基于粒子滤波的INS/TAN组合导航

将粒子滤波应用于INS／TAN组合导航系统中。仿真证明,该滤波方法有效地克服了地形的非线性特性和惯导误差对组合导航结果的影响。     

非线性滤波及其在组合导航系统中的应用

非线性滤波理论的研究在近年来取得了很大的进展，相继出现了一些次优和最优的非线性滤波算法。本文首先对滤波理论的研究现状作了一个系统的总结，同时对现有各种非线性滤波方法的效率和精度进行了认真的分析和比较，在此基础上，指出了未来非线性滤波的发展趋势，最后针对组合导航系统自身的特点，介绍了近年来涌现同来的与之相关的各种滤波算法，通过对各种算法性能的比较，揭示了组合导航系统中非线性滤波技术的未来发展方向。     

北斗/INS组合导航中人工鱼群粒子滤波的应用

为解决粒子滤波中的粒子退化和枯竭问题,提出一种动态人工鱼群粒子滤波算法,该算法在粒子滤波重采样过程中引入人工鱼群算法的觅食和聚群行为,并依据概率密度的动态比值动态调整人工鱼的移动步长,此算法提升了粒子的多样性,克服了粒子退化及枯竭问题;推动粒子向优选区域逼近,并提高了粒子的全局搜索能力,避免粒子陷入局部最优。将改进的动态人工鱼群粒子滤波在北斗/INS紧组合的模型上进行应用,并通过仿真与人工鱼群粒子滤波及标准粒子滤波算法PF相比较。仿真结果表明,动态人工鱼群粒子滤波可显著提高估算精度,从而为在利用北斗和INS在紧组合导航时提供了新的方法。     

粒子滤波方法在GPS/DR组合导航系统中的应用

成功地将粒子滤波方法应用干GPS／DR组合导航系统中。如果GPS信号受到干扰或者车辆做大幅度机动时，卡尔曼滤波会有较大的误差。粒子滤波不仅考虑了客观样本信息，还考虑了主观因素，能很好地处理这种观测样本出现异常的情况，具有鲁棒性。实验证明，当GPS信号被遮挡时，粒子滤波优于卡尔曼滤波。     

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UKF的GPS／MIMU组合导航滤波算法研究

高精度的导航定位是无人机研究中所面临的主要挑战之一。采用GPS／MIMU组合导航是目前主流的导航模式。当前实现GPS／MIMU组合导航的技术主要是卡尔曼滤波。文中将UKF（Unscented Kalman Filter）滤波技术应用于组合导航,建立系统的状态与观测量的非线性模型,在给定初始值和噪声方差阵的情况下进行了仿真。数值仿真表明所设计的卡尔曼滤波器可行,该方法能很好地改善滤波效果,提高了估计精度,同时减小了计算量。     

一种容错分散滤波在组合导航中的应用

从提高联合滤波容错性的角度出发，通过自适应调节信息融合因子提高联合滤波的容错性对一般联合滤波方法做了改进，并把这种改进的滤波方法用在了SINS/GPS/TAN组合导航系统中，通过对组合导航系统的仿真表明此种方法大大提高了组合导航系统对软件故障的容错性。     

自适应滤波算法在组合导航系统的应用

从卡尔曼滤波算法的稳定性出发，分析了卡尔曼滤波算法和Sage-Husa滤波算法的缺点，改进了Sage-Husa滤波算法，改进后的算法保证了系统噪声估计方差阵和测量噪声估计方差阵的半正定性和正定性，消除了滤波发散现象。在INS／GPS组合导航系统中进行仿真，仿真结果表明改进后的算法可以有效提高INS／GPS组合导航系统的稳定性．     

代表点理论在粒子滤波算法中的应用

将统计学中的数论方法应用于粒子滤波,使用随机分布的均方差代表点,对粒子滤波中关键的初始粒子生成、重点密度采样及再采样过程给出了相应的代表点算法,得到了一个包含最少随机操作的、使用非等权值粒子的改进粒子滤波算法.     

粒子滤波及其改进算法的比较

针对非线性、非高斯问题,建立了动态状态空间模型,详细分析了贝叶斯滤波的原理。对于满足线性和高斯的状态空间模型,卡尔曼滤波性能是最优的。但是,真实世界的非线性、非高斯问题存在,使得人们不得不寻找一种更好的滤波方法。解决非线性滤波问题最普遍的方法就是扩展卡尔曼滤波。但扩展卡尔曼滤波只适合弱非线性系统,对于强非线性系统,容易导致滤波发散。因而介绍了适用于强非线性、无高斯约束的基于序列蒙特卡罗算法的粒子滤波波器及其改进算法规则化粒子滤波器。最后对上述几种滤波器进行了性能仿真及分析。     

基于粒子滤波地形导航算法的精确近地告警方法

近地告警系统利用导航设备提供的位置信息在机载数字高程模型（DEM）内对航空器周边区域进行搜索,在接近地面时给出告警信息,避免航空器与地面相撞,能够有效提高飞行安全。由于航空器位置和DEM都存在误差,航空器与DEM中地形相对位置和航空器与真实地形相对位置并不完全一致,从而增加虚警和漏警。为了减少虚警和漏警,在不增加和改善导航设备的情况下,提出利用粒子滤波地形导航算法得到航空器在DEM中与地形的准确相对位置,利用该相对位置做近地告警计算。经过实际地形数据飞行仿真实验,结果表明能够有效提高近地告警的精确度和有效性,有较强的实用价值。     

