基于加权自适应平方根容积卡尔曼滤波的GPS/INS组合导航方法

针对GPS/INS组合导航系统中,由于量测噪声统计的不确定性导致平方根容积卡尔曼滤波器(SCKF)滤波精度下降甚至发散的问题,该文提出一种基于加权的自适应SCKF(WASCKF)方法。该方法首先利用移动开窗理论对SCKF新息的协方差阵进行最大似然估计,实现对测量噪声统计特性的在线调整;然后,利用加权理论,依据窗口内不同时刻信息的有用程度的不同而设置相应的权值,增强对窗口内有用信息的利用。最后,将WASCKF方法应用于GPS/INS组合导航系统中进行仿真验证,并与SCKF和ASCKF方法进行比较,结果表明,在测量噪声统计存在不确定情况下,该文所提出方法的速度误差和位置误差的均方根均小于SCKF和ASCKF方法,能够有效地提高GPS/INS组合导航系统对量测噪声统计不确定的自适应能力与导航性能。     

一种简化的车载自适应组合导航算法

为解决复杂路况下车载组合导航系统存在的卫星导航系统信号衰弱、断续导致信号观测性差和组合滤波器稳定性下降甚至发散等问题,采用了一种简化的、易于工程实际应用的车载自适应组合导航算法,利用数据检测方法对卫导原始观测数据进行评估,根据评估结果构造自适应滤波因子,实时更新滤波器量测噪声协方差阵,提高滤波器对观测信息变化的适应能力。通过实际动态跑车试验,表明这种简化的自适应组合导航算法在卫导信号断续情况下,仍能保证3 m(RMS)的定位精度、0.04 m/s(RMS)的测速精度,较常规Kalman滤波定位精度提高近30%,测速精度提高达70%,能满足城市、山区等恶劣场景下车载导航的需求。     

未知噪声统计的交替估计GPS自适应导航定位算法

本文将噪声统计量的估计与信号状态估计交替进行的算法引入ＧＰＳ定位，计算模拟结果表明效果良好。     

基于噪声估计和双加权的彩色图像矢量中值滤波

针对彩色图像椒盐噪声滤除中保护色彩和细节这个关键问题,提出了一种基于噪声估计和双加权的滤波新算法.噪声估计采用二级估计策略,第1级基于灰度最大、最小值进行粗估计,第2级采用加权方向算子进行精估计.对非噪声点保持像素灰度不变,对噪声点设计了空间和灰度双加权的矢量中值滤波算法(VMF).实验结果表明,新算法对低、中密度的彩...     

区间Kalman滤波在MSINS／GPS组合导航中的应用

在系统参数不确切已知或随时间变化时传统卡尔曼滤波算法无法直接应用.本文给出了一种处理系统参数不确定性的区间卡尔曼滤波算法, 该算法将参数变化的系统建立成区间模型,并运用了一种较为简单的区间矩阵求逆方案.仿真验证了该算法在低成本MIMU/GPS组合导航数据融合中应用的可行性,在统计最优性能及迭代形式方面与标准卡尔曼滤波算法相当.     

基于改进ESKF和自适应滤波的组合导航算法研究

针对传统滤波算法中忽视了误差方程中的高阶量所引起的导航结果不够准确的问题,提出了一种改进ESKF算法,将基于误差状态建模的滤波算法同EKF相结合。针对组合导航的鲁棒性与适应性,提出了一种将卡尔曼滤波算法与自适应滤波算法相结合的滤波算法,并进行仿真验证。仿真结果表明：当组合导航系统受到较大扰动时,改进算法较传统滤波算法使组合导航系统在经度精度上提高了49.48%,纬度精度上提高了34.21%,有效提高了组合导航系统的精确性和鲁棒性。     

