基于非线性卡尔曼平滑的GPS定位估计方法

在GPS单机定位中,通常采用卡尔曼滤波作为位置状态解算的方法.文中提出一种将非线性平滑技术用于GPS定位估计的方法,该方法可用于单机GPS接收机的定位解算,在非线性滤波的基础上进一步提高定位精度.提出一种随接收卫星数量而实时改变测量参数的动态测量模型,根据GPS的伪距、多普勒频移和导航信息等原始数据进行定位模型的解析,运用新型的平淡卡尔曼平滑算法求解该动态模型.GPS定位实验结果表明,与通用的最小二乘迭代法和非线性滤波等方法获得的结果相比,所提出的方法能获得更高的定位精度.     

改进的自适应衰减卡尔曼滤波算法

SINS/GPS组合导航系统的融合算法主要是卡尔曼滤波,卡尔曼滤波实现最优估计的前提是系统的模型和随机噪声信息必须准确已知。实际情况下,大部分系统的模型和随机噪声信息不完全可知,这可能会导致滤波器估计精度下降。针对这一问题,根据求解遗传因子的方法不同对传统的自适应衰减卡尔曼滤波进行改进,提出一种改进的自适应衰减卡尔曼滤波。改进后的算法分别适用于系统噪声统计模型不准确可知和量测噪声统计模型不准确可知两种情况,分别对应于两种滤波算法,并且二者具有统一的滤波框架。仿真结果表明,改进的自适应衰减卡尔曼滤波比卡尔曼滤波精度较高,有效解决了因为噪声模型不准确导致的精度下降问题。     

基于改进UKF的GPS非线性动态滤波研究

为了提高动态定位精度,将一种改进的UKF(Unscented galman Filter)算法应用在GPS非线性动态定位解算中.将UKF算法与IEKF(Iterated Improved Kalman Filter)算法相结合,因此保持了基本UKF算法易于实现和收敛速度快的优点,同时由于滤波值是通过迭代扩展的卡尔曼滤波机制得到,进而更新值能更准确的逼近非线性系统状态概率密度函数,具有更高的精度.应用于GPS非线性动态滤波定位中,仿真结果表明:与UKF算法相比,算法能够明显提高定位精度.     

多新息抗差-自适应卡尔曼滤波定位算法研究

针对移动机器人在定位过程中,由传感器测量误差和机器人模型引起的位姿误差导致系统定位精度急剧下降的问题,提出了一种多新息卡尔曼滤波算法.在标准卡尔曼滤波的基础上,当传感器测量值存在误差时,引入抗差权因子,通过改变误差测量值的权值提高滤波器的估计精度;当机器人位姿存在误差时,引入自适应因子,通过调整状态协方差矩阵的大小抵制位姿误差引起的滤波发散.同时,引入了多新息,即多个时刻的新息向量,进一步提高此非线性系统的精度.实验表明:当存在测量误差和位姿误差时,该滤波算法能有效提高定位精度.     

基于车载GPS导航的非线性动态滤波算法

为了提高车载导航定位精度,根据全球定位系统（GPS）的特点,在分析线性滤波算法缺陷的基础上,建立了车载导航动态定位模型,并在通过准确获取后验概率密度函数的均值和方差经过非线性变换修正导航定位位置,给出了一种非线性动态滤波算法。仿真实验表明,与卡尔曼滤波相比,该方法能克服了滤波发散导致结果失真的问题,提高滤波的精度,解决线性滤波算法发散的缺陷。     

基于H∞滤波技术的GPS动态定位研究

GPS动态定位的数据处理中广泛应用卡尔曼滤波,而卡尔曼滤波的应用要求动态模型(函数模型)和随机模型可靠和切合实际,但实际测量定位中难以保证观测对象的规则运动,因而容易出现模型误差.针对GPS动态定位的这一问题,文中探讨了在实际应用中存在模型误差时的H∞滤波及其改进型"当前"加速度模型的H∞滤波算法,与卡尔曼滤波相比,原理易于理解,在实际中也很容易实现, 减少了计算量且提高了滤波精度.     

变增益联邦KF组合导航定位算法研究

GPS接收模块解算出的伪距误差是GPS/INS组合导航系统的主要误差,采用一种二级联邦卡尔曼滤波组合导航算法加以削弱,将卫星接收模块解算出的伪距信息和多普勒频移信息在第一级卡尔曼滤波后,再通过主滤波器与INS模块解算出的信息进行修正处理,得到校正量和定位位置最优估计。随着滤波步数增加,系统预测误差方差阵逐渐趋于零,状态估计会过分依赖旧量测值,从而导致滤波发散,影响系统定位精度。为有效提高新量测值的修正作用,在联邦卡尔曼滤波组合导航算法中引入一种可变加权系数。仿真结果表明,改进后的变增益联邦卡尔曼滤波算法具备联邦卡尔曼滤波的优点,并且该算法滤波效果有较明显的改善,能有效抑制滤波发散,提高系统的定位精度。     

简化高阶强跟踪容积卡尔曼滤波及其在组合导航中的应用

针对传统容积卡尔曼滤波(CKF)在面对系统模型失配和状态突变滤波精度下降的问题,将强跟踪滤波器(STF)和高阶容积卡尔曼滤波(HCKF)相结合,提出一种简化高阶强跟踪容积卡尔曼滤波(RHSTCKF)算法.该算法具有比传统CKF更高的滤波精度,并且利用滤波模型的特点,简化HCKF的计算步骤,同时在HCKF中引入多重渐消因子增强算法的自适应性和应对状态突变的能力.将所提算法应用到SINS/GPS组合导航系统中进行仿真实验,结果表明,RHSTCKF可以准确估计出突变状态的真实值,能够抑制滤波器状态异常的干扰,滤波性能明显优于HCKF,能够提高组合导航系统的自适应性和定位精度.     

基于循环滤波的无线传感器网络室内定位

针对室内接收信号强度定位具有较大误差的情况,提出一种高效的循环加权递推平均滤波算法对测量信号进行滤波.对已测量数据使用最小二乘法进行拟合得到多项式模型,并使用极大似然估计进行定位.实验结果表明,所提出的循环加权递推平均滤波算法在计算量较小的情况下,能够有效提高测距精度,多项式拟合比对数距离路径损耗模型拟合定位精度更高.在室内环境下,提出的算法定位精度达到0.6m左右,接近节点物理性能所允许的最佳定位精度.     

卡尔曼滤波在无人水面艇双天线GPS定位测向系统中的应用

针对无人水面艇双天线GPS定位测向系统的定位误差问题,利用卡尔曼滤波算法对GPS数据进行滤波处理;根据位置与速度及航向的关系,建立数学模型,然后利用卡尔曼滤波算法对定位测向系统的测量值进行滤波处理;首先,对无人水面艇在静止、低速及高速运动状态的GPS数据进行了处理;仿真结果表明,在这三种情况下卡尔曼滤波方法能够提高GPS定位精度,在定点实验中观测值的均方误差为0.5259,滤波后变为0.0536;最后,在干扰情况下的无人艇运动仿真实验中,经过卡尔曼滤波后测量数据的均方误差由0.5043降低为0.3553;实验说明卡尔曼滤波能获得很好的滤波效果。