Adaptive Kalman Filter of Transfer Alignment with Un-modeled Wing Flexure of Aircraft

The alignment accuracy of the strap-down inertial navigation system (SINS) of airborne weapon is greatly degraded by the dynamic wing flexure of the aircraft. An adaptive Kalman filter uses innovation sequences based on the maximum likelihood estimated criterion to adapt the system noise covariance matrix and the measurement noise covariance matrix on line,which is used to estimate the misalignment if the model of wing flexure of the aircraft is unknown. From a number of simulations,it is shown that the accuracy of the adaptive Kalman filter is better than the conventional Kalman filter,and the erroneous misalignment models of the wing flexure of aircraft will cause bad estimation results of Kalman filter using attitude match method.     

自适应平方根中心差分卡尔曼滤波算法在捷联惯性导航系统大方位失准角初始对准中的应用

提出了一种自适应平方根中心差分卡尔曼滤波(ASRCDKF)算法,并应用于捷联惯性导航系统(SINS)大方位失准角初始对准中。ASRCDKF算法以中心差分变换为基础,基于平方根滤波能够克服发散的思想,利用协方差平方根代替协方差参加递推运算,并将自适应估计原理引入该算法中,不仅克服了扩展卡尔曼滤波产生线性化误差和计算雅可比矩阵的不足,而且减小了计算量,保证了数值稳定性。同时,ASRCDKF算法解决了传统滤波算法过度依赖系统动态模型和噪声统计特性先验知识的问题。最后通过滤波仿真证明了ASRCDKF算法在SINS大方位失准角初始对准中的有效性和优越性。     

基于新息的神经网络自适应卡尔曼滤波

卡尔曼滤波是一种基于最小方差的递推式滤波算法,系统模型和噪声统计特性的先验知识决定了滤波的性能和估计的准确性,不精确的先验知识将导致滤波性能的明显下降甚至发散。采用BP神经网络对系统进行辨识,获得精确的系统状态方程,利用新息自适应估计卡尔曼滤波算法中的过程噪声和测量噪声协方差矩阵,提出基于新息的神经网络自适应卡尔曼滤波算法。Matlab仿真结果表明,与传统卡尔曼滤波算法相比,改进的卡尔曼滤波算法获得了与原始信号几乎一致的输出信号,噪声得到明显抑制。同时,改进的算法不需要系统精确的数学模型,在实际应用中具有可行性和普适性。     

Adaptive Federal Kalman Filtering for SINS／GPS Integrated System

A new adaptive federal Kalman filter for a strapdown integrated navigation system/global positioning system (SINS/GPS) is given. The developed federal Kalman filter is based on the trace operation of parameters estimation‘s error covariance matrix and the spectral radius of update measurement noise variance-covariance matrix for the proper choice of the filter weight and hence the filter gain factors. Theoretical analysis and results from simulation in which the SINS/GPS was compared to conventional Kalman filter are presented. Results show that the algorithm of this adaptive federal Kalman filter is simpler than that of the conventional one. Furthermore, it outperforms the conventional Kalman filter when the system is undertaken measurement malfunctions because of its possession of adaptive ability. This filter can be used in the vehicle integrated navigation system.     

量测噪声自动加权Kalman滤波

从Kalman滤波技术的稳定性出发，分析了Kalman滤波算法的实质及容量发散的原因，提出在Kalman滤波中引入系统量测噪声协方差阵（R）的计算，并对其加权，从而影响滤波增益，抑制发散，推算舰位／GPS组合导航的应用仿真表明明显测噪声自动加权Kalman滤波算法对系统模型误差和量测噪声协方差误差具有良好的自适应性。     

模糊自适应无迹卡尔曼滤波方法用于天文导航

为克服航天器自主天文导航中不确定测量噪声对导航精度的影响,提出了一种基于模糊推理的自适应无迹卡尔曼滤波(FUKF)方法.该方法根据滤波过程中实际测量残差方差与理论残差方差的比值,将系统滤波过程分为普通模式和自适应模式.分别对两种模式建立模糊隶属度函数,应用模糊推理规则,得到自适应修正因子,对系统的测量噪声方差阵进行实时修正,使其跟踪实际测量噪声的变化.当系统受到不确定环境噪声影响时,该滤波算法仍然有效收敛.将该方法应用于直接敏感地平的航天器自主天文导航中,不同测量噪声水平下的仿真结果表明,该算法对不确定的测量噪声具有较强的自适应能力,保证了导航信息的输出精度.     

