对"联邦滤波器理论研究"一文的商榷

讨论了联邦滤波信息分配原则，指出了《中国惯性技术学报》第10卷第6期“联邦滤波器理论研究”一中有关信息分配的一些问题，说明采用该献所述方法，主滤波器和各个子滤波器估计均不是最优的，并在GPs姿态测量系统中利用实测数据进行了仿真研究。结果表明信息分配因子选择不当将造成联邦滤波器估计性能下降。     

联邦滤波器信息分配系数的优选算法

针对Carlson方法的局限性，提出一种联邦滤波器信息分配系数的优选算法，提高局部滤波器的精度和故障检测灵敏度，并证明其并不影响联邦滤波的全局最优性。以双SINS/GPS组合导航系统为实例，通过仿真验证了该方法的正确性和可行性，同时回答了“对‘联邦滤波器理论研究’一的商榷”所提出的三个问题。     

联邦滤波器理论研究

应用矩阵理论和信息分配原理导出集中卡尔曼滤波、分散化滤波和联邦滤波之间的等价关系，证明联邦滤波器的全局滤波精度和集中卡尔曼滤波的滤波精度相同，并用信号流程图直观清晰地说明联邦滤波比分散化滤波结构更简单，计算量小。提出一种动态最优信息分配系数确定的方法，该方法使联邦滤波局部滤波器的设计也成为最优，并从理论上证明其具有最高的软故障检测灵敏度。     

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.     

联邦滤波理论在组合导航系统设计中的应用

为了解决导航信息大量冗余情况下组合导航系统计算量过大及故障数据互相污染的问题，本文探讨了具有容错结构的无复位联邦滤波器的设计方法，包括公共参考系统的选定及信息的合理分配原则，并对集中滤波器和联邦滤波器作了对比仿真计算。仿真结果表明：融合周期为滤波周期的１０倍时，联邦滤波精度与集中滤波精度几乎相同。     

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。     

复杂环境下无人车双重自适应定位算法

针对复杂环境中部分传感器失效情况下无人车定位精度下降甚至出现无法定位问题,提出局部自适应滤波和自适应信息共享因子分配的双重自适应算法,提升了无人车多源融合定位性能。所提算法利用新息自适应调节测量噪声对局部滤波器进行自适应状态估计,利用局部滤波器状态协方差和观测噪声自适应分配信息共享因子,能有效地抵御观测值粗差影响。仿真结果和实车测试数据均表明,该双重自适应定位算法能够根据局部滤波器新息和状态协方差在线自动更新信息共享因子,相比自适应联邦卡尔曼滤波算法和经典联邦卡尔曼滤波算法,位置精度分别提高了44%和63%,误差小于1 m,验证了所提算法在复杂环境下能有效提高整个导航系统的可靠性、鲁棒性。     

广义联邦滤波器的全局最优性

基于分散化滤波算法和信息分配原理,建立了广义联邦滤波器设计理论。证明了联邦滤波器当其主滤波器和局部滤波器的维数都相同时,其全局滤波和集中卡尔曼滤波等价,是最优的;同时提出当主滤波器维数和局部滤波器维数不相同时,达到全局滤波最优的解析补偿方法,其附加计算量小,并可作为一种性能指标用于子系统的软故障检测。在组合导航系统中运用此方法对非公共状态信息进行补偿,仿真结果验证了该方法的有效性。     

自适应联邦滤波器及其在组合导航系统中的应用

针对现有的信息分配方法在滤波精度和自适应性方面存在不足的问题,设计了一种在模糊神经网络基础上改进的自适应联邦滤波器,利用模糊神经网络自适应地调整信息分配系数,从而有效抑制干扰对子滤波器工作状态的影响,使主滤波器能够充分、有效地利用子滤波器的信息。将这种自适应联邦滤波器应用到MINS/GPS组合导航系统设计中,并对系统进行了仿真。通过与基于常规联邦滤波器的组合系统的仿真结果比较可知,自适应联邦滤波器的组合系统在性能上有了显著的提高,且速度误差标准差控制在0.06m/s以内,位置误差标准差控制在3.3m以内,具有良好的导航精度。     

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。     

联邦滤波器的滤波稳定性研究

首先证明了联邦滤波器中各局部滤波器实际上滤波不相关,然后通过使用集中式滤波器的滤波稳定性定理,来分析联邦滤波器的滤波稳定性。仿真实验首先根据上述方法证明了联邦滤波器的滤波稳定性,然后通过改变滤波初始值的方法对上述方法的执行结果进行了实验验证。     

信息融合理论及其在INS/GPS/Doppler组合导航系统中的应用

本文总结了Ｃａｒｌｓｏｎ 提出的联邦滤波器理论,并通过证明比较了联邦滤波方法和集中式 滤波方法的等价性,探讨了联邦滤波器的设计方法以及信息的合理分配原则,分析了两种简化 的结构形式。构造了ＩＮＳ／ＧＰＳ／Ｄｏｐｐｌｅｒ 组合导航系统滤波结构,经过仿真证明了联邦滤波器 的性能及其在组合导航系统中应用的可行性。     

一种新型自适应联邦滤波方法在战术导弹导航系统中的应用

为满足复杂的环境下战术导弹导航系统的高可靠性导航的要求,对战术导弹的多传感器组合导航进行了研究.提出了一种基于新型自适应联邦卡尔曼滤波的巡航导弹SINS/GPS/EC组合导航方法,根据联邦滤波的分散滤波结构,分别建立了各滤波器的模型,进行了仿真试验验证.仿真结果表明,采用新型自适应联邦卡尔曼滤波算法的导航精度比采用集中卡尔曼滤波算法提高幅度不大,略高一些,但从自适应联邦卡尔曼滤波器的容错性比集中卡尔曼滤波器好得多,便于各导航子系统的故障检查和隔离.本文设计自适应联邦SINS/GPS/EC滤波器的在子系统较多的组合导航设计中具有高可靠性、低计算量、低成本和小体积等优势,具有工程应用价值.     

