H^∞鲁棒滤波在惯导初始对准中的应用

本给出了惯导系统初始对准的非线性模型,针对一般非线性滤波线性化所引起的模型误差,提出了H^∞鲁棒滤波方法,并与卡尔曼滤波器、二次滤波等方法进行了比较。仿真结果表明,该方法比二次滤波等方法计算量大大减小,精度要高;对于非线性模型,在存在模型误差或噪声不确定情况时,其滤波性能远优于扩展卡尔曼滤波及其它非线性滤波算法。     

采用粒子滤波的捷联惯导非线性快速初始对准算法

针对常规捷联惯导静基座初始对准模型维数高,难以保证粒子滤波实时性的问题,提出了一种适用于粒子滤波的二位置非线性快速初始对准模型。该模型利用二位置方法消除惯性器件的常值误差,因此无需对惯性器件误差进行状态扩展,从而在保证对准精度的前提下降低了粒子滤波的运算量。在二位置非线性快速初始对准模型中航向角是直接可观测的,因此可以提高航向角的对准精度和速度。仿真结果表明,采用基于粒子滤波的二位置非线性快速初始对准方法,水平姿态精度在6″以内,航向角精度为10′以内,还较好地满足了粒子滤波应用于捷联惯性导航系统初始对准中的实时性要求,有效提高了初始对准的速度。     

惯导系统初始对准的非线性滤波算法

本文推导了方位误差角比较大时惯导系统初始对准的误差方程,在这个误差中包含了非 线性的部分。在方位误差角较小时,可将非线性的对准方程简化为线性的对准方程。用卡尔曼 滤波对线性系统进行仿真,用扩展卡尔曼滤波、迭代滤波、二次滤波对非线性系统仿真。比较仿 真结果可见,扩展卡尔曼滤波可大大提高方位对准的精度,而迭代滤波、二次滤波在方位角上 又比扩展卡尔曼滤波的精度高。     

简化UKF滤波在SINS大失准角初始对准中的应用

基于欧拉平台误差角的概念提出了大失准角误差条件下的捷联惯导系统（SINS）非线性初始对准误差模型,该模型无法再用经典的加性噪声模型描述。为了降低滤波计算量,在系统模型噪声和量测噪声均为复杂加性噪声并且量测方程是线性方程时,推导了简化的UKF（unscented Kalman filter）滤波方法,简化UKF滤波公式显示：除通过非线性状态方程使用UT（unscented transformation）变换进行状态及其方差预测外,其它滤波步骤与标准Kalman滤波完全相同。最后,对静基座下SINS初始对准进行了仿真试验,结果表明大失准角条件下的SINS误差模型和简化UKF滤波估计方法是有效的。     

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。     

基于边缘采样UKF滤波的捷联惯导初始对准方法

设计了基于四元数的捷联惯导非线性初始对准模型,同时指出该模型仅仅是姿态误差四元数和速度误差的非线性函数,而对于惯性器件误差而言则是线性的。针对该模型的部分线性特性,设计了基于边缘采样的UKF滤波算法,该算法仅对状态量中的非线性子集进行采样,因此对于部分线性模型而言,该算法在不损失滤波精度的前提下能够有效降低算法计算量。仿真及车载实测数据实验表明所研究的初始对准模型和相应的滤波算法是有效的,而且较传统方法具有明显的计算量方面的优势;在达到相同对准精度的前提下,所设计算法的计算量较传统算法降低了52%。     

激光陀螺随机漂移数据的非参数建模

随机漂移是激光陀螺的主要误差源,在惯性系统中不能用简单的方法加以补偿,因而其成为衡量激光陀螺精度的重要指标。建立误差模型并采用滤波技术滤波是抑制该项误差的有效方法。线性自回归滑动平均模型（ARMA）虽已形成相当完善的理论,但不能解释非线性现象。针对实际中出现的非线性现象,提出应用一类非参数模型（FARMA模型,即函数系数自回归滑动平均模型）对激光陀螺随机漂移数据进行建模,采用多项式拟合非参数系数,并将结果与ARMA进行比较。仿真结果表明,应用该模型能取得较好的效果,系数函数呈现非线性,实例验证了陀螺漂移是弱非线性的;建模后的残差平方和小于利用ARMA理论建模得出的残差平方和。     

粒子滤波及其在导航系统中的应用综述

传统的扩展卡尔曼滤波方法要求对非线性系统近似线性化,有可能会引入较大的模型误差.应用粒子滤波解决了这一问题.该算法可以直接应用于原系统的非线性模型当中,并且不需考虑系统噪声和量测噪声是否为高斯白噪声,都能得到很好的滤波效果.文中介绍了粒子滤波的理论基础-贝叶斯估计及具体的实现方式-蒙特卡罗方法;指出粒子滤波存在的退化问题,并从减小退化现象入手将重要性采样和再采样方法引入到算法之中;最后阐述了粒子滤波在导航系统中的一些应用.     