基于自适应UKF的单站无源定位算法

针对无迹卡尔曼滤波(UKF)算法在单站无源定位中滤波的性能容易受到初始值和系统噪声影响的问题,提出了一种自适应无迹卡尔曼滤波(AUKF)的跟踪算法。该算法利用观测信息和新息,引入自适应因子,对在滤波过程中的误差的协方差矩阵进行合理自适应调整,保证得到较稳定和高精度的滤波值,从而提高算法的鲁棒性。仿真结果表明,该AUKF算法与扩展卡尔曼滤波算法(EKF)及其衍生算法中的修正协方差滤波算法(MVEKF)和UKF算法相比,对系统噪声的鲁棒性更好,体现在滤波的收敛速度和滤波精度等方面都有所提高,是一种性能更加优越的算法。     

模糊逻辑在NGIMU/GPS组合中的应用

由于加速度计输出动态噪声的存在,无陀螺惯性测量组合(NG IMU)导航误差随时间迅速累积.采用传统卡尔曼滤波方法进行NG IMU/GPS组合导航系统设计时,又由于观测噪声的复杂性,造成滤波结果不明显.针对上述噪声统计特性不易确定的特点,基于NG IMU九加速度计配置方案,提出利用模糊逻辑自适应卡尔曼滤波方法进行NG IMU/GPS组合导航系统设计.模糊逻辑自适应卡尔曼滤波器(FLAKF)通过对噪声方差进行修正,将卡尔曼滤波器调整到最优状态.同时进行了系统位移、速度、角速度仿真,仿真结果验证了模糊逻辑自适应卡尔曼滤波方法的可行性.     

一种基于极大似然准则的自适应卡尔曼滤波算法

在系统不能确切建模或模型本身会产生改变的应用场合，传统卡尔曼滤波算法的性能受到直接影响，甚至无法正常应用。基于标准卡尔曼滤波假设，利用极大似然估计准则推导了一种新的自适应卡尔曼滤波算法，这种滤波算法的主要思路是利用新息序列对系统和量测噪声方差阵Q和R实时估计和调整，以实时反映系统模型的变化。在相关理论分析的基础上，针对低成本惯性／GPS组合导航系统对这种自适应卡尔曼滤波方法的性能进行了仿真分析，与传统卡尔曼滤波算法进行了比较，探讨了这种算法的实用性。     

基于自适应卡尔曼滤波的GNSS矢量锁定环路

为了减小卫星信号信噪比变化对全球导航卫星系统(GNSS)接收机当中矢量锁定环路(VLL)的不良影响,使用一种基于新息的自适应卡尔曼滤波方法对其改进,以实现对VLL滤波器观测噪声协方差矩阵的实时调整．使用后处理软件全球定位系统(GPS)接收机处理信号发生器产生的中频数据以对提出的方法进行验证．实验结果表明,相对于传统标量环路(SLL),基于自适应卡尔曼滤波的VLL可以在信噪比降低甚至可见卫星数目不足的环境下工作,其载波频率跟踪精度及导航定位解精度均优于固定参数矢量环路和传统标量环路．     

一种U—D分解自适应推广卡尔曼滤波及应用

为了改善自适应卡尔曼滤波的数值稳定性和计算效率,防止滤波发散,本文在自适应推广卡尔曼滤波的基础上,利用U-D分解滤波,提出一种U-D分解自适应推广卡尔曼滤波新算法,并把该算法应用于飞行状态估计问題,仿真及实际飞行数据计算结果证明了本文方法的有效性.     

双重自适应UKF在SINS初始对准中的应用

对无迹卡尔曼滤波（UKF）算法进行了改进,提出一种双重自适应UKF算法. 该算法能缩放噪声、平抑模型噪声;通过监测基于新息特性的自适应矩阵的迹并进行实时修改,达到抑制观测干扰的目的. 仿真结果表明,双重自适应UKF算法对于模型噪声和观测干扰十分敏感,同时具有较强的鲁棒性,能快速对其进行平抑.     

基于新息协方差的机动目标轨迹估计算法研究

针对态势显示系统中机动目标运动状态不确定、卫星定位误差、接收机随机噪声造成的目标轨迹估计精度低的问题。在"当前"统计模型的基础上,提出了一种基于新息协方差的Kalman滤波算法,该算法根据新息协方差的极大似然最优估计实现加速度方差的实时估计和自适应调整。仿真结果表明,该算法的估计性能优于常规算法,跟踪精度较高。     

基于变权新息协方差的自适应卡尔曼滤波器

针对传统卡尔曼滤波器鲁棒性差,无法实时精确跟踪系统突变状态的现实,设计了一款基于变权新息协方差的自适应卡尔曼滤波器。在传统卡尔曼滤波器的基础上,分析了突变状态无法跟踪的缘由;基于滤波发散判据,分析储备系数与均权新息协方差之间的关系,对状态突变程度进行分层;基于Sage-Husa估计原理与加权最小二乘准则,对于不同程度的突变状态,采用实时调整各历元新息协方差权重的策略,优化渐消因子,激活滤波增益,增权量测新息。实例研究表明,自适应卡尔曼滤波器鲁棒性强,能够精确跟踪系统突变状态,其状态收敛速度优于抗差卡尔曼滤波器,稳态精度提升了42.05%。     

