组合导航非等间隔联合滤波

组合导航系统中各种导航设备数据更新频率的不同会导致联合滤波算法无法在每个计算周期都融合局部滤波器的信息，从而导致信息丢失和引入人为误差。为此提出了一种可以最优融合不同测量周期信息的非等间隔联合滤波算法，并且给出了算法的最优性证明。这种算法通过设定不同的计算周期和融合周期，实现了非等间隔测量信息的最优融合。     

模糊自适应滤波在水下航行器组合导航系统中的应用

为了提高水下航行器组合导航系统精度和可靠性,针对水下航行器组合导航系统量测噪声统计特性随实际工作环境的不同而变化的特点,提出了基于模糊自适应联邦卡尔曼滤波的水下组合导航算法。通过监测理论残差与实际残差的协方差的一致程度,应用模糊系统不断调整滤波器的增益系数,对子滤波器进行在线自适应调整,从而实现导航状态的最优估计滤波。通过对联邦滤波器信息分配系数模糊自适应调整,减少了滤波计算量,提高了滤波实时性。软件仿真实验结果表明：模糊自适应滤波可以有效地提高水下航行器组合导航系统的精度和可靠性,提高导航滤波实时性,克服传统的滤波算法的缺点与不足。     

混合粒子联邦滤波在多信息组合导航系统中的应用

在组合导航多信息滤波系统的应用中,会遇到部分子滤波器为非线性系统的情况。提出了一种混合粒子联邦滤波方法,把高斯粒子滤波获取多维高斯分布的计算过程融入到联邦卡尔曼滤波结构框架中,并采用该滤波框架解决混合系统的多信息融合问题,该算法在滤波模型的适应性方面要优于传统的联邦滤波。以组合导航多信息融合问题为例,建立了混合粒子联邦滤波模型,对该算法进行了仿真,仿真结果验证了混合粒子联邦滤波的有效性。     

模糊抗差自适应粒子滤波及其在组合导航中的应用

在研究模糊控制理论的基础上,吸收了粒子滤波、自适应滤波和抗差估计的优点,提出一种新的模糊抗差自适应粒子滤波算法。文中根据量测向量中的粗差对状态向量滤波的影响,建立抗差自适应粒子滤波模型,获得自适应因子,然后对滤波处理后的数据残差基于模糊理论构造等价权函数,利用等价权函数和自适应因子合理地分配信息,因而可以达到一般滤波方法无法达到的滤波精度,且能有效地控制粗差对导航解的影响。最后,将该算法应用到组合导航系统中,并进行仿真验证。仿真结果证明,文中提出的模糊抗差自适应粒子滤波算法的滤波精度相对于扩展Kalman滤波和粒子滤波提高了3至5倍,明显提高了导航定位精度,且计算简单,便于实时性计算。     

基于多模型联合滤波的MIMU/GPS组合导航方法

针对单一噪声假设和单一模型假设对组合导航精度的不利影响,提出了基于多模型联合滤波的MIMU/GPS组合导航方法。首先,用分布集合的概念进行误差建模,实现了随机噪声和有界噪声的融合建模;而后,推导了多椭球加权Minkowski和的外定界椭球的运算过程,并给出参数优化方法,从而实现了随机/有界双重不确定条件下的多模型交互,得到了交互多模型联合滤波算法的具体迭代过程;最后,将提出的方法用于MIMU/GPS组合导航。试验结果表明,交互多模型联合滤波算法可以将导航位置误差由最大超过10 m降低到1.5 m以下,导航精度显著优于单模型滤波方法,同时也优于标准交互多模型算法。特别是,由于交互多模型联合滤波算法充分利用了两种不同性质的噪声,既可以避免单一噪声假设导致的导航性能下降,又可以保证边界估计,对于后续的控制制导具有重要意义。     

