面向民用航空的SINS/DGPS组合导航融合方法

针对单频点地基增强系统不能满足飞机CAT III类精密进近与着陆导航需求问题,提出一种机载差分GPS(DGPS)与捷联式惯性导航系统(SINS)紧组合导航工作模式,利用SINS提高组合后系统的导航特性。分析了SINS/DGPS紧组合滤波模型,并构建了紧组合导航状态方程和量测方程,利用改进的Kalman滤波器对滤波状态进行最优估计与补偿。进行了计算机仿真与实际系统验证实验,实验结果表明,SINS/DGPS组合导航系统中,当卫星信号不可用时,利用SINS具备的自主性能够提高导航系统的连续性和可用性,同时组合导航系统位置误差标准差相比机载DGPS单系统减小了50%以上,提高了导航系统位置引导精度。     

修正Kalman滤波多带UWB信道估计改进方法

针对多带超宽带(UWB)系统中修正Kalman滤波算法复杂度高的缺陷,提出一种低复杂度的修正Kalman滤波改进方法。该方法中UWB信道采用自回归模型(AR)建模,利用导频跟踪时变信道衰减因子,通过Kalman滤波和频域分段最小均方误差(MMSE)算法同时跟踪信道的时域相关性和频域相关性,提高了系统性能,降低了计算复杂度。仿真结果表明,和修正的Kalman滤波方法相比,在估计精度损失很小的情况下,所提方法极大降低了计算复杂度,提高了系统整体的估计性能。     

36维Kalman滤波的激光陀螺捷联惯导系统级标定方法

分析了系统级标定的研究现状,建立了惯导系统误差模型。额外考虑加速度计二次项误差系数与内杆臂参数对系统的影响,提出了一种36维Kalman滤波系统级标定方法。设计了合适的标定路径,建立了Kalman滤波模型。仿真及实验结果表明,激光陀螺和加速度计零偏估计精度分别优于0.001()/h和9 g,标度因数误差估计精度分别优于3 ppm(1 ppm=10-6)和2 ppm,安装误差角估计精度分别优于1和3,二次项误差系数估计精度优于410-10 s2/m,内杆臂参数估计精度优于3 mm,满足高精度惯导系统的标定要求。     

基于最大似然估计的16APSK载波捕获算法研究

针对在低信噪比情况下16APSK信号频偏捕获困难的问题,讨论了一种结合Kalman滤波和最大似然估计的非数据辅助频偏估计算法。该算法对包含载波频偏信息的相位序列进行最大似然频偏估计,通过Kalman滤波,降低了噪声对估计精度的影响。对结合Kalman滤波和最大似然估计的16APSK频偏估计算法进行了仿真。仿真结果表明,在低信噪比条件下,结合Kalman滤波的最大似然频偏估计算法可获得良好的性能。     

光纤陀螺捷联惯导系统艇上系泊状态自标定方法

从实际工程使用角度出发,提出了一种在系泊状态下的系统级自标定方案,避免了惯导系统在艇上的反复拆装。提出的系统级标定方法设计了15位置转位方案,可以通过Kalman滤波对陀螺仪和加速度计的零次项误差,标度因数误差,安装误差进行精确估计,除了对以上误差参数的估计外,对影响导航精度的内杆臂参数和加速度计正负通道非对称误差也可以进行估计。并根据系泊状态的特殊晃动环境,设计了零相位延迟的低通滤波器从惯导系统的速度解算中得到速度误差,保证了惯导系统在不依赖外界输入条件下完成自标定任务。仿真及实验结果表明,该方法能在系泊状态下准确估计出全部误差变量,且与静基座标定结果相符,具有实际应用价值。     

加性复合有色噪声下卡尔曼滤波模型

探讨定常线性系统被多种有色噪声污染下的Kalman滤波模型。首先,借助于经典的AR模型及QR分解,寻求系统噪声与量测有色噪声无关的增广系统;其次,利用外推法扩展此增广系统为系统噪声与量测噪声均为白噪声且相关的线性随机系统;进而,获得加性复合有色噪声下的Kalman滤波模型。数值实验说明所获模型比已报道的Kalman滤波模型更能有效地估计系统的状态。     

加权融合鲁棒增量Kalman滤波器

在一定环境条件下,当系统的量测方程没有进行验证或校准时,使用该量测方程往往会产生未知的系统误差,从而导致较大的滤波误差。同样地,当系统的噪声方差不确定时,滤波的性能也将会变坏,甚至会引起滤波器发散。增量方程的引入可以有效消除系统的未知量测误差,从而带未知量测误差的欠观测系统的状态估计问题可以转换为增量系统的状态估计问题。该文考虑带未知量测误差和未知噪声方差的线性离散系统,首先提出一种基于增量方程的鲁棒增量Kalman滤波器。进而,基于线性最小方差最优融合准则,提出一种加权融合鲁棒增量Kalman滤波算法。仿真实例证明了所提算法的有效性和可行性。     

