动态系统最优滤波的可靠性

—本文以静态测量的可靠性理论为基础，研究了动态系统最优滤波的可靠性及其特性，以ＧＰＳ动态定位为例，对其可靠性指标进行了初步分析。动态系统的可靠性理论对于研究动态系统的粗差剔除、容错技术、可靠性分析等具有重要意义     

模糊抗差自适应粒子滤波及其在组合导航中的应用

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。     

在实时单点定位中基于残差信息的改进抗差滤波方法

在利用卫星导航定位系统进行单点导航定位时,为了进一步提高导航定位的精度、实时性和可靠性,针对实时观测信息中存在粗差问题,基于残差分析理论,比较分析了最小二乘法、M估计、抗差滤波估计方法在GNSS单点导航定位中参数估计问题。在此基础上,针对观测量与动力学模型不准确的情况,利用残差信息,构建了有效的改进的基于残差信息的抗差滤波。其特点是观测信息误差比较大的情况下不会导致滤波精度明显下降。在GPS单点导航定位解算中,编程并计算,通过比较分析,结果验证了构建的滤波在单点定位中抗差的优越性,并在导航定位算法选择上得到一些有益结论。     

动态系统的抗差Kalman滤波及其影响函数

离散历元动态测量及其相应的动态模型可能存在异常，若在数据处理不中考虑对这些异常的特别处理，则动态模型参数估值及其所提供的动态信息将极不可靠。对于GPS动态定位数据的处理，按抗差估计原理，构造了状态向量和观测值对模糊度的影响函数，并由此建立了动态GPS定位的抗差Kalman滤波解法。实际计算验证了该方法的实用性和可靠性。     

Galileo系统动态滤波的研究

提出一种Galileo动态定位滤波的方法。该方法从Galileo系统接收机输出的定位结果入手，将各种误差因素的影响等效为一个总误差，对Galileo系统接收机的机动载体加速度采用当前统计模型，利用线性卡尔曼滤波器进行动态定位数据的处理，并将次优加权自适应卡尔曼滤波算法应用到Galileo系统动态定位中。该模型简单，实时性好，滤波后定位精度得到提高。     

基于参数识别视速度的双矢量粗对准方法（英文）

针对传统基于视速度双矢量粗对准中,由于传感器随机噪声的影响,存在对准精度差,收敛速度慢的缺点,提出了一种新型自适应Kalman滤波的参数识别粗对准方法。该方法通过对视速度运动进行建模,设计采用自适应Kalman滤波对模型参数进行参数识别,从而有效地消除视运动中的随机噪声,提高粗对准的精度和收敛速度。由于自适应滤波的特点,新方法不需要对传感器误差进行统计,使其在实际系统中具有更加广泛的应用价值。针对双矢量粗对准的计算特点,设计了一种矢量重构算法,从而尽可能地规避双矢量共线性问题,加快了粗对准的收敛过程。仿真与转台实验表明,与传统方法对比,新方法在相同的对准时间内具有更高的对准精度,在相同的对准精度下,具有更高的收敛速度。转台实验的最终对准精度为-0.1391°,标准差为0.012°。     

CORS基站周跳探测与修复方法

针对在CORS系统初始化后,周跳的出现将严重影响移动用户定位精度,CORS网中基站坐标已知,可精确预报对流层、电离层等系统误差,以及整周模糊度确定的特点,分析了周跳对双差模型的影响,通过分析普通卫星产生的周跳仅对一个双差观测方程产生影响,可以作为粗差,参考卫星的周跳会引入所有观测方程,从而对模型产生系统性误差,进而提出了使用附有系统参数的抗差估计方法,对CORS基站中的载波观测值进行整体平差,根据改正数V判断普通卫星的周跳,根据系统参数x2判断参考卫星的周跳。实验表明,该方法能将所有可见卫星进行整体的周跳探测,并且能实现高度角低于10°时的周跳探测和修复。     

联邦滤波器理论研究

应用矩阵理论和信息分配原理导出集中卡尔曼滤波、分散化滤波和联邦滤波之间的等价关系，证明联邦滤波器的全局滤波精度和集中卡尔曼滤波的滤波精度相同，并用信号流程图直观清晰地说明联邦滤波比分散化滤波结构更简单，计算量小。提出一种动态最优信息分配系数确定的方法，该方法使联邦滤波局部滤波器的设计也成为最优，并从理论上证明其具有最高的软故障检测灵敏度。     

一种低动态载波相位差分GPS测量中的粗差剔除算法

在分析介绍当前广泛应用的几种静态、动态粗差剔除准则的基础上，针对低动态环境下的载波相位DGPS测量，提出了一种基于中位数法的可变长度、分段抗差估计快速算法，用于粗差剔除。实验证明其可靠性好、适应性强，能为机载SAR运补用SINS／DGPS组合系统工程实际中提高运补参数事后处理精度提供可靠的GPS定位数据。     

