,GPS导航误差范围为6m,信号波动较大.DR导航最大误差为1.8m,误差逐渐累积,结果不收敛.GPS/DR组合导航系统误差为0.2m,信号波动平稳,结果收敛.结论 GPS/DR组合导航系统即克服了GPS信号的遮蔽问题,又充分利用了DR的短时高精度自主定位的优势.仿真结果表明,该方法在保证了系统定位精度前提下,有效提高了系统的容错性和工作可靠度.     

一种基于UKF的AUV移动声学网络协同导航方法

针对扩展卡尔曼滤波(EKF)在自主水下航行器(AUV)移动声学网络协同导航中,存在强非线性观测方程条件下线性化误差大、计算复杂等缺点,文章提出一种基于无迹卡尔曼滤波(UKF)的AUV移动声学网络协同导航方法.利用移动长基线原理和UKF方法,建立基于UKF的协同导航滤波算法,并通过仿真实验与传统的EKF协同导航算法进行对比.仿真结果表明,基于UKF的协同导航算法能明显减小导航定位误差,在导航精度上优于EKF方法,是AUV协同导航中一种更加简单有效的导航滤波方法.     

EKF和UKF在非线性组合导航系统中的对比研究

采用组合导航系统在对目标的位置、航向进行测量时,其状态模型和观测模型中存在非线性问题,采用基于EKF和UKF的非线性滤波算法以改善传统Kalman滤波的估计精度,并保证算法收敛性.通过建立组合导航的状态方程和量测方程,分别采用EKF和UKF对状态方程中的非线性部分进行离散化,仿真实验结果表明,采用基于UKF的非线性导航算法能有效提高导航位置精度和系统稳定性.     

AGV用GPS/DR组合导航信息融合

目的 研究一种满足室外自动导引小车(AGV)导航要求的高精度、低成本的组合导航系统.方法 应用信息融合技术,通过航位推算系统辅助GPS定位,并采用卡尔曼滤波的融合算法,克服了GPS信号的遮蔽与中断问题,使组合系统能够较好地满足AGV导航定位的需要.用VC ++编写融合算法以及实验控制程序,实现了实验数据的采集以及对AGV的运动控制.结果 给出了GPS单独导航和GPS/DR组合导航两种工作状态下的位置误差,从对比中可以看出,组合导航系统的定位精度比GPS单独导航的定位精度提高了50%.结论 组合导航系统可以减小甚至消除推算定位系统随时间积累的误差,并在任何情况下能较好地实现AGV的实时、可靠、准确定位.     

非线性地磁/GPS/SINS组合导航方法

针对系统模型的特点,对平方根UKF算法进行了改进.改进后的平方根UKF与标准的平方根UKF相比,在保证状态方差非负定特性的同时,减少了滤波的计算复杂度.为了提高导航系统对姿态测量性能,针对姿态误差较大时线性导航误差方程无法使用的问题,推导出适用于大姿态误差角时的地磁姿态量测方程,并结合改进的平方根UKF算法设计了非线性地磁/GPS/SINS组合导航算法.利用Matlab对大姿态误差角时的非线性地磁/GPS/SINS组合导航系统进行了仿真.仿真结果表明,通过引入地磁姿态测量信息,非线性地磁/GPS/SINS组合导航系统可以直接观测载体的平台姿态误差,进而增强了组合导航系统对姿态误差的估计效果,且可以完成大姿态误差下的导航任务.     

伪距、伪距率、航向角观测模型的AHRS/GPS QEKF算法

以微小型航姿参考系统/GPS紧耦合导航系统为研究对象,建立了基于伪距、伪距率、航向角的组合观测数学模型.针对微惯性传感器漂移过大的缺点,引入二阶EKF(QEKF) 方法,代替传统的EKF算法.根据Taylor展开原理,通过对Hessian矩阵的求解,补偿系统观测方程线性化的二阶截断误差.仿真表明,QEKF所建模型符合实际导航系统要求,可使姿态角、位置误差均方差分别控制在90 s和3 m以内,优于相同条件下标准EKF所解算的导航参数.     

