基于置信度传播的变分自适应协同导航方法

协同导航过程中先验信息的准确性是保证协同导航系统精度和可靠性的重要关键因素。针对协同导航系统在复杂环境下会因外界干扰产生未知且时变噪声问题,提出一种基于置信度传播的变分自适应协同导航方法(SWSP)。首先以置信度传播(SPBP)协同导航贝叶斯框架为基础,完成基于置信传播机制的前向滤波;随后通过IW处理过程噪声和量测噪声作为贝叶斯估计的先验信息;进而利用前向滤波值构造滑动窗口对噪声进行平滑估计,从而解决因噪声时变而造成的协同导航系统滤波精度下降问题。仿真结果表明:当噪声时变时,进行平滑操作的SWSP算法与未进行平滑操作的SPBP算法相比,位置误差降低了90%,精度更接近于最优opt SPBP算法。     

S-修正的自适应卡尔曼滤波与模糊卡尔曼滤波相结合的汽车状态估计算法

精确的汽车状态信息的获取是汽车动态控制系统正常工作的前提。建立了二自由度汽车动力学模型,提出了将S-修正的自适应卡尔曼滤波与模糊卡尔曼滤波相结合进行汽车关键状态估计的方法。模糊卡尔曼滤波利用所设计的模糊控制器通过实时监测信息实际方差与理论方差的比值,实现对时变量测噪声的协方差矩阵的实时在线估计,提高了算法在时变量测噪声情况下的鲁棒性;S-修正的自适应卡尔曼滤波算法基于滤波不发散理论推导得出实时修正因子S,进而对估计误差协方差矩阵直接加权。两种方法的结合在总体上提高了在汽车动力学系统过程噪声与量测噪声协方差矩阵不准确情况下算法的鲁棒性与估计精度,最后通过基于ADAMS的虚拟试验验证了该方法的有效性。     

基于变分贝叶斯的DR/UTP组合导航滤波方法

针对水下无人航行器(UUV)的航位推算导航方法(DR)和水下应答器(UTP)组合导航系统中传统滤波器因观测噪声统计模型不准确或未知而出现的滤波器发散问题,提出了一种基于变分贝叶斯的平方根容积卡尔曼滤波算法,该算法利用变分贝叶斯方法对DR/UTP组合导航系统的状态和时变观测噪声进行估计,并引入自适应调节因子来提高对观测噪声的逼近精度,然后利用平方根容积卡尔曼滤波对系统状态进行更新。仿真结果表明,该滤波算法能够较好地跟踪UUV的DR/UTP组合导航系统外部观测噪声方差的不断变化,可有效提高对DR/UTP组合导航系统各参数的估计精度。     

自适应滤波协同图优化导航方法研究

针对传统图优化导航方法中传感器测量协方差不准确导致估计精度下降的问题，本文提出了一种自适应滤波协同图优化导航方法。首先，构建INS/GNSS/e-Compass组合导航系统的因子图模型；然后，利用测量方差自适应滤波对传感器测量信息进行预估，在滤波过程中更新相关传感器的测量协方差矩阵，并将预估结果作为变量节点加入因子图；最后，通过滑动窗口控制优化范围，对窗口内的变量节点进行非线性优化并输出最终的导航状态。仿真和实验结果表明，所提出的方法对传感器测量协方差的不匹配问题具有自适应性，能够在不同场景下实现高效可靠的导航定位。相比于传统图优化方法，该方法的定位精度提升了30%,计算效率提升了12%。     

基于变分贝叶斯的自适应 PF-SLAM 方法研究

针对移动机器人即时定位与地图构建中时变观测噪声及粒子位置分布对SLAM精度的影响,本文提出基于变分贝叶斯的自适应PF-SLAM算法,采用高斯混合模型对时变的观测噪声建模,并通过变分贝叶斯方法,迭代估算出混合模型中的未知参数;同时根据粒子权值将粒子划分为固定粒子和优化粒子,通过粒子间的近邻拓扑位置关系调整粒子分布,处理时变观测噪声与优化粒子的位置分布,使得优化的粒子集可以更好地表示机器人位置概率分布,实现观测噪声及粒子位置分布自适应。仿真实验表明本算法对比传统PF-SLAM算法定位与地图构建误差降低了76.45%。实际实验表明本算法处理下的环境轮廓误差对比传统PF-SLAM算法的环境轮廓误差减小了61.87%。该算法有效提高了移动机器人的状态估计精度,为移动机器人即时定位与地图构建提供了新的参考。     

