基于抗差Kalman滤波的精密单点定位

当精密单点定位的观测值含有异常数据时,Kalman滤波的精度将会降低。采用抗差Kalman滤波方法能够有效抑制观测异常,提高滤波的精度和可靠性。运用武汉国际GPS服务跟踪站数据对该方法进行了验证。结果表明,抗差Kalman滤波的精度比Kalman滤波的精度有一定程度提高,说明抗差Kalman滤波能够有效抑制观测异常。     

时变参数系统的自适应Kalman滤波在水文预报中的应用

用时变参数系统的自适应Kalman滤波预报方法,对时间序列模型进行最优和次优预报,用于解决河流年最大洪峰流量时变参数系统的自适应预报问题,通过松花江哈尔滨水站年最大洪峰流量的实例计算表明,其预报效果良好。     

基于系统误差及其协方差阵 拟合的抗差自适应滤波

动态导航数据处理中基于系统误差及其协方差矩阵拟合的自适应滤波算法在一定程度上可以 抵制系统误差或区域性系统误差对动态导航定位结果的影响,但无法抵制异常扰动的干扰。考虑到观 测模型和动力学模型存在异常扰动时,整体控制状态噪声协方差阵的方法可以减弱扰动异常的影响,因 此提出一种基于系统误差及其协方差矩阵拟合的抗差自适应滤波算法。算例结果证实,该算法在减弱 系统误差影响的同时,还能有效地抵制观测异常和载体状态扰动异常对动态系统参数估值的影响。     

GPS监测网动态数据处理抗差Kalman滤波模型

为克服观测向量中的粗差对状态参数滤波值的影响,通过分析其影响规律,并充分顾及到粗差在预测残关或得到全部反映的特点,导出了GPS监测网动态数据处理的抗差卡尔曼滤波模型－该模型对观测空间和设计空间均具有良好的抗差性,通过利用该抗差滤波模型对含有粗差的模拟GPS监测网的计算,与采用标准卡尔曼滤波模型的计算结果相比较,可获得可靠的变形分析结果。     

一种新的抗差自适应Unscented粒子滤波

针对粒子滤波存在的重要性密度函数难以选取和可能出现粒子退化的问题。提出了一种新的抗差自适应Unscented粒子滤波算法。该算法不但能利用等价权函数和自适应因子合理的分配信息,提高滤波精度,而且具有Unscented粒子滤波的优点,更好的适用于非线性、非高斯系统模型的计算。仿真结果表明,文中提出的抗差自适应Unscented粒子滤波算法,滤波性能明显优于扩展卡尔曼滤波和粒子滤波算法,并且能提高组合导航系统的定位精度。     

抗差自适应EKF在INS/GNSS紧组合中的应用

针对惯性/卫星紧组合导航中卫星观测数据存在粗差,影响组合导航系统定位精度,同时考虑到卫星少于4颗和卫星几何分布不佳对预测残差构造自适应因子的影响,提出了一种抗差自适应EKF紧组合算法。该算法给出惯性/卫星紧组合状态方程与观测方程,抗差等价权因子和预测残差法构造自适应因子的计算公式,并给出卫星少于4颗和卫星几何状态分布不佳情况下自适应因子的计算方法。通过车载实测数据对算法进行验证与分析,实验结果表明,基于抗差自适应EKF的惯性/卫星紧组合算法可有效削弱卫星粗差观测值的影响,在可见卫星数少于4颗和卫星几何分布不佳的状态下,依据该算法获取的系统导航精度得到进一步提高。     

抑制 Kalman 滤波发散的方法及其进展

探讨了抑制Ｋａｌｍａｎ滤波发散的若干方法，抑制滤波发散的算法，对实际应用及改进Ｋａｌｍａｎ滤波，提高状态估计精度是有益的。     

多普勒测速声呐的自适应Kalman滤波算法

针对小型自主水下无人潜器的运动特点,设计了一种加速度信息辅助的自适应Kalman滤波器,用于多普勒测速声呐的数据处理.首先基于时间序列分析法,建立了多普勒测速声呐噪声信号的AR模型,并根据当前统计模型设计了多普勒测速声呐Kalman滤波方程.然后针对滤波方程特点,设计了基于S面的自适应Kalman滤波器.实验结果表明,...     

离散LTI系统的Kalman滤波的自适应算法

运用现代时间序列分析方法 ,提出了一类线性时不变离散随机系统的自适应稳态 Kalman滤波算法 ,该算法应用白噪声估值器理论对 ARMA新息模型进行在线辨识 ,可进行简单的自适应滤波处理 ,仿真例子说明了算法的有效性。     

GNSS/SINS/视觉导航鲁棒算法

全球导航卫星系统(Global Navigation Satellite System,GNSS)、捷联惯性导航系统(Strapdown Inertial Navigation System,SINS)和视觉传感器优势互补,3者信息融合可获得高精度、无漂移的导航定位信息.针对GNSS／SINS／视觉融合导航易受运动速度、光照变化、遮挡等影响导致定位精度和鲁棒性降低问题,本文在图优化框架的代价函数中加入SoftLOne鲁棒核函数,设置量测值粗差检验程序,降低离群点带来的负面影响.进一步,对量测值计算残差进行卡方检验,对超限残差降权处理,提高系统精度和鲁棒性.实验结果表明,本文算法较不施加鲁棒核函数、不采用异常值剔除策略和卡方检验的传统算法,以及加入其他鲁棒核函数的算法精度更高、鲁棒性更好,能够较大程度提升GNSS／SINS／视觉导航定位精度和鲁棒性,在大尺度环境下,未出现较大漂移误差,绝对位姿均方根误差0.735 m,绝对位姿误差标准差0.336 m.     

