利用GPS进行车辆动态定位的自适应模型研究

提出一种GPS动态定位系统模型,并将其应用于车辆的导航定位系统,获得了明显效果.将GPS的误差等效为马尔柯夫过程,采用描述机动载体运动的"当前"统计模型,建立了一种利用GPS对车辆进行动态导航定位的滤波模型及自适应卡尔曼滤波算法.仿真结果表明,应用所提出的强跟踪动态定位模型和算法,与改进前相比车辆导航定位系统的精度、实用性均得到了明显提高.     

自适应SRCKF在GPS动态单点定位中的应用

平方根容积卡尔曼滤波具有良好的数值稳定性与滤波效率,针对滤波中状态函数与实际不符带来的误差对滤波造成的影响,将基于预测残差统计量的自适应因子和最优自适应因子与平方根容积卡尔曼滤波算法相结合以降低预测信息在滤波中的权重,并将平方根容积卡尔曼滤波与带自适应因子的平方根容积卡尔曼滤波用于GPS动态单点定位数据处理,最后用航摄飞机实测GPS动态观测数据验证了算法的有效性。     

H∞次优滤波在速度姿态匹配传递对准中的应用

针对速度+姿态匹配传递对准中量测中的不确定性干扰,采用H∞滤波方法进行速度+姿态匹配传递对准。并与卡尔曼滤波进行了比较,仿真结果表明,当系统噪声和量测噪声为白噪声时,卡尔曼滤波器和H∞滤波器均有效,而且卡尔曼滤波器优于H∞滤波器。但是,当系统噪声与量测噪声为有色噪声并且存在建模误差时,卡尔曼滤波收敛速度明显低于H∞滤波的收敛速度。H∞滤波更符合工程应用的实际情况,因而H∞滤波是一种非常有效的估计方法。     

基于卡尔曼滤波的无人机组合导航系统设计

针对卡尔曼滤波在实际应用中遇到的系统通常不是严格线性的问题,改进了在组合导航系统中常用的卡尔曼滤波方法,用扩展卡尔曼滤波对INS和外部测量源的信息进行融合,推导了无人机GPS辅助惯性导航系统的导航方程.通过分析GPS和INS的定位原理,建立了GPS和INS的误差模型.完成了以INS为主导航系统,GPS作为辅助系统的组合导航系统的扩展卡尔曼滤波设计.最后,将线性卡尔曼滤波和扩展卡尔曼滤波的结果进行了仿真对比分析,结果表明:扩展卡尔曼滤波更适合系统为非线性的情况.     

基于闭环H∞滤波的组合导航系统研究与仿真

运用组合导航技术,将SINS与GPS两者有机组合,能很好地克服各自的缺点,形成优势互补结构.H∞滤波通常应用于系统模型和噪声特性不确定的环境,存在滤波精度不高的缺点.通过对H∞滤波引入闭环修正,在不影响滤波鲁棒性的前提下,有效地提高了系统精度.同时引入协方差配置技术,能够增强导航系统的鲁棒性,从而构成比较理想的组合导航系统.对提出的SINS/GPS全组合系统进行了动态仿真,仿真结果表明,系统结构简单,状态估计精度较高,系统鲁棒性好.基于闭环H∞滤波的组合导航系统对实际工程应用具有重要的现实意义.     

一种带约束条件的GPS动态滤波新方法

该文提出了一种GPS动态位滤波新方法。通过分析GPS在汽车导航定位应用中的具体情况，注意到汽车在行驶过程会受到道路的约束，从而提出以道路抽象出的直线方程作为定位滤波的约束条件。该文建立了带道路约束条件的滤波动态系统模型，并推导出了带约束条件的卡尔曼滤波方程。计算机仿真实验和实测数据滤波分析表明，与一般卡尔曼滤波方法相比，该方法简单易行，计算量增加不大，且明显地提高了GPS定位滤波精度。在汽车导航定位系统中有一定的应用价值。     

GPS动态定位中卡尔曼滤波模型的建立及其强跟踪算法研究

提出一种改进的强跟踪卡尔曼滤波算法,应用于GPS动态定位滤波中获得明显效果。首先建立了一种新的GPS动态定位滤波模型,该模型与以往采用的非线性卡尔曼滤波模型相比,具有模型简单、实时性好的特点。为了进一步提高滤波器的动态性能,改进了文献[1]中的强跟踪滤波算法,大大提高了滤波器的跟踪能力。     

基于粒子滤波的GPS/DR组合导航算法研究

对于车载GPS/DR(全球定位系统/航位推算)组合导航系统的算法研究,大多采用扩展卡尔曼滤波,但是应用扩展卡尔曼滤波时,非线性系统必须要进行线性化,从而导致滤波结果有较大的误差.为此将粒子滤波算法用于车载GPS/DR组合导航系统中,并建立了GPS/DR组合导航系统的状态方程和观测方程.为了检验其有效性,将两种方法分别对车载GPS/DR组合导航系统进行滤波仿真,仿真实验结果表明粒子滤波比扩展卡尔曼滤波有更好的滤波效果,更能减少定位误差.     

