基于奇异值的联邦滤波器信息分配新方法

针对有状态重置结构的联邦滤波器,在分析以往信息分配和重置方法的基础上,提出了一种基于估计协方差阵奇异值动态确定信息分配系数的算法.结合INS/GPS/DVS/APS组合导航系统的Monte-Carlo数字仿真结果表明:与以往算法和无重置联邦滤波比较,该算法在联邦滤波器的主滤波器信息融合周期长于局部滤波周期时,可有效提高系统状态估计误差精度.     

SINS/GPS组合导航的扩展Kalman滤波算法

针对捷联惯性导航系统(SINS)无法长时间单独工作和GPS卫星信号易失锁而无法定位的问题,分析了两种导航系统的优缺点,提出了SINS/GPS组合导航的方法.建立了陀螺和加速度计的误差模型,采用松耦合方式,设计了扩展Kalman滤波器.以姿态、速度、位置的误差以及陀螺、加速度计的误差作为状态变量,对姿态、速度、位置进行校正.运用Matlab对组合导航系统进行了仿真.结果表明,该算法简单,容易实现,能满足导航精度要求.     

基于DSP的SINS/GPS组合导航系统设计

在分析组合导航计算系统的特点和应用要求后,提出基于DSP处理器和复杂可编程逻辑器件CPLD的导航计算机系统的设计方案。从硬件方面分别讲述DSP和CPLD的工作过程和功能,详述SINS/GPS组合导航系统的工作原理。试验结果表明,该系统完全满足组合导航系统的要求。     

基于模糊逻辑的两步卡尔曼滤波器设计

在对惯性运动跟踪系统的建模分析中,常采用基于计算机的集中式卡尔曼滤波算法进行数据处理。由于该方法存在算法复杂,处理数据速度慢等问题,难以在嵌入式系统中实现高速运动跟踪,提出一种基于模糊逻辑的自适应两步卡尔曼滤波算法。该方法根据人体不同的运动状态调整卡尔曼滤波器,实验结果证明所提的方法能够更好地估计各个传感器的测量精度,减少了运算量,并在一定程度上提高了滤波器的容错性能。     

基于联邦扩展卡尔曼滤波的结构损伤识别方法EI北大核心CSCD

当结构损伤与传感器故障同时存在时,两者的相互影响会导致损伤识别结果的劣化;为此,提出了一种基于联邦扩展卡尔曼滤波的结构损伤识别算法。利用分散化滤波计算量小、滤波精度高的优点,联邦扩展卡尔曼滤波方法能根据正常的传感器信号准确识别结构的损伤位置与程度,具有良好的鲁棒性;同时利用联邦滤波容错性好的特点,能实现对故障信号的自动检测和剔除,并将剩余的正常子系统进行组合,以继续提供准确的损伤识别结果。梁式结构的数值算例及实验分析验证了该算法的有效性及对故障传感器信号的检测隔离能力。     

基于GNSS/INS联合仿真的组合导航终端测试方法研究

为解决GNSS/INS组合导航终端动态定位性能的实验室测试问题,本文在转台惯性仿真测试和卫星导航仿真测试技术的基础上,提出了GNSS/INS联合仿真两步法,即先通过惯性传感器实物测试获得其特征误差模型,再使用测试场景中载体初始条件和轨迹数据驱动该误差模型产生惯性传感器的模拟输出数据流,最后同步GNSS信号仿真的方法实现GNSS/INS联合仿真的过程。仿真测试结果与外场实测对比后,证明该方法获得的测试数据准确度满足预期指标、结果可靠,而且比其他传统测试方法的成本低、效率高。     

GPS交通调度管理系统的设计与仿真

GPS技术为各种交通工具提供了实时导航定位能力,GPS车辆交通调度管理系统利用全球卫星定位系统、全球移动通信系统、地理信息系统,结合计算机网络通信技术对车辆进行指挥调度和监控.驾驶员和监控中心能够随时通过GSM短消息业务中心传送和查询指定车辆的GPS定位信息.仿真验证了车载导航定位子系统及基站采用的伪距解算软件.     

GPS／SINS组合导航系统仿真与分析

一、GPS系统和捷联惯导系统的基本原理1.1 GPS系统的基本原理随着当代科学技术的不断发展,航天技术、计算机技术、卫星导航技术、卫星测量技术以及卫星通讯技术也得到了不断成熟和提高,全球定位系统（GPS）就是将上述技术融合在一起而建立并发展起来的一种新型的高精度卫星定位和导航技术。     

基于GPS/GPRS的车载导航系统的研究

介绍采用GPRS(General Packet Radio Service,通用分组无线业务)技术作为GPS车载卫星定位系统的无线数据传输方法,提出通过GPRS模块来实现数据传输的方法,简要概括了软件设计.     

改进的UKF在SINS/GPS/地磁组合导航中的应用

针对SINS(Strapdown Inertial Navigation System)/GPS组合导航系统中出现的滤波发散问题,研究自适应渐消卡尔曼滤波对于滤波发散的抑制作用,引入了一种新的渐消矩阵计算方法.为了提高导航精度,增加了地磁量,作为观测量对运载体的姿态、速度、位置进行校正,有效地解决了SINS初始状态的导航精度下降问题.车载实验证明,该算法简单,容易实现,能够有效抑制滤波发散,满足组合导航的精度要求.     