一种新颖的基于GPS与DTMB组合系统的定位跟踪算法研究

针对GPS卫星信号在楼群密集的城市和室内存在定位盲区而无法单独完成定位的难题,考虑到地面数字电视信号的自身优越性,提出GPS与DTMB组合导航的无缝定位方法.该方法通过融合多源信号的观测量来保证定位的精度,采用扩展卡尔曼滤波(EKF)算法对多源信号进行最优估计,并对比分析不同信号源组合下的定位跟踪效果.仿真结果表明,EKF滤波估计轨迹能较好地接近目标运动的真实轨迹,均方根误差约20 m,满足无缝定位需求,且参与定位的组合信号源参数越多,定位精度就越高.证明了在GPS定位盲区,采用GPS与DTMB进行组合导航定位的可行性.     

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。     

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.     

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。     

基于多模型扩展卡尔曼滤波的组合导航算法

在非线性系统的滤波过程中,扩展卡尔曼滤波的状态估计常常是有偏的,非线性函数的线性逼近精度是有限的,为此提出了多模型线性化扩展卡尔曼滤波。将非线性模型在状态估计附近的多个点进行线性化得到一组线性化模型,利用扩展卡尔曼滤波得到每个模型的状态估计,再对多个线性化模型进行概率加权融合。通过组合导航系统验证了算法的可行性。     

基于自适应组合滤波的惯性导航系统初始对准方法

针对系统噪声不确定情况下的惯性导航系统非线性初始对准问题,提出了一种基于自适应组合滤波的初始对准方法.首先给出了一种基于Kalman/UKF组合滤波的神经网络实时训练算法;进而提出了基于Kalman/UKF组合滤波的非线性系统状态估计方法,该算法利用神经网络在线估计系统噪声,并利用Kalman/UKF组合滤波在线同时估计初始对准的状态量和神经网络的权值;最后将该算法应用于惯性导航系统非线性初始对准问题中,并进行了仿真研究.仿真结果表明:自适应组合滤波算法不仅保证了初始对准的精度,而且具有更好的实时性,是解决惯性导航非线性初始对准问题的一种有效且实用的方法.     

模糊逻辑在NGIMU/GPS组合中的应用

由于加速度计输出动态噪声的存在,无陀螺惯性测量组合(NG IMU)导航误差随时间迅速累积.采用传统卡尔曼滤波方法进行NG IMU/GPS组合导航系统设计时,又由于观测噪声的复杂性,造成滤波结果不明显.针对上述噪声统计特性不易确定的特点,基于NG IMU九加速度计配置方案,提出利用模糊逻辑自适应卡尔曼滤波方法进行NG IMU/GPS组合导航系统设计.模糊逻辑自适应卡尔曼滤波器(FLAKF)通过对噪声方差进行修正,将卡尔曼滤波器调整到最优状态.同时进行了系统位移、速度、角速度仿真,仿真结果验证了模糊逻辑自适应卡尔曼滤波方法的可行性.     

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。     

Adaptive Kalman Filter of Transfer Alignment with Un-modeled Wing Flexure of Aircraft

The alignment accuracy of the strap-down inertial navigation system (SINS) of airborne weapon is greatly degraded by the dynamic wing flexure of the aircraft. An adaptive Kalman filter uses innovation sequences based on the maximum likelihood estimated criterion to adapt the system noise covariance matrix and the measurement noise covariance matrix on line,which is used to estimate the misalignment if the model of wing flexure of the aircraft is unknown. From a number of simulations,it is shown that the accuracy of the adaptive Kalman filter is better than the conventional Kalman filter,and the erroneous misalignment models of the wing flexure of aircraft will cause bad estimation results of Kalman filter using attitude match method.     

Adaptive Kalman Filter of Transfer Alignment with Un-modeled Wing Flexure of Aircraft

The alignment accuracy of the strap-down inertial navigation system (SINS) of airborne weapon is greatly degraded by the dynamic wing flexure of the aircraft. An adaptive Kalman filter uses innovation sequences based on the maximum likelihood estimated criterion to adapt the system noise covariance matrix and the measurement noise covariance matrix on line, which is used to estimate the misalignment if the model of wing flexure of the aircraft is unknown. From a number of simulations, it is shown that the accuracy of the adaptive Kalman filter is better than the conventional Kalman filter, and the erroneous misalignment models of the wing flexure of aircraft will cause bad estimation results of Kalman filter using attitude match method.     

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。