基于分布式惯导测量的机翼弹性形变算法

飞机在飞行过程中产生的机翼弹性形变难以预测,对此,提出了一种基于分布式惯性导航的机翼形变测量方法. 首先,根据机翼的模态信息及理论模型利用粒子群算法对机翼上的关键测试点进行了布局优化研究;其次,提出了一种相对运动惯性导航解算方法,建立相对惯性导航误差估计的联邦卡尔曼滤波模型,实现了各节点在机翼挠曲变形下的实时对准,并通过联立多子节点的位姿信息描述机翼形变;最后,设计了机翼加载实验,并验证了该算法的精度及有效性. 结果表明,机翼形变测量的三维位置误差与姿态误差均得到了改善,说明该方法具有较高的估计精度并在动态环境中有较好的形变监控能力.     

GPS辅助的SINS系统快速动基座初始对准

为实现基于优化的动基座对准算法(OBA)对陀螺仪误差的估计,并使其能够应用于低精度SINS系统中,将自适应无迹卡尔曼滤波算法与OBA算法相结合,提出一种新的由GPS辅助的SINS系统快速动基座对准（FIMA）算法.该算法首先推导了陀螺仪常值漂移与失准角之间的关系,并以此构建非线性系统状态方程,然后用重力加速度和GPS输出速度的积分构建量测方程;由于系统存在非线性,提出使用UKF算法对失准角以及陀螺常值漂移进行估计;由于量测方程由速度和重力加速度的积分构成,量测噪声协方差难以确定,引入自适应滤波算法对量测噪声实时估计. 跑车实验结果表明:对于低精度SINS系统,该算法可在15 s左右将航向角误差收敛到3°以内,在3 min以后航向角误差可收敛到1°以内;与传统非线性动基座对准算法以及OBA算法相比,该算法可在无任何初始姿态信息的条件下快速对准,且能够对陀螺常值漂移进行在线估计和载体系失准角补偿,提高了动基座对准的精度和收敛性能.     

基于自适应组合滤波的惯性导航系统初始对准方法

针对系统噪声不确定情况下的惯性导航系统非线性初始对准问题,提出了一种基于自适应组合滤波的初始对准方法.首先给出了一种基于Kalman/UKF组合滤波的神经网络实时训练算法;进而提出了基于Kalman/UKF组合滤波的非线性系统状态估计方法,该算法利用神经网络在线估计系统噪声,并利用Kalman/UKF组合滤波在线同时估计初始对准的状态量和神经网络的权值;最后将该算法应用于惯性导航系统非线性初始对准问题中,并进行了仿真研究.仿真结果表明:自适应组合滤波算法不仅保证了初始对准的精度,而且具有更好的实时性,是解决惯性导航非线性初始对准问题的一种有效且实用的方法.     

改进SADE-EKF的永磁同步电机参数辨识

针对永磁同步电机（PMSM）参数辨识中扩展卡尔曼滤波（EKF）难以确定合适的系统噪声矩阵Q和量测噪声矩阵R的问题,提出了一种改进自适应差分进化算法（SADE）-EKF的PMSM参数辨识方法。首先分析了扩展卡尔曼滤波器的工作原理,建立了双线程辨识模型;然后通过改进差分进化算法（DE）的变异策略跳出局部最优,并设计了合适的适应度函数;最后,通过SADE算法对EKF的Q和R进行优化。实验结果表明,改进的SADE-EKF在辨识电机参数时比传统的EKF具有更好的收敛速度和辨识精度。     

平方根滤波及其在目标跟踪方面的应用

在主流非线性滤波算法中,诸如扩展卡尔曼滤波和Unscented卡尔曼滤波都包含状态协方差矩阵的传递,这在滤波器更新步骤经常引起协方差矩阵失去正定,从而引发滤波器失效.平方根滤波可以降低这种数值误差的影响.基于协方差更新的Joseph形式,给出一种更简洁的平方根扩展卡尔曼滤波算法.同时将此滤波器和平方根Unscented卡尔曼滤波器应用于再进入飞行器的目标跟踪问题,仿真结果表明这种应用是有效的.     

航天器相对视觉／IMU导航量测修正多速率滤波

针对具有单目视觉和惯导组件(IMU)的航天器相对导航问题,研究了以量测信息为修正手段的异速滤波算法.异速滤波也就是多速率卡尔曼滤波器,其中滤波过程被分解为量测更新和时间更新,根据实际情况选取滤波器周期,一般可选取频率较快的系统采样周期作为组合导航系统的滤波周期,根据是否有慢速信息决定在滤波时刻进行时间更新或者量测更新.为增强滤波器对观测信息的适应能力,设计利用量测信息对滤波量测噪声阵和状态估计误差协方差阵进行后验修正.理论分析和数学仿真均表明,基于量测修正的多速率卡尔曼算法能够提高滤波器的数据更新频率,同时改善滤波器的性能,提高导航系统的冗余度.