改进的LMS算法在INS/SMNS组合导航中的应用

在惯导/景象匹配组合导航中,数学模型和噪声统计信息很难准确地给出,且景象匹配导航系统的输出值随机、有限甚至可能存在误匹配,这些都导致了目前适合于该组合的信息融合算法不多,而组合导航中常用的Kalman滤波算法在该系统中也难以收敛.为了寻找新的适合于该系统的信息融合算法,研究了基于最优估计理论的变步长最小均方算法和规格化最小均方算法,并将它们应用于惯导/景象匹配组合导航中.仿真结果表明,这两种算法与固定步长最小均方算法相比,抗干扰能力强;与递推最小二乘算法相比,它们滤波精度相同,但这两种算法结构简单,计算量小,耗时少,所以这两种算法适合于惯导/景象匹配组合导航.     

稀疏网格求积分滤波算法在SINS/GPS紧组合导航中的应用（英文）

高精度的导航信息对于高空飞行器至关重要。针对高空飞行器的特点,选取发射点惯性坐标系为导航坐标系,建立基于伪距、伪距率的SINS/GPS紧组合导航系统数学模型。针对该系统的状态方程和量测方程非线性的特性,采用基于稀疏网格求积分滤波算法。整个设计实现了对准与导航的一体化,避免了将对准与导航分别设计的繁琐过程。仿真结果表明,在飞行器起飞阶段,由于系统的非线性较强,稀疏网格求积分滤波算法比UKF滤波算法的对准精度更高,并且对准速度更快;通过比较稀疏网格求积分滤波算法在不同组合方式下的估计效果,可以看出采用紧组合方式可以明显提高导航精度。最后采用不同精度的传感器进行仿真,结果表明基于稀疏网格求积分滤波算法的紧组合算法能够适用的传感器精度范围较广。     

混合高斯粒子滤波在组合导航中应用的计算量分析

针对组合导航中出现的线性非线性混合滤波实现过程中的计算量问题,给出了一种混合高斯粒子滤波改进算法的计算量分析方法。根据该滤波算法特点,分析并总结了一种理论获取粒子滤波计算量的方法,据此定量的分析了该算法的计算量。并以SINS/GPS组合导航系统为例,具体分析了混合高斯粒子滤波算法计算量问题。仿真结果验证了该计算量理论分析方法的有效性。该方法同样可以推广到一般粒子滤波和其它非线性滤波算法中,能在理论上解决组合导航系统中非线性滤波计算量及滤波时间的计算仿真问题。     

EMD-RLS联合滤波算法及其在北斗多路径削弱误差中的应用

多路径误差是全球导航卫星系统高精度定位的主要误差源。针对北斗导航定位系统的多路径特性,结合经验模态分解(EMD)和递归最小二乘算法(RLS)算法的优势,提出了一种EMD-RLS联合滤波算法来削弱北斗多路径特性的影响。首先,利用EMD将原始信号分解成固有模态函数(IMF),利用两个指标将其细化成三类,即噪声IMFs、混合IMFs和信息IMFs;然后,利用RLS算法对混合IMFs进行滤波,将经RLS滤波后得到的"干净"的数据与信息IMFs进行重构,最终达到去噪结果,即得到北斗多路径误差改正模型。仿真数据和北斗实测数据的处理结果表明:EMD-RLS算法相对于EMD和RLS算法,降噪效果更好;其建立的多路径误差改正模型有效地削弱多路径效应的影响,N、E、U三个方向精度分别提高了39%、70%、58%。     

基于时间序列分析的自适应联邦滤波算法

以信息源的视角审视联邦滤波信息分配系数的问题,提出基于时间序列分析的自适应联邦滤波算法。通过引入导航传感器历史数据作为信息基础,以自回归滑动平均模型对其进行分析,使信息分配系数与导航传感器工作状态和环境状态相适应,提高系统性能。将此算法应用于组合导航系统,通过仿真实验对比,新的算法比经典联邦滤波算法定位精度提高40%,比其他的自适应联邦滤波算法位置误差标准差、速度误差标准差分别平均提高19.74%和30.67%,说明该算法具有良好性能。     

