捷联惯导系统传递对准两种滤波方法比较研究

将H∞滤波方法用于捷联惯导系统（SINS）空中动基座传递对准，并对卡尔曼滤波和H∞滤波应用于传递对准的鲁棒效果进行了比较研究。仿真结果表明，在有色噪声和白噪声强度较小时，两种滤波方法的滤波精度差别不大，但当有色噪声和白噪声强度较大时，卡尔曼滤波精度优于H∞滤波。换言之，卡尔曼滤波对于噪声的不确定性是具有一定的鲁棒性的，并且就估计精度而言，其鲁棒性优于H∞滤波，但H∞滤波的估计速度优于卡尔曼滤波。     

SINS初始对准中的鲁棒超球体无迹卡尔曼滤波方法

捷联惯导初始对准大失准角系统误差模型中,当噪声具有不确定统计特性时,基于白噪声假设的无迹卡尔曼滤波算法鲁棒性较差.针对该问题,提出了一种基于H∞理论的鲁棒超球体无迹卡尔曼滤波算法.给出了计算量小的超球体采样策略,推导了H∞滤波的鲁棒机理,分离了鲁棒环节.将鲁棒环节引入超球体无迹卡尔曼滤波算法,得到鲁棒超球体无迹卡尔曼滤波算法,并分别在系统噪声和量测噪声为白噪声和有色噪声的条件下,对超球体无迹卡尔曼滤波和鲁棒超球体无迹卡尔曼滤波两种滤波方法进行了仿真实验.仿真结果表明,鲁棒超球体无迹卡尔曼滤波在白噪声情况下虽然精度有所降低,但是相对超球体无迹卡尔曼滤波具有了对有色噪声的鲁棒性,较超球体无迹卡尔曼滤波方法更适用于天向失准角为大角度并且噪声特性为有色噪声的情况.     

基于H∞滤波的舰载机惯导海上自对准方法

针对因风浪干扰、高频颤振等因素影响,使得舰载机惯导海上自对准量测方程中产生未知的量测干扰,进而导致滤波器性能降低的问题,引入H∞滤波技术.阐述了舰载机捷联惯导海上自对准的基本思想,建立了自主精对准状态空间模型,设计了一种基于H∞滤波的自对准滤波器,有效抑制了外界噪声的干扰,确保了系统的鲁棒性.仿真结果表明,常规卡尔曼滤波在5 min的对准时间里,无法完成对姿态角误差的估计.而H∞滤波在5 min内,不但可以估计出姿态误差角误差,且水平对准精度在2′以内,方位对准精度约12′,还可以估计出陀螺零偏和加速度计零偏误差,并可以获得较好的快速性和平滑性,不失为一种有效的海上自对准方法.     

H~∞鲁棒滤波在惯导初始对准中的应用

本文给出了惯导系统初始对准的非线性模型 ,针对一般非线性滤波线性化所引起的模型误差 ,提出了 H∞ 鲁棒滤波方法 ,并与卡尔曼滤波器、二次滤波等方法进行了比较。仿真结果表明 ,该方法比二次滤波等方法计算量大大减小 ,精度要高 ;对于非线性模型 ,在存在模型误差或噪声不确定情况时 ,其滤波性能远优于扩展卡尔曼滤波及其它非线性滤波算法     

基于奇异值分解的多重渐消鲁棒Cubature卡尔曼滤波及在组合导航中的应用

为了提高标准Cubature卡尔曼滤波（CKF）的稳定性和鲁棒性,提出一种改进的多重渐消H∞滤波Cubature卡尔曼滤波算法。首先基于系统状态的可观测性给出多重渐消因子矩阵求解过程,提高滤波算法的稳定性,抑制滤波发散;其次,引入H∞鲁棒思想,构造多重渐消H∞滤波Cubature卡尔曼滤波器;最后,提出采用一种奇异值分解的矩阵分解策略代替标准Cubature卡尔曼滤波中的Cholesky分解,进一步提高算法的数值稳定性。实际GPS/INS组合导航实验表明,改进的多重渐消H∞滤波Cubature卡尔曼滤波算法不仅能有效抑制滤波发散提高算法的稳定性,而且对观测野值具有更高的鲁棒性;提出的新算法与标准CKF算法相比,XYZ三个方向的位置精度分别提高了55.8%,46.6%和39.7%。     

H∞滤波及其在惯导初始对准中的应用

阐述了H∞滤波器的设计过程，并将其运用于惯导系统的初始对准，建立了惯导系统的误差模型，并对其进行了可观性分析，利用H∞滤波方法对可观可测子系统进行了滤波计算，给出了白噪声下失准角的仿真曲线。仿真表明对准时间得到了很大的提高，精度也能够满足工程实际需要。中给出了方位误差角的一种快速估计方法，结果表明该方法是可行的。     

