自适应SDV-UPF算法及其在紧组合中的应用

针对粒子滤波存在重要性密度函数难以选取和系统状态协方差阵可能出现的负定性问题,提出一种新的自适应奇异值分解无迹粒子滤波(ASVD-UPF)算法。该算法采用自适应因子修正动力学模型误差,通过奇异值分解抑制系统状态协方差矩阵的负定性,并以改进的UKF算法产生重要性密度函数,以弥补粒子滤波的缺陷,使该算法适用于非线性、非高斯系统模型的滤波计算。将提出的算法应用到所设计的GPS/SINS/PL紧组合导航系统中进行仿真验证,结果表明,提出算法的经、纬度误差、速度误差和姿态误差范围分别控制在(-0.5″,+0.5″)、(-0.8 m/s,+0.8 m/s)和(-1′,+1′)以内,误差估计的精度和收敛速度明显优于UKF和PF算法,能提高组合导航系统的解算精度。     

基于自适应均方根EKF的惯性辅助航天器仅测角导航方法

针对微小卫星等航天器对空间非合作目标交会操作中的自主相对导航问题,提出了一种基于自适应均方根EKF的惯性辅助航天器仅测角导航方法。首先,推导了一种基于Clohessy-Wiltshire (CW)方程的仅测角导航模型。然后,基于误差状态推导了一种仅测角/惯性组合相对导航模型。接着,基于Cholesky分解得到组合导航系统的状态协方差矩阵,并引入“新息”协方差匹配方法对测量噪声进行在线自适应调整,构建了一种自适应均方根EKF对该组合导航系统状态进行动态滤波估计,并采用Fisher信息矩阵对该组合导航系统的可观性进行评估。最后,在搭建的半物理仿真平台上进行了仿真验证,得出终端时刻采用自适应均方根EKF比EKF的迹向滤波精度平均提高了35%,径向和法向滤波精度平均提高了25%。     

基于伪距的北斗双星/SINS组合导航系统可观测度分析

在连续的分段式定常系统模型基础上,证明了通过简化分段式定常系统的可观测矩阵来分析其离散化模型可观测性能的可行性;介绍了一种基于奇异值分解的系统状态可观测度分析方法.通过对一个分段间隔的条带化可观测矩阵进行奇异值分解来判断每一个奇异值对应的系统状态及每一个系统状态对应的可观测度;根据北斗双星定位系统的双伪距、高精度原子钟及气压高度信息,建立了北斗双星/SINS伪距组合滤波模型,并将可观测度分析方法应用于该模型中.仿真结果表明:在伪距组合模式下对简化的分段式定常系统可观测矩阵进行奇异值分解的方法能有效反映北斗双星/SINS组合导航系统的可观测程度.     

衰减记忆平方根UPF算法及其在组合导航中的应用

针对用UPF算法进行导航滤波计算可能出现协方差矩阵不对称或负定的问题,在研究衰减记忆滤波和平方根滤波的基础上,以Unscented粒子滤波为框架,提出一种新的衰减记忆平方根UPF算法。该算法利用衰减因子减小历史信息对滤波的影响,增强当前量测信息在滤波计算中的作用。然后,以协方差矩阵的平方根阵代替协方差矩阵进行滤波解算,保证了协方差矩阵的对称性和非负定性,提高了滤波算法数值稳定性和解算精度。将提出的算法应用到SINS/SAR组合导航系统中进行仿真验证,并与UPF算法进行比较,结果表明,提出算法的滤波性能明显优于UPF算法,能提高组合导航系统的滤波精度。     

利用线性模型估计的传感器优化布置算法

提出了一种基于线性模型估计的传感器布置算法.首先根据线性模型估计理论,将待监测的目标模态振型视为线性模型的设计矩阵;然后利用奇异值分解的算法,将设计矩阵分解,根据分解的前几个左奇异向量来计算各个自由度对于目标模态振型的贡献;用迭代算法来求出最优的传感器布置方案;最后,用两个算例表明该方法的有效性.     

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。     

MSINS/GPS全组合系统可观测性分析

卡尔曼滤波是组合导航系统处理数据最常用的算法。首先给出PWCS可观测性定理,然后在G矩阵选星算法的基础上,设计了基于伪距/伪距率的MSINS/GPS紧耦合系统(TCS)的卡尔曼滤波器,在上述量测方程中加入基于GPS载波相位观测量的姿态测量方程,给出了有姿态测量信息的全组合系统(CIS)。最后证明了CIS满足PWCS定理条件,即可以用离散系统的选择可观测性矩阵(SOM)代替相应的连续系统的总可观测性矩阵(TOM)对系统进行可观测性和可观测度的分析。利用奇异值分解(SVD)理论给出了不同可见卫星数时CIS的可观测性分析结果。与不加入姿态观测信息的MSINS/GPS的TCS比较,计算结果表明CIS比TCS具有更好的可观测性和可观测度。     

一种改进的GPS/DR组合位置自适应滤波算法

为解决自适应滤波算法中观测误差与状态误差估计的关键问题,在分析GPS/DR组合导航系统测量信息性质的基础上,提出了GPS光滑度计算方法,并在其基础上给出了GPS位置误差估计算法及状态误差协方差阵和观测误差协方差阵自适应调节算法。算法仿真实现了观测误差的直接测量,较好地解决了Sage-Husa自适应滤波算法中对误差特性估计不准确的问题。仿真结果表明：位置滤波输出的精度相比Sage-Husa算法有明显的提高。     

自适应Sage-Husa粒子滤波及其在组合导航中的应用

针对非线性滤波问题,提出一种新的自适应Sage-Husa粒子滤波算法。通过Sage-Husa滤波方法计算状态估值和协方差阵来获得重要性密度分布函数,充分考虑了最新量测信息的影响,并利用欧氏距离和反映量测噪声统计特性的精度因子自适应地调整粒子权值的分布,降低粒子退化程度,提高了滤波精度,适用于非线性非高斯系统模型的滤波问题。将提出的算法应用于SINS/SAR组合导航系统中,与扩展Kalman滤波和粒子滤波比较,仿真结果表明,自适应Sage-Husa粒子滤波能提高导航系统定位的解算精度,得到的东向和北向定位误差控制在?5.3m附近,其性能明显优于扩展Kalman滤波和粒子滤波。     

GPS/DR组合导航抗差自适应滤波算法

针对GPS/DR车辆组合导航系统的数学模型具有非线性,应用扩展卡尔曼滤波进行线性化会导致滤波结果出现较大误差的问题,引入了抗差自适应滤波算法。利用计算机仿真,分别对抗差自适应Kalman滤波和自适应Kalman滤波算法进行仿真验证,结果表明,抗差自适应滤波不但能自适应地确定观测噪声的协方差矩阵,而且能利用自适应因子调节状态参数噪声的协方差矩阵,可以控制观测异常和动态模型噪声异常对状态参数估值的影响,使状态参数的估值更加合理。自适应Kalman滤波使位置误差控制在30m,而对抗差自适应Kalman滤波能使位置误差控制在18m左右,且误差控制更稳定。