简化超球体SRUKF的GPS/MIMU组合姿态估计

针对加速度计、磁强计易受机动加速度和周围环境影响的问题,提出了一种单基线GPS/MIMU组合姿态估计方法。该方法利用单基线GPS天线代替磁强计提供航向信息,并利用GPS的速度信息对加速度计输出的机动加速度分量进行补偿,构成单基线GPS/MIMU组合姿态确定单元。同时考虑实时性要求,在SRUKF的基础上,引入加性非扩展形式和超球体单形采样,提出了简化超球体平方根UKF算法,通过减少状态维数和采样点的数量,降低算法计算量。建立加性噪声下的单基线GPS/MIMU姿态模型,并采用简化超球体平方根UKF算法进行姿态估计。实验结果表明,单基线GPS的速度信息可以有效提高加速度计对水平倾角的确定精度,姿态估计算法收敛后的最大误差小于0.8°,估计精度与UKF相当,且执行时间仅是UKF的42%。     

基于交互式多模型秩滤波的移动机器人组合导航算法

针对非结构化环境下移动机器人组合导航系统中存在的时变或非高斯噪声,将秩滤波器(rank Kalman filter,RKF)与交互式多模型算法(interactive multiple model filter,IMM)相结合,提出一种交互式多模型秩滤波算法(IMM-RKF)。秩滤波根据秩统计量相关原理确定采样点和权值,可适用于具有非高斯噪声的非线性系统;交互式多模型算法是解决结构和参数易发生变化系统中状态估计问题的重要途径,能够抑制组合导航系统中时变噪声引起的导航参数估计误差。仿真实验表明,相比于交互式多模型扩展卡尔曼滤波(IMM-EKF)和交互式多模型无迹卡尔曼滤波(IMM-UKF),提出的IMM-RKF算法能够提高组合导航系统姿态、速度和位置估计精度。     

SINS/GPS组合导航序贯滤波算法

针对SINS／GPS的速度、位置组合方式中，GPS接收机的位置测量误差相关的问题，提出了一种序贯形式的Kalman滤波算法。这种算法既具有计算量小的优点，又能克服由于GPS位置测量误差相关性带来的滤波性能变差的问题，实现对SINS／GPS组合系统信息的有效融合。通过仿真证明了该算法的有效性。     

基于捷联惯导的航空重力测量滤波算法

在航空重力测量中通常需要采用卡尔曼滤波来对比力测量误差进行估计。针对航空重力测量只需要进行事后处理的特点，提出了两种新方法来提高比力测量的精度：一是最优卡尔曼滤波平滑算法，该算法的估计值是前向／反向卡尔曼滤波器的估计值的最优组合；二是迭代算法，由于在滤波模型中通常不对重力异常进行建模，而模型误差的存在会降低滤波精度，迭代算法的基本思想是将重力异常估计值代入新的导航解算，以此降低重力异常对滤波估计精度的影响。仿真分析表明所提出的方法能有效提高比力测量的精度，同时表明滤波估计是有偏的，因此还需要采用网格平差等方法来消除系统误差。     

改进的粒子滤波在列车组合定位系统中的应用

为了克服粒子退化现象,将奇异值分解Unscented卡尔曼滤波（SVD-UKF）和粒子滤波相结合,利用SVD-UKF得到粒子滤波的重要性分布,提出了一种改进的粒子滤波算法。该算法将最新观测信息引入到状态估计中,不但使估计精度优于常规的粒子滤波,而且继承了奇异值分解数值稳定性好的优点,因而具有较强的鲁棒性。将该算法应用到列车组合定位系统,与经典粒子滤波进行仿真比较,结果表明,提出的改进粒子滤波算法导航定位精度高,算法稳定性好。     

