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。     

抗差自适应插值粒子滤波及其在组合导航中的应用

针对粒子滤波存在的粒子退化和重要性密度函数难以选取的问题,在吸收抗差自适应滤波、二阶插值滤波和粒子滤波算法优点的基础上,提出了一种新的抗差自适应插值粒子滤波算法。该算法利用二阶插值滤波算法得到重要性密度函数,通过抗差自适应因子实时控制动力学模型误差及观测异常对导航解的影响。将该算法应用于SINS/CNS/SAR组合导航系统进行计算仿真,并与经典的粒子滤波算法进行比较分析。结果表明,提出的滤波算法得到的姿态误差控制在[-0.3′,+0.3′],速度误差控制在[-0.4 m/s,+0.4 m/s],位置误差控制在[-5 m,+5 m],性能明显优于经典的粒子滤波算法。新的滤波算法不但能够有效地抑制粒子退化,而且能够有效地控制动力学模型误差及观测异常的影响,提高了组合导航的滤波精度。     

一种新的自适应UKF算法及其在组合导航中的应用

为了提高组合导航系统的滤波精度,提出一种带噪声统计估计器的自适应UKF滤波算法。该算法根据协方差匹配原理,利用UKF滤波算法的残差序列与新息序列,在线估计、调整系统过程噪声和量测噪声的统计特性,提高UKF的自适应能力,克服了标准UKF在系统噪声统计未知或不准确情况下滤波精度下降甚至发散的问题。将提出的算法应用于SINS/BDS组合导航系统进行仿真验证,并与标准UKF和抗差UKF进行比较,结果表明,提出的自适应UKF得到的水平位置误差和天向误差分别在[?6.2 m,?6.4 m]与[?9.8 m,?8.6 m]以内,滤波性能明显优于标准UKF与抗差UKF,提高了组合导航系统的解算精度。     

一种改进的GPS/DR组合位置自适应滤波算法

为解决自适应滤波算法中观测误差与状态误差估计的关键问题,在分析GPS/DR组合导航系统测量信息性质的基础上,提出了GPS光滑度计算方法,并在其基础上给出了GPS位置误差估计算法及状态误差协方差阵和观测误差协方差阵自适应调节算法。算法仿真实现了观测误差的直接测量,较好地解决了Sage-Husa自适应滤波算法中对误差特性估计不准确的问题。仿真结果表明：位置滤波输出的精度相比Sage-Husa算法有明显的提高。     

一种基于遗传模糊推理的自适应容错滤波算法

针对常规卡尔曼滤波在组合导航中容错性不足的问题,提出了一种基于遗传模糊推理的自适应容错滤波算法。首先建立了基于模糊推理的自适应滤波模型,利用模糊推理系统的输出对组合导航系统的量测噪声实时进行调整,以实现状态的精确估计,进而达到容错目的。接着利用自适应遗传算法对模糊推理系统的隶属度函数参数进行了优化,提高了系统的输出精度,改进了传统模糊建模中系统精度取决于专家知识是否完备的问题。最后以SINS/GPS组合导航系统为平台进行了仿真,并在系统工作中间时刻引入量测噪声故障。验证结果表明遗传模糊推理自适应滤波算法比常规卡尔曼滤波具有更强的容错能力和总体精度,在仿真中,平均位置和速度均方根误差分别降低了20.87%和41.94%。     

GPS/INS组合导航系统中的高斯粒子滤波混和算法

采用非线性滤波器的惯性组合导航系统中,非线性滤波器的精度和实时性直接决定了惯性组合导航系统的性能.计算量和精度之间的矛盾是制约粒子滤波在GPS/INS组合导航系统中应用的主要因素.在分析高斯粒子滤波算法原理的基础上,提出了一种高斯粒子滤波混和算法,对系统线性部分采用线性递推方式,对系统非线性部分采用非线性递推方式,从而提高高斯粒子滤波精度和实时性.针对GPS/INS组合导航系统,混和算法利用卡尔曼滤波的线性递推方式进行量测更新,仿真结果表明混和算法在较少粒子条件下,相对高斯粒子滤波算法精度提高20％,滤波时间降低40％.     

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.     

自适应SDV-UPF算法及其在紧组合中的应用

针对粒子滤波存在重要性密度函数难以选取和系统状态协方差阵可能出现的负定性问题,提出一种新的自适应奇异值分解无迹粒子滤波(ASVD-UPF)算法。该算法采用自适应因子修正动力学模型误差,通过奇异值分解抑制系统状态协方差矩阵的负定性,并以改进的UKF算法产生重要性密度函数,以弥补粒子滤波的缺陷,使该算法适用于非线性、非高斯系统模型的滤波计算。将提出的算法应用到所设计的GPS/SINS/PL紧组合导航系统中进行仿真验证,结果表明,提出算法的经、纬度误差、速度误差和姿态误差范围分别控制在(-0.5″,+0.5″)、(-0.8 m/s,+0.8 m/s)和(-1′,+1′)以内,误差估计的精度和收敛速度明显优于UKF和PF算法,能提高组合导航系统的解算精度。     

