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。     

UKF滤波技术在AUV组合导航中的应用研究

高精度的导航定位是AUV研究中所面临的主要挑战之一。采用GPS辅助的INS／DVL组合导航是目前AUV的主流导航模式。当前实现GPS／INS／DVL组合导航的技术主要有航迹推算(DR)和卡尔曼滤波。中将UKF(Unscented Kalman Filter)滤波技术应用于AUV组合导航，并把UKF与传统的DR和EKF(Extended Kalman filter)方法进行了仿真比较研究。仿真结果表明，UKF在计算量上与EKF相当，但是UKF的位置、航向估计精度都要优于DR和EKF。     

UKF在深组合GPS/INS导航系统中的应用

采用联邦滤波的深组合GPS/INS导航系统预滤波器量测模型具有很强的非线性,导致扩展卡尔曼滤波（EKF）的预滤波器估计精度不高。Unscented卡尔曼滤波（UKF）方法是一种非线性分布近似方法,它使用有限数量的sigma点去逼近整个非线性动态系统的分布可能,从而避免了对非线性测量模型进行线性化,具有较高的精度和较好的鲁棒性。在分析深组合导航系统预滤波器模型和UKF原理的基础上,设计了基于UKF滤波算法的预滤波器,对码相位误差、载波相位误差、载波频率误差、载波频率变化率等参数进行估计,同时将UKF和EKF算法进行了仿真比较。结果表明,在深组合导航系统中使用UKF滤波比EKF有更高的导航定位精度。     

一种低成本捷联惯导系统的初始对准方法

提出适用于低成本捷联惯导系统的初始对准方法，即采用非线性对准模型和采样卡尔曼滤波（Unscented Kalman Filter）进行状态估计。推导了方位大失准角下的非线性对准模型，并与采用线性模型的对准方法进行了仿真比较。给出了系统加性噪声情况下的UKF递推算法，并应用于方位大失准角情况下的非线性对准。仿真结果表明采样卡尔曼滤波优于扩展卡尔曼滤波（EKF），且UKF无需计算Jacobian矩阵，与EKF相比实现更为简单。     

基于鲁棒无迹卡尔曼滤波的无线室内定位算法

为解决超宽带(UWB)系统定位易受室内环境的影响,测距误差特性呈现非高斯分布的问题,提出了一种鲁棒UKF定位算法,实现室内高精度定位。首先,介绍了UWB系统定位实现,以及对比分析了扩展卡尔曼滤波(EKF)和无迹卡尔曼滤波(UKF)定位算法之间的差异;然后,针对UKF算法存在的局限性,通过引入代价函数,自适应修正观测方差,建立鲁棒机制,降低算法对噪声特性分布的要求,提高了UWB系统环境适应能力。实测结果表明:该方法性能均优于最小二乘、EKF和UKF算法,平均定位精度可达0.33 m,相比较于最小二乘算法,定位精度提高了15%,是一种实时高精度的室内定位算法。     

UKF方法在陆地车辆组合导航中的应用

Unscented卡尔曼滤波(UKF)是一种新的非线性滤波算法,将其引入到GPS/DR系统的滤波中,并针对系统模型的特点对原UKF算法进行了简化,建立了新的滤波方法。仿真结果表明,同EKF相比,UKF的滤波精度和稳定性都显著提高了,还可避免计算烦琐的Jacobi矩阵,真正实现了低成本、高精度的导航定位要求。     

水下滑翔器位姿估计的改进高斯混合粒子滤波器设计与验证（英文）

近年用于水下滑翔器的低成本导航系统成为研究热点,导航器件的成本与精度之间的折中问题仍然是目前的难题。针对因使用低成本的导航元件而造成低精度位姿估计的问题,提出用于位姿估计的改进高斯混合粒子滤波(IGMPF)方法。用高斯混合模型来估计非高斯噪声,改进的粒子滤波进一步提高位姿估计精度。为了验证其效果,该方法应用于自主设计的水下滑翔器导航系统中并做了车载实验,实验结果表明所提IGMPF方法在实际应用中比传统的EKF和UKF表现更优,姿态角和位移误差比EKF和UKF减小了至少30%。     

SVD-Unscented卡尔曼滤波的非线性结构系统识别

提出一种基于奇异值分解的unscented卡尔曼滤波(SVD-UKF)非线性滞回结构系统识别方法.SVD-UKF可被看成改进的unscented卡尔曼滤波(UKF)方法,相对UKF而言,SVD-UKF具有更好的鲁棒性和灵活性.此方法不仅避免象扩展卡尔曼滤波(EKF)为了计算Jacobians矩阵的所需的导数运算,并且可以克服常规UKF方法在计算协方差时经常遇到的病态条件的缺点.对非线性系统参数的识别和突然变化的识别的数值模拟结果显示了所提出方法的鲁棒性和灵活性.     

基于UKF的GPS/SINS伪距(伪距率)组合导航系统设计

采用位置、速度组合的GPS/SINS组合导航系统由于GPS各量测量之间的相关性,影响了组合导航的整体精度.为了提高组合导航的精度和可靠性,采用了直接利用GPS接收机原始测量信息伪距、伪距率的组合方式.UKF(Unscented Kalman Filter)是针对非线性模型的滤波方法,它避免了对非线性方程线性化的过程,具有较高的精度和较好的鲁棒性.将UKF滤波方法应用于伪距、伪距率的组合导航系统中,并将UKF与卡尔曼滤波和自适应滤波方法进行了仿真比较研究.实验结果表明,UKF位置、航向估计的精度都要优于卡尔曼滤波和自适应滤波,使整个导航系统具有更高的精度和可靠性.     