综合船桥多源导航信息融合技术研究

在配备了捷联惯导、GPS、北斗、计程仪和罗兰C等多个导航设备的综合船桥导航系统中,针对常规的无重置联邦滤波器长时间导航会引起导航精度降低和滤波器发散的问题,以及实际应用中卡尔曼滤波对系统噪声和量测噪声统计特性要求的局限性,采用了局部反馈校正的无重置联邦滤波结构,设计了基于H∞滤波的局部反馈校正无重置联邦滤波器,并将其应用于综合船桥多源导航信息融合系统中.仿真分析表明,基于H∞滤波的局部反馈校正无重置联邦滤波器对航向角和位置的估计精度都高于常规的无重置联邦滤波器,具有更好的实际应用价值.     

闭环H∞滤波在无源北斗/SINS导航系统中的实现

H∞滤波通常应用于系统模型和噪声特性不确定的环境,存在滤波精度不高的缺点.通过对H∞滤波引入闭环修正,在不影响滤波鲁棒性的前提下,有效地提高了系统精度.无源北斗/SINS组合导航系统的动态跑车实验结果表明,闭环H∞滤波下的组合导航精度优于相同滤波误差模型下的闭环Kalman滤波,并且具有参数设置简单、滤波稳定性强的优点.     

高动态GPS定位滤波算法的仿真研究

当前,GPS全球定位系统是相对完美的卫星定位系统,它的显著优点是全球性、全天候、实时定位,也可应用到多方面上,一般是应用在航天、航海等领域。尤其是最近几年来,GPS导航的应用更加多方面,它的发展前景也是无限好。在高动态GPS的定位数据中会有些许影响到定位的因素,然而将卡尔曼滤波方法应用到其中就可以大大降低该误差,从而提高精度,然而,在现实生活中得到对系统状态精确描述的内容是较为困难的。本论文对GPS的误差进行了分析,结果表明,提到的滤波算法对于高动态GPS定位很是适合。最后,在GPS/DR和GPS/INS组合导航定位系统中应用了卡尔曼滤波算法,并对其作了仿真分析和建模,得到了较为理想的结果。     

卡尔曼滤波在无人水面艇双天线GPS定位测向系统中的应用

针对无人水面艇双天线GPS定位测向系统的定位误差问题,利用卡尔曼滤波算法对GPS数据进行滤波处理;根据位置与速度及航向的关系,建立数学模型,然后利用卡尔曼滤波算法对定位测向系统的测量值进行滤波处理;首先,对无人水面艇在静止、低速及高速运动状态的GPS数据进行了处理;仿真结果表明,在这三种情况下卡尔曼滤波方法能够提高GPS定位精度,在定点实验中观测值的均方误差为0.5259,滤波后变为0.0536;最后,在干扰情况下的无人艇运动仿真实验中,经过卡尔曼滤波后测量数据的均方误差由0.5043降低为0.3553;实验说明卡尔曼滤波能获得很好的滤波效果。     

基于非线性滤波算法的高动态GPS定位模型

运动载体上的GPS接收机在高动态环境下运行时,由于接收机与卫星的相对加速度和速度均过大,测得的伪距和多普勒频移均存在较大的误差,而现有的GPS定位模型动态建模较为简单,导致系统在高动态环境下定位精度很低.提出一种改进的GPS系统模型,将接收机加速度信息引入到系统状态变量中进行估计,测量模型和状态模型均随接收到的卫星颗数而动态改变,并使用了平淡卡尔曼滤波进行定位解算,结果证明,使GPS系统在高动态环境下仍能得出较高的定位精度,并有定位模型的有效性和较强的鲁棒性.     