一种容错联邦滤波算法在INS/GPS/Doppler组合导航系统中的应用

本文提出了一种联邦滤波器的容错滤波算法,并在ＩＮＳ／ＧＰＳ／Ｄｏｐｐｌｅｒ 组合导航系统中进行了计算机仿真。仿真结果表明,该算法具有与集中卡尔曼滤波同等的导航精度,同时具有较强的容错性。     

奇异值分解H_∞联邦滤波及其在传递对准中的应用

捷联惯导(SINS)合成孔径雷达(SAR)组合导航系统中,SINS与SAR天线附加的惯性测量元件(IMU)之间的抗干扰、动态快速传递对准是一个研究难题。为了既不增加滤波器阶数,减小计算量,又能提高传递对准的速度和精度。在吸收现有滤波算法优点的基础上,提出了一种新的奇异值分解H∞联邦滤波算法。首先,建立了速度+姿态+位置匹配更新的传递对准模型,利用基于奇异值分解的H?子滤波器进行滤波,得到系统状态的局部最优估计值;然后,通过联邦滤波器对局部最优估计值进行融合得到全局最优估计值。仿真结果表明,提出的滤波算法得到的失准角估计值能在200s内收敛,且分别稳定在3'、-5'和20',性能明显优于H∞滤波和联邦滤波。新的滤波算法不但速度快,精度高,而且计算量小,抗干扰性好,为提高传递对准的精度提供了一种新方法和新途径。     

一种重力辅助导航系统故障诊断与容错方法

为了解决重力辅助导航系统软故障检测上的不足,针对重力辅助导航系统的特点和不同故障的性质,提出了一种新的重力辅助导航联邦滤波容错算法,该算法将系统的残差和方差组成故障检测函数的阈值,使阁值包含了联邦滤波全局信息和子系统特征信息,并将传统故障诊断算法对故障的检测改为对滤波收敛性的检测,根据联邦滤波全局收敛信息的不同,动态确定故障诊断函数.通过惯导/计程仪/重力组合导航系统的仿真试验,证明了该方法具有较强的故障诊断能力,有效改善了重力辅助导航系统对软故障检测失效带来的滤波发散定位错误的问题,抑制了重力故障给组合导航系统带来的误差,明显提高了重力辅助导航系统的精度和容错性能.     

基于马氏距离的联邦卡尔曼滤波在SINS/SRS/CNS导航中的应用

可靠的导航信息是实现飞行器精准控制的重要条件。为提高SINS/SRS/CNS组合导航系统的可靠性与精度,提出了一种基于马氏距离的自适应联邦卡尔曼滤波算法(MD-AFKF)。在子系统传感器异常而导致产生异常量测信息时,采用基于马氏距离的噪声估计方法适时调整子系统量测噪声统计特性,同时通过在信息融合和分配阶段引入自适应融合系数与分配系数,进一步衡量各子滤波器的滤波效果并调节其协方差阵,减少不准确的子滤波器估计对主滤波器的污染。最后通过仿真验证,相较于传统联邦卡尔曼滤波算法,基于马氏距离的自适应联邦卡尔曼滤波在传感器出现量测异常时,其速度和位置精度均提高了50%以上,提高了导航系统的精确性和稳定性。     

SINS/GPS/CNS 组合导航联邦滤波算法

针对飞行器在长航时高速巡航过程中,捷联惯性导航系统存在误差漂移,GPS 导航可能会丢星、信号失锁,天文导航系统易受环境干扰,组合系统模型线性化误差易导致滤波发散等问题,分析了三种导航系统的优缺点,提出了 SINS/GPS/CNS 组合导航联邦滤波算法,该算法可以取长补短,巧妙地将 GPS 定位和天文导航定姿精度高的优势辅助于捷联惯导系统,利用卡尔曼联邦滤波器对捷联惯导系统进行误差估计,并对联邦滤波算法进行了有效的改进.计算机仿真显示,该滤波器收敛速度快,具有一定的容错功能,其滤波精度较 SINS/GPS 组合导航系统在位置误差和速度误差上均有约5%左右的小幅提升,在平台角误差上更是提高了一个数量级.仿真结果验证了该组合导航方案的可行性和算法的有效性,有重要的工程应用价值.     

基于联邦滤波的INS/GPS/CNS位置、姿态组合算法

为了充分利用姿态量测信息来提高组合导航系统的姿态精度,以联邦滤波为基础,研究了以姿态和位置信息作为观测量的多信息融合导航技术,提出了位置、姿态组合模型,并详细推导了基于联邦滤波的位置、姿态组合算法的观测矩阵的具体形式,最后对系统进行了仿真.仿真结果表明,基于联邦滤波的位置、姿态组合滤波算法能够给出正确的INS误差的估计值,且估计精度较高,平台水平误差角的估计误差控制在10″以内,平台方位误差角的估计误差控制在20″以内,有效地提高组合导航系统的姿态精度.