基于鲁棒滤波的挠曲变形和动态杆臂补偿算法

针对舰载传递对准中主/子惯导之间挠曲变形及其产生的动态杆臂问题,首先分析了主/子惯导的IMU输出关系;然后建立了子惯导的系统误差模型;最后将挠曲变形和动态杆臂视作一种能量有限的未知量测噪声,设计了H∞滤波算法。仿真实验对比了已知挠曲变形和动态杆臂时的Kalman滤波方案1和未知挠曲变形和动态杆臂时的Kalman滤波方案2、H∞滤波方案3的对准效果,结果表明:使用H∞滤波方案3的航向对准速度较慢,但最终对准精度优于使用Kalman滤波方案2,与使用Kalman滤波方案1的对准精度相当,水平精度达到0.15'以内,航向精度达到0.5'以内,运算时间减少约20%。因此所设计的H∞滤波算法对挠曲变形和动态杆臂有良好的抑制能力,满足实际舰载传递对准的要求。     

H∞滤波和自适应卡尔曼滤波在消除重力异常畸变中的对比研究

为了有效地消除重力异常畸变对海洋重力仪测量精度的影响，得到更高精度的重力异常测量值，根据随机过程理论，分析了重力异常状态方程，并对H∞滤波算法和自适应卡尔曼滤波算法进行了理论对比分析，将其应用到消除重力异常畸变系统中。为了避免滤波发散，自适应卡尔曼滤波采用降阶的Sage—Husa算法。理论分析和仿真实验表明：H∞滤波算法和自适应卡尔曼滤波算法都具有较好的滤波收敛特性，并能在一定程度上有效地消除重力异常畸变对重力异常测量精度的影响，但自适应卡尔曼滤波的性能优于H∞滤波。     

基于NPF-CKF的捷联惯导系统动基座初始对准技术

当海况不佳时,水下航行器大幅晃动,捷联惯导系统无法快速完成自主初始对准,因此提出了利用多普勒计程仪提供的速度信息进行运动中辅助对准。针对在非线性对准中扩展卡尔曼滤波存在精度低,且需要计算雅可比矩阵等不足,提出了一种基于非线性预测滤波的求容积卡尔曼滤波算法。该滤波算法将惯性器件测量误差作为模型误差使用非线性预测滤波器进行实时预测,然后再利用求容积卡尔曼滤波对模型误差补偿后的系统进行状态估计。仿真结果表明,与扩展卡尔曼滤波和求容积卡尔曼滤波算法相比,该滤波算法能够不仅提高失准角特别是方位失准角的估计精度,其精度约为45″,而且加快了收敛速度。同时由于该滤波算法降低了系统状态的维数,因此也大大减少了计算量。     

利用H∞滤波器改进舰船SINS在摇摆基座上的初始对准

在摇摆状态下,利用常规Kalman滤波器得到的初始对准精度较低。为了提高捷联惯性导航系统在舰船摇摆基座上的初始对准精度,提出应用鲁棒扩展H∞滤波器实现初始对准。鲁棒扩展H∞滤波器是建立在鲁棒控制理论基础上的次优估计算法,以牺牲一定的准确性来提高滤波器的鲁棒性。在摇摆基座初始对准中利用鲁棒扩展H∞滤波器,是为了克服在大干扰情况下,系统误差模型不准确造成Kalman滤波器估计误差较大的问题。半物理仿真试验结果表明:在舰船横摇、纵摇、艏摇运动环境下,采用鲁棒扩展H∞滤波器得到的初始对准姿态角误差在12″(1σ)以内,方位角误差在15′(1σ)以内,优于使用Kalman滤波器的结果。     

一种改进的粒子滤波算法在SINS初始对准中的应用

在实际工程环境中,针对捷联惯导系统(SINS)大失准角初始对准中噪声统计特性未知的问题,设计了一种基于H?滤波算法的鲁棒无迹粒子滤波算法(RUPF)。通过将无迹卡尔曼滤波算法(UKF)和鲁棒环节引入到粒子滤波(PF)的重要性密度函数中,得到了RUPF算法,提高了算法的鲁棒性。通过半物理实验,将RUPF算法与无迹粒子滤波算法(UPF)在SINS静基座大失准角对准中的性能进行了比较,在不同实验条件下,航向失准角精度至少提高了40%,对准精度优于0.05°,对准时间减少了约50 s。实验结果表明,RUPF算法可以以较高的精度和较快的速度完成大失准角初始对准,且对准精度和对准速度均优于UPF算法。     

基于PF的SINS动基座初始对准

捷联惯性导航系统大方位失准角的误差模型是非线性的,传统的扩展卡尔曼滤波(Extended Kalman Filter, EKF)会产生线性化误差,影响初始对准精度.在给出捷联惯性导航系统动基座大方位失准角误差模型的基础上,推导了粒子滤波方法(Particle Filter, PF),并将扩展卡尔曼滤波、基于Scaled-Unscented变换的Unscented卡尔曼滤波(Unscented Kalman filter, UKF)和基于Residual重采样的粒子滤波用于捷联惯性导航系统的初始对准中,分别进行了加速和拐弯条件下的初始对准实验仿真.仿真结果表明,在大失准角情况下,粒子滤波相对于扩展卡尔曼滤波和Unscented卡尔曼滤波具有更高的对准精度和更快的收敛速度.     

