一种新的粒子滤波算法在INS/GPS组合导航系统中的应用

为改善传统粒子滤波中的样本退化和样本枯竭问题, 提出一种新的粒子滤波算法. 在重要性采样中, 利用最新测量值, 结合差分滤波算法产生重要性函数; 在再采样中, 利用高斯混合模型近似状态的后验概率密度, 引入最大期望算法计算该高斯混合模型的参数, 并从该新分布中采样后验粒子集, 取代传统的再采样. 从而通过提高重要性函数对状态后验概率密度的逼近程度来缓解样本退化问题, 通过改进再采样实现过程来缓解样本枯竭问题. 把新算法应用到INS/GPS组合导航系统中, 仿真结果表明新算法的估计性能明显优于粒子滤波.     

自适应高斯粒子滤波在导航中的应用

针对粒子滤波中重要性密度函数难以选取和粒子退化导致的计算精度下降的问题,提出一种新的自适应高斯粒子滤波算法。通过高斯混合密度函数和UT变换来获取状态均值和协方差阵,选择并计算合适的自适应因子来调节均值和方差,在迭代过程中可动态调节重要性密度函数,并用WEM和EM步骤代替重采样,上述滤波算法考虑了最新量测信息的影响,使滤波性能明显改善,能更好地解决非线性非高斯系统模型的抗干扰问题。将提出的算法应用于SINS/GPS组合导航系统跑车试验中,结果表明上述滤波算法能提高导航解算的精度,其性能明显优于已有滤波,同时验证了当系统出现噪声干扰突然变化时提出算法的有效性。     

GNSS/DR组合导航系统中粒子滤波算法研究

随着车辆组合导航系统的发展,其算法研究也引起了广泛的重视。该文对车载GPS/DR组合导航系统的算法进行了研究,由于卫星信号易受到复杂环境的干扰和影响,导致使用卡尔曼滤波会有较大的误差结果。粒子滤波就能很好的处理这种情况,具有鲁棒性。仿真结果表明,粒子滤波算法优于卡尔曼滤波,更能减少定位误差。     

SINS/GPS组合导航系统Kalman滤波仿真研究

为提高捷联惯导系统SINS和全球定位系统GPS的精度和可靠性,研究了SINS和GPS的原理,建立了SINS/GPS系统的状态方程和位置速度误差量测方程;并采用卡尔曼滤波算法实现了SINS/GPS的组合导航.Matlab仿真结果证明,采用Kalman滤波实现SINS/GPS组合导航,其精度得到大大提高;且采用SINS/GPS组合导航系统,克服了SINS惯性导航难以长时间独立工作的缺点,解决了GPS易失锁、难以实时控制的不足,保证了导航系统的实时性及较高的精度和可靠性.     

量子PSO粒子滤波在DR/GPS组合导航系统中的应用

将量子粒子群优化(QPSO)算法与粒子滤波(PF)相结合,提出了量子PSO粒子滤波(QPSO-PF)算法,对航位推算(DR)与GPS组合导航系统中的里程系数误差和航向误差进行辨识估计,并对里程系数和航向进行修正。该算法采用量子位对粒子进行编码,引入量子旋转门与变异操作保持了粒子集的多样性,通过QPSO搜索寻优重新分配粒子,使粒子集有效地逼近真实的后验概率分布,从而有效地减轻了退化现象,提高了PF的精度。DR/GPS组合导航系统跑车实验结果表明:该算法有效地抑制了DR导航系统误差的增长,提高了组合导航系统的定位精度。     

基于组合导航系统的非线性高斯滤波算法

由于组合导航系统具有强非线性和模型不确定性的特点, 工程中扩展卡尔曼滤波无法满足组合导航系统实际应用的要求. 为此, 针对贝叶斯框架下高斯类非线性滤波算法的估计性能给出具体分析. 首先, 在估计点处对非线性函数进行泰勒展开获得泰勒近似, 通过一阶矩和二阶矩分析滤波算法的近似精度; 然后, 通过数值稳定性对非线性滤波算法进行分析; 最后, 分别采用低维和高维模型对各滤波算法进行对比分析, 为组合导航系统的实践提供借鉴.