复杂交通流下基于卡尔曼滤波的多目标全生命周期状态估计

针对复杂行车环境下噪声干扰和车辆行车过程中状态变化导致交通场景中目标状态估计精度低的问题,以毫米波雷达 为检测传感器,提出涵盖参数初始化和在线更新的基于卡尔曼滤波的多目标全生命周期状态估计方法。 首先,建立交通流下多 目标运动状态的卡尔曼滤波状态估计模型;基于此,一方面提出基于数据驱动的卡尔曼滤波观测噪声协方差矩阵初始化的新方 法,另一方面采用变分贝叶斯方法对卡尔曼滤波参数进行在线更新,以此提高多目标状态估计精度;最后,在算法实现步骤的基 础上,利用实车数据开展测试验证工作。 实验结果表明,方法的目标状态估计均方误差为 0. 153,相较于传统卡尔曼滤波减小 了 36. 2% ,证明所提出方法对提升车辆感知精度的有效性。     

基于NACKF的分布式驱动电动汽车轮胎侧向力与质心侧偏角估计

针对传统容积卡尔曼滤波算法在进行车辆关键状态估计时要求噪声统计特性已知的问题,提出一种噪声自适应容积卡尔曼滤波（Noise adaptive cubature Kalman filter, NACKF）算法来进行车辆关键状态的估计。基于次优无偏极大后验估计器对量测噪声协方差进行实时更新并将其嵌入到标准容积卡尔曼算法中实现自适应容积卡尔曼滤波。针对车辆不同子系统间耦合特性对滤波精度的影响,构建双重自适应容积卡尔曼滤波器分别进行侧向力与质心侧偏角的估计,两者在估计过程中互为输入构成闭环反馈,利用分布式模块化结构弱化系统耦合特性对估计精度的影响,实现轮胎侧向力与质心侧偏角的实时准确估计。利用Simulink-Carsim联合仿真平台进行仿真验证和实车试验验证。结果表明,基于双重自适应容积卡尔曼滤波的估计算法相对标准容积卡尔曼滤波估计精度更高,较好地改善了传统容积卡尔曼滤波器在噪声先验统计特性未知条件下非线性滤波精度下降的问题。     

协同导航不完全量测环路和积数据关联算法

协同导航技术是提升平台协作性能的重要保障和关键技术,针对复杂环境中导航信息测量数据丢包或延迟问题,提出一种协同导航滤波用不完全量测环路和积数据关联算法(IM-LSPADA),将局部节点状态与友邻节点状态进行扩维,协同节点的状态噪声联合扩维,为系统状态变量,友邻节点测距为观测量,对状态与量测噪声的后验概率密度函数进行高斯近似;量测数据随机延迟或丢包时,采用上一时刻量测量作为系统观测值,基于确定积分点进行采样的贝叶斯框架,计算预测目标节点位置,进行定位。通过无迹变换(UT)传播的sigma积分点进行IM-LSPADA估计仿真和实验结果表明,量测数据丢失时,能够完成目标网络的定位和跟踪。与未考虑量测随机延迟的SPBP算法相比,改进算法的横轴位置误差降低了76%,纵轴位置误差降低了66%,精度可达到标准的和积数据关联算法(SPADA)的精度。     

抗野值自适应卫星/微惯性组合导航方法

针对在复杂城市环境下卫星导航系统(GNSS)定位定速存在野值,导致GNSS/微惯性(MEMS-INS)组合导航状态参数滤波估计精度恶化,甚至滤波发散的问题,提出了一种抗野值自适应GNSS/MEMS-INS组合导航算法,以提高组合导航精度和可靠性。该算法利用Allan方差分析建立较为精确的MEMS器件噪声模型,有效降低模型异常和状态扰动的影响。同时利用新息序列构造观测异常检验统计量,并根据该统计量构造自适应新息加权因子调节滤波增益矩阵,削弱观测野值对状态估计的不良影响。实验结果表明,该算法能够有效地控制GNSS定位定速异常的影响,具有较强的实时性和容错性。相比于传统算法,车载定位、定速和定姿精度分别提升35.78%、60.19%和82.41%,验证了本文算法的有效性和实用性。     