基于图像增强的改进自适应加权均值滤波算法

为了尽可能滤除图像中的椒盐噪声同时改善图像视觉效果,将改进自适应加权均值滤波与小波域图像增强技术有机结合,提出了一种具有增强效果的图像滤波算法。该算法分为滤波和滤波后处理两个阶段。滤波阶段,对经典均值滤波分别从噪声检测策略、权值计算机方法噪声滤波模版设计等方面进行适当改进,给出了具体实现步骤;滤波后处理阶段,首先将滤波后图像进行三层小波分解;然后构造出一种小波图像增强模型,根据小波系数的幅度值将其分为三个部分,分别进行不同程度的拉伸处理;最后进行拉伸后小波系数重构。将该滤波算法与经典均值滤波,加权均值滤波、自适应加权中值滤波等性能比较,实验结果表明,本文滤波算法在噪声滤除和图像细节保持方面,效果较好。     

改进自适应UKF在组合导航系统中的应用研究

为了提高组合导航系统的导航精度,将改进自适应UKF滤波算法应用于SINS/GPS组合导航系统中,该组合导航系统为松组合方式。分析了UKF滤波算法的解算步骤,通过分析得出了UKF算法的特点;结合自适应估计原理,将自适应因子引入UKF算法中,得到了应用于组合导航系统的改进自适应UKF算法;通过计算机仿真,得出了组合导航系统的仿真结果,并对2种算法进行了对比分析。仿真结果表明,改进自适应UKF能够抑制组合导航系统初值选取的偏差影响,降低系统状态模型扰动的影响,提高导航精度。     

基于协方差矩阵加权的非理想情况下自适应阵列干扰自由度估计

 在均匀线阵条件下,证明了干扰特征值渐近为周期延拓后的干扰空间谱这一性质.据此提出了一种非理想情况下估计干扰自由度,即大干扰特征值个数的方法.该方法首先利用协方差矩阵加权得到非理想情况下的干扰协方差函数和对应的空间谱,然后根据周期延拓后的干扰空间谱估计干扰自由度.仿真结果验证了该方法的有效性.     

模糊自适应估计器在INS/GPS组合导航中的应用研究

研究了一种模糊自适应神经网络状态估计器的工作原理及结构,并讨论了用其代替传统扩展卡尔曼滤波在导航参数估计中的实现方法。利用扩展卡尔曼滤波来构造模糊推理系统,通过神经网络对模糊推理系统进行训练,根据输入输出样本自动调整模糊系统的设计参数,从而实现对INS/GPS组合导航系统导航参数的最优估计。通过仿真验证表明,用模糊自适应状态估计方法进行导航系统的初始对准,能够大大提高系统的实时性。     

无迹卡尔曼滤波器在直升机导航系统中的应用

提出一种针对直升机导航过程中风场干扰问题的航迹建模方法。该方法基于CV运动模型,用非线性状态方程准确描述了飞机的定高飞行过程。在该模型的基础上,根据UKF算法设计无迹卡尔曼滤波器,对包含风场噪声的航迹进行处理,用以提高航迹的估计精度。仿真结果表明,航迹估计结果精度较高,滤波效果显著,克服了由于扩展卡尔曼滤波类方法截断误差等因素导致精度下降的不足。此外,该滤波器计算速度快且易实现,具有较好的工程应用参考价值。     

MIMU／GPS组合导航模糊自适应卡尔曼滤波研究

针对组合导航初始对准中存在模型误差时常规卡尔曼滤波容易发散的问题,提出了一种模糊自适应卡尔曼滤波算法。该算法采用模糊控制规则,根据新息的方差和均值变化自适应调整量测噪声权值矩阵。此算法运用于MIMU/GPS组合导航初始对准中,获得了较高的导航精度。仿真结果表明,该算法能够有效防止滤波发散,减少模型误差对滤波结果的影响,提高了滤波精度,实现了参数的在线调整。     

