采用静电陀螺监控器／惯性导航系统的水下组合导航系统研究

本文推导了静电陀螺监控器（ＥＳＧＭ）系统的运动方程和机械编排，并进行了模拟仿真，给出了仿真误差曲线。同时，还建立了以半解析式惯性导航系统误差为状态变量的系统状态方程，采用卡尔曼滤波技术，对ＥＳＧＭ／ＩＮＳ组合系统进行仿真。结果表明，组合系统可以大大延长惯导的重调周期，提高潜水下航行的保密性，ＥＳＧＭ／ＩＮＳ组合使用是保证潜艇长时间水下航行的有效方法。     

INS／GPS／CNS组合导航系统的自适应滤波技术研究

本重点研究了状态与偏差解耦估计的自适应滤波算法在ＩＮＳ／ＧＰＳ／ＣＮＳ组合民航系统中的应用问题。由于组合导航系统参数往往与实际的物理过程具有一定的偏差,因此采用常规的卡尔曼滤波算法常会发生滤波发散现象。本提出一种自适应滤波算法,并应用于组合导航系统。仿真结果表明,自适应滤波可以有效地抑制滤波发散,增强系统方案对环境的适应性,大大提高组合导航系统的精度。     

一种具有鲁棒性的滤波算法在I NS/GPS组合导航系统中的应用研究

研究了一种虚拟状态滤波算法与UD分解法相结合的方法，并将其应用于组合导航系统的导航参数估计过程中。仿真结果表明：虚拟状态滤波与UD分解相结合的方法，可以有效地抑制滤波发散，增强系统对环境的适应性，大大提高组合导航系统的快速性。     

弹性体上惯性测量系统传递对准自适应滤波

──发散现象是应用卡尔曼滤波经常遇到的问题。导致发散的原因很多，其中很重要的原因就是缺乏对系统噪声和测量噪声统计特性的了解。本文在理论推导的基础上，提出了一种新的自适应滤波方法，并将该方法应用于弹性体上惯性测量系统的传递对准。通过大量的仿真证明，按本文的滤波算法，确实能十分有效地控制由于噪声统计值不准所导致的发散现象，而且滤波精度也很高。     

基于记忆衰减滤波的X射线脉冲星自主导航

针对扩展Kalman滤波(Extend Kalman Filter, EKF)在处理X射线脉冲星的自主导航定轨问题上易发散的问题,本文提出了基于记忆衰减滤波的抑制发散自主导航算法。在研究了自主导航滤波中误差变化的特征的基础上,从原理上分析了预报误差随迭代次数增加而增大的原因。针对EKF存在的这一缺陷,本文应用记忆衰减滤波控制误差发散,推迟了误差发散的时间并减小了发散的幅值,使得滤波结果稳定于更精确的结果。本文的结论均通过数值计算的方法验证。     

AUTONOMOUS NAVIGATION OF PROBE BY X-RAY PULSARS BASED ON FADING MEMORY FILTERING

针对扩展Kalman滤波(Extend Kalman Filter, EKF)在处理X射线脉冲星的自主导航定轨问题上易发散的问题,本文提出了基于记忆衰减滤波的抑制发散自主导航算法。在研究了自主导航滤波中误差变化的特征的基础上,从原理上分析了预报误差随迭代次数增加而增大的原因。针对EKF存在的这一缺陷,本文应用记忆衰减滤波控制误差发散,推迟了误差发散的时间并减小了发散的幅值,使得滤波结果稳定于更精确的结果。本文的结论均通过数值计算的方法验证     

SINS／GPS动态观测数据的最优滤波算法

—面向大地测量应用，本文建立了ＳＩＮＳ／ＧＰＳ数据滤波的模型方程；研究了相应算法的实现方法；给出一种数值稳定性高，快速高效的滤波方法。     

联合卡尔曼滤波及其在综合惯性导航系统初始标定中的应用

本文针对由ＩＮＳ及ＥＳＧＭ 组成的综合惯性导航系统的特点,设计了该系统标校阶段的 联合卡尔曼滤波器。文中给出了该联合卡尔曼滤波器的结构及其算法,该算法具有计算量少、 数据传输量小的优点。理论分析及仿真结果表明该联合卡尔曼滤波算法具有全局最优性,能够 满足系统的标定精度要求,且应用该联合滤波器可大大提高系统的容错性。     

滑坡系统非线性识辨

基于现代控制论中的平滑、滤波、预测和参数估计理论，研究了滑坡系统非线性识辨的理论及实现方法。分析了该理论的应用前景。     

自适应卡尔曼滤波在惯导初始对准中的应用研究

本文研究了自适应卡尔曼滤波技术在惯导系统中的应用。在噪声统计特性未知或近似已 知的情况下,采用常规卡尔曼滤波会导致较大的状态估计误差,甚至使滤波发散;而自适应卡 尔曼滤波在估计状态的同时,利用观测数据带来的信息,可在线估计噪声的统计特性,从而不 断地改进滤波器的设计,由此得到的滤波估计比常规卡尔曼估计精度更高。本文采用Ｓａｇｅ 和 Ｈｕｓａ 自适应滤波算法,结合惯导初始对准,给出了计算机仿真。仿真结果进一步证实在噪声统 计特性不确切知道的情况下,自适应卡尔曼滤波的估计精度高于常规卡尔曼滤波的估计精度。     