GNSS接收机多径抑制性能检测技术

多径干扰信号会导致GNSS接收机伪距、载波相位和多普勒等测量精度降低,多径信号对GNSS接收机观测数据的影响与多径信号的延迟、幅度、相位等特性参数有关,造成的伪距测量误差高于载波相位测量误差2个数量级。多径抑制是GNSS接收机关键性能指标之一,GNSS接收机主要从试验室模拟环境和实际工作环境两方面检测多径抑制性能,多径误差包络检测技术利用模拟导航信号源完成多径抑制性能检测,码减载波和多径误差分析都是通过接收观测卫星导航信号并进行数据分析完成多径抑制性能的检测。     

Context-Aware Using Carrier Phase for Adaptive MEMS IMU/GNSS Filtering in Deep Urban Navigation

Context-aware is becoming standard on the most mobile navigation devices. The performance of MEMS IMU/GNSS gains significant benefits from context information in terms of improvement of filter’s adaptive capability. A context-aware algorithm using differential carrier phase was proposed to recognize a mobile MEMS IMU/GNSS equipped vehicle’s stationary, slow moving or fast moving status. The corresponding context error in awarding was analyzed and consequently conducted two fading factors based on the analysis. The factors were applied in the system’s adaptive filter with targeting applications in deep urban where severe multipath presents. The dense urban field test shows that the false alarm of proposed context-aware algorithm is less than 5％ and the adaptive filtering can achieve around 15％ improvement in terms of 1σ in two-dimension position accuracy.     

变分贝叶斯自适应容积卡尔曼的SLAM算法

在观测噪声参数未知或变化时,传统的同步定位与建图(SLAM)算法性能会下降,为了让SLAM算法性能在上述条件下不受影响同时具有较高的精度,基于此提出了一种基于变分贝叶斯噪声自适应容积卡尔曼滤波的SLAM算法(VB-ACKF-SLAM).该算法采用逆Wishart分布对未知观测噪声参数建模,采用容积积分方法近似非线性变换的均值和方差,并利用变分贝叶斯滤波实现对移动机器人状态和未知观测噪声参数的联合后验概率的估计.该算法有效地解决了在观测噪声参数未知或变化时,传统滤波算法出现的滤波发散问题.仿真实验结果表明,在观测噪声参数未知或变化时,与基于容积卡尔曼滤波的SLAM算法(CFK-SLAM)、无迹卡尔曼滤波的SLAM算法(UKF-SLAM)、扩展卡尔曼滤波的SLAM算法(EKF-SLAM)相比,VB-ACKF-SLAM算法的定位准确率得到了较大的提高,证明了该算法的有效性.     

基于过程模型的化工动态数据校正方法研究

在工业过程中,获得准确可靠的测量数据是实现过程控制、模拟、优化和生产管理的前提条件。当测量数据中存在过失误差时,基于过程模型的卡尔曼滤波得到的校正结果准确性会降低。为了降低过失误差的影响,将鲁棒估计函数与卡尔曼滤波相结合,利用鲁棒函数的影响函数修正测量值方差,提出了基于鲁棒估计函数改进的卡尔曼滤波,并推导给出了修正方差的计算公式。动态非线性实例的应用结果表明,与传统的卡尔曼滤波相比,改进的卡尔曼滤波的过失误差校正性能有了显著提高,可有效地用于动态过程的数据校正。     

Wiener滤波,Kalman滤波和信息融合滤波理论研究进展

综述最优和自校正滤波的一种新的方法论——现代时间序列分析方法,其中给出了同Wiener滤波方法和Kalman滤波方法的比较,并且综述了近20年来由作者分别基于Kalman滤波方法和现代时间序列分析方法关于Wiener滤波、Kalman滤波和信息融合滤波理论的研究进展,其中包括一系列新方法、新理论和新的研究方向,并提出了存在的几个问题和今后研究方向,具有重要理论、工程应用和科学方法论意义.     

基于基函数逼近和卡尔曼滤波的温度场重建

为了提高声学CT复杂温度场重建能力,提出一种基于基函数逼近和卡尔曼滤波的温度场重建算法.利用Markov径向基函数的线性组合逼近被测区域内的声速分布,并使用卡尔曼滤波根据多路径声波飞行时间数据重建出声速分布,进而利用声速与温度的关系得到温度分布.分别采用Markov径向基函数Tikhonov正则化法、最小二乘法和BFAKF算法对4种典型的三维模型温度场进行了无噪声和有噪声仿真数据重建.重建结果表明,BFAKF算法的重建结果优势明显,具有更好的复杂温度场重建能力.     

基于GNSS的空间环境参数反演平台及精度评估

基于全球和区域全球导航卫星系统(GNSS)参考站网进行对流层和电离层参数反演实现空间环境变化监测具有成本低、精度高、实时性好等优点,得到了广泛应用.本文基于南京信息工程大学的北斗/GNSS空间环境监测平台Xsens-ing,以国际GNSS服务组织提供的对流层产品为参考,评估了不同气象条件下对流层参数反演精度,在此基础上...     

Unsupervised FIR adaptive filtering and its frequency domain analysis

An unsupervised minimum mean square error FIR adaptive filtering(UAF) algorithm is proposed to estimate the system’s input signal.The algorithm only uses the system’s output signal and noise variance without requiring knowledge of a reference signal.The frequency analysis shows that the UAF is a multi-spot bandpass filter with passing frequency determined by the system’s input signal.Namely,the UAF chooses the expected frequency and extremely restricts the unwanted frequency signal by using weight-updating scheme in time domain.However,the UAF presents the Gibbs phenomenon since the ideal filter is infinitely long which is unrealizable.The simulation and experimental results show that the UAF could effectively reduce the amplitude of the noise and improve the signal to noise ratio.