基于Sage-husa自适应滤波算法的AUV组合导航系统设计

文中针对水下自主航行器提出了一种新型的基于捷联惯导(SINS)和GPS的组合导航系统设计方案。该方案以捷联惯导作为主系统,同时利用GPS重调捷联惯导系统,建立了该组合导航系统的卡尔曼滤波模型,设计了输出校正间接法的卡尔曼滤波算法和Sage-husa自适应卡尔曼滤波算法。仿真结果表明由于GPS位置和速度信息的引入,一定程度上克服了捷联惯导系统误差状态发散现象,提高了导航精度。同时通过两种算法的对比,Sage-husa自适应卡尔曼滤波算法则具有更高的滤波精度和稳定性,能够更好的满足长时间远距离导航的要求。     

基于改进ESKF和自适应滤波的组合导航算法研究

针对传统滤波算法中忽视了误差方程中的高阶量所引起的导航结果不够准确的问题,提出了一种改进ESKF算法,将基于误差状态建模的滤波算法同EKF相结合。针对组合导航的鲁棒性与适应性,提出了一种将卡尔曼滤波算法与自适应滤波算法相结合的滤波算法,并进行仿真验证。仿真结果表明：当组合导航系统受到较大扰动时,改进算法较传统滤波算法使组合导航系统在经度精度上提高了49.48%,纬度精度上提高了34.21%,有效提高了组合导航系统的精确性和鲁棒性。     

SINS/CNSSAR组合导航系统设计与高性能算法研究

在吸收SINS、CNS和SAR三者优点的基础上,设计了SINS/CNS/SAR组合导航系统,建立了该组合导航系统的非线性数学模型;然后,在研究抗差自适应滤波和粒子滤波优点的基础上,提出了一种新的抗差自适应Unscented粒子滤波算法和自主导航多源信息融合算法.将提出的算法应用于SINS/CNS/SAR自主导航系统中进行计算仿真,并与Unscented卡尔曼滤波和粒子滤波比较,结果表明:提出的新算法不仅解算精度明显高于Unscented卡尔曼滤波和粒子滤波算法,而且可靠性好,能提高组合导航系统的精度.     

SINS/CNS/SAR组合导航系统设计与高性能算法研究

在吸收SINS、CNS和SAR三者优点的基础上,设计了SINS/CNS/SAR组合导航系统,建立了该组合导航系统的非线性数学模型;然后,在研究抗差自适应滤波和粒子滤波优点的基础上,提出了一种新的抗差自适应Unscented粒子滤波算法和自主导航多源信息融合算法。将提出的算法应用于SINS/CNS/SAR自主导航系统中进行计算仿真,并与Unscented卡尔曼滤波和粒子滤波比较,结果表明:提出的新算法不仅解算精度明显高于Unscented卡尔曼滤波和粒子滤波算法,而且可靠性好,能提高组合导航系统的精度。     

基于粒子滤波的INS/TAN组合导航

将粒子滤波应用于INS／TAN组合导航系统中。仿真证明,该滤波方法有效地克服了地形的非线性特性和惯导误差对组合导航结果的影响。     

基于自适应卡尔曼滤波的RFID/SINS组合导航研究

在室内导航定位中,射频识别(Radio Frequency Identification, RFID)技术具有信号穿透性强、成本低廉等诸多优点,能够有效代替GPS完成室内组合导航。针对室内惯性导航误差发散和滤波中噪声参数不确定的问题,提出了基于自适应卡尔曼滤波(Adaptive Kalman Filtering, AKF)的RFID/SINS组合导航系统,通过RFID定位系统抑制惯性导航误差发散,并应用AKF将噪声参数与量测输出参数关联实现实时更新。对AKF和标准卡尔曼滤波(Kalman Filtering, KF)下的RFID/SINS组合导航系统进行了仿真和实验。结果表明,在AKF下组合导航系统平均定位误差降低了10%,位置稳定性提升了7.4%,定位误差保持在0.07 m左右。基于AKF的RFID/SINS组合导航系统能够满足室内高精度定位导航的需求。     

