基于自适应时频峰值滤波的光纤陀螺去噪算法

为减小光纤陀螺输出信号噪声、提高惯导系统精度,提出了光纤陀螺信号自适应时频峰值滤波算法。对光纤陀螺信号进行初始变换并调制,采用伪Wigner-Ville分布对调制信号进行时频分析,给出了一种自适应的伪Wigner-Ville分布最优窗长获取准则,通过局部峰值搜索实现编码信号的瞬时频率估计进而还原出有用信号,实现了光纤陀螺噪声的去除。详细对比了小波方法与自适应时频峰值滤波算法并分析了两者的去噪效果。仿真结果和实际数据验证表明:自适应时频峰值滤波算法能有效减小光纤陀螺输出噪声,信噪比比小波滤波改善1³ dB;特别对于高动态信号,该算法滤波后的信号能够有效地跟踪原始信号。     

抗野值自适应卡尔曼滤波方法的研究

针对陀螺漂移信号中野值的不良影响。从量测噪声自适应Kalman滤波算法出发，首次提出了抗野值自适应Kalman滤波方法，并在其基础上进行了分析，提出一种改进的算法．通过对某型号高精度寻北仪中的试验证明，该算法能够有效去除寻北仪信号中的野值，提高寻北仪的寻北精度，并且对系统的量测噪声不敏感．     

单轴恒速偏频激光陀螺航姿系统晃动基座快速对准自适应滤波方法

以自主设计的单轴恒速偏频激光陀螺航姿系统为研究对象,在分析车载晃动基座上初始对准时残差序列特性的基础上,通过加窗估计测量噪声方差,并对测量信息进行去相关处理,进而提出了测量去相关改进的基于残差的测量噪声自适应滤波算法.实验室内静基座和车载晃动基座实验测试结果表明,所设计的自适应滤波算法与标准卡尔曼滤波算法相比,不需要预先精确得到测量噪声统计特性,并且车载晃动基座初始对准在200 s 时间内方位角误差小于40〞.     

基于经验模态概率分布的光纤陀螺信号处理

为了抑制光纤陀螺随机漂移,基于改进的经验模态分解(EMD)和新型模态筛选标准提出了一种自适应的区间阈值滤波方法。首先分析加入高斯噪声对 EMD 分解结果的影响,提出有界噪声辅助以改善 EMD 分解质量,然后针对本征模态函数的概率分布特征提出了基于样本熵的模态筛选标准,最后采用数据驱动的阈值选择方法实现自适应的区间阈值滤波。为了验证算法的有效性,采集一款干涉型光纤陀螺静态漂移信号进行实验分析,结果表明本文方法较基于平稳小波变换和 EMD 的阈值滤波有更好的去噪效果。仿真分析表明该去噪算法减小了捷联惯性导航系统的航向角误差,均方根误差较     

基于Allan方差解耦自适应滤波的旋转SINS精对准方法

对旋转式SINS精对准方法进行了研究,由于转位机构转动干扰以及惯性器件误差不确定性带来的影响,旋转式SINS状态方程和量测方程噪声方差参数难以确定,进而导致初始对准精度降低,针对这个问题引入自适应Kalman滤波技术。Sage-Husa是一种常用的自适应滤波算法,但是存在噪声参数强耦合缺陷。通过研究Allan方差与量测噪声方差之间的关系,利用Allan方差滤波器具有带通滤波的特点,独立计算量测噪声协方差阵R_k,该方法能够有效克服Sage-Husa滤波耦合问题,相比其它改进方法具有简单易实现等特点。对该研究进行了仿真实验与实际系统验证实验,结果表明:对于中等精度光纤陀螺单轴旋转SINS,自适应Kalman滤波算法航向角对准精度比标准Kalman滤波算法精度要高0.6’左右,且在误差估计过程中,自适应Kalman滤波器能够更好地抑制外界干扰误差的影响,是一种较好的精对准方法。     

基于自适应FLP滤波的金属谐振陀螺信号处理方法

针对传统前向线性预测(FLP)滤波在金属谐振陀螺信号处理中,无法解决收敛速度和稳态误差之间矛盾且动态滤波效果较差的问题,提出了一种基于自适应FLP滤波信号处理方法。首先采用Allan方差对陀螺原始信号进行分析,得出不同噪声占比;然后采用自适应FLP滤波方法,通过建立补偿因子与估计误差的非线性关系,实时调整步长因子大小,修正滤波误差;最后用自研的金属谐振陀螺惯性系统试验验证该方法的有效性。试验结果表明:自适应FLP滤波方法可抑制量化噪声、角度随机游走和零偏不稳定性等。降噪效果比传统FLP滤波方法更为明显,收敛速度更快,动态时自适应FLP滤波方法降噪效果是传统FLP滤波方法的1.95倍,该方法可有效提高金属谐振陀螺的性能。     

