改进粒子滤波算法在导航系统中的应用

研究全方位导航,针对实时精确定位问题,为了提高全球定位系统(Global Positioning System,GPS)的定位精度和可靠性,提出了一种基于改进自举粒子滤波(Bootstrap Particle Filtering,BPF)的GPS定位系统算法.根据GPS输出的参数之间的相互联系建立了系统的状态方程,并应用改进BPF算法对GPS接收数据进行滤波处理.GPS导航系统中采用DSP对GPS接收机的输出信号进行译码和滤波仿真.结果表明GPS信号受到干扰时,改进BPF能很好的处理这种观测样本出现异常的情况,表明能减少运算量,并能很好的提高GPS定位精度,具有一定的鲁棒性.     

联邦滤波车载组合导航系统算法改进研究

精度和可靠性为车载组合导航系统重要的性能指标,基于输出校正的无重置联邦滤波算法在航位推算/惯性导航/GPS(DR/INS/GPS)车载导航系统中具有最高的容错性能,但长时间导航误差发散。采用局部反馈对无重置滤波算法进行改进,研究改进算法的主滤波器权值矩阵构造问题,两局部滤波器相互独立,可以实现容错性能最佳,局部反馈则可提高车载导航系统的子滤波器精度。三组车载导航试验结果证明,改进算法长时间导航精度优于基于输出校正的无重置联邦滤波算法。     

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。     

一种改进的高精度组合导航滤波算法仿真

在INS/GPS组合导航系统的研究中,为了解决非线性滤波算法在系统模型不确定情况下出现的滤波精度低、鲁棒性差的问题,提出了一种将强跟踪滤波算法与容积卡尔曼滤波算法(CKF)相结合的组合导航滤波算法(SMFCKF).SMCKF算法将强跟踪滤波算法中的多重次优渐消因子引入到CKF算法的状态预测协方差矩阵中,对不同的状态通道进行相应的渐消.通过建立INS/GPS组合导航系统的非线性模型,对改进的滤波算法进行仿真,结果表明改进的滤波算法提高了滤波精度和鲁棒性,滤波效果优于CKF算法,适合应用于INS/GPS组合导航系统中,为飞行器组合导航优化提供了参考.     

GPS定位误差分析与状态估计

通过分析GPS定位误差的统计特性,可将GPS定位误差作为二阶Markov随机过程处理。该文结合载体的Singer模型,利用扩展Kalman滤波算法,对系统状态进行估计。试验结果表明,利用扩展Kalman滤波算法比标准Kalman滤波算法在定位精度上有较大程度的提高,对于低动态用户消除相关误差的影响具有一定应用价值。     

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.     

基于GPS/ DR的车载双星定位系统

目前GPS的定位技术已经比较成熟，然而GPS正常工作时需要4颗可见卫星。该文提出了一种基于高精密数字地图的GPS双星定位系统，结合航位推算系统进行组合导航，对组合导航的输出信息综合滤波。试验证明，该算法增强了车载导航系统在城市复杂环境中的适应性，提供了满足要求的定位精度。     

图像降噪组合滤波优化算法

论文利用中值滤波算子和灰度数学形态学中的开、闭算子设计了一种用于灰度图像降噪处理的优化组合滤波算法。提出了一种简单、实用的评价函数用于算法的优化过程。该算法能根据输入噪声图像自动调整算子的组合结构获得最佳的滤波输出,并克服了中值滤波算法在处理灰度图像时对噪声强度的敏感问题。该优化算法简洁、耗时少。算法的实用性用计算机进行了仿真验证。     

随机共振在惯性传感器信号处理中的应用

针对实际处理惯性传感器信号的特点,根据随机共振利用噪声增强信号传输的特性,对现有随机共振的算法进行分析和改进,提出将随机共振应用于惯性传感器输出信号处理方法,即将随机共振系统与恢复系统相结合组成随机共振滤波系统,并通过改进系统参数和恢复方法以及对Runge-Kutta算法实现惯性传感器信号的滤波处理。最后分别对惯性传感器的静态数据和动态数据进行验证,结果表明改进的算法能有效地消除干扰,有效地改善了输出信号精度。所提出的滤波方法与传统的滤波方法相比有较大的优势,为惯性传感器信号处理提供了一种新的方法,具有实际应用价值。     

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.     

MCMC粒子滤波的GPS定位数据处理算法

针对基于传统粒子滤波的GPS(Global positioning system)定位数据处理方法存在粒子退化的问题,研究了基于马尔可夫链蒙特卡罗(Markov chain Monte Carol,MCMC)粒子滤波的GPS定位数据处理算法,引入典型的MCMC方法—Metropolis Hastings(M-H)抽样算法.利用观测伪距非高斯误差分布,建立重要密度函数,将MCMC粒子滤波与建立的GPS系统非线性状态空间模型结合.实测数据实验结果表明,MCMC粒子滤波可有效抑制粒子退化,解决了GPS定位数据滤波这一非线性非高斯问题,避免了噪声的高斯假设和非线性部分的线性化误差,与基于传统粒子滤波的GPS定位数据处理方法相比,该方法降低了定位数据经纬度和速度估计误差,获得了更高的定位精度,并能够在GPS信号质量较差情况下,对GPS定位数据有效滤波,保证载体在此期间内保持较高的位置精度.     

