双重自适应联邦滤波在SINS-卫星组合中的应用研究

针对常规联邦卡尔曼滤波需要确切已知系统噪声统计特性的局限性,结合多信息组合导航中惯性导航系统噪声难以确切感知和卫星导航系统测量噪声不断变化的特点,提出了一种新的双重自适应联邦滤波算法。该算法不必知道系统噪声统计特性而能对测量噪声进行在线自适应调节,同时信息分配系数根据各卫星导航系统输出的几何精度因子(GDOP)进行自适应调节。通过SINS-GPS-Galileo-北斗组合导航系统将该算法与常规联邦滤波算法进行仿真比较,结果表明:该方法有效提高了组合导航系统的精度和可靠性,更适用于系统噪声未知和测量噪声不断变化的多信息组合导航系统。     

随机逼近自适应滤波在捷联惯导系统初始对准中的应用

对于测量噪声方差未知的捷联惯导系统(SINS),采用常规Kalman滤波进行初始对准会造成较大状态估计误差,甚至使滤波器发散。为了解决系统测量噪声方差未知或不确切知道时SINS的误差估计问题,提出一种基于随机逼近的自适应滤波方法。该方法将Robbins-Monro算法与Kalman滤波相结合,通过简化求逆运算,解决了系统观测噪声特性未知情况下SINS的误差估计问题,并提高了算法的数值稳定性。仿真结果表明,该方法能在系统测量噪声方差未知情况下有效实现SINS初始对准。     

组合导航自适应卡尔曼滤波改进算法研究

针对常规卡尔曼滤波由于噪声的统计特性与实际情况不相符而引起滤波误差增大的问题,提出了一种新的在线估计系统噪声和量测噪声的自适应滤波算法.新算法通过新息序列自适应量测噪声,对Sage-Husa滤波算法进行改进以估计系统噪声,该算法在噪声统计特性未知的情况下能进行滤波计算.最后对改进的新算法与常规卡尔曼滤波算法作了对比试验...     

动态捷联惯导/多卫星组合导航自适应联邦滤波算法研究

研究了一种基于动态扰动的滤波算法,用以提高动态扰动情况下捷联惯导/多卫星组合导航系统 的精度和可靠性．该算法采用几何精度因子（GDOP）对量测噪声进行自适应调节,利用卡尔曼滤波器的新息 量对状态噪声协方差阵进行整体控制,同时根据具有时变特性的各子系统误差协方差阵对信息分配系数进行 自适应调节．通过对SINS/GPS/Galileo/北斗组合导航系统的仿真,分析对比了常规联邦滤波、Sage 自适应联邦 滤波和本文所提自适应联邦滤波算法．结果表明,该自适应联邦滤波算法能够有效抑制动态扰动,提高组合 导航系统的精度和可靠性．     

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。     

一种自适应滤波方法在捷联惯导系统大失准角初始对准中的应用

为了对静基座大失准角捷联惯导系统(SINS)进行初始对准,建立了在静基座下基于四元数的SINS非线性误差模型。该误差模型无需对姿态误差角进行小角度假设。为了在观测噪声方差未知的情况下估计SINS失准角,提出一种在线估计观测噪声方差矩阵的自适应扩展卡尔曼滤波方法。仿真结果表明,该自适应滤波方法能在观测噪声方差未知的情况下有效地对静基座大失准角SINS进行初始对准。     

基于极大后验估计和指数加权的自适应UKF滤波算法

针对传统Unscented卡尔曼滤波器(Unscented Kalman filter, UKF)在噪声先验统计未知时变情况下非线性滤波精度下降甚至发散的问题, 设计了一种带噪声统计估计器的自适应UKF滤波算法. 首先根据极大后验(Maximum a posterior, MAP)估计原理, 推导出一种次优无偏MAP常值噪声统计估计器; 接着在此基础之上, 采用指数加权的方法, 给出了时变噪声统计估计器的递推公式; 最后对自适应UKF算法进行了性能分析. 相比于传统UKF, 该自适应UKF算法在噪声统计未知时变情况下不仅滤波依然收敛, 滤波精度及稳定性显著提高, 而且其具有应对噪声变化的自适应能力. 仿真实例验证了其有效性.     

