GPS/DR车辆组合导航改进的粒子滤波算法研究

粒子滤波是一种基于Monte Carlo仿真的最优回归贝叶斯滤波算法,在组合导航系统的观测精度较低时能获得较好的滤波效果,但在观测精度较高时,不但可能导致滤波发散,而且存在重要性分布函数难以选取,出现粒子退化的现象。为了克服这些缺点,文章研究GPS/DR车辆组合导航改进的粒子滤波算法,提出了基于改进粒子滤波算法的GPS/DR车辆组合导航信息融合技术。采用马尔科夫链蒙特卡洛(MCMC)移动方法,移动粒子样本到状态空间中的新位置,既保证了移动后的粒子样本和实际概率函数同分布,又防止了大量后选粒子被拒绝。用改进的粒子滤波算法和扩展Kalman滤波算法,分别对GPS/DR车辆组合导航系统进行仿真实验,结果表明,改进的粒子滤波算法能减小导航定位误差,滤波性能明显优于扩展卡尔曼滤波。     

H∞滤波在GPS／INS组合导航系统中的应用研究

根据H∞鲁棒滤波理论,提出了基于H∞滤波技术的GPS／INS全组合导航系统,利用了GPS和INS提供的位置、速度和姿态信息,并对该系统的滤波算法进行仿真。仿真结果表明,在GPS／INS组合中采用H∞滤波,不仅保证了组合系统导航精度,提高了滤波的鲁棒性,而且能够防止滤波发散。     

基于高斯和粒子滤波的传感器数据处理技术

对不确定传感器数据进行建模,利用高斯和粒子滤波技术进行概率推理,以达到节约能量的目的.首先,根据传感器不同节点之间的时空相关性,采用历史数据建立概率模型;然后,在建立的概率模型上利用基本粒子滤波技术进行概率推理;最后,根据传感器数据符合高斯分布的特征,分别采用高斯粒子滤波、高斯和粒子滤波进行概率推理.实验结果表明,高斯和粒子滤波在准确率和运行效率两方面均能达到良好效果.     

GPS／惯性导航组合性能和组合方法的研究

本文讨论GPS/惯性组合导航系统在导弹发射段时的组合性能，分析惯导系统不同性能条件和卡尔曼滤波器不同组合方法的组合特点，文中最后对降价滤波器的设计和滤波器方差阵的U-D算法进行了具体讨论。     

并行高斯粒子滤波被动多目标跟踪新算法

针对多目标跟踪的数据关联及多目标状态空间尺寸随目标数增多而增长的问题,提出了一种跟踪新算法,假定各目标的状态与过去的观测相互独立,可以多路并行处理,采用马尔可夫链蒙特卡罗(MCMC)方法计算目标与观测的关联概率,利用高斯粒子滤波(GPF)独立估计单个目标的状态,采用拟蒙特卡罗(QMC)方法近似各目标的预测及更新分布.将该算法应用于被动多传感器多目标跟踪,仿真结果表明,所提算法比联合概率数据关联滤波器(JPDAF)、马尔可夫链蒙特卡罗数据关联滤波(MCMCDAF)及蒙特卡罗联合概率数据关联滤波(MC-JPDAF)具有更好的跟踪性能.     

基于粒子滤波的改进算法

通过将粒子滤波算法与无迹卡尔曼滤波算法相结合,提出一种用于解决非线性、非高斯系统估计的改良粒子滤波算法.该算法在经典粒子滤波的基础上,利用无迹卡尔曼滤波生成更能够逼近真实后验概率分布的重要函数.实验结果表明,这种算法在预测结果收敛性能方面明显优于标准粒子滤波、广义卡尔曼滤波和无迹卡尔曼滤波等现有的非线性滤波器.     

