抗差自适应Kalman滤波及其在GNSS导航中的应用

针对Kalman滤波易受粗差影响而导致结果失真的问题,提出一种抗差自适应Kalman滤波方法,该方法结合自适应滤波与抗差Kalman滤波的优点,同时设计自适应因子和抗差因子,采用改进的两段Huber函数与2~3倍的观测噪声中误差来充当抗差因子与粗差判别标准。并对Kalman滤波和抗差自适应滤波(Adaptive Robust Kalman Filtering,ARKF)结果进行比较。车载实验结果表明,ARKF可以有效抵制观测异常对状态估值的影响,同时在系统先验信息不能精确给出的情况下,显著改善了滤波估值的稳定性和可用性。     

基于伪距残差相关性的GPS/INS紧耦合抗差滤波

提出了基于GPS伪距残差相关性的GPS/INS紧耦合抗差滤波算法.理论推导了GPS伪距观测值残差的计算方法,引入了相关函数对伪距残差进行相关性分析;分析了GPS/INS紧耦合导航的动力学模型和观测模型,基于残差相关性构建了紧耦合抗差滤波算法,利用实测数据验证了算法的有效性.结果表明:相比于非抗差滤波算法和传统的抗差滤波算法,基于GPS伪距残差相关性的抗差滤波能更灵敏地探测GPS/INS紧耦合中伪距观测值的粗差,并且通过抗差滤波因子抑制粗差对于导航结果的影响,提高GPS/INS紧耦合导航精度,而且通过控制粗差能够有效避免滤波发散现象的发生.     

Kalman滤波几种异常检验法

为了检测动态导航观测异常和动力学模型异常,采用预测残差构造观测误差和动力学模型误差整体检验 法,对观测异常可分别采用以模型为准的观测异常检验、以当前历元可靠观测为基准的异常检验或以Kalman 滤波估值为基础的异常检验的方法;对于动力学模型异常检验,可以分别采用状态不符值检验法、以状态参数 Kalman滤波估值为基础的动力学模型异常检验或以可靠观测为基础的动力学模型误差整体检验的方法。分析 了以上几种检验方法的特点,并用实测数据进行了检验。结果表明:在观测异常或动力学模型异常处,异常检验 对导航数据精度有一定程度地提高。     

离散线性系统的岭型Kalman滤波及其算法

从空间几何的角度分析了Kalman滤波中的病态性问题,提出了离散线性系统的岭型Kalman滤波及其算法,讨论了岭型Kalman滤波的性质,给出了选取岭参数的两种方法;数值模拟证明所给出的新算法能够有效改善观测矩阵的病态性对Kalman滤波的不良影响,提高了状态估计的精度。     

基于Kalman滤波和相关分析的分段多传感器测量

针对单一传感器测量精度低、可靠性差和不能判断测量点间情况等局限性,提出了一种基于Kalman滤波和相关分析的分段多传感器测量方法。该方法很好地结合了Kalman递归滤波数据融合和相关分析的优势,避免了Kalman滤波在数学模型和噪声统计特性方面的缺点和局限性,提高了数据测量的精度和可靠性,并可以对测量点间异常信息进行判断。从开发的动态载荷轨道特征参数测量装置的数据处理可以看出,这种算法是有效的,效果也是十分明显的。     

基于改进Sage-Husa自适应滤波的ADCP船速基准精确获取

针对传统Kalman滤波存在的单一固定的误差协方差阵Q、R及观测粗差均会影响声学多普勒流速剖面仪船速滤波性能这一问题，本文结合自适应抗差滤波原理与Sage-Husa算法，通过构建自适应因子与抗差因子，并对Q和R分别增加Kalman滤波的约束条件，设计了一种改进的Sage-Husa自适应滤波算法。在长江口开展的声学多普勒流速剖面仪走航测量实验结果表明，与传统的Kalman滤波方法相比，本文改进方法受粗差影响明显减小；在底质流动速度为分别为5、10、15 cm/s下的船速精度均提高了约2 cm/s，断面流量相对精度则分别提高了0.9%、3.0%和6.0%。对于年均流量为2.8×10⁴ m³/s的长江口这种大型感潮河段来说，本文方法1%～6%的流量相对精度的提高显得必要且有意义。     