基于卡尔曼滤波的数据融合算法与应用研究

针对无人机飞控系统对输入的多传感器信息融合时传统卡尔曼滤波算法容易出现滤波发散,滤波精度和系统的实时性降低的问题,研究了一种改进的自适应滤波算法,可以让数据融合后的信息精度更高,实时性更强。改进的算法是在Sage-Husa滤波的基础上引入滤波收敛性判据,并提出了基于改进的Sage-Husa滤波算法的联邦卡尔曼滤波器的设计,可以抑制滤波发散,提高滤波精度和稳定性。同时引入强跟踪滤波算法的思想,调整增益矩阵,改进滤波算法,提高系统突变情况下的滤波处理能力。最后,通过对特定的自主避障系统用改进后的算法与传统卡尔曼滤波算法进行MATLAB仿真比较,仿真结果显示改进的自适应滤波算法在系统模型参数失配和实变噪声情况未知时,可以较好地保持滤波的精度和实时性。     

一种自适应确定性采样滤波方法

对确定性采样滤波方法进行了改进,提出了一种自适心确定性采样滤波方法.首先,分别推导得到了平稳噪声情况下递推形式的噪声统计参数估计算法,以及三种针对非平稳噪声统计参数的估计算法;然后,将所得到的噪声统计参数估计算法与确定性采样滤波方法相结合,得到自适应确定性采样滤波算法.仿真结果表明,当时变过程噪声统计参数未知时,利用本文所提出的自适应确定性采样滤波估计算法,仍然可以得到精度较高的估计结果.     

基于极大后验估计和模糊控制的水下无源定位技术

针对高海况条件下因海流扰动的影响导致观测噪声方差未知时变的特点, 基于模糊控制技术提出一种基于FCMAP-UKF 滤波技术的水下无源组合导航系统状态估计方法. 该方法在滤波迭代过程中引入模糊自适应因子, 对未知观测噪声方差阵进行动态调节, 提高了系统的自适应能力和鲁棒性. 滤波结果表明, 该系统在达到传统方法精度的同时, 能够克服自主导航过程中不确定的噪声和随机干扰的影响而进行有效的定位导航.     

基于联邦滤波的自适应算法研究

针对标准卡尔曼滤波器对系统的模型和噪声的统计特性依赖性强,而系统的准确数学模型难以建立的问题,结合联邦滤波和自适应估计理论,提出了一种基于联邦滤波的自适应算法。该算法通过残差的实际值与理论值的比值来确定误差方差阵的估计值,然后调节自适应卡尔曼滤波器的渐消因子,从而有效提高了联邦滤波器的适应能力。由仿真结果可知,改进的联邦滤波器能较好地利用测量信息对系统的相关参数进行自适应的调整,滤波结果具有很好稳定性和准确性。     

基于极大似然估计的新息自适应滤波算法

针对噪声统计信息未知或时变情况下常规卡尔曼滤波估计精度下降甚至发散的问题,提出了一种基于极大似然估计的新息自适应滤波算法.算法对基于极大似然估计的常规新息协方差估值器进行限定记忆指数衰减加权修正,增加滑动窗口内新近新息协方差序列的利用权重;根据新息自适应原理,利用新息协方差估计值直接计算滤波增益矩阵,加快滤波器收敛速度的同时提高了滤波算法的估计精度.算法应用于捷联惯性导航系统/全球定位系统(SINS/GPS)组合导航系统,仿真实验表明:在噪声统计信息未知或时变情况下,算法具有更强的鲁棒性以及更高的滤波精度.     