基于加性四元数的SINS/CNS非线性紧组合方法

针对SINS/CNS组合导航系统中的非线性特性,提出了基于加性四元数的SINS/CNS非线性紧组合方法.从捷联惯性导航系统误差非线性建模和天文角度非线性量测两个方面出发,推导了基于加性四元数的捷联惯导误差传播特性,构建了天文导航的非线性量测模型,采用二阶插值滤波算法实现了SINS和CNS的非线性信息融合.计算机仿真显示,SINS/CNS非线性紧组合方法充分考虑系统的非线性特性,机动情况下的峰值误差较小,相对线性紧组合方法导航精度提高约15％.     

基于强跟踪滤波器的SINS大失准角初始对准新方法

捷联惯性导航系统静基座初始对准时一般先进行粗对准,使失准角缩小到一定范围内从而满足小失准角假设下的线性误差模型,然后再进行精对准。在不进行粗对准时失准角一般为大角度,需要采用复杂的非线性误差模型和非线性滤波方法。研究发现通过设置合理的误差协方差矩阵初值,采用反馈校正滤波结构,并引入强跟踪滤波算法可以在大失准角情况下既无需粗对准,又无需采用非线性模型来实现精对准。仿真结果表明,该方法可以实现大失准角初始对准,鲁棒性好,在任意姿态初值下都可以使航向角在300 s内收敛到0.05°的理论极限精度,与小失准角精对准方法的速度和精度相当但省去了粗对准因而耗时更短,与无迹卡尔曼滤波在600 s时才收敛到0.5°的速度相比大为改善。     

基于矢量观测确定卫星姿态的两种非线性滤波算法

在确定卫星姿态确定的状态估计法中，经典的扩展卡尔曼滤波（EKP）和新提出的非线性预测滤波（NPF）这两种实时滤波算法各有优缺点。通过大量仿真计算，对这两种滤波算法在不同情况下进行了多角度的对比分析，旨在寻求它们各自的适用条件。结果表明：当模型误差较大甚至非线性或测量误差较大时，NPF滤波效果好于EKF：当状态变量的初始估计误差较大时，EKF滤波效果好于NPF：当需要估计真实模型误差时，只能用NPF。     

粒子滤波在惯导系统非线性对准中的应用

首先介绍了粒子滤波中自举滤波的原理和算法，说明该算法可用于处理非线性系统的状态估计问题。进而列出了捷联惯导系统速度误差方程和姿态误差方程，并将其用于惯导系统非线性对准。最后，通过对仿真结果的分析，指出通过结合粒子滤波和传统的扩展卡尔曼滤波，可以得到一种精度优于卡尔曼滤波，而计算量小于粒子滤波的非线性滤波方法。     

基于四元数的SINS/SAR组合导航系统

传统的SINS误差模型是基于小姿态误差角假设下的线性化误差模型,由于忽略了高阶项,因而不能精确描述系统的非线性特征,易造成较大的导航估计误差甚至滤波器发散。为了克服SINS线性化误差模型的缺点,建立了基于四元数的SINS/SAR组合导航系统非线性模型,并将自适应UPF滤波算法应用于该组合系统。仿真结果表明,建立的基于四元数的组合导航系统模型,不但能有效减小导航误差,提高导航定位精度,而且具有良好的实时性。     

船摇数据实时滤波与预报的时序法

作为船摇数据建立一个时序时域模型-长自回归模型,在此模型基础上给出了船摇数据的实时滤波和预报的方法,并从均方误差、预报误差、残差序列的相关性、拟合方差、仿真计算等多方面考察了滤波及预报效果。AR（p)模型的系数估计采用最小二乘递推方法,用较少的运算量和存贮量,得到了较高的估值精度。该方法是一种非常值得推荐的船摇数据实时处理方法。     