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。     

组合导航传感器容错滤波算法及应用

采用多重渐消Kalan滤波最优自适应算法对基于Kalman滤波器的残差检验方法做出了改进，构造了组合导航传感器容错滤波算法。在保持滤波器最优性和收敛性的同时，具有较好的动静态特性，适用于组合导航传感器故障检测和隔离。该算法简单便于实施。     

野值存在情况下组合导航系统的容错技术研究

提出了“故障诊断周期”的概念，并基于一个诊断周期内占多数的数据均超过门限时才认为故障，否则认为是野值的故障原则对故障蜮野值情况分别处理。该容错方法不仅可以避免因野值造成的组成模式的频繁，而且还通过剔除野值对滤波的影响，提高了系统滤波精度和数据的连续性，并提高了系统故障检测的灵敏度。这在仿真中都得到了证明，说明该方法行之有效，在工程实际中也可以应用。     

The optimal distributed filtering for the coupled systems with random delay

The interactions between subsystems are important for large-scale systems, which render the whole system highly nonlinear. In this paper, we address the optimal distributed filtering problem for a kind of local strongly coupled systems. The coupled systems interact by communication in which there are random delays and data dropouts. First, we conduct a strongly coupled system with communication between the nodes. Applying the standard Kalman filter design procedures to such systems is difficult because of transmission delay and intermittent communication. Then, we use the stochastic theory and state augmentation technique for the proposed systems. We present the optimal filtering problem in terms of the full system dynamics. Finally, the numerical simulations show the effectiveness of the filtering method proposed.     

神经网络辅助卡尔曼滤波技术在组合导航系统中的应用研究

考虑到组合导航系统的噪声具有非先验性，而传统的卡尔受滤波器要求假设动态模型和观测模型的噪声统计特性已知，提出了用前向神经网络来辅助调节卡尔受滤波器，使其具有自适应能力以应付动态环境的扰动。仿真研究表明：该算法优于标准卡尔曼滤波器。     

基于激光陀螺自适应补偿的船体变形测量方法

基于长期变形、动态挠曲变形以及陀螺随机零偏的状态方程,构建了激光陀螺测量的惯性姿态匹配最优滤波器,可以实时地估计出船体变形角。针对实时估计的长期变形角具有偏置误差的问题,推导了惯性姿态匹配的误差方程,指出动态挠曲变形角与船体惯性姿态角之间具有长时间的交叉相关耦合作用导致了长期变形角估计具有偏置误差,并提出了对输入到最优滤波器的激光陀螺角增量进行自适应补偿的方法来抑制偏置误差。实验结果表明,补偿后俯仰角、横滚角和艏挠角的偏置误差均方根均小于5″,较补偿前降低均方根误差约为5″,该自适应补偿方法可有效地抑制偏置误差,提高惯性姿态匹配方法在船体变形测量应用中的有效性。     

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。     

THEORY AND METHOD OF OPTIMAL CONTROL SOLUTION TODYNAMIC SYSTEM PARAMETERS IDENTIFICATION (Ⅰ)──FUNDAMENTAL CONCEPT AND DETERMINISTIC SYSTEM PARAMETERS IDENTIFICATION

IntroductionDynamicsystemidentificationistheinverseproblemofdynamics.Throughtheuseofexperimentaloroperahonalinput-outputdata,modelofdynaITilcsystemcanbeestablishedbysystemidentificationtechnique,andundetCndnedparametersofmodelcanalsobeidenhfied.Ingeneral,dynamicequahonsofsystemareknownPrior,whilesystemidentificahonisjustanundetendnedparametersidentificationproblem.TheseparametersaremodalparameterssuchasfrequenciesandmodeshapesorstrUctUralparameterssuchasdampingandstiffness.T'hisisatypical"g…     

THEORY AND METHOD OF OPTIMAL CONTROL SOLUTION TO DYNAMIC SYSTEM PARAMETERS IDENTIFICATION (I)──FUNDAMENTAL CONCEPT AND DETERMINISTIC SYSTEM PARAMETERS IDENTIFICATION

Based on the concept of optimal control solution to dynamic system parameters identification and the optimal control theory of deterministic system, dynamics system parameters identification problem is brought into correspondence with optimal control problem. Then the theory and algorithm of optimal control are introduced into the study of dynamic system parameters identification. According to the theory of Hamilton-Jacobi-Bellman (HJB) equations' solution, the existence and uniqueness of optimal control solution to dynamic system parameters identification are resolved in this paper. At last the parameters identification algorithm of determi-nistic dynamic system is presented also based on above mentioned theory and concept. Project supported by the National, Defence Science and Technology Foundation (A966000-50) and the Across Century Scientist Foundation from the State Education Commission of China