自适应滤波算法在组合导航系统的应用

从卡尔曼滤波算法的稳定性出发，分析了卡尔曼滤波算法和Sage-Husa滤波算法的缺点，改进了Sage-Husa滤波算法，改进后的算法保证了系统噪声估计方差阵和测量噪声估计方差阵的半正定性和正定性，消除了滤波发散现象。在INS／GPS组合导航系统中进行仿真，仿真结果表明改进后的算法可以有效提高INS／GPS组合导航系统的稳定性．     

自适应交互多模型滤波在INS/CNS组合导航中的应用

针对惯性/天文(INS/CNS)组合导航系统中由于量测噪声的统计特性随应用环境发生变化而导致滤波精度降低的的问题.提出了一种基于自适应交互多模型(AIMM)的组合导航算法,该算法将改进的Sage-Husa自适应滤波器与交互多模型相结合,以少量的模型实现对实际模态的覆盖.仿真结果表明:与常规Kalman滤波方法相比,该方法较好地覆盖了实际模态变化情况,实现了对量测噪声统计特性变化的自适应调整,在观测值发生异常时,导航参数误差没有大的跳变,导航滤波器在观测值异常时具有一定的自适应能力,从而保证了导航滤波器的可靠运行,提高了导航系统的精度和可靠性.     

基于UPF的GPS/SINS组合导航系统设计

建立了GPS/INS非线性误差模型,利用UPF滤波算法实现了该组合系统定位功能,一方面针对UKF估计误差协方差极易非正定的问题进行了正定化处理;另一方面在粒子滤波环节针对重采样导致的粒子多样性降低的问题,增加了MCMC移动步骤.实验结果表明:应用UPF实现的组合导航系统定位精度明显优于EKF和UKF,且定位误差波动幅度较小,既能够满足非线性系统的导航精度要求,又能够满足定位系统对滤波稳定性的要求.     

基于自适应滤波器的MIMU/GPS组合系统的研究

设计了微惯性测量单元/卫星导航(MIMU/GPS)组合导航系统原理样机。针对低成本MIMU/GPS组合导航中的Kalman滤波器设计滤波参数(包括系统噪声方差阵Q和测量噪声协方差阵R)影响的问题,系统的分析了Kalman滤波器参数的选取对系统状态变量的估计精度和收敛性能的影响。根据分析设计了自适应估计技术的Kalman滤波器。试验结果表明:对于低成本MIMU/GPS组合导航采用自适应估计技术估计可得到满意的性能,在静态条件下,位置精度优于5 m(标准差),速度精度优于0.1 m/s;系统提供水平姿态角精度优于0.2°;航向角精度优于0.5°(磁罗盘辅助)。     

SINS/GPS/TACAN组合导航的联邦卡尔曼滤波方法

针对无人机飞行末段的飞行特点,提出了一种用战术空中导航系统(TACAN)辅助惯性导航系统(INS)、全球卫星定位系统(GPS)的新组合导航模式。详细推导了一种系数加权的联邦卡尔曼算法,并将此算法运用到SINS/GPS/TACAN组合导航中。通过融合导航系统的导航信息估计出组合导航系统的误差状态量,以提高导航系统定位精度。此算法不必计算加权矩阵,从而避免了求解滤波误差方差阵的逆矩阵,运算速度有所提高。仿真计算结果表明,该算法可抑制滤波发散,并提高导航系统的精度和速度,此组合导航模式有较好的容错性和环境适应性,具有实用价值。     

基于加权自适应平方根容积卡尔曼滤波的GPS/INS组合导航方法

针对GPS/INS组合导航系统中,由于量测噪声统计的不确定性导致平方根容积卡尔曼滤波器(SCKF)滤波精度下降甚至发散的问题,该文提出一种基于加权的自适应SCKF(WASCKF)方法。该方法首先利用移动开窗理论对SCKF新息的协方差阵进行最大似然估计,实现对测量噪声统计特性的在线调整;然后,利用加权理论,依据窗口内不同时刻信息的有用程度的不同而设置相应的权值,增强对窗口内有用信息的利用。最后,将WASCKF方法应用于GPS/INS组合导航系统中进行仿真验证,并与SCKF和ASCKF方法进行比较,结果表明,在测量噪声统计存在不确定情况下,该文所提出方法的速度误差和位置误差的均方根均小于SCKF和ASCKF方法,能够有效地提高GPS/INS组合导航系统对量测噪声统计不确定的自适应能力与导航性能。     