GPS 动态滤波的新方法

本文提出一种ＧＰＳ动态定位滤波的新方法。该方法直接从ＧＰＳ接收机输出的定位结果入手，将各种误差因素的影响等效为输出定位结果的总误差，视为有色噪声，建立线性卡尔曼滤波模型对位置和速度信息进行估计。与以往采用的非线性卡尔曼滤波器相比，滤波后定位误差明显减小，且模型简单，系统运算量降低，实时性较好。另外，为了提高滤波器的动态性能，还提出了一种有效的次优加权自适应卡尔曼滤波算法     

自适应Sage-Husa粒子滤波及其在组合导航中的应用

针对非线性滤波问题,提出一种新的自适应Sage-Husa粒子滤波算法。通过Sage-Husa滤波方法计算状态估值和协方差阵来获得重要性密度分布函数,充分考虑了最新量测信息的影响,并利用欧氏距离和反映量测噪声统计特性的精度因子自适应地调整粒子权值的分布,降低粒子退化程度,提高了滤波精度,适用于非线性非高斯系统模型的滤波问题。将提出的算法应用于SINS/SAR组合导航系统中,与扩展Kalman滤波和粒子滤波比较,仿真结果表明,自适应Sage-Husa粒子滤波能提高导航系统定位的解算精度,得到的东向和北向定位误差控制在?5.3m附近,其性能明显优于扩展Kalman滤波和粒子滤波。     

粒子滤波的改进优化方法及在组合导航系统中的应用

组合导航系统中存在非线性环节,粒子滤波技术能较好地解决这些非线性问题.本文根据常见组合导航系统非线性滤波问题,总结了组合导航系统非线性滤波模型特点及一般建模方法.从粒子滤波算法实现框架出发,分析总结了粒子滤波性能特点及其改进演化规律.根据惯性组合导航系统中数据处理特点,对如何选择适合组合导航系统的粒子滤波算法提出了选择原则.分析和总结了组合导航系统中非线性滤波建模方法及粒子滤波改进优化策略,对解决组合导航系统的非线性滤波问题具有理论和实践指导意义.     

基于最小概率DWO的激光陀螺温度误差模型辨识

鉴于激光陀螺温度误差模型的非线性和时变性,从提高模型辨识质量的需要出发,运用基于最小概率DWO（直接加权优化）的非线性系统辨识方法进行激光陀螺温度误差模型辨识研究,提出了一种精度更高的激光陀螺温度误差模型。该模型以带宽作为唯一需要确定的模型参数,避免了以往温度误差模型研究中的结构与参数辨识等复杂问题,从而在保证模型辨识质量的基础上,也相应提高了模型的适应能力,并通过两种温度误差特性有显著区别的激光陀螺（四频差动激光陀螺和二频机抖激光陀螺）的温度实验数据验证了该模型的正确性和适应性。     

基于简化无迹Kalman滤波的非线性SINS初始对准

传统的小干扰失准角模型只适合于小失准角情况下的初始对准,对于处于大失准角下的舰船或飞机的对准必须寻求不做任何线性假设的非线性模型和非线性滤波方法。针对以上问题,建立了基于四元数的姿态误差方程,给出了基于复杂噪声模型的UKF算法,在该算法的基础上假设量测方程为线性,得出简化的UKF算法,避免了重采样、多次求解量测预测方程、计算量测预测方差等一系列繁杂过程。基于以上理论建立了适合简化UKF算法的非线性滤波模型,在大失准角、小失准角下与常规Kalman和EKF算法做对比仿真,结果表明,在小失准角下三种方法效果相当,但在大失准角下简化UKF和EKF显示出了处理非线性模型的优势,对准速度和精度都好于常规Kalman算法。由于EKF线性化造成的高阶截断误差使得对准精度略低于简化UKF。     

基于NPF-CKF的捷联惯导系统动基座初始对准技术

当海况不佳时,水下航行器大幅晃动,捷联惯导系统无法快速完成自主初始对准,因此提出了利用多普勒计程仪提供的速度信息进行运动中辅助对准。针对在非线性对准中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,提出了一种基于非线性预测滤波的求容积卡尔曼滤波算法。该滤波算法将惯性器件测量误差作为模型误差使用非线性预测滤波器进行实时预测,然后再利用求容积卡尔曼滤波对模型误差补偿后的系统进行状态估计。仿真结果表明,与扩展卡尔曼滤波和求容积卡尔曼滤波算法相比,该滤波算法能够不仅提高失准角特别是方位失准角的估计精度,其精度约为45″,而且加快了收敛速度。同时由于该滤波算法降低了系统状态的维数,因此也大大减少了计算量。