基于伪距伪距率的GPS/SINS组合导航系统联邦滤波器设计

详细推导了GPS/SINS组合导航系统模型.为了充分利用GPS的信息构造了最多个数的伪距、伪距率子滤波器,设计了有重置的联邦滤波器.通过修改常规联邦滤波器的信息分配算法,提出了一种新的联邦滤波算法.分析表明,新联邦滤波算法和常规联邦滤波算法相比,有相同的估计作用以及较少的计算量,得出两种算法本质相同的结论.     

基于伪距伪距率的GPS／SINS组合导航系统联邦滤波器设计

详细推导了GPS／SINS组合导航系统模型。为了充分利用GPS的信息构造了最多个数的伪距、伪距率子滤波器，设计了有重置的联邦滤波器。通过修改常规联邦滤波器的信息分配算法．提出了一种新的联邦滤波算法。分析表明，新联邦滤波算法和常规联邦滤波算法相比，有相同的估计作用以及较少的计算量，得出两种算法本质相同的结论。     

GPS捷联惯导组合系统中的联邦滤波器研究

详细推导了GPS捷联惯导组合系统的模型,并以伪距、伪距率子滤波器为例,设计了有重置的联邦滤波器.在此基础上,通过修改信息分配算法,设计了改进的联邦滤波器.对两种联邦滤波器的仿真和分析表明,改进的联邦滤波器和常规的联邦滤波器相比,不仅滤波精度相同,而且简化了算法,减小了计算量,但两种算法本质相同.     

基于惯性/地磁的弹体组合测姿方法

针对单一传感器测姿精度有限和容错性不佳的问题,提出了基于惯性/地磁传感器的弹体姿态组合测量方法。该方法使用矢量因子联邦滤波算法对测量数据进行融合,并针对系统中存在的模型误差和噪声不严格符合高斯分布的问题,使用了改进的强跟踪无迹卡尔曼滤波算法作为联邦滤波的子滤波器。仿真结果表明,本文方法可以获得比任何单一传感器都高的估计精度,并比传统联邦滤波算法的融合精度更高。     

联邦式扩展卡尔曼粒子滤波算法

为了使联邦滤波器能有效处理非高斯、非线性系统的状态估计问题,提出将扩展卡尔曼粒子滤波引入联邦滤波结构中,得到一种新的联邦式扩展卡尔曼粒子滤波算法。使用扩展卡尔曼粒子滤波对联邦滤波子系统的多源数据进行处理,从而摆脱了经典卡尔曼滤波的限制,拓宽了联邦滤波器的实际应用范围。将联邦式扩展卡尔曼粒子滤波算法应用于非线性滤波器的一个标准验证模型进行了仿真实验,结果表明该算法是有效性的。     

联邦卡尔曼滤波在INS＼GPS组合导航中的应用

介绍了INS＼GPS组合导航系统的优点;根据联邦卡尔曼滤波原理,设计了INS＼GPS组合导航系统的滤波算法;对该组合系统的联邦卡尔曼滤波算法进行了仿真;仿真结果表明,在INS＼GPS组合导航系统中采用联邦卡尔曼滤波,不仅提高了定位精度,而且保证了滤波的快速性.     

基于联邦SR-UKF算法的GPS/INS导航数据融合算法

为提高导航系统数据融合的稳定性和容错性,将一种基于方根分解形式的Unscented卡尔曼滤波(SR-UKF)算法和分散式滤波技术相结合,建立了新的联邦滤波器SR-UKF算法并应用于GPS/INS组合导航系统中.数值仿真实验表明, 联邦SR-UKF 比联邦UKF 有更好的滤波精度、更高的稳定性和容错性, 是一种理想的非线性GPS/INS组合导航滤波方法.     

INS/GPS导航中联邦卡尔曼滤波算法

根据INS(惯性导航系统)和GPS(全球定位系统)不同的特点,将两者组合起来,在阐述联邦卡尔曼滤波原理基础上,设计了INS/GPS组合导航系统的滤波算法.对该组合系统的联邦卡尔曼滤波算法进行了仿真,仿真结果表明:在INS/GPS组合导航系统中采用联邦卡尔曼滤波,不仅提高了定位精度,而且保证了滤波的快速性.     

基于双联邦UKF算法的组合导航数据融合方法

为了提高组合导航系统数据融合的精度和容错性,提出一种双联邦UKF组合导航数据融合方法.采用双联邦UKF滤波器的算法将JTIDS相对导航技术与成熟的GPS/INS/DVS组合导航技术相结合组成新的双联邦UKF组合导航数据融合算法.联邦UKF算法将UKF算法和分散式滤波技术相结合,精度高容错性好,JTIDS相对导航技术精度高抗干扰能力强.主滤波器1对GPS/INS/DVS组合导航信息进行融合后与JTIDS相对导航信息在主滤波器2中融合,提高了组合导航系统的可靠性和容错性.数值仿真实验表明,该算法性能优于单纯采用联邦GPS/INS组合导航算法是一种理想的组合导航滤波方法.     

多传感器组合导航联邦滤波技术研究

文中对多传感器组合导航联邦滤波技术进行了研究,并通过实例进行了仿真计算.得出了联邦滤波器比各子滤波器的估计精度高,比集中式滤波技术的计算量小,而且联邦滤波技术与集中式滤波技术的估计精度相差不大的结论.     

