预测滤波器理论在惯导非线性对准中的应用

讨论了预测滤波器的基本算法，并针对平台惯性导航系统在大方位失准角情况下的非线性对准中，用预测滤波器无法估计陀螺误差的问题，提出了将预测滤波和扩展卡尔曼滤波相结合的算法。通过对大失准角下的静基座和动基座对准的仿真，证明预测滤波和扩展卡尔曼滤波相结合的算法能够提高的平台姿态误差角特别是方位误差角的估计精度。比起扩展卡尔曼滤波算法，该算法还能降低系统的维数，减小计算量。     

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。     

大方位失准角的舰载武器INS对准

研究了舰载武器惯导系统（INS）大方位失准角的传递对准问题。首先,给出了适用于大方位失准角的INS姿态误差和速度误差传播模型。然后,提出了一种改进的利用速度＋角速率匹配的传递对准算法,该算法能够借助海浪引起的舰船运动进行传递对准。通过基于奇异值分解的卡尔曼滤波器（SVD-KF）的引入,给出了非线性滤波算法的实现方案,并对SVD-KF和EKF在大方位失准角的舰载武器INS对准就姿态失准角的估计精度和收敛速度进行了比较。仿真结果验证了所提大方位失准角传递对准算法的可行性。     

基于PF的SINS动基座初始对准

捷联惯性导航系统大方位失准角的误差模型是非线性的,传统的扩展卡尔曼滤波(Extended Kalman Filter, EKF)会产生线性化误差,影响初始对准精度.在给出捷联惯性导航系统动基座大方位失准角误差模型的基础上,推导了粒子滤波方法(Particle Filter, PF),并将扩展卡尔曼滤波、基于Scaled-Unscented变换的Unscented卡尔曼滤波(Unscented Kalman filter, UKF)和基于Residual重采样的粒子滤波用于捷联惯性导航系统的初始对准中,分别进行了加速和拐弯条件下的初始对准实验仿真.仿真结果表明,在大失准角情况下,粒子滤波相对于扩展卡尔曼滤波和Unscented卡尔曼滤波具有更高的对准精度和更快的收敛速度.     

Sigma点Kalman滤波在惯性导航初始对准中的性能评估

捷联惯性导航系统的大失准角初始对准过程具有非线性特性,Sigma点卡尔曼滤波算法可用于解决大失准角的对准问题。为提高Sigma点卡尔曼滤波的数值稳定性并降低算法复杂度,推导了简化的方根形式的滤波算法。为评估不同Sigma点卡尔曼滤波在初始对准中的性能,引入了一种适用于姿态角全为大失准的欧拉角误差模型。最后对不同Sigma点卡尔曼滤波在初始对准中的应用进行了仿真,并对算法的精度与复杂度作了分析与总结。结果显示该算法可较好的处理大失准角情况下的对准问题,所推导的简化方根滤波算法在不影响对准精度的情况下可使算法的复杂度降低20%,并增强了数值稳定性,是一种较为实用的方法。     

一种改进的基于小波神经网络的SINS快速初始对准方法

捷联惯性导航系统静基座初始对准的可观测度低,采用卡尔曼滤波等最优滤波方法进行SINS初始对准时,方位失准角收敛慢且存在滤波器实时性较差的问题。对此提出了一种改进的基于小波神经网络的SINS静基座快速初始对准方法。该方法采用一个小波神经网络替代卡尔曼滤波器,利用该小波神经网络估计出两个水平失准角等SINS误差,然后利用两水平失准角快速收敛的估计结果,通过另一个小波神经网络对方位失准角直接进行快速估计。初始对准试验结果表明,该方法在保证对准精度的情况下大幅度地提高了SINS静基座初始对准的速度,同时也大大提高了系统状态估值运算的实时性。     

一种改进的基于闭环反馈的大失准角传递对准算法

针对传统的基于计算参数的传递对准算法在大失准角下的强非线性问题以及杆臂误差导致的传递对准精度下降问题，提出了一种改进的基于闭环反馈的大失准角传递对准算法。首先，基于快速传递对准模型，设计了全状态闭环反馈机制，通过对主、子惯导的姿态矩阵不断进行修正，实现大安装误差角估计值的快速收敛；然后，采用线性卡尔曼滤波对状态进行估计。仿真实验结果表明，相比于非线性滤波方法，所提算法在大、小安装误差角下均可以保持较高的对准精度，对准误差基本可以达到0.02°。车载试验结果也验证了所提算法具有更好的传递对准性能。     

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。     

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。     

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。     

快速传递对准用联合强跟踪Kalman滤波器设计与仿真

针对用于快速传递对准的卡尔曼滤波器阶数高,计算量大,滤波更新率低,鲁棒性差及对准精度不高等问题,提出采用联合强跟踪Kalman滤波器进行快速传递对准。文中设计了联合强跟踪Kalman滤波器的结构和算法,同时利用改进的Elman网络进行信息分配系数的自适应调节,以实现融合信息在各子系统中的自适应分配。仿真结果表明,该滤波器不仅提高了解算速度,而且提高了系统鲁棒性和对准精度。     

两种捷联惯导系统自对准方法的比较研究

在用调平方法实现水平姿态角的对准过程中，通过不同的参数设计可实现不同阶段的对准功能。方位对准采用可平滑噪声的方位误差估算法，通过计算机仿真和实际系统实验表明此方法有较高的对准精度，对准时间为十几分钟。若在精对准时采用卡尔曼滤波方法，可在相对较短的时间内完成初始对准，仿真结果验证了这种方法的有效性。     

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。     

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。