INS／ESGM／Doppler组合导航系统中的联合Kalman滤波方法

在INS/ESGM/Doppler组合导航系统集中Kalamnihan滤波器的基础上,进一步建立了该组合导航系统的联合Kalman滤波器结构和滤波算法,并讨论了该滤波器的容错性及简化形式。数字仿真的结果表明,本文所设计的联合Kalman滤波器与集中Kalman滤波器相比,其滤波精度基本一致,而滤波器的解算速度更快,容错性能更好。     

惯性导航系统水平误差对静电陀螺监控器的影响

本文通过对监控器的工作原理进行分析，研究了惯导系统水平误差对监控器精度的影响关系，并对它们之间的误差关系进行了分析与仿真。误差分析与仿真表明，要保证监控器的精度优势，必须提高其水平基准精度，１０＂的水平精度是必需的     

组合导航系统多重衰减因子自适应估计算法比较研究

提出了多重衰减因子自适应估计卡尔曼滤波方法,用该方法对系统每个误差状态估计进行控制,提高滤波器的估计性能。仿真结果表明,新算法在系统噪声特性不准确的情况下,能够抑制卡尔曼滤波估计的发散,GPS/SINS组合导航精度比强跟踪滤波估计的精度高。这种算法推导形式简单,计算量小,适合在线运算。     

INS/ESGM组合导航系统的多模型自适应滤波技术研究

研究了一种随机系统多模型自适应估计的方法，并将此方法应用于INS／ESGM组合导航系统。通过数字仿真将单一模型的INS／ESGM组合导航系统与多模型的INS／ESGM组合导航系统的性能进行了详细比较，说明将多模型自适应估计理论应用于INS／ESGM组合导航系统，可增强系统对环境的适用性，大大提高组合导航系统的精度。     

静电陀螺监控器赤道陀螺仪低纬度下的随动性能

静电陀螺监控器赤道陀螺仪处于低纬度地区启动或运行时,易出现未捕获的问题。针对该问题,通过仿真及试验,探明了在无减速器随动系统的复示误差发生变化的情况下赤道陀螺仪方位环随动系统性能与h角及所处纬度等的关系,进而揭示了在低纬度地区静电陀螺监控器赤道陀螺仪易出现未捕获问题的原理所在。同时证明了高品质、高动态性能的静电陀螺监控器无减速器复示系统及高度环、方位环随动系统是十分重要的。     

基于渐消记忆滤波的1点RANSAC单目视觉姿态估计算法

针对1点RANSAC(Random Sample Consensus)单目视觉EKF(Extended Kalman Filter)算法中的滤波发散问题,分析了滤波发散的产生原因,提出了一种基于渐消记忆滤波的1点RANSAC单目视觉姿态估计算法。该算法通过在EKF滤波方程中引入加权因子,逐渐加大当前数据的权重,相应地减少旧数据的权重,有效地扼制了算法中的滤波发散问题。最后通过两组验证性实验验证说明了算法的有效性。实验结果表明:该算法能够有效地解决1点RANSAC单目视觉EKF算法中的滤波发散问题,具有更高的精度。第一组双轴联动实验,航向角的平均误差减小2.4158?,俯仰角平均误差减小0.1782?;第二组偏航轴大角度转动实验,摄像机航向角的估计误差一直保持在1.5?以内。     

组合导航系统卡尔曼滤波衰减因子自适应估计算法研究

提出了一种衰减记忆卡尔曼滤波中衰减因子的自适应估计方法,并在GPS／SINS组合导航系统中进行了计算仿真。仿真结果表明：该算法能够较好地估计出衰减因子的大小,有效地抑制滤波发散,提高导航精度。     

基于新型滤波器-HABF的SINS传递对准仿真

传统动基座传递对准主要采用扩展卡尔曼滤波技术。但在动基座传递对准的非线性、非高斯条件下,这种基于模型线性化和高斯假设的滤波方法在估计系统状态及其方差时误差较大且可能发散。混合退火粒子滤波针对非线性、非高斯系统状态的在线估计问题,提出一种新的基于序贯重要性抽样的粒子滤波算法。在滤波算法中,用状态参数分解和退火系数来产生重要性概率密度函数,此概率密度函数综合考虑了转移先验、似然、噪声的统计特性以及最新的观察数据,因此更接近于系统状态的后验概率。实验仿真结果表明,这种基于混合退火粒子滤波器不仅比扩展卡尔曼滤波提高了传递对准的精度,而且又比传统的粒子算法减少了时间。