GPS／SINS超紧组合导航系统自适应混合滤波算法

针对传统反馈校正滤波结构中,由于不可观测状态的反馈导致系统滤波精度下降,以及由于全球定位系统／捷联惯性导航系统(GPS／SINS,global positioning system／strapdown inertial navigation system)超紧组合导航系统量测方程的非线性导致滤波难度的增加等问题,本文重新推导了线性的量测方程,并将基于状态可观测性的混合校正滤波算法应用于该模型．通过对比三种主流可观测性分析方法,选用误差协方差阵的特征值和特征向量可观测性分析方法分析系统状态的可观测性．最后根据可观测性分析的结果制定自适应的反馈因子,从而对SINS和GPS接收机误差进行校正．仿真结果显示,该方法可以有效提高不完全可观测系统的估计精度．     

基于联邦滤波的INS／GPS组合导航系统数据融合研究

针对INS导航定位的精度低、GPS导航定位的非自主性,采用INS／GPS组合导航的方式,重点阐述了系统模型的建立,在Matlab／Simulink平台下对系统进行仿真实验时,采用了基于无重置的联邦卡尔曼滤波器的组合方案,实验表明了组合系统比任何单一的导航系统的定位精度都要高,是一种可行的导航方法．     

渐消自适应Unscented粒子滤波及其在组合导航中的应用

提出一种新的渐消自适应Unscented粒子滤波算法,通过Sigma点来获取状态估值和协方差阵,利用渐消因子自适应的调节权值大小,得到一种参数可调节的重要性密度函数。该重要性密度函数考虑了最新量测的影响,更合理地利用有效信息,保证了粒子多样性,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滤波问题。将提出的算法应用于SINS/SAR组合导航系统中,与扩展Kalman滤波和渐消自适应扩展Kalman滤波比较,仿真结果表明,提出的滤波算法能提高导航解算的精度,其性能明显优于扩展Kalman滤波和渐消自适应扩展Kalman滤波。     

基于局部重力场模型的惯性/重力组合导航方法

随着水下航行器对导航定位精度要求的不断提高,单一的导航系统难以满足实际的需求,因此,组合导航系统已逐步成为国内外研究的热点问题。水下航行器的惯性导航系统误差随时间累积,利用重力异常数据辅助导航可以修正惯性导航系统误差。文中以全球重力场模型EGM2008为基础,结合局部实测重力异常数据,利用移去-恢复技术修正初始重力场模型的位系数,从而得到局部精确的重力场模型。为了解决系统量测方程无具体解析表达式的问题,提出利用正则化粒子滤波方法对组合导航系统的定位误差进行估计。计算机仿真结果表明,该滤波算法能够有效地提高惯性/重力组合导航系统的定位精度。     

Federated unscented particle filtering algorithm for SINS/CNS/GPS system

To solve the problem of information fusion in the strapdown inertial navigation system (SINS)/celestial navigation system (CNS)/global positioning system (GPS) integrated navigation system described by the nonlinear/non-Gaussian error models, a new algorithm called the federated unscented particle filtering (FUPF) algorithm was introduced. In this algorithm, the unscented particle filter (UPF) served as the local filter, the federated filter was used to fuse outputs of all local filters, and the global filter result was obtained. Because the algorithm was not confined to the assumption of Gaussian noise, it was of great significance to integrated navigation systems described by the non-Gaussian noise. The proposed algorithm was tested in a vehicle’s maneuvering trajectory, which included six flight phases: climbing, level flight, left turning, level flight, right turning and level flight. Simulation results are presented to demonstrate the improved performance of the FUPF over conventional federated unscented Kalman filter (FUKF). For instance, the mean of position-error decreases from (0.640×10⁻⁶ rad, 0.667×10⁻⁶ rad, 4.25 m) of FUKF to (0.403×10⁻⁶ rad, 0.251×10⁻⁶ rad, 1.36 m) of FUPF. In comparison of the FUKF, the FUPF performs more accurate in the SINS/CNS/GPS system described by the nonlinear/non-Gaussian error models.     

RDSS/Doppler/GPS/SINS组合导航系统研究

针对双星定位系统(RDSS)存在的定位位置滞后的先天缺陷,根据组合导航定位系统输出速度误差小的特点,给出了一套消除RDSS位置滞后的方案,并对RDSS／SINS组合系统进行了建模,依据联邦滤波器理论,考虑到GPS的实际情况,提出了RDSS／Doppler／GPS／SINS多传感器组合导航系统的设想,仿真结果表明,该组合导航系统具有准确度高、自主性强的特点。     

光纤SINS/GPS组合导航系统分析

为提高光纤陀螺捷联惯导系统的精度,以光纤陀螺捷联惯导系统与全球定位系统（GPS Globle Position System）为研究对象,采用联邦卡尔曼滤波算法,构成了SINS/GPS（Strap-down Inertial Navigation Systerm/Globle Position System）组合导航系统。仿真结果表明,该算法能及时修正子滤波器的偏差,大大降低子滤波器的模型误差,进而提高整个滤波器的精度,并有效克服了滤波发散现象。     