采用自适应无迹卡尔曼滤波的卫星姿态确定

针对现有算法卫星姿态确定中模型参数估计不准确,系统存在外界干扰下稳定性差和跟踪精度不足的问题,提出一种自适应无迹卡尔曼滤波算法,对卫星三轴姿态进行估计.首先分析了陀螺和星敏组合定姿的工作原理,然后推导了以误差四元数为状态变量的卫星姿态运动学方程.滤波过程中,该算法引入自适应矩阵,对量测噪声协方差矩阵进行调整;依据滤波发...     

Robust cubature Kalman filter based on variational Bayesian and transformed posterior sigma points error

An improved robust cubature Kalman filter (RCKF) based on variational Bayesian (VB) and transformed posterior sigma points error is proposed in this paper, which not only retains the robustness of RCKF, but also exhibits adaptivity in the presence of time-varying noise. First, a novel sigma-point update framework with uncertainties reduction is developed by employing the transformed posterior sigma points error. Then the VB is used to estimate the time-varying measurement noise, where the state-dependent noise is addressed in the iteratively parameter estimation. The new filter not only reduces the uncertainty on sigma points generation but also accelerates the convergence of VB-based noise estimation. The effectiveness of the proposed filter is verified on integrated navigation, and numerical simulations demonstrate that VB-RCKF outperforms VB-CKF and RCKF.     

基于鲁棒自适应SCKF的智能汽车目标状态跟踪研究

准确的自车和前车状态估计是智能汽车有效决策和控制的前提,而以往的研究通常不考虑噪声统计特性不确定的问题,导致某些情况下车辆状态估计的误差很大。为此,提出一种鲁棒自适应平方根容积卡尔曼滤波（Robust adaptive square-root cubature Kalman filter,RASCKF）算法,以降低噪声统计不确定性对估计精度的影响。首先,采用最大后验概率准则估计了过程噪声协方差和测量噪声协方差的统计值,以提高噪声稳定时状态估计的精确性。然后,基于标准化测量新息序列设计了故障检测规则,利用实时测量新息对噪声协方差进行校正处理,保证状态估计算法的鲁棒性。最后,在不同的噪声干扰工况下对RASCKF算法进行了仿真验证。结果表明,RASCKF算法在估计精度和稳定性上明显优于标准SCKF算法,有效地解决了智能汽车目标状态跟踪过程中噪声统计特性不确定的问题。     

An adaptive navigation method for a small unmanned aerial rotorcraft under complex environment

Focusing on low navigation performance of small unmanned aerial rotorcraft under complex environment, a composite navigation method combined with adaptive Kalman filtering and radial basis function neural network prediction method is proposed to improve navigation performance during GPS outages. When the GPS signal is available, an adaptive Kalman filter based on covariance scaling is introduced to deal with the process noise in real time. Meanwhile, a radial basis function neural network is trained on line to construct the projection among input (output of the inertial measurement unit, attitude and GPS losing time) and output (position error and velocity error). During GPS outages, the radial basis function neural network can provide high performance error estimation for position and velocity to improve state information. Finally, a land vehicle test and a flight test have confirmed that the proposed method can improve the navigation performance largely under complex environment.     

二维里程辅助的掘进机自主导航方法研究

针对掘进工作面恶劣的环境以及掘进机时常发生滑移运动造成掘进机导航参数不能精准获取的难题,提出了基于二维 里程辅助的掘进机自主导航方法。 研制了二维里程测量装置,搭建了二维里程辅助的掘进机自主导航系统;建立了二维里程测 量装置和捷联惯导误差方程,推导了二维里程辅助的组合导航算法。 为了应对量测噪声统计特性时变导致系统估计误差变大 的问题,提出了基于模糊理论的数据融合算法,实时在线调整噪声协方差矩阵。 仿真实验结果表明模糊融合算法相对于传统融 合算法将航向角误差降低了 34. 78% ;3 个方向的定位误差分别降低了 44. 33% 、41. 82% 和 42. 26% 。 进行了掘进机导航定位实 验,实现了 0. 052 m 的定位精度,满足无人掘进工作面对掘进机自主导航的要求。