GPS软件接收机载波跟踪环路鲁棒滤波算法

在全球定位系统(GPS)软件接收机中,环路滤波器对噪声抖动的抑制作用,是用户精确连续跟踪卫星信号的重要保证.本文用噪声未知但有界的假设,代替了传统方法中噪声统计特性已知的苛刻要求,应用半定规划方法将滤波问题转化为凸优化问题,提出了载波跟踪环路鲁棒滤波算法,获得了包含多普勒频移的置信椭球,解决了复杂多变环境下GPS软件接收机的滤波跟踪问题.应用模拟载波信号和实际卫星信号对该算法进行验证,结果表明该方法能够连续有效跟踪GPS卫星信号,为GPS软件接收机设计环路滤波器提供了新的思路.     

基于混合卡尔曼滤波的组合导航算法研究

建立了精确制导炸弹MINS/GPS组合导航数学模型.针对扩展卡尔曼滤波存在的问题,研究了非线性滤波,提出了一种新的滤波算法——混合卡尔曼粒子滤波,并应用于组合导航系统定位.仿真结果表明：混合卡尔曼粒子滤波能有效提高组合导航系统的精度和可靠性.     

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.     

提高GPS定位精度的数据处理技术

尽管全球定位系统（GPS）已经是目前精度最高的无线电导航系统,但仍有许多用户不满足于GPS定位的原始精度,希望获得更高的性能。基于GPS输出信息的数据处理就是一种广泛采用的技术。GPS数据基本的处理方法有两种：基于GPS接收机输出数据的滤波、平滑处理;基于两个或多个GPS接收机的差分校正处理（DGPS）。差分GPS只能消除选择可用性和电离层时延等公共误差,对多径干扰仍无能为力。多径已成为近距差分的主要误差源。为了抗多径,本文还综述了两种先进的GPS数据处理方法：空间－时间处理抗多径方法和数据诊断与剔除抗多径方法。     

基于改进粒子滤波的室内自适应定位算法

精确的室内定位系统具有重要的研究及应用价值。由于GPS在室内受到很多约束条件而无法提供精确的室内定位服务,如何提高室内定位算法的精度已经成为当前研究的热点。通过提出一种基于改进粒子滤波的室内定位算法以减少室内环境影响来提高定位精度。该算法主要思想是通过手机等移动设备接收AP传播的信号,然后根据室内拓扑建立一个信号衰减模型,在移动设备的移动过程中结合粒子滤波进行定位。在定位过程中,移动设备采用自适应的信号采集方法来接收信号,同时随机游走思想和自优化的重采样方法被用来改进粒子滤波。仿真实验结果表明该算法能够有效提高室内定位的精度和鲁棒性。     

基于UKF的UWB和GPS融合定位算法

智能汽车的发展对高精度定位需求日益显现. 针对汽车在城市建筑群、立交桥等特定环境下, 可见GPS卫星数量下降、车载GPS和惯性测量单元(inertial measurement unit, IMU)组合定位系统中IMU产生积累误差导致不能精确定位问题, 本文提出一种基于无迹卡尔曼滤波(unscented Kalman ...     

变增益联邦KF组合导航定位算法研究

GPS接收模块解算出的伪距误差是GPS/INS组合导航系统的主要误差,采用一种二级联邦卡尔曼滤波组合导航算法加以削弱,将卫星接收模块解算出的伪距信息和多普勒频移信息在第一级卡尔曼滤波后,再通过主滤波器与INS模块解算出的信息进行修正处理,得到校正量和定位位置最优估计。随着滤波步数增加,系统预测误差方差阵逐渐趋于零,状态估计会过分依赖旧量测值,从而导致滤波发散,影响系统定位精度。为有效提高新量测值的修正作用,在联邦卡尔曼滤波组合导航算法中引入一种可变加权系数。仿真结果表明,改进后的变增益联邦卡尔曼滤波算法具备联邦卡尔曼滤波的优点,并且该算法滤波效果有较明显的改善,能有效抑制滤波发散,提高系统的定位精度。     

结合数字地图的GPS／DR车载双星定位系统

目前GPS的定位技术已经比较成熟,然而GPS正常工作时需要四颗可见卫星。本文提出了一种基于高精密数字地图的GPS双星定位系统,结合航位推算系统进行组合导航,并运用卡尔曼滤波对组合导航的信息进行滤波处理,有效提高定位的精度。试验证明,该算法增强车载导航系统在城市中复杂环境的适应性,并提供满足要求的定位精度。     

实时GPS卫星信号采集系统的设计与实现

开发了一个基于并行口EPP协议的实时GPS卫星信号采集系统,具体介绍了系统设计与实现的一些关键技术问题,分析了系统性能。系统的主要应用领域为GPS定位接收机的算法研究和原型系统的开发。