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。     

抗差自适应模型预测滤波及其在组合导航中的应用

为了提高捷联惯导(SINS)/天文导航(CNS)/合成孔径雷达(SAR)组合导航系统的定位精度,在吸收模型预测滤波和抗差自适应滤波算法优点的基础上,提出了一种新的抗差自适应模型预测滤波算法。该算法首先利用模型预测滤波估计出系统模型误差,并对其进行实时修正,以抑制系统模型误差对导航解算精度的影响;然后利用抗差自适应因子控制观测异常,抑制观测噪声对导航解算精度的影响。将提出的算法应用于SINS/CNS/SAR组合导航系统进行仿真验证,并与抗差自适应滤波进行比较,结果表明,提出的算法得到的姿态误差、速度误差和位置误差分别在[0.2,0.2]、[0.3m/s,0.3m/s]和[6 m,6 m]以内,滤波性能明显优于抗差自适应滤波算法,说明该算法能有效抑制系统模型误差及观测异常对导航解的影响,提高组合导航的解算精度。     

一种自适应联合卡尔曼滤波器及其在车载GPS/DR组合导航系统中的应用研究

—本文设计了实现车载ＧＰＳ／ＤＲ组合导航系统最优综合的联合卡尔曼滤波器，并给出了滤波算法。提出了一种自适应联合卡尔曼滤波器结构及其算法，并应用于ＧＰＳ／ＤＲ组合导航系统的最优综合校正中。理论分析及计算机仿真结果均表明，应用该自适应联合卡尔曼滤波器可大大提高车载ＧＰＳ／ＤＲ组合导航系统的定位精度及容错能力。     

INS／GPS／CNS组合导航系统的自适应滤波技术研究

本重点研究了状态与偏差解耦估计的自适应滤波算法在ＩＮＳ／ＧＰＳ／ＣＮＳ组合民航系统中的应用问题。由于组合导航系统参数往往与实际的物理过程具有一定的偏差,因此采用常规的卡尔曼滤波算法常会发生滤波发散现象。本提出一种自适应滤波算法,并应用于组合导航系统。仿真结果表明,自适应滤波可以有效地抑制滤波发散,增强系统方案对环境的适应性,大大提高组合导航系统的精度。     

量测噪声自动加权Kalman滤波

从Kalman滤波技术的稳定性出发,分析了Kalman滤波算法的实质及容量发散的原因。提出在Kalman滤波中引入了系统量测噪声协方差阵（R）的计算,并对其加权,从而影响滤波增益,抑制发散。推算舰位／GPS组合导航的应用仿真表明：量测噪声自动加权Kalman滤波算法对系统模型误差和量测噪声协方差误差具有良好的自适应性。     

组合导航系统卡尔曼滤波衰减因子自适应估计算法研究

提出了一种衰减记忆卡尔曼滤波中衰减因子的自适应估计方法,并在GPS／SINS组合导航系统中进行了计算仿真。仿真结果表明：该算法能够较好地估计出衰减因子的大小,有效地抑制滤波发散,提高导航精度。     

惯导与GPS组合系统中实时自适应卡尔曼滤波技术的研究

—针对现有的自适应卡尔曼滤波算法实时性不强、结构繁杂，本文研究了在惯导与ＧＰＳ组合系统中应用一种修正的自适应卡尔曼滤波算法，并与常规卡尔曼滤波算法作了比较。仿真结果表明，这种算法具有结构简单、高效率和精度高等优点，不失为一种实用而有效的滤波算法。     

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     

Performance enhancement for ultra-tight GPS/INS integration using a fuzzy adaptive strong tracking unscented Kalman filter

This paper conducts performance evaluation for the ultra-tight integration of Global positioning system (GPS) and inertial navigation system (INS) by use of the fuzzy adaptive strong tracking unscented Kalman filter (FASTUKF). An ultra-tight GPS/INS integration architecture involves fusion of the in-phase and quadrature components from the correlator of the GPS receiver with the INS data. These two components are highly nonlinearly related to the navigation states. The strong tracking unscented Kalman filter (STUKF) is based on the combination of an unscented Kalman filter (UKF) and strong tracking algorithm (STA) to perform the parameter adaptation task for various dynamic characteristics. The STA is basically a nonlinear smoother algorithm that employs suboptimal multiple fading factors, in which the softening factors are involved. In order to resolve the shortcoming in a traditional approach for selecting the softening factor through personal experience or computer simulation, the Fuzzy Logic Adaptive System (FLAS) is incorporated for determining the softening factor, leading to the FASTUKF. Two examples are provided for illustrating the effectiveness of the design and demonstrating effective improvement in navigation estimation accuracy and, therefore, the proposed FASTUKF algorithm can be considered as an alternative approach for designing the ultra tightly coupled GPS/INS integrated navigation system.