SINS/GPS组合导航方法设计

根据SINS/GPS组合导航的基本原理,重点研究联合卡尔曼滤波方法在组合导航中的应用,基于最优化理论的数据融合技术,通过分析纯惯性导航系统的误差,建立了组合导航系统的误差模型,设计了高可靠性、易于工程实现的简化联合卡尔曼滤波器和对应的数据融合算法。并对该导航系统进行了动态实验,结果表明组合导航能有效抑制导航参数误差,提高导航精度。     

捷联/天文/多普勒组合导航技术在舰船导航中的应用

为了提高舰船组合导航精度与可靠性,针对其特殊应用场合,将天文导航系统提供的位置和姿态信息、多普勒速度声纳提供的舰船速度信息与捷联导航系统进行信息融合,分析了捷联惯性导航系统、天文导航系统和多普勒导航系统的原理,分别建立了组合导航系统信息融合状态方程和量测方程,并对组合导航系统进行了系统仿真实验,实验结果表明,模糊自适应Kalman滤波器收敛速度快,具有一定的容错能力,在天文辅助捷联组合导航系统中可以有效地提高水面舰船组合导航系统的精度.     

GPS/SINS组合导航系统在飞航导弹中的应用

研究了ＧＰＳ／ＳＩＮＳ组合导航系统在飞航导弹制导中的应用。文中着重研究位置速度组合模式的ＧＰＳ／ＳＩＮＳ组合导航系统的构成和算法，简化误差模型，引入衰减记忆滤波。仿真结果表明，组合导航系统较准确地给出导弹的位置、速度和姿态信息，大大提高了制导精度     

SINS/GPS/DVL组合导航系统的容错研究

结合SINS／GPS／DVL组合导航系统各子系统的特点，提出了一种新的容错设计方案，此方案采用并列运行的滤波器族结构，该结构可以提供不受污染的最优解，且具有容错性好和系统输出数据热备份等优点．仿真结果表明，此方案既可有效地监测和隔离系统故障，同时又保证了系统的精度．     

万有引力优化的粒子滤波算法

针对经典粒子滤波中存在的粒子易退化、易丧失多样性以及滤波精度严重依赖于粒子数量的问题,提出一种万有引力优化的粒子滤波算法．通过万有引力算法优化粒子滤波中的粒子集来提高滤波精度．首先将每个粒子看做质量大小正比于粒子权值的点,粒子间的引力吸引着粒子向高似然区域移动,从而优化粒子集．然后利用精英粒子策略加快万有引力优化算法中粒子收敛速度,并避免粒子陷入局部最优; 引入感知模型防止过度收敛导致的粒子拥挤或重叠．仿真实验表明,该算法在粒子数较少的情况下与经典粒子滤波算法和粒子群优化粒子滤波算法相比,保持了更好的粒子滤波精度和速度．     

一种新的粒子滤波算法

将采样重要再采样(SIR)方法与无迹卡尔曼滤波(UKF)相结合,提出一种新的粒子滤波算法.该算法具有无迹粒子滤波(UPF)粒子使用效率高和SIR粒子滤波运算速度快的优点,同时克服了UPF运算量的增长速率快于状态维数增长的缺陷.仿真结果表明,与UPF相比,本算法在几乎不影响滤波效果的前提下,大幅减少滤波所需计算量.     

基于粒子滤波和UKF联合滤波的卫星姿态估计

针对矢量观测的三轴稳定卫星的姿态估计问题,提出了基于粒子滤波(PF)和Unscented卡尔曼滤波(UKF)的一种联合滤波方法.为了避免粒子滤波的状态高维数引起的计算量过大、难收敛等问题,采用UKF滤波来估计陀螺的漂移,从而使粒子的数量大大减少,以较少的运算量获得较好的滤波效果.另外,通过定义增量误差四元数和采用无冗余的广义罗德里格参数(Generalized Rodrigues Param eters)(三参数)描述卫星姿态,使四元数的归一化处理是隐含的,从而解决了四元数的归一化所造成的协方差阵奇异问题.将该方法应用于某型号卫星的姿态估计,并与UKF相比,即使在较大初始姿态误差情况下,算法也能很快地收敛,验证了所设计的姿态估计算法是可行有效的.