基于状态约束的MIMU/磁强计组合姿态估计滤波算法

构建了基于MEMS技术的陀螺、加速度计、磁强计及空速计组合的微小型飞行器姿态测量系统.研究了基于四元数的扩展卡尔曼滤波算法.取姿态误差四元数和陀螺随机漂移构建状态向量,通过误差四元数微分方程和陀螺随机误差模型建立卡尔曼滤波状态方程,采用速度信息实时补偿加速度计输出值得到重力矢量,利用重力矢量估计水平姿态,通过滤波补偿姿态误差,降低了对陀螺的精度要求.将状态向量之间的约束方程作为伪量测方程引入到量测模型中,解决了由于状态向量相互约束导致的滤波发散和奇异.动态飞行滤波噪声的自适应调整增强了系统性能.仿真和实验表明,该滤波算法能够有效避免系统的漂移,提高系统测量精度和稳定性.     

基于前向线性预测算法的光纤陀螺零漂的神经网络建模

在详细分析光纤陀螺零漂的基础上,提出了先用滤波算法对光纤陀螺信号进行预处理,然后采用RBF神经网络对滤波后的信号进行建模的方法。针对光纤陀螺信号特点分别采用FLP算法、小波滤波算法、解相关变步长LMS自适应滤波算法对其进行了预处理,比较三种滤波方法,小波滤波算法效果优于其它两种预处理方法,但针对基于预处理后的陀螺信号采用RBF神经网络进行建模时,小波滤波预处理后的信号在建模精度上却是最差的,而对FLP算法滤波后的信号进行RBF建模,建模精度提高了两个数量级。结果表明:基于FLP算法的RBF神经网络在光纤陀螺中的建模是有效的,可大大提高建模的精度。     

基于自适应神经模糊推理系统的陀螺建模方法

系统地介绍了近年来陀螺信号处理中出现的各种主要的滤波方法,并分析了各自的优缺点.针对陀螺输出信号自身的特点,提出了一种基于自适应神经模糊推理系统的陀螺滤波方法,建立了陀螺误差模型.提出的滤波方法同时具有神经网络与模糊逻辑推理的优点,从而有效地减小了建模误差.分别探讨了陀螺静态时的零偏信号估计模型与敏感动态信号时的滤波方案.由仿真结果可以看出,该方法可以有效地估计陀螺的零偏,并能抑制陀螺输出信号中的噪声.     

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.     

自适应Kalman滤波在SINS初始对准中的应用

为了提高捷联惯导系统的对准精度和收敛速度,提出了一种基于Sage-Husa自适应滤波算法的初始对准方法。针对方位小失准角的情况,推导出精对准误差模型和自适应Kalman滤波方程。常规Kalman滤波算法,在噪声统计特性已知的情况下,使用比较方便;多数情况下,噪声统计特性是处于未知状态,从而引入自适应Kalman滤波算法。它利用观测到的数据自动进行噪声统计特性的在线估计和修正,使系统达到最佳的滤波效果。通过仿真验证,该自适应滤波算法有效地提高了收敛速度和对准精度。     

自适应长度的中值滤波

介绍一种消除脉冲噪声的自适应长度的中值滤波算法，这种算法比固定长度的中值滤波效果更好。并把这个算法同矩形中值滤波进行了比较。     

自适应惯性组合导航系统研究

本文研究惯性／位置组合导航技术，给出在线估计未知噪声统计参量的自适应卡尔曼滤波算法（ＡＫＦ）。首先建立组合导航系统直线飞行段和机动飞行段数学模型，并给出相应滤波算法，仿真结果证明了组合导航估计算法的可行性。所得结论对惯导／地形匹配、惯导／ＧＰＳ组合导航的研制有实用意义     