基于修正Rodrigues参数的鲁棒滤波算法在组合导航中的应用

组合导航的观测量常会因外界复杂环境的干扰,出现滤波精度下降的现象。提出一种基于修正Rodrigues参数的鲁棒滤波算法,利用修正Rodrigues参数来重新构造组合导航姿态表达,通过引入HUBER鲁棒策略实现抑制观测量干扰等问题。在捷联惯导/卫星组合导航仿真例子中,比较了传统基于四元数的滤波算法、基于修正Rodrigues参数的滤波算法及其鲁棒化滤波算法,仿真实验结果表明算法具有计算量低和抑制外部干扰等效果,证明了算法的有效性。     

正逆向滤波在惯性卫星组合导航中的应用

为满足高性能惯性/全球卫星导航系统(GPS)组合导航的要求,进一步提高卡尔曼滤波算法在组合导航定位中的解算精度,考虑利用逆向数据处理和加权平滑的融合算法,提出一种正逆向融合的卡尔曼滤波算法应用于惯性/GPS的松组合导航中。分析了正逆向融合的卡尔曼滤波算法的解算方法,并与普通正向卡尔曼滤波算法做出比较。实验部分采用车载传感器采集的实测数据,通过对两种方法解算结果的误差分析,表明了正逆向融合的滤波算法在定位精度方面优于传统正向滤波算法。     

粒子滤波和正则粒子滤波算法性能研究

主要介绍了解决系统状态估计问题的滤波算法。在提出非线性高斯系统模型的基础上着重阐述了扩展卡尔曼滤波(EKF)、粒子滤波(PF)和正则粒子滤波(RPF)算法。对这三种算法在不同的噪声条件下的估计性能进行了仿真分析。结果表明,在非线性高斯系统中,PF和RPF的估计性能远比EKF的估计性能要好,由于RPF是从离散分布中重构其近似连续分布,再从该连续分布中采样粒子,估计性能比PF要好,尤其在小噪声的环境下,估计性能更加稳定。     

地形特征对粒子滤波导航算法精度影响分析

地形导航是利用飞行器下方地形估计飞行器空间位置的导航方法。由于地形是强非线性模型,因此地形导航可以看作非线性状态估计问题,地形特征直接影响导航精度。在讨论粒子滤波导航算法基础上,重点研究了地形特征对后验概率密度和Cramer-Rao下界的影响,得出了地形梯度和相似度是影响粒子滤波导航算法精度的根本原因,为飞行区域选择、飞行路径规划提供了依据,具有较强的实用性。     

改进的粒子滤波算法

针对标准粒子滤波算法重采样后粒子多样性丧失问题,提出一种在粒子补偿的基础上,利用预测值与观测值的方差进行粒子重采样的改进粒子滤波算法。该算法是在标准粒子滤波算法的基础上,加入粒子补偿的步骤,然后利用预测值与观测值的方差在权值较高的粒子周围进行重采样来改善标准粒子滤波算法中粒子多样性丧失问题。实验结果表明:在相同条件下,改进粒子滤波算法比标准粒子滤波算法具有更小的平均均方误差(RMSE)和更高的目标跟踪精度,数据表明,其目标跟踪精确度提高30%以上。     

改进粒子滤波算法的比较

重要性密度函数的选择对粒子滤波至关重要,围绕重要性密度函数的选择,已提出许多改进粒子滤波算法,典型的有扩展卡尔曼粒子滤波(EPF),不敏卡尔曼粒子滤波(UPF)、辅助粒子滤波(APF)及正则化粒子滤波(RPF).详细讨论了4种改进粒子滤波算法的基本思想、性能特.占及主要步骤.通过对一典型标量非线性系统的滤波实验,对4种改进算法的性能进行了仿真比较,实验结果表明,4种改进算法都从不同程度上改善了粒子滤波器的性能,其中,UPF的性能最优.最后,分析了各算法的改进原因.     

基于Sage-Husa的优化粒子滤波算法

针对非线性系统噪声未知时粒子滤波容易发散或者精度下降的问题,提出一种粒子滤波和改进的Sage-Husa估计器相结合的混合滤波算法。首先用粒子滤波对系统状态进行初步估计,将初步估计值作为次级Sage-Husa滤波器的输入量测值,并与系统状态方程组成新的系统,进而用改进的Sage-Husa算法实时估计系统噪声的统计特性并进行滤波,得到最终的系统状态估计值;为了进一步比较算法的性能,对算法的复杂度进行了定量计算,分析表明优化的算法并未明显提高算法的计算量;最后通过目标跟踪仿真实验验证了算法的有效性。     

改进粒子滤波算法及其在目标跟踪中的应用

雷达目标跟踪量测系统常受到闪烁噪声干扰,导致传统滤波算法的滤波性能急剧下降甚至发散。文中提出了改进粒子滤波算法,利用扩展卡尔曼滤波产生重要性概率密度函数。提出改进的重采样策略,提高采样粒子的有效性。将文中算法与PF及EKPF算法进行了仿真比较,结果表明该算法具有较优的跟踪性能。     

粒子滤波算法研究

本文介绍了几种粒子滤波算法,然后详细的介绍了各算法存在的主要问题,以及各种改进算法的优势。最后给出了粒子滤波在研究领域中的一些应用。最后通过介绍几种算法对全文做出了总结。