卡尔曼滤波法的模型误差

卡尔曼滤波法用于ＩＣＰ－ＡＥＳ时，在白色测量噪音条件下给出很准确的分析结果，因此引起了越来越多分析工作者的重视。然而，由于实际试样的复杂性，要搞清其中的每一种成分是困难的，有时甚至是不可能的。当一些未知谱线没有被测量模型考虑时，测量噪音不再是白色的，模型误差也就随之产生。本文讨论的重点是模型误差及其对分析准确度的影响。我们的研究表明，该问题对卡尔曼滤波法来说是严重的。     

基于微小型传感器的惯性/卫星/天文组合导航方法

为了实现基于微小型传感器的高精度导航,针对微小型导航传感器精度相对较低、误差相对较大的特点,对微小型惯性测量单元(MIMU)、微GPS卫星接收机、微小型星敏感器的测量误差进行了建模与分析;对多传感器的导航信息进行分散化处理,采用卡尔曼滤波进行局部估计;提出了基于部分信息融合的联邦滤波算法进行全局融合;并给出了利用全局融合结果对MIMU导航误差进行输出校正的算法.仿真结果表明,该组合导航方法能够利用微小型传感器实现较高精度的导航定位.     

组合滤波器在组合导航中的应用设计

设计了基于INS GPS组合导航系统的组合滤波器(卡尔曼滤波器和H∞滤波器)及实现方法,建立了9维系统状态方程,给出了陀螺误差模型、加计误差模型和GPS误差模型,实现了以GPS与INS输出的东、北向速度误差作为组合滤波器观测量的组合方案.该组合滤波器通过检测各子滤波器的估计误差量的均值,使其自身具有很强的自诊断能力.通过计算机的仿真,对系统的精度进行了分析,证明该方案是可行的,能够加快计算速度,实现实时滤波计算,取得很好估计效果.     

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。     

基于多模型估计的捷联系统动基座对准

采用卡尔曼滤波方法进行动基座对准过程中,载体挠曲运动等因素会导致系统噪声、量测噪声的不确定性,即系统参数的不确定性。将多模型估计理论应用于捷联系统动基座对准过程中,可以有效抑制系统不确定性因素的影响。建立了捷联惯导系统误差模型和引入外部位置、速度信息的量测模型,针对对准过程中系统噪声和量测噪声不确定的情况建立了多模型自适应估计器。在同等条件下进行了单一模型对准和利用多模型估计理论进行对准的仿真比较,结果显示：基于多模型估计的对准完成后捷联系统具有更高的导航精度;由此说明,动基座对准过程中,系统参数不确定的情况下,多模型估计器有更好的适用性。     

基于卡尔曼滤波算法的汽车运动参数测试方法研究

提出了一种采用多维组合惯性测量元件进行汽车运动参数测试的方法,并利用卡尔曼滤波算法提高了测试系统的精度。仿真结果表明：卡尔曼滤波算法对汽车姿态、速度等的解算具有较好的效果。     

分布式多机结构技术在测量型组合导航系统中的应用

介绍了一种分布式多计算机结构测量组合导航系统的结构形式、组合模式、设计特点和滤波技术。该系统由于采用了分布式多计算机结构技术,不仅具有计算能力强,系统功能完善,信息吞吐量大的特点,而且具有可靠性高,调试方便,灵活性好的优点。经过6年的实船使用证明：该系统使用方便,精度高,自动化程度高,可靠性好,受到了用户的好评。     

自适应卡尔曼滤波方法及其在容错组合导航系统的系统级故障检测中的应用

提出了采用自适应加权和卡尔曼滤波相结合的自适应滤波方法进行组合导航系统极故障检测的新思路。该方法不仅可以判断出故障是否出现,而且可以对故障量的值进行跟踪估计,在估计的同时可以判断故障值出现在哪一个量测通道中。SINS／GPS组合导航系统故障检测和隔离的系统仿真结果验证了本算法的有效性。     

正交各向异性平面弹性问题物性值V_(12)和G_(12)的反分析

采用边界元法和卡尔曼滤波对正交各向异性平面弹性问题物性值进行反分析,由有限个观测点的位移值反算出材料常数ν１２和 Ｇ１２．算例表明了该方法的有效性．     

神经网络的自适应删剪学习算法及其应用

在局域卡尔曼滤波算法的基础上,提出了一种自适应删剪学习算法,这一算法的核心是用网络训练结束后得到的局域的误差协方差矩阵测量权重的重要性,通过删除不重要的权重,得到一个紧凑的网络结构.广义异或逻辑函数和手写体数字识别的计算机模拟结果显示该方法是一种有效的网络规模优化算法 关键词： 神经网络 模式识别 广义卡尔曼滤波 删剪