强跟踪联邦的卡尔曼滤波器设计

将强跟踪滤波方法应用到联邦滤波器中,形成无反馈模式的联邦滤波器的强跟踪联邦滤波算法.该强跟踪联邦滤波器由2个子滤波器和1个主滤波器组成,主滤波器到子滤波器的信息反馈.子滤波器独立地进行时间更新和测量更新.主滤波器对时间进行更新,并将2个子滤波器的结果进行信息融合,得到全局最优估计.     

多传感器容错综合导航系统技术及其应用研究

文中结合经典的故障检测、隔离方法和联邦卡尔曼滤波,提出了以惯性导航系统为基准的多传感器容错综合导航系统设计方案,并在信息融合策略中采用了"故障诊断周期"方法对系统故障和野值进行了不同处理,以提高系统滤波的精度和数据的连续性.以SINS/GPS/Doppler组合导航系统为例, 结合载体的使用要求以及各导航子系统的使用范围和误差特性进行了设计方案的可行性分析.研究结果表明, 所设计的方案既能有效地实现系统故障检测、隔离和系统重构, 而且整个导航计算过程保持了良好的算法连续性、稳定性和系统精度.     

基于Elman网络的传递对准容错联合滤波器设计与仿真

针对用于快速传递对准的Kalman滤波器阶数高,计算量大,滤波更新率低,鲁棒性差及对准精度不高等问题,采用联合强跟踪Kalman滤波器进行快速传递对准。提出一种基于模糊加权系数的误差方差阵估计方法,以提高传统强跟踪Kalman滤波算法的精度。在此基础上,设计了联合强跟踪Kalman滤波器的结构和算法。基于提高无故障子滤波器的鲁棒性来提高联合滤波器的快速重构能力考虑,同时兼顾子滤波器的精度和计算稳定性,提出利用改进的Elman网络进行信息分配系数的自适应调节,以实现融合信息在各子系统中的自适应分配。仿真结果表明,该滤波器不仅提高了解算速度,而且提高了系统对准精度、故障鲁棒性和快速重构能力。     

移动机器人的卡尔曼滤波定位算法改进与仿真

针对传统卡尔曼滤波算法和扩展卡尔曼滤波算法应用于移动机器人定位系统时出现的误差值较大和算法发散现象,在定位算法中引入修正因子对状态估计方程进行优化.分析传统卡尔曼滤波和扩展卡尔曼滤波的定位算法原理,研究运动过程中驱动力和摩擦力对移动机器人的影响,引入修正因子改进卡尔曼滤波算法,并对传统卡尔曼滤波算法、扩展卡尔曼滤波算法和改进算法做仿真对比和研究.仿真结果表明:修正因子对传统卡尔曼滤波算法和扩展卡尔曼滤波算法都具有改进效果,能提高定位精度.     

身管对某发射药初速或然误差影响分析

初速或然误差是发射药的重要弹道性能指标,它的大小影响发射药内弹道性能的稳定性和再现性。为了分析身管对某发射药初速或然误差的影响,依据已经获得的该发射药初速或然误差的大量试验数据,利用数理统计方法对不同身管试验所得的结果分别进行了正态性检验、异常性检验和一致性检验。检验结果表明:试验数据呈正态分布、样本值均无异常值、样本总体方差相等而均值差有显著差异。得出了不同身管对发射药初速或然误差有显著影响的结论。可见,身管质量的一致性是影响发射药初速或然误差的因素之一。     

多传感器信息融合联邦滤波一般模型的理论与仿真研究

对多传感器信息融合联邦滤波一般理论模型及其实现方法进行了研究。结合应用需求分析了联邦滤波一般模型的特点,给出了实用的信息分配系数求取方法及该模型具体的算法实现途径。以惯性/卫星(GPS/北斗双星)/多普勒/星光(INS/GPS/RDSS/Doppler/CNS)飞行器组合导航系统为例进行了联邦滤波一般模型算法的仿真分析。仿真结果表明,所给出的一般模型实现算法,在保持该模型全局最优性的同时,具有数值计算稳定性好、计算量小、数据传输量小等优点,是一种改进型算法。     

基于Kalman 滤波算法对运动目标射击研究

针对传统炮兵对运动目标射击时间长、精度低的问题,提出采用卡尔曼滤波对目标运动状态进行准确估计。分析卡尔曼滤波算法的特点,采用预测—更新的递推算法,以某装甲目标为例求取系统状态估计值,并对运动目标射击中的应用进行研究。仿真结果表明：该算法能对目标运动状态进行快速准确的估计,大大提高炮兵火力反应速度和射击精度,有效地提高炮兵作战效能。     

基于似然分布自适应调整的SMC-PHDF算法

SMC-PHDF(Sequential Monte Carlo-Probability Hypothesis Density Filter)算法由于不受高斯和线性的限制,在目标跟踪领域有着广泛的应用;然而当系统量测噪声较大,很多样本的归一化权重很小而成为无效样本,最终导致SMC-PHDF算法滤波精度较低;针对这一问题提出似然分布自适应调整的SMC-PHDF算法,通过在更新步骤中自适应调整粒子权值,增加先验密度和似然的重叠区,从而达到提高滤波性能的目的;仿真结果表明:在系统量测噪声较大时该算法比传统SMC-PHDF算法的滤波效果有所提升.