基于自适应并行扩展卡尔曼滤波的SITAN匹配算法

针对重力匹配辅助惯性导航系统中SITAN匹配算法状态方程存在模型误差的问题,提出了一种基于自适应并行扩展卡尔曼滤波的SITAN匹配算法.通过自适应因子调节状态预测信息的权重,抑制滤波发散,提高定位精度.同时,讨论了自适应因子的选取与构造,分析了基于并行扩展卡尔曼滤波的SITAN匹配算法发散的原因.选取南海两片重力异常特...     

基于单向无迹卡尔曼滤波的飞机姿态算法

针对扩展卡尔曼滤波方法在飞机姿态滤波中存在的线性化误差大、需要解繁琐的Jacobian矩阵等问题,将一种新型卡尔曼滤波方法——单向无迹卡尔曼滤波应用于载有低精度、高噪声传感器的低成本飞机姿态滤波系统,并在精度及计算量上与EKF和容积卡尔曼滤波进行了比较。利用实测飞行数据进行实验,结果表明:相对于EKF,SUKF实现容易,且使姿态滤波精度提高到二阶;相对于CKF,SUKF计算简单,比CKF减少约33%的计算量。     

一种基于磁传感器的高旋火箭弹滚转角测量方法

为了实现高旋火箭弹在惯性系下滚转角的实时精确测量,提出了一种基于磁传感器的测量算法。采用磁传感器测量信息实时解算弹体基准相对于地磁矢量的滚转角,结合地磁矢量相对惯性系的角位置,确定弹体在惯性系下的滚转角。提出采用五点三次平滑滤波处理磁传感器采集数据,不需要进行迭代计算且不依赖于载体的动力学模型,可实现实时滤波解算。数学和半实物仿真结果表明,所提出的测量方法能够有效抑制噪声的影响,使测角精度提高1倍,满足高精度和实时性的要求。     

基于扩展卡尔曼滤波的X射线脉冲星相对导航方法

X射线脉冲星作为一种天然时间基准,具有良好的周期稳定性,在深空探测航天器自主导航方面具有重要的应用前景。针对绝对导航的整周模糊度求解问题和相对导航的预报相位、标称轨道存储问题,提出了一种改进的相对导航方法,将前一时刻的航天器位置作为相对导航基准,建立航天器轨道动力学模型,采用扩展卡尔曼滤波算法,确定航天器的位置。最后,进行了数学仿真研究,仿真结果表明:脉冲星相对导航改进方案的导航精度达到1 km,滤波器一致渐进稳定,能够快速抑制初始误差和轨道根数的干扰,验证了导航方案的正确性和可行性。     

基于平方根中心差分卡尔曼滤波的大方位失准角初始对准

基于大方位失准角条件下捷联惯导系统误差模型的非线性特点,采用非线性滤波方法进行初始对准.扩展卡尔曼滤波存在精度低,且需要计算雅可比矩阵等不足,而中心差分卡尔曼滤波在递推过程中具有计算量大,数值不稳定等缺点.针对上述问题采用了一种改进的中心差分滤波算法一一平方根中心差分卡尔曼滤波.仿真结果表明,与扩展卡尔曼滤波相比,平方...     

基于水力瞬变与扩展卡尔曼滤波的管道流体监测与泄漏定位

引入一种长输管道流体监测与泄漏定位的新方法,将管道流动的瞬变流模型转化为状态空间模型的描述,以管线沿程流量、压强水头为状态变量,管道进口流量和出口压力视做非线性动态系统的控制输入,出口流量和进口压力观测序列构成系统的测量向量。基于小信号原理首先线性化处理非线性模型,然后用扩展的卡尔曼滤波器结合传统的双曲方程特征线解法估计泄漏尺寸与位置,并实时模拟出管道流体的压力流量过程及其沿管道的分布。试验和仿真算例表明此法模拟的管道流动状态能较快收敛到稳定状态,并且泄漏尺寸估计与定位的结果与给定值比较吻合。因此引入扩展的卡尔曼滤波能够提高瞬变流模拟管道非定常流动的准确性和跟踪能力。     

基于扩展卡尔曼滤波算法的船舶姿态监测预报系统设计（英文）

为提高船舶姿态监测预报系统的测量精度,设计加速度传感器和陀螺仪捷联的惯性导航系统,利用互补处理和反馈调节对传感器输出参数进行校正。为得到精度较高的预估数据,通过广义最小二乘法进行系统辨识建立船舶状态模型和矫正的传感器测量模型,由扩展的卡尔曼滤波器得到最优估计状态。同时设计闭环系统,进一步提高系统的测量精度和预估精度。此外,针对当前监测预报系统普遍存在的软件界面差、交互困难等缺点,设计姿态监测预报友好型界面,可3D动画实时显示船舶当前的运动姿态,并具有数据存储、分析、操作处理等功能。最后,通过实验对不同倾角变化率下实际姿态、测量姿态和预估姿态进行对比,结果表明所设计的姿态监测预报系统具有较高的监测精度和预估精度。     