SINS/GNSS/CNS组合导航自适应容错联邦滤波方法

针对子系统发生缓变故障会影响联邦滤波器精度的问题,分析了信息分配因子对子滤波器精度和鲁棒性、全局估计精度以及故障检测效率的影响.在此基础上,研究了一种自适应容错联邦滤波方案.通过对量测噪声阵进行自适应调节来降低未检测出来的故障信息对故障子滤波器和全局估计精度的影响,进而提升无故障子滤波器的精度和系统重构能力;根据子滤波器故障检测函数值来动态调节信息分配因子,可进一步提升故障检测效率.仿真结果表明,相比于传统的容错联邦滤波,该方法能有效降低故障信息对滤波精度的影响,具有较高的全局估计精度.     

新型联邦最小二乘滤波算法及应用

为克服多传感器信息融合时联邦Kalman滤波在系统噪声和测量噪声的统计信息不准 确时所存在的局限性,提出了一种基于最小二乘估计的新型联邦滤波算法,定义为联邦最小二乘 滤波.定性讨论了它与联邦Kalman滤波的关系,通过在INS/双星/GPS组合导航系统中的 实际应用进一步地比较两种算法.实测数据的仿真结果证明,在系统噪声和测量噪声不准确的情 况下,联邦最小二乘滤波的精度要高于联邦Kalman滤波.     

遮挡情况下刚体位姿估计的自适应无迹卡尔曼分布式融合

针对视觉目标位姿估计系统中常出现的因为特征点遮挡而造成系统估计结果不准确的问题,本文提出了一种利用自适应无迹卡尔曼滤波(AUKF)作为局部滤波器的分布式融合估计方法.通过引入改进的Sage-Husa噪声估计器自适应过程噪声.根据特征点识别量将遮挡情况分为部分遮挡和严重遮挡,对部分遮挡子系统根据先验信息修复缺失观测点后进行局部滤波估计,严重遮挡子系统不参与融合,利用当前时刻整体估计结果对其进行初始化.通过仿真获取了区分遮挡情况的阈值,实验结果表明所提方法能够提升系统在遮挡情况下的估计精度与鲁棒性.     

自适应UKF算法在目标跟踪中的应用

针对目标跟踪中系统噪声统计特性未知导致滤波发散或者滤波精度不高的问题, 提出了一种自适应无迹卡尔曼滤波(Unscented Kalman filter, UKF)算法.该算法在滤波过程中,利用改进的Sage-Husa估 计器在线估计未知系统噪声的统计特性,并对滤波发散的情况进行判断和抑制, 有效提高了滤波的数值稳定性,减小了状态估计误差. 仿真实验结果表明,与标准UKF算法相比,自适应UKF算法明显改善了目标跟踪的精度和稳定性.     

野值存在下的BP网络自适应卡尔曼滤波

野值的存在会严重影响滤波器的稳定性和滤波精度,甚至会引起滤波器发散。定量分析了野值对卡尔曼滤波器的影响,提出了一种抗野值的BP网络自适应卡尔曼滤波算法。通过BP网络对新息序列估计方差的变化率进行实时监测和计算,输出一组加权系数对模型中系统噪声和量测噪声作＂在线＂修正,从而有效地抑制了连续野值对滤波器的影响。经仿真证明算法提高了滤波器的精度和稳定性,同时对单个离散野值也有较好的滤波效果。     

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。     

基于自适应卡尔曼滤波的导航信息融合方法

针对组合导航系统在测量噪声未知的情况下,常规自适应卡尔曼滤波方法的实时性难以满足的问题,提出了一种实时的自适应卡尔曼滤波方法.该方法通过一个简单的指数函数实时调节卡尔曼滤波模型中的测量噪声协方差矩阵,将测量噪声的理论协方差矩阵与实际协方差矩阵的差值作为指数函数的输入,将函数的输出值与上次测量噪声的协方差矩阵之和送入卡尔...