排序方式: 共有24条查询结果,搜索用时 15 毫秒
1.
模糊抗差自适应粒子滤波及其在组合导航中的应用 总被引:1,自引:1,他引:0
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。 相似文献
2.
针对标准UKF缺乏对系统状态异常的自适应调整能力,导致滤波精度降低的问题,提出一种改进的强跟踪UKF算法。该算法采用假设检验的方法对异常状态进行检测,当系统状态发生异常时,对预测协方差阵引入次优渐消因子自适应的调整滤波增益,实现对系统真实状态的强跟踪。该算法中次优渐消因子的确定无需计算系统模型的雅克比矩阵,提高了传统强跟踪UKF的实用性。将提出的算法应用于INS/GPS组合导航系统进行仿真验证,并与标准UKF进行比较,结果表明,在系统状态存在异常时,提出的带单重次优渐消因子的强跟踪UKF得到的东向、北向位置误差在[-13.7 m,14.9 m]以内,带多重次优渐消因子的强跟踪UKF得到的东向、北向位置误差在[-10.0 m,12.1 m]以内,滤波性能明显优于标准UKF,提高了组合导航系统的解算精度。 相似文献
3.
首次把随机加权估计这一新兴的统计计算方法应用于导航系统的研究,证明用它进行INS/GPS/SAR组合系统误差特性的估计是可行的,仿真实验和计算结果表明,该方法明显地优于其它传统的统计估计方法。 相似文献
4.
用随机加权法建立了分位点q的置信区间,又用后向临界点导出了更实用的置信区间。导出的置信区间是非参数的且和原置信区间长度相同。 相似文献
5.
针对粒子滤波存在的重要性密度函数难以选取和粒子退化问题,提出了一种新的权值自适应调整Unscented粒子滤波算法。该算法在Unscented粒子滤波的采样过程中吸收权值自适应调整的优点,考虑最新量测影响,通过欧氏距离和反映量测噪声统计特性的精度因子来自适应的调整粒子对应权值分布,增加有用粒子的权值,降低粒子退化程度,保持粒子多样性。同时Unscented变换提高了滤波精度,使该算法能更好地适用于非线性、非高斯系统模型的计算。将提出的算法应用于GPS/DR组合导航系统进行仿真验证,结果表明,提出的权值自适应调整Unscented粒子滤波算法得到的东向定位误差控制在±5.5 m附近,北向定位误差则在±5.2 m附近,滤波性能明显优于扩展卡尔曼滤波和Unscented粒子滤波,能提高GPS/DR组合导航系统解算精度。 相似文献
6.
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。 相似文献
7.
本文将随机加法应用于分位点过程,建立了n^1/2{F^-D1n(g)-F^-1(G)}的分布的随机加权逼近的相合性,并给出了其收敛速度。 相似文献
8.
全局最优信息融合估计算法(Ⅱ) 总被引:1,自引:0,他引:1
假定局部滤波器的状态估计是相关的条件下,得到了状态向量的全局最优融合估计,作为应用,得到了比文[1]中更为普遍,实用的结果。 相似文献
9.
传统的SINS误差模型是基于小姿态误差角假设下的线性化误差模型,由于忽略了高阶项,因而不能精确描述系统的非线性特征,易造成较大的导航估计误差甚至滤波器发散。为了克服SINS线性化误差模型的缺点,建立了基于四元数的SINS/SAR组合导航系统非线性模型,并将自适应UPF滤波算法应用于该组合系统。仿真结果表明,建立的基于四元数的组合导航系统模型,不但能有效减小导航误差,提高导航定位精度,而且具有良好的实时性。 相似文献
10.
自适应SVD-UKF算法及在组合导航的应用 总被引:1,自引:0,他引:1
提出一种新的自适应奇异值分解Unscented卡尔曼滤波(UKF)算法.该算法利用自适应因子平衡动力学模型信息与观测信息的权比,控制动力学模型误差对导航参数解的影响.用奇异值分解阵(SVD)的迭代计算代替协方差矩阵的迭代变换,提高了协方差矩阵的数值稳定性.将新算法应用于组合导航系统进行计算仿真,结果证明,新算法具有良好的鲁棒性,能有效改善滤波性能,提高组合导航系统的精度. 相似文献