基于MEMS-MARG传感器的消防员室内定位算法

针对消防员在室内环境中进行灭火和救援时难以获知自身位置坐标的问题,采用MEMS-MARG传感器设计了一种室内定位算法。首先,根据加速度幅值波形使用峰值探测法和零点交叉法相结合的方式进行步数检测。然后,通过对消防员的行走路线进行分类,设计了一种基于直线判断辅助的航向反馈修正算法来提高定位精度,并将扩展卡尔曼滤波器融入到行人航迹推算算法中,用于估计消防员的位置坐标。最后,分别按照矩形、三角形、半圆形轨迹,进行了3组实验。实验结果表明,与未使用航向修正算法相比,位置误差减小了45%以上,航向角和位置的均方根误差分别减小了65%和76%以上。所提出的消防员室内定位算法具有良好的定位性能。     

基于GPS/INS不同测量特性的自适应卡尔曼滤波算法

在GPS/INS组合导航系统中,针对现有自适应滤波算法对GPS测量噪声估计准确性、可靠性不高的问题,提出了一种基于GPS、INS不同测量特性的自适应卡尔曼滤波算法.该算法基于GPS和INS不同的测量性质,利用惯导系统的短期高精度性,获得对GPS测量噪声统计特性自适应估计.仿真结果表明,该算法能够在GPS测量噪声统计特性未知或发生变化的情况下,适时地跟踪GPS测量噪声,准确估计滤波系统的观测噪声协方差阵R,其滤波精度和鲁棒性明显优于改进的sage-husa自适应算法,特别是在采用低精度INS情况下,能够有效克服改进的sage-husa自适应算法滤波发散的现象.     

基于神经网络的石英加速度计的二维时、温漂移补偿

针对捷联惯导系统中石英挠性线加速度计输出偏值在快速启动和不同温度条件下漂移较大的问题,从理论和大量试验上研究了其静态时、温漂特性,提出了采用LM算法的BP神经网络进行二维补偿的方法。将工作时间和观测温度作为输入变量,其偏值输出电压作为目标信号通过网络训练得到该状态下的估计量进行补偿,算法具有收敛速度快、对初始值的设定鲁棒性强的特点。训练完成后,采用建立数据库的方法,供直接调用,其数据读取硬件延时为微秒级,完全满足系统实时应用要求。试验结果表明,该方法拟合的零位漂移最大误差为4.9882×10-6,较传统最小二乘法提高了近一个数量级。     

基于修正的Rodrigues参数的EKF算法在姿态估计中的应用

以低成本航姿测量系统为研究对象,针对四元数描述姿态时存在冗余的不足,提出使用三维独立矢量的修正的Rodrigues参数进行姿态解算,利用与其影子参数相互切换的方法解决了修正的Rodrigues参数在描述姿态时存在奇异的问题,根据系统中器件的特点,以陀螺零偏和修正的Rodrigues参数为状态向量,以加速度计、磁强计输出为观测向量建立了基于扩展Kalman滤波的姿态估计算法,避免了利用四元数进行姿态估计时状态误差方差阵产生奇异的问题,并在一定程度上减小了估计算法的计算量。最后通过全姿态以及摇摆基座数据仿真验证了算法的有效性。     

基于卡尔曼滤波的信息融合算法优化研究

通过比较采用联邦卡尔曼滤波的状态向量融合和量测信息融合,得出量测信息融合优于状态向量融合,因为只有当卡尔曼滤波一致时状态向量融合才有效.采用基于最小均方差估计的观测值加权融合法融合了多传感器数据,保持了观测向量的维数.这种方法具有高效性.为了提高该算法的速度和精度,对系统的量测空间进行了等价变换,而等价系统的状态空间却没有改变.给出了等价变换前后的系统误差方差阵和状态估计均一致性的证明.把矩阵分析中的L-D分解算法运用到该算法中以避免计算矩阵的逆,从而改善了算法的稳定性和精度.举例验证了所设计算法的这些优点,给出了采用联邦卡尔曼滤波和所优化滤波算法的状态估计和误差的仿真结果,并依次进行了分析.经过这种优化,算法的精度和速度得到很大提高,已经应用到实际工程中.     