     

GPS/SINS组合导航系统与实现

GPS/SINS(捷联惯性导航系统)组合导航系统是目前较为理想的导航定位系统并在许多领域得到广泛的应用;针对GPS/SINS组合导航系统的实际工程应用背景,建立了该组合导航系统的状态方程与量测方程,设计了组合导航系统的降阶卡尔曼滤波模型以及闭环修正卡尔曼滤波模型;为了验证上述模型,进行了相关的静态试验与动态试验,各导航参数的试验变化曲线证明:该系统模型可行,组合系统的精度完全满足实际需要.     

混合联邦-粒子滤波在组合导航系统中的应用

为了解决非线性、非高斯复杂环境下的组合导航系统状态和参数估计问题,针对联邦滤波处理非高斯、非线性系统的不足,提出将粒子滤波引入联邦滤波结构中,形成新的混合联邦-粒子滤波方法.以惯性导航系统/北斗/罗兰C组合导航系统为对象,设计了混合联邦-粒子滤波器,并对所提滤波方法在惯性导航系统/北斗/罗兰C组合导航系统中的应用进行了仿真.仿真结果表明,改进方法能够有效提高系统精度,从而拓宽了联邦滤波的应用范围.     

自适应扩维UKF算法在SINS/GPS组合导航系统中的应用

针对自适应渐消因子卡尔曼滤波无法应用于非线性系统的问题以及自适应渐消因子的局限性,提出了带自适应渐消矩阵的扩维UKF(adaptive fading matrix augmented UKF,AFM-AUKF)算法.该算法针对含有非加性白噪声的非线性系统,引入了一种新的自适应渐消矩阵计算方法,并用Unscented变换逼近系统的后验均值和协方差,有效解决了此类系统的滤波问题.针对SINS/GPS组合导航系统的非线性状态估计问题,分别设计了滤波器容错试验和系统噪声突变试验,试验结果证明了该算法的有效性.     

一种改进的粒子滤波算法及其在GPS/DR组合定位中的应用

针对粒子滤波的重要性密度函数选择问题,提出一种基于集合卡尔曼滤波(Ensemble Kalman Filter,EnKF)的改进粒子滤波算法。该方法利用集合卡尔曼滤波产生粒子滤波在每一时刻各粒子的重要性密度函数,在融合最新观测信息的同时,使重要性密度函数更加符合状态的真实后验概率分布。为消除样本枯竭现象,对重采样后的粒子进行马尔科夫链蒙特卡洛处理。在仿真实验中,将新算法用于GPS/DR组合定位系统,与粒子滤波、扩展卡尔曼粒子滤波以及无迹粒子滤波进行比较。仿真结果表明,该算法的估计精度高于传统粒子滤波算法,同时其能够有效控制计算量,并且在粒子数目较少时仍能保证较好的估计性能。     

基于自适应扩展kalman滤波的SINS/GPS深组合研究

针对SINS/GPS组合导航系统噪声随时间变化引起卡尔曼滤波精度下降的问题,提出了一种噪声统计特性在线估计的自适应扩展卡尔曼滤波算法。算法首先基于新息序列实现了对观测噪声协方差的实时估计,然后基于系统方程采用协方差匹配算法完成了对过程噪声的实时跟踪。算法中尺度因子的引入进一步减小了泰勒展开造成的高阶截断误差,提高了滤波精度。仿真实验结果说明,与传统卡尔曼滤波算法相比,该算法能够实现对过程和观测噪声的完全估计,鲁棒性和精度都有明显提高。     

改进的自适应Kalman滤波在SINS/GPS组合导航中的应用

全球定位系统（GPS）因信号受到遮挡和干扰而产生观测量突然失准,使捷联式惯性导航系统（SINS）/GPS组合导航的卡尔曼滤波器性能急剧下降。针对上述问题,提出了一种改进的自适应卡尔曼滤波的方法,通过失准时的新息对先验状态均方误差阵进行自适应调节,解决了新息协方差与实际严重不符的问题。仿真实验中,对比了传统的卡尔曼滤波、自适应卡尔曼滤波、自适应抗差卡尔曼滤波和改进的自适应卡尔曼滤波的估计性能,证明了所提出算法的有效性。     