H^∞鲁棒滤波在惯导初始对准中的应用

本给出了惯导系统初始对准的非线性模型,针对一般非线性滤波线性化所引起的模型误差,提出了H^∞鲁棒滤波方法,并与卡尔曼滤波器、二次滤波等方法进行了比较。仿真结果表明,该方法比二次滤波等方法计算量大大减小,精度要高;对于非线性模型,在存在模型误差或噪声不确定情况时,其滤波性能远优于扩展卡尔曼滤波及其它非线性滤波算法。     

Sigma点Kalman滤波在惯性导航初始对准中的性能评估

捷联惯性导航系统的大失准角初始对准过程具有非线性特性,Sigma点卡尔曼滤波算法可用于解决大失准角的对准问题。为提高Sigma点卡尔曼滤波的数值稳定性并降低算法复杂度,推导了简化的方根形式的滤波算法。为评估不同Sigma点卡尔曼滤波在初始对准中的性能,引入了一种适用于姿态角全为大失准的欧拉角误差模型。最后对不同Sigma点卡尔曼滤波在初始对准中的应用进行了仿真,并对算法的精度与复杂度作了分析与总结。结果显示该算法可较好的处理大失准角情况下的对准问题,所推导的简化方根滤波算法在不影响对准精度的情况下可使算法的复杂度降低20%,并增强了数值稳定性,是一种较为实用的方法。     

惯导系统初始对准的非线性滤波算法

本文推导了方位误差角比较大时惯导系统初始对准的误差方程,在这个误差中包含了非 线性的部分。在方位误差角较小时,可将非线性的对准方程简化为线性的对准方程。用卡尔曼 滤波对线性系统进行仿真,用扩展卡尔曼滤波、迭代滤波、二次滤波对非线性系统仿真。比较仿 真结果可见,扩展卡尔曼滤波可大大提高方位对准的精度,而迭代滤波、二次滤波在方位角上 又比扩展卡尔曼滤波的精度高。     

基于扩展H_∞滤波的单站无源目标跟踪

针对无源定位与跟踪系统可观测性弱,目标初始状态估计精度低的特点,提出了一种基于扩展H∞滤波的单站无源目标跟踪方法。将扩展H∞滤波算法对被动声纳平台获得的目标方位数据进行目标运动分析,以实现较高精度的水下仅测角目标定位和跟踪,并采用雅克比矩阵来近似处理系统的非线性测量方程。扩展H∞滤波对噪声的不确定性具有鲁棒性,保证滤波算法的数值稳定性,提高跟踪的精度和可靠性。理论分析与仿真结果表明,扩展H∞滤波跟踪速度快,性能稳定,估计精度明显优于扩展卡尔曼滤波(EKF),用于水下运动目标跟踪是可行的。     

具有不同激活特性神经元的前向神经网络在捷联惯导系统对准中的应用

提出了一种基于H∞滤波的动态神经网络。该神经网络不仅运用H∞滤波理论在践调整网络权值，而且采用与调整权值相同的算法，对神经网络各层神经元的不同非线性激活函数的参数进行在线调整，替代传统神经网络中各层神经元相同的激活特性，并将其用于捷联惯性导航系统(简称SINS)对准的误差状态模型中。仿真结果表明：与采用相同激活特性的方法相比，这种方法不仅提高了系统状态估值运算的实时性，而且也提高了精度。     

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。     

捷联式惯导系统快速初始对准方法研究

针对初始对准过程中对准精度与快速性相矛盾的问题，提出并设计了把扩张状态观测器（ESO）与卡尔曼滤波滤波估计器相结合，用于捷联惯导系统初始对准的方法。数值仿真结果表明，该方法使对准过程所需要的时间大大缩短，并保证了较高的对准精度及较强的鲁棒性。     

一种基于回溯过程的里程计辅助SINS初始对准方法

为提高陆用定位定向系统在行进间的初始对准精度,提出了一种基于回溯过程的里程计辅助捷联惯性导航系统行进间对准方法,在一定程度缩短了行进间的初始对准时间。所提方法分为粗对准阶段和精对准阶段。在粗对准阶段,采用基于回溯过程的改进惯性系解析对准提高了初始姿态阵的精度。在精对准阶段,使用基于回溯过程的卡尔曼滤波进一步提高对准和位置估计精度。仿真试验表明,所提方法能够自主高效地完成高精度初始对准和里程计辅助对准期间的位置估计,相比于现有算法其航向角估计精度提高了45.1%,位置估计精度提高了58.1%。