基于交互式多模型MSCKF的双目视觉/惯性里程计算法

针对复杂环境中双目视觉/惯性里程计系统模型不固定和量测噪声易发生变化的问题,提出了基于滤波器估计的紧耦合视觉惯性里程计(VIO)信息融合方法。将交互式多模型(IMM)估计与多状态约束卡尔曼滤波(MSCKF)算法相结合提出一种交互式多模型多状态约束卡尔曼滤波(IMM-MSCKF)算法。该算法以MSCKF为模型匹配子滤波器,将各子滤波器的输入、输出进行交互融合,实现对VIO系统状态估计。通过KITTI数据集对IMM-MSCKF算法进行了仿真验证,该算法姿态和水平位置估计均方根误差分别为0.36°和11.62 m,相比于EKF和MSCKF算法,其姿态估计精度分别提升了56%和41%,其水平位置估计精度分别提升了51%和81%,仿真结果表明该算法具有更好的估计精度和鲁棒性。     

UKF在惯导平台误差系数辨识离心机测试中的应用

针对惯导平台误差系数辨识的离心机测试,利用直接法建立了误差系数辨识的非线性模型,并结合实际系统模型的特点对标准UKF算法进行了简化和改进.改进后的UKF结构简单,与标准UKF具有同样的滤波精度,并且减小了计算量,提高了计算效率.然后利用扩展Kalman滤波(EKF)算法和改进的UKF算法对惯导平台误差系数辨识离心机测试进行仿真.结果表明,与EKF算法相比,改进的UKF算法能提高惯导平台误差系数的辨识精度,并且更容易实现.     

Unscented Kalman filtering for nonlinear structural dynamics

Joint estimation of unknown model parameters and unobserved state components for stochastic, nonlinear dynamic systems is customarily pursued via the extended Kalman filter (EKF). However, in the presence of severe nonlinearities in the equations governing system evolution, the EKF can become unstable and accuracy of the estimates gets poor. To improve the results, in this paper we account for recent developments in the field of statistical linearization and propose an unscented Kalman filtering procedure. In the case of softening single degree-of-freedom structural systems, we show that the performance of the unscented Kalman filter (UKF), in terms of state tracking and model calibration, is significantly superior to that of the EKF.     

低成本捷联惯导系统初始对准方法

为了缩短低成本捷联惯导系统初始对准时间并提高对准精度,给出了一种基于微型电子罗盘的初始对准方法。首先利用电子罗盘辅助加速度计完成粗对准,然后,分别设计了自适应扩展卡尔曼滤波器和平淡卡尔曼滤波器（UKF）用于精对准。实验结果显示,在系统量测噪声方差阵未知时,在滤波器中加入自适应方法能有效的提高对准精度;而采用非线性滤波的UKF算法,即使在粗对准之后方向失准角比较小的情况下,也可获得比线性滤波更优的对准精度和快速性。     

一种车载组合导航系统的联邦滤波新算法

针对车载GPS/DR组合导航系统的特点,提出了一种新的联邦滤波算法.子滤波器由两个滤波器构成:一个是卡尔曼滤波器,另一个是Unscented卡尔曼滤波器(UKF),它们分别处理GPS子系统和DR子系统的信息.UKF是一种较新的非线性滤波方法,相对传统的非线性滤波器EKF具有更高的滤波精度和更高的计算效率.联邦滤波器的信息分配因子采用一种基于观测误差的最小均方误差形式,最佳地融合了传感器的输出信息.这种结构降低了联邦滤波器的计算难度和计算量,提高了组合导航系统的可靠性和容错性.仿真结果表明,提出算法的定位精度很高,与UKF算法的效果相当.     

基于导弹舵面信息的惯导姿态角速率滤波方法

针对导弹武器中低精度惯导系统陀螺所测量的弹体姿态角速率误差较大的问题,提出了利用导弹控制舵面信息与弹体姿态角的动力学关系构建滤波方程的方法,其相对于常用的低通滤波器能够更加精确地反映出姿态角的变化趋势.此外为降低采用EKF和UKF等非线性滤波方法所带来的计算复杂度,仿真中通过构造交错卡尔曼滤波器实现了对非线性系统的伪线性化.最后通过对某型低精度惯组在三轴姿态转台上的半实物仿真实验,该滤波算法将实测的惯导姿态角速率误差降低了40%以上.     

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。     

基于极大似然准则的INS/GNSS组合导航自适应UKF滤波算法

为提高INS/GNSS组合系统对过程噪声方差不确定性的鲁棒性,提出一种基于极大似然准则的自适应UKF算法。在该算法中,首先利用新息向量的统计信息构造量测向量的后验概率密度,然后通过极大似然准则在线求取过程噪声方差的估值,并将其反馈至UKF滤波过程,用于调整卡尔曼增益矩阵。提出的算法可以抑制过程噪声方差不确定性对滤波解的影响,克服了UKF的缺陷。仿真结果表明,当过程噪声的标准差增大为其真实值的4倍时,相比于UKF,提出方法的导航精度可至少提高45.5%;相比于ARUKF,其导航精度也可至少提高35.7%。跑车实验结果也验证了提出算法的有效性。