一种新型GPS/DR组合导航系统

利用三个陀螺仪和一个里程计提出一种新型GPS/DR组合导航系统。首先推导了这种组合导航系统的状态方程,然后给出了松组合方式的滤波方程。最后用实测算例对这种新型组合导航系统进行了验证,结果表明,相比于SINS系统、传统的DR系统,这种DR系统在车载系统应用中具有更好的优势;而且这种组合导航系统能够很好地提高单一导航系统的导航精度。     

惯性/地磁组合导航系统自适应卡尔曼滤波算法研究

针对惯性/地磁组合导航中遇到的滤波的发散问题,采用自适应卡尔曼滤波估计导航系统的误差.该算法通过实时估计和修正系统噪声以及观测噪声的统计特性达到降低模型误差、抑制滤波发散的目的.在Matlab环境下的仿真证实了该方案可以防止滤波器发散,缩小滤波误差,提高滤波精度.     

改进的迭代CKF及其在GNSS/INS紧组合中的应用

为改善GNSS/INS紧组合中非线性滤波器的稳定性和精度,基于Backtracking线搜索(BLS)方法提出一种新型的迭代容积卡尔曼滤波方法(BLS-ICKF)。首先建立Sigma点滤波方法的迭代框架,采用阻尼Newton迭代改善状态初始误差较大时的滤波更新精度,同时,为提高组合系统状态预测过程的鲁棒性定义了一种简化的迭代更新结构。实验和仿真结果表明,BLS-ICKF牺牲较小的时间复杂度较CKF的航向角误差减少约59%。     

MULTISENSOR DISTRIBUTED EXTENDED KALMAN FILTERING ALGORITHM AND ITS APPLICATION TO RADAR/IR TARGET TRACKING

A multisensor distributed extended Kalman filtering algorithm is presented for nonlinear system, in which the dynamic equation of the system and the equations of sensor's measurements are linearized in the global estimate and global prediction respectively and the suboptimal global estimate based on all available information can be reconstructed from the estimates computed by local sensors based solely on their own local information and transmitted to the data fusion center. An analysis of the properties of the algorithm presented here shows that the global estimate has higher precision than the local one and smaller linearization error than the existing method. Finally, an application of the algorithm to radar/IR tracking of a maneuvering target is illustrated. Simulation results show the effectiveness of the algorithm.     

INS/CNS/GPS组合导航数据融合算法与仿真研究

研究了INS/CNS/GPS组合导航系统的原理和特点,建立了组合导航系统的数学模型。分别利用集中卡尔曼滤波和联邦滤波数据融合原理对此系统进行了仿真研究,并指出了集中滤波器的不足之处。仿真结果表明采用全球定位系统和天文导航系统对惯导系统误差进行修正不仅可以大幅度提高导航精度,而且通过比较和分析可知联邦滤波可以有效地提高导航系统的可靠性和复原能力,是理想的容错型信息融合算法。     

卡尔曼滤波在地形辅助导航的应用中系统误差协方差矩阵Q的模拟

采用卡尔曼滤波技术进行地形辅助导航是提高导航精度的方法之一。卡尔曼滤波理论上要求束先了解系统误差的统计特征,在实际课题的应用中这一要求往往不能满足。文中结合地形辅助导航的应用背景,给出了系统误差最重要的统计特征－－协方差矩阵Ｑ的一种模拟方法,在实际应用中效果良好。     

基于参数解耦的变分贝叶斯自适应卡尔曼滤波

针对噪声协方差矩阵失配情况下的状态估计问题,本文基于变分贝叶斯框架,提出了一种适用于过程噪声协方差矩阵和测量噪声协方差矩阵均未知条件下的参数解耦的变分贝叶斯自适应卡尔曼滤波算法。所提算法选取预测误差协方差矩阵作为变分优化变量,并引入了其马尔可夫演化模型,构造了参数解耦的变分推断模型。同时,采用固定点迭代优化实现状态、预测误差协方差矩阵和测量噪声协方差矩阵的联合后验概率分布求解,并设计了算法的收敛性判断准则。仿真结果验证了算法的有效性。