鲁棒频域样条优先自适应滤波算法及性能分析

样条自适应滤波结构由线性滤波器和样条插值机制级联组成，是解决Wiener-Hammerstein模型系统辨识的一类有效方案。在非线性系统辨识问题中，随着滤波器阶数增加，将增大时域样条自适应滤波算法的计算复杂度，造成计算效率的降低，且系统附加的非Gaussian噪声会对最小均方算法的样条自适应滤波器性能造成不良影响，导致算法的性能恶化甚至失效。为处理非Gaussian噪声干扰和提高长脉冲响应系统辨识的计算效率，本文结合最大熵准则和频域策略应用于样条自适应滤波器中，并在样条自适应滤波结构中分别采用不同的误差信号对线性部分和非线性部分进行优化，提出了一种鲁棒频域样条优先自适应滤波算法。该算法在滤波前利用非线性系统辨识的不变性原理对未知系统进行优先的有限脉冲响应辨识，可提高非线性系统辨识的精度；通过最大熵准则使算法在非Gaussian噪声环境下具有稳健性，以降低更新过程对大异常值的敏感性；并将线性卷积和线性相关运算通过重叠存储的快速Fourier变换方式进行计算，显著提升了算法的计算效率。此外，本文对所提出的自适应算法进行了收敛性和稳态性能分析，并推导出该算法的理论稳态额外均方误差。最后，通过...     

最小二乘滤波及其在INS/双星系统中的应用

为了克服传统Kalman滤波在实际应用中存在的局限性,研究了基于状态估计的最小二乘滤波。该方法将传统的最小二乘估计与状态估计问题有机结合,对系统噪声和量测噪声的统计特性不敏感。利用实测的激光捷联惯导系统/双星(LSINS/DS)组合数据对最小二乘滤波和传统Kalman滤波进行仿真比较,结果表明,在噪声统计特性未知的情况下,最小二乘滤波的精度更高、收敛速度更快、鲁棒性更强。     

基于自适应卡尔曼滤波的RFID/SINS组合导航研究

在室内导航定位中,射频识别(Radio Frequency Identification, RFID)技术具有信号穿透性强、成本低廉等诸多优点,能够有效代替GPS完成室内组合导航。针对室内惯性导航误差发散和滤波中噪声参数不确定的问题,提出了基于自适应卡尔曼滤波(Adaptive Kalman Filtering, AKF)的RFID/SINS组合导航系统,通过RFID定位系统抑制惯性导航误差发散,并应用AKF将噪声参数与量测输出参数关联实现实时更新。对AKF和标准卡尔曼滤波(Kalman Filtering, KF)下的RFID/SINS组合导航系统进行了仿真和实验。结果表明,在AKF下组合导航系统平均定位误差降低了10%,位置稳定性提升了7.4%,定位误差保持在0.07 m左右。基于AKF的RFID/SINS组合导航系统能够满足室内高精度定位导航的需求。     

机载有源无源传感器稳健融合方法

在机载有源无源情报融合处理中,很多条件很难满足中心式滤波的要求,比如一般情况下过程噪声是不正确的,或者不知道的.给出了几种稳健的Kalman滤波,这些方法主要针对运动方程或者观测方程中噪声信息未知或者噪声信息不准确的情况下,对数据进行融合.如果只是过程的信息未知,提出的自适应滤波,即是用观测信息对运动方程的噪声进行实时估计;如果运动方程和观测方程的噪声不准确,则可以采用H∞滤波进行噪声误差方差估计.     

一种基于Kalman滤波的陀螺误差标定方法

针对微惯性连续测斜装置中陀螺测量精度受噪声干扰、安装误差和零漂的影响,提出了一种基于Kalman滤波的陀螺误差标定方法。以微型石英振动陀螺仪为研究对象,运用Kalman滤波对陀螺的原始测量值进行滤波,分析陀螺零漂随温度的变化关系,结合已有的误差标定模型,得到了一种改进的全温范围内的陀螺误差标定模型。通过实验验证,与传统标定方法相比,提出的陀螺标定方法的测量精度提高了1~2个数量级,验证了该标定方法的可行性,对工程应用具有重要意义。     

SINS静基座初始对准的超球体采样STFUKF算法

初始对准是实现惯性导航高精度的一项关键技术。无迹滤波(UKF)在SINS系统静基座大方位失准角初始对准中计算量大,在不精确或错误的噪声统计情况下,收敛速度变慢,估计精度下降,甚至滤波发散。针对这一问题,将超球体采样与强跟踪无迹滤波(STFUKF)算法相结合,提高了运算速度和对准精度。利用SINS的非线性误差模型,通过数字仿真将卡尔曼滤波、UKF和STFUKF的性能进行比较,证明该方法具有精度高、抗干扰性好、跟踪能力强的特点。     