晃动基座行进间对准问题的QUEST算法

针对惯导系统晃动基座行进间初始对准问题,提出了一种基于重力矢量的QUEST(Quaternion Estimator)姿态最优估计算法。在传统基于重力矢量的初始对准方法基础上,将方向余弦矩阵的求解过程转换为Wahba问题,实现对重力矢量信息的充分利用,并通过QUEST算法实现了晃动基座下行进间粗对准的最优算法,改善了原有算法鲁棒性以及实时性等方面的问题。仿真和湖试实验验证表明,更改后的算法能够明显提高惯导系统在动基座下的姿态估计速度和精度,特别在周期性线振动环境下的对准精度能够提高一个数量级。多航次的湖试实验结果表明,改进后的算法能够有效提高航向对准精度,综合导航速度精度能够提高50%左右。     

Parameter determination and response analysis of viscoelastic material

The parameter determination of viscoelastic material is a multi-variable, multi-aim nonlinear optimization problem, which made the optimization process very complicated. In this paper a hybrid optimal algorithm was proposed to determine the viscoelastic parameters in the constitutive relation according to the experimentally obtained mechanical properties. This algorithm merges the Broydon–Fletcher–Goldfarb–Shanno search into a genetic algorithm framework as a basic operator in order to enhance the local search capability. The proposed hybrid algorithm not only can reduce the iterative times greatly but can abolish the limitation of initial parameter values. Nonlinear material characteristic curve-fitting was carried out using the proposed algorithm and other existing approaches. And the comparison results show this algorithm is accurate and effective. The numerical simulation and experimental study of viscoelastic cantilever beam also indicates that the finite element formulation and the calculative viscoelastic model parameters are reliable. The proposed optimization method can be extended to further complex parameter estimation researches.     

惯导速度辅助接收机跟踪环路算法

针对接收机在强干扰高动态环境难以定位导航的问题,提出基于惯导速度辅助卫星跟踪环路算法,通过惯导速度估算环路多普勒频移,压缩了环路需承载的动态范围,从而减少了环路等效噪声带宽,进而降低了跟踪环路带内干扰,提高了卫星接收机抗干扰能力。对提出算法的普适性、动态性、抗干扰性以及惯导估算误差影响等方面进行了仿真评估,仿真结果验证了算法的正确性,同时证明提出算法相比传统算法,载体运动加速度由91g提升至193g,同时抗干扰能力提升5~8 d B,可以容忍较大惯导辅助信息误差,为算法工程化奠定了基础。     

基于Gibbs矢量估计卫星轨道姿态的滤波算法研究

针对“矢量观测 陀螺”这种典型的三轴稳定卫星姿态确定系统模式,引入具有四元数优越性的Gibbs矢量作为姿态参数,提出了一种新的具有良好实时性能的轨道姿态估计方案。在方案设计中,为描述卫星轨道姿态的Gibbs矢量,推导出了基于四元数的运动学方程,并将QUEST法作为处理多矢量观测信息的压缩技术引入估计器,使得滤波修正算法得以简化。另外,针对单矢量观测情况,给出了能够加快状态估值收敛速度的改进协方差修正算法。仿真结果验证,新方案的姿态估计精度与传统的欧拉角估计法相当,而运算效率却明显高于欧拉角估计法。     

Parallel implementation of data assimilation

Kalman filter is a sequential estimation scheme that combines predicted and observed data to reduce the uncertainty of the next prediction. Because of its sequential nature, the algorithm cannot be efficiently implemented on modern parallel compute hardware nor can it be practically implemented on large‐scale dynamical systems because of memory issues. In this paper, we attempt to address pitfalls of the earlier low‐memory approach described in and extend it for parallel implementation. First, we describe a low‐memory method that enables one to pack covariance matrix data employed by the Kalman filter into a low‐memory form by means of certain quasi‐Newton approximation. Second, we derive parallel formulation of the filtering task, which allows to compute several filter iterations independently. Furthermore, this leads to an improvement of estimation quality as the method takes into account the cross‐correlations between consequent system states. We experimentally demonstrate this improvement by comparing the suggested algorithm with the other data assimilation methods that can benefit from parallel implementation. Copyright © 2016 John Wiley & Sons, Ltd.