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。     

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。     

一种基于特征值分解的自适应信息融合滤波算法

基于分散滤波理论的联合滤波算法,可以有效地降低组合导航系统的计算负担,并且增强系统的容错性能。本文给出了一种联合滤波算法中信息分配系数的自适应计算方法,能够使联合系统根据导航过程中各传感器的信息质量的变化合理地反馈全局信息。仿真结果表明该算法可以有效地降低由于导航子系统降级带来的滤波误差。     

一种自适应H_∞滤波的运动学约束惯性导航方法

纯捷联惯性导航系统的精度主要受限于传感器精度,为了在固有的传感器精度上进一步提高纯捷联惯性系统导航精度,提出了一种基于自适应H_∞滤波的运动学约束辅助惯性导航算法。利用运动约束条件,将载体系中的侧向和上向速度作为量测量,将纯捷联惯性导航系统输出的姿态误差、速度误差及传感器误差作为状态量,采用一种能够自动调节滤波器参数的自适应H_∞滤波方法以提高系统性能。实验结果表明,所提出的自适应H_∞滤波运动学约束算法与无约束纯惯导算法相比能够提高23.7%～81%的定位精度,与无自适应H_∞滤波运动学约束算法相比能够提高16.3%～62.2%的定位精度。     

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.     

信息融合技术在INS/GPS/DVL组合导航中的应用研究

为克服某船载导航系统不能满足长时间高精度导航定位需要的缺点,提出了一种基于信息融合技术的INS/GPS/DVL联邦滤波器组合导航方案.介绍了INS/GPS/DVL联邦滤波器的工作模式,在建立INS、GPS和DVL误差模型的基础上,推导了滤波器的组合形式,并详细阐述了该联邦滤波器的融合算法.通过计算机仿真技术分析了该组合导航系统的性能,仿真证明了所设计的联邦滤波器可以充分利用各种导航传感器的信息,提高导航系统的精度,比单独的惯性导航系统能提供更为精确的位置、速度和姿态信息,有效地提高了导航系统的综合能力.     

分布式自适应多传感器多目标跟踪算法

为了有效提高复杂环境下的船舶多目标跟踪系统的跟踪性能,提出了一种分布式自适应多传感器多目标跟踪算法。针对分布式融合结构设计了一种在线估计的自适应分配信息系数的方法,将自适应分配算法和动态权值分配算法相结合,实现在线自适应权值分配算法,以解决融合航迹误差低和不稳定性问题。对系统进行建模与分析,对提出的分布式自适应多传感器多目标跟踪算法进行了公式推导。通过仿真表明,改进的自适应算法估计精度提高了20%,同时该方法能够提高多目标跟踪系统稳健性。     

智能Kalman滤波在水下地形组合导航系统中的应用

为了避免现实环境的动态变化对水下航行器系统模型造成的随机干扰影响,保证水下航行器长时间导航精度的稳定性,提出了利用RBF神经网络辅助联邦Kalman滤波方法对SINS/TAN/DVL/MCP组合导航系统进行信息融合。给出了各子导航系统的误差模型,通过足够精度的样本对前向神经网络进行离线训练,建立神经网络控制模型。仿真结果表明,该方法可使水下航行器的系统状态在较短的时间内以较高的精度达到稳定。通过与联邦Kalman滤波结果对比表明,采用智能控制方法辅助的信息融合方式的导航定位精度提高了一倍,能有效提高常规联邦Kalman滤波器的自适应能力,达到减小误差,提高精度的目的。     

INS/GNSS/Vision组合近距空中加油相对导航算法

针对空中加油近距对接阶段GNSS信号易受遮挡丢失的问题,考虑引入Vision导航系统,提出一种INS/GNSS/Vision组合的高精度容错相对导航系统,为空中加油近距对接任务提供高精度的双机相对导航信息。该系统采用联邦滤波器结构融合导航传感器信息,利用滑动窗口构建时变量测噪声的容错滤波结构,并基于子滤波器协方差的奇异值分块计算信息分配系数。仿真结果表明,所设计的容错导航系统与单独的INS/GNSS和INS/Vision系统相比,相对位置、速度和姿态的估计精度都有所提高;同时在GNSS出现软故障时,系统可以提供稳定、可靠的相对导航信息,有效提高了INS/GNSS/Vision组合近距空中加油相对导航系统的导航精度、鲁棒性和容错性,相对位置精度较基于常规故障隔离联邦滤波算法提高70%以上,满足了空中加油对接导航需求。     

一种惯性/水声单应答器距离组合导航方法

惯性/水声单应答器距离组合导航方法为自主水下航行器(AUV)校准提供了一种新途径。针对惯性/水声单应答器距离组合导航系统,建立了AUV三维空间运动学模型,对单应答器距离变换位置非线性系统采用李导数方法进行了可观测性分析,设置了合理的载体航行轨迹,位置组合导航算法中采取了延时状态滤波方式实现了量测信息的同步更新。湖上实验表明,采用单应答器距离组合导航方法后,明显地抑制了INS/DVL导航误差的发散趋势,最大定位误差减小幅度约为19.2%,初步验证了惯性/水声单应答器距离组合导航方案的有效性,为解决AUV导航设备水下校准提供了可能。     