基于滤波残差的组合导航系统故障检测研究

论文研究了两种用于组合导航系统中的故障检测方法,首先介绍了传统的残差χ2检验法,随后给出了一种基于最大残差样本协方差阵特征值的故障检测算法.通过计算机仿真比较了两种算法在组合系统中的应用,仿真结果显示,基于特征值的故障检验算法对故障较敏感,系统组合精度略高,一定程度上优于传统残差χ2算法.最后,文章讨论了组合导航系统中两种故障检测算法的优缺点.     

Kernel Entropy Based Extended Kalman Filter for GPS Navigation Processing

This paper investigates the kernel entropy based extended Kalman filter (EKF) as the navigation processor for the Global Navigation Satellite Systems (GNSS), such as the Global Positioning System (GPS). The algorithm is effective for dealing with non-Gaussian errors or heavy-tailed (or impulsive) interference errors, such as the multipath. The kernel minimum error entropy (MEE) and maximum correntropy criterion (MCC) based filtering for satellite navigation system is involved for dealing with non-Gaussian errors or heavy-tailed interference errors or outliers of the GPS. The standard EKF method is derived based on minimization of mean square error (MSE) and is optimal only under Gaussian assumption in case the system models are precisely established. The GPS navigation algorithm based on kernel entropy related principles, including the MEE criterion and the MCC will be performed, which is utilized not only for the time-varying adaptation but the outlier type of interference errors. The kernel entropy based design is a new approach using information from higher-order signal statistics. In information theoretic learning (ITL), the entropy principle based measure uses information from higher-order signal statistics and captures more statistical information as compared to MSE. To improve the performance under non-Gaussian environments, the proposed filter which adopts the MEE/MCC as the optimization criterion instead of using the minimum mean square error (MMSE) is utilized for mitigation of the heavy-tailed type of multipath errors. Performance assessment will be carried out to show the effectiveness of the proposed approach for positioning improvement in GPS navigation processing.     

基于Kalman滤波的气体超声波流量计融合方法

针对气体超声波流量计中多个声道获得的多个流量结果如何融合的问题,提出了基于Kalman滤波的融合方法。把多声道气体超声波流量计看成是若干个单声道流量计的组合,根据每个声道计算结果的统计规律,自动地调整每个声道的流量结果在最终输出中的权重系数,在消耗较小的计算资源情况下,实现对流量结果中异常值的判断和处理,使流量输出更加稳定。在以DSP和FPGA为核心的气体超声流量计信号处理系统上实时实现算法,并进行实流实验。实验结果验证了方法的有效性。     

磁罗经/GPS系统中调频高斯小波变换的应用

提出了一种基于调频高斯小波变换的GPS软故障诊断算法.该算法可以对GPS失锁、方差奇异等软故障进行在线检测.以HMR3000磁罗经和BeeLine GPS实际系统跑车试验数据显示,利用调频高斯小波变换方法后,系统航向可用性从原来的72%提高到了100%;系统的误差减小到原来的60%.因此,调频高斯小波变换方法有效地解决了磁罗经/GPS中在线软故障检测的难题.     

基于扩展卡尔曼滤波的气力输送动态称重系统

为了提高粉料在气力输送过程中动态称重的精度,提出了一种基于扩展卡尔曼滤波算法的动态称重方法。通过设置多个称重传感器,对采集的数据进行融合并滤波处理,以消除干扰噪声对系统测量的影响。同时采用减重计量法,将数据处理结果通过智能控制器实时调节卸料控制阀的开关度,以提高动态称重的精度。实验结果表明:称重30kg二氧化硅粉末,平均误差在0.3%以下。     

基于卡尔曼滤波和粒子滤波融合的UWB室内定位算法

基于超宽带(ultra-wideband, UWB)室内定位技术得到了广泛的发展,然而,在LOS(line-of-sight)和NLOS(non-line-of-sight)环境下的UWB的测距信息均存在不同程度的误差,因此,提出了一种改进的卡尔曼滤波算法对UWB原始数据进行平滑处理;之后提出卡尔曼滤波(Kalman filters and particle filters, KPF)和粒子滤波融合的算法。通过卡尔曼滤波得到的状态量和误差协方差进行粒子采样,克服了传统粒子滤波进行粒子采样时的运动学模型与实际运动不相符的缺点,大幅减少了粒子退化的现象。经过实验,该算法在LOS和NLOS环境中的定位精度分别提升了20.6%和15.6%。     

基于二阶转换测量Kalman滤波的目标跟踪算法

为了减小传统跟踪滤波算法线性化误差,提高光电跟踪系统的跟踪速度和跟踪精度,本文在三维空间中,提出了二阶去偏转换测量卡尔曼滤波算法.该算法利用二阶泰勒展开的方法,推导出了光电跟踪系统观测方程的转换测量值误差的均值和协方差矩阵表达式,并对测量误差进行去偏差补偿处理,再经过转换测量卡尔曼滤波,可显著减小传统滤波算法的线性化误差.仿真结果表明,二阶去偏转换测量卡尔曼滤波(SCMKF)算法的跟踪精度优于非去偏转换测量卡尔曼滤波(CMKF)和扩展卡尔曼滤波(EKF),以及unscented卡尔曼滤波(UKF)算法,并且具 有更快的收敛速度,和采用统计方法的去偏转换测量卡尔曼滤波(DCMKF)的跟踪精度相当,但计算简单,提高了跟踪速度.