基于自适应交互多模滤波的SCNS/RSINS紧组合对准方法（英文）

为了提高船用单轴旋转捷联惯性导航系统(RSINS)初始对准的精度和快速性,针对传统的EKF滤波线性化误差和单传感器精度不高的问题,设计了一种基于自适应交互多模(AIMM)算法的SCNS/RSINS紧组合对准方法。该算法将自适应滤波器与交互多模型相结合,利用了两个合理构建状态模型和量测模型的平行滤波来实现对实际模态的覆盖:滤波1应用姿态四元数算法建立了状态方程的模型,量测量为RSINS与SCNS之间的姿态四元数误差;滤波2的根据SCNS/RSINS的误差特性构建了状态方程模型,量测量为RSINS与SCNS位置和航向误差,然后应用自适应IMM算法将两个平行滤波的估计值进行数据融合。在某种程度上,因状态噪声和量测噪声的不确定性,EKF的性能会被降低,而通过模型转换机制,IMM可用于选择一个合理的模型自动计算器来自适应地调整对准过程中噪声的协方差矩阵,因此该算法可以有效地解决SCNS/RSINS组合导航系统的初始对准问题。仿真结果表明:与EKF算法相比,基于自适应IMM算法的SCNS/RSINS组合对准方法的估计精度和对准快速能力都得到了改善,其中对方位陀螺漂移的估计时间缩短了至少40%。     

GPS/DR组合导航抗差自适应滤波算法

针对GPS/DR车辆组合导航系统的数学模型具有非线性,应用扩展卡尔曼滤波进行线性化会导致滤波结果出现较大误差的问题,引入了抗差自适应滤波算法。利用计算机仿真,分别对抗差自适应Kalman滤波和自适应Kalman滤波算法进行仿真验证,结果表明,抗差自适应滤波不但能自适应地确定观测噪声的协方差矩阵,而且能利用自适应因子调节状态参数噪声的协方差矩阵,可以控制观测异常和动态模型噪声异常对状态参数估值的影响,使状态参数的估值更加合理。自适应Kalman滤波使位置误差控制在30m,而对抗差自适应Kalman滤波能使位置误差控制在18m左右,且误差控制更稳定。     

基于DSP的MIMU/GPS组合导航系统研究

介绍了一种以DSP为核心的MIMU／GPS组合导航系统设计，它具有体积小、成本低等优点。针对系统噪声难于准确统计的情况，系统采用了一种适用于系统噪声协方差阵未知情况下的自适应卡尔曼滤波算法，用它作为组合算法，并对组合导航系统进行了数字仿真。结果表明：该自适应滤波算法可以有效地抑制滤波发散，增强了系统对环境的适应性。     

一种新型自适应模型预测组合滤波在在线标定中的应用

为了提高捷联惯性导航系统在线标定的精度和实时性,根据模型预测滤波算法和Sage_Husa自适应卡尔曼滤波算法的优点,提出了一种新的自适应模型预测组合滤波算法。该算法首先利用模型预测滤波算法估计出系统模型误差,并对系统状态方程实时修正,以减小系统模型误差对导航精度的影响;然后利用简化的自适应滤波算法对量测噪声在线调整,修正噪声统计特性,以提高滤波精度。将提出的算法进行在线标定仿真实验,并与传统的卡尔曼滤波在线标定算法进行比较,结果表明,提出的自适应模型预测组合滤波算法能有效完成在线标定,且标定精度和收敛速度均优于传统方法。     

微机电陀螺零点漂移数据滤波方法的研究

微机电石英音叉陀螺虽然有突出的优点，但也存在噪声比较大的缺点。普通的数字滤波方法通常会造成比较大的滞后，减小了系统的相位裕度，而且对截止频率以内的噪声不起作用。作者在对石英音叉陀螺零点漂移数据建立时间序列模型（AR模型）的基础上，采用卡尔曼滤波算法对石英音叉陀螺的漂移数据进行了处理。仿真实验表明，所采用的滤波方法合理有效。     

基于指数渐消遗忘因子的组合导航自适应滤波算法

量测信息异常导致的噪声统计特性变化容易引起组合导航滤波精度下降甚至发散。针对Sage-Husa自适应滤波算法估计系统量测噪声参数性能对遗忘因子依赖性强的问题,提出了基于指数渐消遗忘因子的自适应滤波算法。在对故障检测函数判断量测噪声统计特性研究的基础上,构建了基于指数函数的动态遗忘因子模型,提升量测信息异常情况下的导航精度。与卡尔曼滤波、Sage-Husa自适应滤波、基于滑动遗忘因子自适应滤波等三种算法对比的仿真和跑车试验结果表明,所提出的算法在存在量测异常的情况下,导航性能提高显著,导航位置精度均提高20%以上。     

自适应滤波方法在陀螺软故障检测中的应用

采用自适应滤波方法对影响故障检测及隔离(FDI)性能的传感器误差进行了补偿，同时提出了故障检测与隔离的自适应滤波方法(AET)。该方法可以对多个传感器同时出现故障的情况进行检测与隔离。中以六个陀螺冗余惯性导航系统的仿真结果验证了该算法的有效性。