基于鲁棒卡尔曼滤波的盲自适应多用户检测算法

提出一种新的基于虚拟噪声补偿技术的鲁棒卡尔曼滤波估计异步CDMA系统多用户接收器的最优判决向量的方法,构造出一种收敛速度快、跟踪性能好、数值稳定性好的高性能盲自适应多用户检测算法。仿真实验表明, 该文提出的方法具有很强的抗多址干扰能力和较高的数值鲁棒性。     

基于自适应EKF的相对导航算法研究

针对测距测角相对导航中测量噪声不可精确获知往往导致相对定位精度下降的问题,本文研究了基于自适应扩展卡尔曼滤波(EKF)的相对导航算法。利用泰勒级数展开对测量矩阵进行线性化处理,并利用自适应时变噪声估计方法对测量噪声方差阵进行动态估计,状态噪声方差阵通过惯导特性的先验值获得。仿真结果表明,基于自适应EKF的相对导航算法可获得高精度且连续平滑的相对定位信息,尤其在测量噪声发生变化时更是表现出良好的导航参数估计性能。     

室内Wi-Fi/PDR自适应鲁棒卡尔曼滤波融合定位方法

针对室内复杂环境下信道状态信息的动态性问题,本文提出了一种面向室内Wi-Fi/行人航迹推算（Pedestrian Dead Reckoning,PDR）融合定位的自适应鲁棒卡尔曼滤波方法.该方法利用自适应鲁棒卡尔曼滤波将Wi-Fi传播模型与PDR定位信息进行多重融合,推算用户的最优估计位置.同时,基于滤波反馈机制,通过融合定位结果对加权最小二乘法中的路径损耗指数和滤波模型中的观测协方差进行动态修正,保证Wi-Fi传播模型接近于真实室内环境.实验结果表明,该方法能够有效解决室内复杂环境下单一Wi-Fi定位精度低和PDR累积误差的问题,此外,路径损耗指数和观测协方差的实时修正可以提高融合定位系统的定位精度和稳定性.     

基于新息的自适应增量Kalman滤波器

在一定环境条件下,当系统的量测方程没有进行验证或校准时,使用该量测方程往往会产生未知的系统误差,从而导致较大的滤波误差。增量方程的引入可以有效解决欠观测系统的状态估计问题。该文考虑带未知噪声统计的线性离散增量系统,首先提出一种基于新息的噪声统计估计算法。可以得到系统噪声统计的无偏估计。进而,提出一种新的增量系统自适应Kalman滤波算法。相比已有的自适应增量滤波算法,该文所提算法得到的状态估计精度更高。两个仿真实例证明了其有效性和可行性。     

GPS／INS组合车辆导航系统的两种卡尔曼滤波结构

为了解决GPS信号失锁引起的无法定位和INS积累误差引起的长时间漂移问题,以GPS/INS组合导航系统的数据融合理论作为基础,卡尔曼滤波作为主要融合方法,对进入组合车辆系统的GPS定位数据与INS定位数据分别进行估计、修正和融合,推导出GPS/INS组合导航系统的状态方程、测量方程和递推滤波方程,同时对分散滤波结构和联合滤波结构进行仿真比较,结果表明后者的定位精度高于前者。     

基于SINS/Doppler/地形匹配的无人机组合导航系统研究

为了提高军用无人机导航系统的自主性、可靠性和高精度,在分析了SINS、Doppler、数字地图的特点的基础上,充分利用SINS短时精度高、Doppler测速精度高、地形匹配位置精度高等优势,研究了基于SINS/Doppler/地形匹配的分布式容错组合导航系统。仿真实验表明,该组合导航系统能够实现高精度的自主定位定向,且具有一定的容错能力,具有重要的工程应用价值。     

基于星敏感器的天文/惯导组合导航仿真研究

本文通过仿真实验,研究了基于星敏感器的天文／惯导组合导航系统的导航性能和特点。首先分析了天文导航的基本原理,并给出了天文／惯导组合导航算法的理论模型。在此基础上,建立了天文导航和捷联惯性导航的仿真模型,实现了天文／惯导组合导航系统仿真。仿真结果表明：基于星敏感器的天文／惯导组合导航能够有效抑制惯导的长时漂移累积误差,有利于实现机载远程长航时的高精度导航。