抗差模型预测Unscented卡尔曼滤波算法研究

随着状态维数的增加,UKF算法的计算量迅速增大,且UKF算法对模型误差较敏感,不适用于噪声为非高斯分布的系统模型。针对此问题,在研究抗差估计、模型预测滤波和UKF的基础上,提出了一种抗差模型预测Unscented卡尔曼滤波算法。该算法利用扩维方法将驱动噪声加入系统状态中,增加了系统的状态信息,采用模型预测滤波(MPF)抑制模型误差,利用抗差估计增强系统的鲁棒性,弥补了UKF算法对模型误差敏感的缺陷。将提出的算法应用于SINS/BNTS/CNS组合导航系统并进行仿真,与自适应EKF和抗差自适应UKF算法比较,结果表明,提出的算法能有效抑制位置误差和速度误差,滤波性能明显优于自适应EKF算法和抗差自适应UKF算法。     

BP神经网络辅助的SINS/GPS组合导航姿态误差补偿方法研究

针对SINS/GPS组合导航姿态估计精度不足问题,提出一种BP神经网络辅助的导航姿态估计的补偿方法。首先,以QR分解Kalman滤波的增益矩阵并构建其降维特征向量;然后,以此为输入,以姿态估计误差为期望输出对BP神经网络进行训练;最后,利用BP神经网络的输出辅助修正SINS/GPS组合导航的姿态估计结果。数值仿真表明,相对于仅依赖传统Kalman滤波的方法,使用降维特征向量训练的BP神经网络获得补偿误差的SINS/GPS组合导航系统姿态估计可大大降低计算耗时,同时精度可提高两个数量级,对提高SINS/GPS组合导航精度具有较高参考价值。     

健康管理对老年冠心病危险因素治疗及控制率影响

捷联惯导系统(SINS)静基座初始对准中,过高的陀螺噪声不但导致系统状态方程非线性,也会使对失准角的估计不能收敛到真值.因此,提出了一种磁强计辅助对准方法,对系统观测方程的分析证明了该方法不仅可提高滤波精度,同时还可对磁场强度和磁倾角进行估计.非线性滤波采用平方根无迹卡尔曼滤波(SRUKF),SRUKF与无迹卡尔曼滤波(UKF)滤波精度相当,优于扩展卡尔曼滤波(EKF).相比UKF,SRUKF具有更高的计算效率和稳定性.仿真结果表明,该算法在陀螺噪声较高的情况下仍能满足SINS初始对准要求.     

广义最大总体相关熵自适应滤波算法

在输入与输出信号都被噪声污染的含误差变量模型( errors-in-variables model, EIV)中,总体最小二乘算法已经得到了广泛地应用。然而在脉冲噪声干扰的情况下,其收敛性能就会恶化。因此为了处理这种被脉冲噪声污染的含误差变量模型的情况,本文将广义最大相关熵准则与总体最小二乘估计方法结合,提出了一种鲁棒的广义最大总体相关熵自适应滤波算法。通过算法仿真比较的结果得出所提出的算法在脉冲噪声环境下能够有效地抑制脉冲噪声的存在,有着较好的收敛性能和鲁棒性。      

基于Kalman滤波跟踪的MIMO-OFDM半盲信道估计

为克服常用的最小均方(LS)估计算法误差平底较高,且需要占用大量导频资源跟踪时变信道的缺点,提出一种基于Kalman滤波跟踪的MIMO-OFDM半盲的信道估计算法,该算法在采用少量导频的前提下,建立参数化信道模型,采用自适应Kalman滤波技术跟踪时变信道状态信息。仿真表明:该算法能很好地跟踪时变信道状态,显著降低多普勒频移条件下估计的均方误差。     

基于最优导频的自适应Kalman滤波信道估计方法

针对时变信道中的子载波间干扰(ICI)和噪声的统计模型不准确引起的滤波发散问题,介绍了一种基于最优导频预滤波的自适应Kalman联合算法。该算法通过使用最优导频滤除ICI,获得理想信道初始状态,然后将其作为Kalman滤波初始信息在时域上进行自适应Kalman信道估计。最后仿真实验表明,和传统的基于导频的Kalman滤波(KF)算法相比,该方法能有效抑制KF发散和改善信道估计精度。     

改进的自适应Kalman滤波在光电跟踪中的应用

为解决机载激光通信中光电跟踪平台获得脱靶量存在滞后的问题，将协方差匹配技术与Sage-Husa自适应Kalman滤波相结合应用到脱靶量滞后补偿中。首先，通过Sage-Husa自适应Kalman算法补偿滞后的脱靶量，并引入遗忘滤波的思想降低过去的量测数据对现在的影响；然后，加入基于协方差匹配技术的判据，判据生效时更新噪声协方差阵，同时增大遗忘因子使量测先验协方差阵误差估计值与理论值更快地相容达到平衡，保证系统的实时性。在仿真中目标为等效正弦运动时改进的Kalman滤波比普通Kalman滤波降低了31.1%的预测误差。在实验验证中改进的Kalman滤波跟踪精度提高18.5%，实时性提高了18%，满足了控制系统对脱靶量滞后补偿的要求，使系统运行更稳定。