基于衰减记忆UKF的高精度GPS定位估计

目前单机GPS接收机定位精度较低,主要是由于定位模型的不完善和定位估计算法的误差造成的.为了提高识别精度,提出了伪距和多普勒频移相融合测量模型,采用一种将衰减记忆平淡卡尔曼滤波算法(MAUKF)进行GPS定位估计,来提高单机GPS的定位精度.MAUKF是一种改进的卡尔曼滤波算法,通过引进衰减因子加强对当前测量数据的利用,以减小历史数据埘滤波结果的影响.经过GPS单机静态定位实验验证,算法能够提供优于传统滤波算法的定位估计精度,并可用于提高单机GPS定位精度.     

自适应卡尔曼滤波在目标跟踪系统中的应用

目标跟踪是精确制导系统中的重要组成部分.文中针对运动目标跟踪问题,在建立运动模型的基础上,应用卡尔曼滤波算法进行了跟踪仿真研究.考虑到直角坐标系下的扩展卡尔曼滤波容易发散,可能导致滤波精度变差,所以文章提出一种针对非线性观测模型和线性动态模型的自适应推广卡尔曼滤波器.直角坐标系下的自适应卡尔曼滤波算法,对虚拟噪声进行了估计,动态补偿观测器模型的线性化误差,削减了系统的观测误差,并对其滤波理论及算法进行了仿真研究.结果表明:该算法提高了滤波的稳定性、快速性和精确性,优于一般的扩展卡尔曼滤波算法.     

受一类多通道异构网络通信约束的网络系统H2/H∞滤波研究

针对异构网络中不同类型网络及每个通道在不同时刻所产生的网络诱导延时和数据丢包不同,使得异构网络环境下H2/H∞ 滤波更加困难的新问题,不同于目前广泛研究的单种类型网络环境下的H2/H∞滤波方法,首先,深入分析了异构网络通信特性并给出了数学描述公式,然后,建立了融合多通道异构网络通信约束的滤波误差动态系统综合模型.基于Lyapunov-Krasovskii 理论,证明了在已知有线网络和无线网络分别存在的最长网络诱导延时情况下,所设计的滤波器使得滤波误差动态系统随机稳定且满足给定的H2/H∞ 性能指标.仿真验证该方法可行且有效.     

列车自适应交互多模型H∞滤波定位算法

针对在列车运行的复杂工况下噪声特性难以准确获知和状态模型与实际运行不匹配的问题,提出了列车自适应交互多模型H∞滤波算法.首先,依据列车运动状态自适应调整系统状态噪声特性和模型.其次,通过自适应补偿误差协方差增强H∞滤波的鲁棒性.最后,以哈尔滨到大庆的部分实测数据对算法的有效性进行了仿真验证.结果表明:所提算法具有自适应...     

基于非线性卡尔曼平滑的GPS定位估计方法

在GPS单机定位中,通常采用卡尔曼滤波作为位置状态解算的方法.文中提出一种将非线性平滑技术用于GPS定位估计的方法,该方法可用于单机GPS接收机的定位解算,在非线性滤波的基础上进一步提高定位精度.提出一种随接收卫星数量而实时改变测量参数的动态测量模型,根据GPS的伪距、多普勒频移和导航信息等原始数据进行定位模型的解析,运用新型的平淡卡尔曼平滑算法求解该动态模型.GPS定位实验结果表明,与通用的最小二乘迭代法和非线性滤波等方法获得的结果相比,所提出的方法能获得更高的定位精度.     

自适应交互集合Kalman滤波的动态精密单点定位

为了进一步提高动态精密单点定位的解算精度,采用交互多模型思想构建动态精密单点定位解算模型.采用集合Kalman滤波算法降低GPS数据中因非高斯噪声正态化处理造成的精度损失;利用状态预测向量残差信息,采用自回归模型(AR)修正当前历元的预报值,提高动力学模型的可靠性;根据单位权中误差自适应选取最终滤波解.对某载GPS数据进行验证,计算结果表明,自适应交互集合Kalman滤波是一种性能可靠、精度高的滤波算法.     

一种基于简单自适应控制的闭环H_∞滤波算法的验证与改进

采用固定积分变量的方法,对基于简单自适应算法(SAC)的闭环H∞滤波算法进行了改进,增强了经典H∞滤波的动态跟踪特性,确保了该算法的稳定性,同时初步分析了这种新算法提高鲁棒性的原理.通过建模仿真及比较分析表明:与常规H∞滤波器相比,当建模误差存在或者系统模型统计特性未知时,采用改进的简单自适应算法H∞滤波器能够改善滤波的动态特性,降低H∞滤波器对噪声的敏感性,精度更高.