基于广义卡尔曼滤波的桥梁结构物理参数识别

基于广义卡尔曼滤波提出了随机荷载作用下桥梁结构物理参数的识别方法。首先,以荷载为观测对象,推导出基于有限元模型的桥梁结构系统的观测方程,以结构待识别的物理参数为状态向量,建立系统状态方程;然后,对该状态方程和观测方程构成的非线性参数系统应用广义卡尔曼滤波,从而识别出结构的物理参数。对一座简支梁桥和一座三跨连续梁桥在不同工况下的物理参数识别进行了数值仿真,结果表明本文方法能够准确地识别桥梁结构全部刚度参数、质量参数和阻尼参数,且具有很强的抗噪性能,从而验证了本文方法的有效性和鲁棒性,可应用于识别大型桥梁结构的物理参数。     

基于微分算子变换的广义卡尔曼估计方法

本文发展了一类新的动力系统参数识别方法。通过引入微分算子变换，使系统状态变量与系统参数成功地分离开来。然后，以算子变换方程作为观测方程，并引入关于系统参数的状态方程；利用广义卡尔曼滤波方法进行参数递推估计。系统仿真算例表明：本文建议的新方法，不仅可以适用于较高噪声环境情形，而且可以同时适用于线性参数系统与非线性参数系统。     

基于扩展卡尔曼滤波器的INS/WSN无偏紧组合方法(英文)

为了减少传统组合导航方法中舍去泰勒展开式的高次项对导航精度的影响,提出了一种基于扩展卡尔曼滤波的INS/WSN无偏紧组合方法。这种方法采用INS在本地相对坐标系的位置和速度误差作为系统变量,观测方程中未知节点理想的位置和速度被INS测量得到的位置和速度与其预估误差的差值替代。仿真结果显示,本文提出的方法平均位置误差比松组合方法降低20%左右,平均速度误差比松组合方法降低80%左右。     

基于四元数卡尔曼滤波的捷联惯导初始对准算法

针对晃动基座捷联惯导初始对准问题,研究了一种具有干扰抑制能力的初始对准算法。根据重力矢量在惯性空间投影构成一包含地球北向信息的旋转锥面的现象,利用坐标系惯性凝固假设将重力量测矢量和参考矢量分别投影到载体惯性坐标系和导航惯性坐标系,将晃动基座条件下的初始对准转化为基于重力量测矢量确定对准起始时刻的姿态问题。借鉴四元数线性伪量测方程的概念,利用重力投影矢量与初始姿态四元数的线性量测关系实现初始姿态四元数的直接滤波估计。初始姿态四元数在对准过程中为常值,以其作为待估计的状态可避免系统模型误差和初始误差的影响。利用转台模拟不同的摇摆对准环境,导航级惯导系统可在10 min内完成初始对准且方位误差小于3’。     

基于四元数自适应卡尔曼滤波的快速对准算法

针对捷联惯导初始对准问题,提出了一种具有干扰抑制能力的四元数自适应卡尔曼滤波初始对准算法。通过将初始对准问题转化为Wahba姿态确定问题,直接建立四元数的滤波模型,并采用自适应卡尔曼滤波对初始时刻姿态四元数进行估计,利用姿态四元数更新求出当前姿态来实时地反映载体的姿态变化。针对直接构建量测模型导致收敛速度慢的问题,提出一种基于最优四元数估计法构造K矩阵原理的改进算法。利用三轴转台模拟不同的摇摆环境进行实验,转台实验表明了改进算法具有较快的收敛速度和良好的稳定性及精度,中等精度的惯导系统在150s至200s的对准时间内,航向角均值误差小于2'。     

基于平方根无迹卡尔曼滤波平滑算法的水下纯方位目标跟踪（英文）

为了避免被动跟踪中非线性带来的计算复杂化及跟踪精度的下降,提出将平方根无迹卡尔曼滤波平滑算法(SR-UKFS)应用到水下纯方位目标跟踪。SR-UKFS利用Rauch-Tung-Striebel(RTS)平滑算法将平方根无迹卡尔曼滤波(SR-UKF)作为前向滤波算法得到的目标状态估计向后平滑,得到前一时刻目标状态估计,再利用该状态估计值进行再次滤波得到当前时刻目标状态估计。该算法得到的前一时刻的目标状态估计更加精确,从而进一步提高了目标跟踪的精度。最后,通过对SR-UKFS算法和SR-UKF算法的跟踪性能进行了对比分析和验证,仿真结果表明在相同条件下,SR-UKFS算法能减少59%的位置误差和54%的速度误差,SR-UKFS算法应用于水下纯方位目标跟踪系统是有效的,为水下纯方位目标跟踪系统的工程实现提供了非常有价值的参考。