动力学模型系统误差的随机加权估计

提出用新兴的随机加权估计算法对动力学模型系统误差进行估计,以控制动态模型噪声异常对状态参数估值的影响.该算法根据实际需要对动力学模型误差和状态预报值向量的协方差阵进行随机加权,以控制残差向量协方差阵和新息向量协方差阵的大小,削弱模型误差对状态参数向量的影响,提高动态导航解算的滤波精度.仿真结果表明,提出的随机加权估计算法的估计精度,明显优于经典Kalman滤波和抗差自适应Kalman滤波,能提高飞行器动态导航定位的精度.     

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.     

一种有效的数据融合方法——分布式的离散Kalman滤波方法

介绍了一种基于Kalman的数据融合方法,分析了用于多传感器数据融合的Kalman滤波方法基本概念和理论。在Kalman滤波理论的基础上对全球定位和惯性导航系统的车辆组合系统进行了仿真。结果表明,分布式的离散Kalman滤波方法是一种有效的数据融合方法。     

基于改进搜寻者优化算法的PID控制

针对传统PID参数整定方法存在精度低、稳定性差,且被控制系统易受噪声影响等缺点,提出一种基于改进搜寻者优化算法(ISOA)的PID控制方法。采用Z-N方法得到的PID参数整定值指导初始种群的产生和个体寻优范围的确定,再引入变异操作方法和个体进化方向引导策略,从而提高PID参数优化精度,并结合Kalman滤波器实现对被控系统中控制噪声和测量噪声的滤波处理。仿真结果表明,与基于标准搜寻者优化算法(SOA)的PID控制方法比较,基于ISOA算法和Kalman滤波器的PID控制,不仅可以获得更优的PID参数,而且能够有效抑制控制过程中的噪声干扰,实现了高精度、强鲁棒性的PID控制。     

精密单点定位的抗差卡尔曼滤波研究

从卡尔曼滤波的新息出发,推导了卡尔曼滤波残差的新息表达式,并用其构造抗差因子.根据精密单点定位的内部可靠性和观测值的随机性,确定完全可探测的载波相位和伪距粗差,并分别加入相应观测值粗差.通过标准卡尔曼滤波、新息的抗差卡尔曼滤波和残差的抗差卡尔曼滤波3种方案对比,粗差使标准卡尔曼滤波的估计结果产生一定的偏差.当观测值精度不等时,新息的抗差卡尔曼滤波对较高精度观测值的粗差抗差效果较差.而残差的抗差卡尔曼滤波能够实现不等精度观测值粗差的同时抗差.     

基于单极点反馈积累理论的KF算法

状态误差协方差矩阵和状态估计的精度直接影响卡尔曼滤波（KF）性能.为减小滤波误差,提高卡尔曼滤波精度,基于单极点反馈积累理论,提出了一种改进的卡尔曼滤波算法.该算法利用单极点反馈积累思想,通过综合当前时刻和过去时刻信息实现对估计参数的良好逼近,更新卡尔曼滤波中的状态误差协方差矩阵和状态估计来提高其估计精度.理论分析和仿真结果表明：该算法与KF算法相比,对跟踪效果有一定改善,使位置、速度跟踪误差有效降低并保持其误差曲线平滑,提高了滤波/跟踪精度.     

微型机对雷达网络系统诸元的卡尔曼滤波实时处理

本文叙述的是在微型机雷达网络系统中,对实时采集的诸元进行数据三维卡尔曼滤波,该处理系统能有效地减小噪声,提高数据控制精度,准确跟踪动态目标。当动态目标丢失时,可以利用前期的滤波值进行一系列处理,使雷达重新跟上丢失的目标;当没有目标时,可以利用搜索目标处理;当目标机动时,可以利用卡尔曼滤波的统计特性,进行目标机动处理等等。本系统包括主程序和子程序共20多个,已在实际工程中运行,效果良好。     