SINS/GPS组合导航系统自适应扩展Kalman滤波

对于低成本SINS/GPS组合导航系统,由于惯性器件的精度较低,通常情况下的SINS误差模型估计不准确,甚至使滤波器发散,为此提出根据姿态四元数的SINS误差估计模型,该模型不需要对初始姿态进行赋值。为在观测噪声未知的情况下估计SINS误差,通过结合序贯处理与Kalman滤波算法,提出一种自适应扩展卡尔曼滤波方法,该方法可以同时进行序贯处理和观测噪声估计。仿真实验结果表明,该方法可以消除过程噪声方差和观测噪声方差不确定造成的影响,提高了SINS/GPS导航系统的性能。     

GPS/SINS/Odometer组合导航系统的研究

针对全球定位系统(GPS)和捷联惯性导航系统(SINS)组成的车载导航系统在GPS失效时精度会快速下降的问题,提出了GPS/SINS/Odometer(里程计)组合导航定位系统,采用联邦卡尔曼滤波对SINS进行误差估计并作反馈校正。当GPS无效时,就可以使用里程计辅助SINS。实验结果表明,在GPS失效的时间段内,该组合系统可以有效地抑制SINS的误差发散,并将其误差限制在较低的水平,保证了组合导航系统的精度与可靠性。     

低成本SINS/GPS组合导航系统方案

低成本捷联惯性导航系统SINS、GPS硬件和相应的组合导航算法已经开始成熟,但仍然缺少简单可行的、完整的组合系统方案.针对低成本SINS\GPS组合导航设计了一套完整的方案.首先利用GPRS和TCP/IP通信链路实时传输GPS差分数据,提高GPS定位精度.用计算机串口接收SINS\GPS数据,并利用计算机时间使SINS和GPS数据同步.然后给出了SINS速度和位置更新的简化算法,由于低成本SINS无法确定航向角,所以使用SINS自带的姿态和航向参考系统输出的航姿信息.最后阐述了方案采用的组合导航数据融合卡尔曼滤波模型,并以RTK定位数据为参考真值进行了车载实验,实验表明组合系统更加稳健,定位精度明显提高.     

改进的UPF在GPS/INS导航中的应用

针对UPF（Unscented Particle Filter）由于计算量大而难以应用于GPS/INS（Global Positioning System/Inertial Navigation System）组合导航中的问题,提出一种基于全局采样的UPF算法。结合了最新的量测值,对粒子集整体利用一次UKF（Unscented Kalman Filter）算法产生建议分布,免去了UPF中对每个粒子循环套用UKF的环节,省去了重采样步骤,减少了UPF的计算量。仿真实验采用以伪距为观测量的状态变量为10维的非线性模型,结果表明,改进的UPF与PF相比,具有更高的估计精度,与UPF相比,具有更小的计算量,能够解决UPF难以应用于GPS/INS组合导航中的问题。     

基于结构分解的GPS/INS组合导航粒子滤波技术

针对粒子滤波应用于GPS/INS组合导航系统时难以保证滤波实时性的问题,提出一种基于线性/非线性结构分解的改进粒子滤波算法.改进算法对状态方程进行线性/非线性结构分解,分别采用重点采样和线性卡尔曼方式进行一步预测递推,充分发挥粒子滤波和卡尔曼滤波的特点,有效降低了粒子滤波的计算量,在保证GPS/INS组合导航系统滤波精度的条件下提高了组合滤波的实时性.     

基于MEMS的低成本SINS/GPS组合导航系统研究

采用低成本的MEMS惯性传感器搭建了捷联惯导系统硬件平台,在此基础上对SINS/GPS组合导航系统进行实验研究.实验结果表明:系统精度比单纯的惯导系统高,接近GPS精度,达到了使用要求.同时,给出了MEMS捷联惯导系统的姿态解算算法,并进行实验验证.