基于模糊自适应的组合导航系统信息融合算法

以INS/GPS/CNS组合导航系统为应用背景,在现有方法的基础上,提出了一种新的模糊自适应的组合导航系统信息融合算法。该系统由三个模糊控制块组成,分别为子滤波器模糊控制块、子滤波器权值模糊推理控制块和信息分配系数模糊控制块。解决了由于模型不准确的情况下滤波精度差的问题,同时又能保证系统的实时性,文中给出了状态方程和量测方程,最后通过软件仿真,结果表明该方法具有高效率、高精度等优点,是一种实时有效的算法。     

微机械IMU数据建模与滤波方法研究

针对轮式移动机器人内部的微机械（MEMS）IMU进行研究，采用时间序列分析方法建立其随机噪声的ARMA模型，进而通过Kalman滤波有效地降低MEMSIMU随机噪声对其精度的影响，频域分析结果表明文中建模和滤波方法对提高MEMSIMU精度的有效性。     

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。     

移动卫星天线指向矢量辅助组合导航系统方法

为弥补SINS/GPS组合导航系统姿态角误差可观测性差的缺陷,根据移动载体卫星天线捕获通信卫星后通过自搜索实现精确对准卫星的原理,提出增加天线指向矢量信息(SAPV)的方位角和俯仰角信息为系统观测量,用于辅助SINS/GPS组合导航系统.根据SINS/GPS组合导航系统数学模型对姿态角误差的可观测性进行了分析,并对SAPV与组合导航误差之间的关系进行了详细数学推导,证明了SAPV辅助组合导航系统的可行性,建立了SAPV辅助组合导航系统的数学模型,采用联邦滤波器进行数据融合.仿真结果表明,SINS/GPS组合导航系统通过SAPV辅助,方位角误差估计精度提高了1个数量级,小于10′,水平姿态角误差估计精度略有提高,小于2 ′.该方法充分利用了天线通过自搜索完成精确对准卫星后的高精度指向信息,无须添加任何硬件系统,通过简单可靠的信息融合算法即可达到提高载体姿态测量精度的目的.     

基于鲁棒滤波的无人机着陆相对导航方法

针对无人机在移动平台上进行起降时的相对导航问题,提出了一种基于鲁棒高阶容积滤波的惯导/视觉相对导航方法。建立了相对导航系统模型,基于无人机与移动平台之间的相对运动给出了系统的相对惯导方程,并针对系统中传感器的量测特性给出了导航敏感器的测量方程。针对相对导航系统非线性较强且量测噪声不符合高斯分布等问题,在高阶容积滤波的基础上,结合Huber-based量测更新方程,设计了鲁棒高阶容积滤波相对导航滤波器,该方法具有较高的估计精度,且对混合高斯噪声有鲁棒性。相对姿态采用四元数表示,为保证四元数的归一化,在设计相对导航滤波器时采用修正的罗德里格斯参数表示姿态误差。仿真结果表明,该方法可以准确地给出无人机与移动平台之间的相对位置、速度和姿态信息,且估计精度高于扩展卡尔曼滤波、Huber-Based滤波以及高阶容积卡尔曼滤波。     

基于单探测器的X射线脉冲星深空导航算法

提出一种基于单探测器的X射线脉冲星深空导航算法.该算法利用单个X射线探测器在不同时刻的观测数据来构建观测模型,因此航天器不必搭载多个X射线探测器,大幅降低了X射线脉冲星深空导航系统的质量和功耗.针对不同的观测方案,利用线性化可观性分析方法对导航系统进行了可观性分析.分析结果表明,航天器应当分时段观测不同的脉冲星来提高导航性能.最后,给出了相应的仿真算例.仿真结果表明利用该算法能获得与传统算法相近的导航精度.      

Construction of polynomial matrix using block coefficient matrix representation auto-regressive moving average model for actively controlled structures

The polynomial matrix using the block coefficient matrix representation auto-regressive moving average (referred to as the PM-ARMA) model is constructed in this paper for actively controlled multi-degree-of-freedom (MDOF) structures with time-delay through equivalently transforming the preliminary state space realization into the new state space realization. The PM-ARMA model is a more general formulation with respect to the polynomial using the coefficient representation auto-regressive moving average (ARMA) model due to its capability to cope with actively controlled structures with any given structural degrees of freedom and any chosen number of sensors and actuators. (The sensors and actuators are required to maintain the identical number.) under any dimensional stationary stochastic excitation. The project supported by the National Natural Science Foundation of China (50278054)