多传感器跟踪型数据滤波融合算法

在实际系统中，常用的数据融合方法是基于扩展的卡尔曼滤波法的融合算法，但是这种融合算法的跟踪精度并不是很高，通过对滤波跟踪数据融合的研究，提出了基于转换测量值卡尔曼滤波算法的非线性系统中的数据融合方法，研究表明，在利用激光干涉仪进行目标跟踪时，这种基于融合算法的集中式融合算法的跟踪性能优于分布式融合算法，但是，从仿真结果可以看出，两种融合算法的差别并不大，结果基本相同，因此，在非线性系统中，基于转换测量值卡尔曼滤波算法的分布融合算法可以重构集中式融合算法。     

混合卡尔曼滤波的非均匀校正算法

提出了一种基于混合卡尔曼滤波的非均匀校正算法,可以用于解决参数漂移为非线性的问题．该方法首先根据给定状态空间模型的特点,使用无迹卡尔曼滤波技术和传统卡尔曼滤波技术分别处理非线性的状态转移模型和线性的观测模型,然后把估计结果用于非均匀校正．使用仿真的一维和二维数据验证算法性能,实验结果表明,所提算法扩展了传统卡尔曼滤波算法的使用范围,并且与扩展卡尔曼滤波算法相比,具有较高的稳定性和估计精度．     

一种带径向速度量测的Jerk-EKF机动目标跟踪算法

为了提高机动目标跟踪精度,在基于Jerk模型的扩展卡尔曼滤波算法(Jerk-EKF)基础上,提出了一种带径向速度量测的扩展卡尔曼滤波算法(Jerk-EKFrv).该算法通过引入径向速度量测扩充了量测矩阵的维数,然后利用展开泰勒级数的一次项,解决量测方程中状态向量和量测向量的非线性问题,最后采用卡尔曼滤波算法对目标状态进行估计.对Jerk-EKF和Jerk-EKFrv算法的仿真结果表明,Jerk-EKFrv算法能够有效提高机动目标的跟踪精度.     

激光陀螺捷联惯导系统中惯性器件误差的系统级标定

为评估激光陀螺SINS的性能,需对系统中的惯性器件误差,包括随机漂移误差、刻度系数误差与安装误差角等,进行系统级标定。提出了卡尔曼滤波校准法,此方法利用激光陀螺SINS六位置静基座测试数据来标定系统中的惯性器件误差。其实现过程包括两步：首先,基于降阶处理思想,利用SINS的静基座测试数据,通过卡尔曼滤波来估计SINS系统中激光陀螺随机漂移误差及其他误差参数的耦合参量;第二步,比较两组不同位置的静基座测试数据的滤波辨识结果,对不同形式的耦合参量估值进行标量运算,即可获得SINS系统中其它惯性器件误差参数的校准值。卡尔曼滤波校准法的方法比较简单,测试易于实现,只需要一台精度比较高的手动三轴定位转台即可。另外,卡尔曼滤波法具有对测量噪声及环境干扰的影响不敏感、校准精度高的优点。卡尔曼滤波校准法的有效性与可行性已通过仿真测试得到了验证。     

空间拦截弹的最优制导与非线性滤波

本文提出了一种空间拦截弹的最优制导和非线性滤波方法。由于采用一种新的剩余时间算法，在空间拦截弹的弹体纵轴方向无轨道控制发动机的情况下，也可以实现这种最优导引规律。本文所采用的非线性滤波算法＝自适应修正增益推广Ｋａｌｍａｎ滤波器具有很好的稳定性，而且估计精度高。     

航位推算系统非线性过程处理新方法研究

针对航位推算系统中利用扩展Kalman滤波方法解决非线性问题在算法复杂性上的缺陷和精度上的不稳定性,该 文从数据预先处理的角度出发,合理规避线性化过程,提出一种充分利用现成Kalman滤波公式的方法,即数据进入滤波器之 前就预先进行处理,获得每一组量测值,按照极坐标-笛卡儿坐标的转换方式转为相应的位置信息,再按照标准的Kalman滤波 公式构建滤波器,进行状态的最优估计。计算机仿真结果证明该算法的有效性。