量测噪声自动加权Kalman滤波

从Kalman滤波技术的稳定性出发,分析了Kalman滤波算法的实质及容量发散的原因。提出在Kalman滤波中引入了系统量测噪声协方差阵（R）的计算,并对其加权,从而影响滤波增益,抑制发散。推算舰位／GPS组合导航的应用仿真表明：量测噪声自动加权Kalman滤波算法对系统模型误差和量测噪声协方差误差具有良好的自适应性。     

基于抗差自适应Kalman滤波的车辆定位新方法（英文）

针对车辆定位的特点,提出一种基于旋转调制技术及运动学约束的车辆定位新方法。首先,对量测方程进行改进,并对量测噪声进行白化;然后,针对系统存在动态模型误差及观测异常情况,采用抗差自适应Kalman滤波算法抑制上述误差对状态参数估计的影响;最后,将该方法应用到实际的车辆定位系统中。实验结果显示,与传统Kalman滤波法的结果相比,新方法得到的东向和北向最大位置误差均小于Kalman滤波算法,定位精度较Kalman滤波算法提高26.7%,表明该方法具有很好的鲁棒性和自适应能力,能有效抑制系统模型误差及观测异常对系统的影响,从而提高车辆定位精度。     

基于Elman神经网络和Kalman滤波的捷联惯导精对准

在采用Kalman滤波进行捷联惯导精对准时,当模型存在误差或系统噪声不能反映实际噪声时,会降低滤波精度甚至导致滤波发散.针对这个问题,提出基于Elman神经网络和Kalman滤波的捷联惯导精对准方法.首先对已知噪声统计特性的系统进行Kalman滤波,将稳定可靠的状态估值作为网络期望输出用来训练Elman网络,然后再用训练好的网络对未知噪声统计特性系统进行状态估计.利用仿真数据对该算法进行验证,结果表明该算法能够克服Kalman滤波精对准的缺陷,提高了对准精度,尤其是航向角的精度.     

自适应Kalman滤波在SINS初始对准中的应用

为了提高捷联惯导系统的对准精度和收敛速度,提出了一种基于Sage-Husa自适应滤波算法的初始对准方法。针对方位小失准角的情况,推导出精对准误差模型和自适应Kalman滤波方程。常规Kalman滤波算法,在噪声统计特性已知的情况下,使用比较方便;多数情况下,噪声统计特性是处于未知状态,从而引入自适应Kalman滤波算法。它利用观测到的数据自动进行噪声统计特性的在线估计和修正,使系统达到最佳的滤波效果。通过仿真验证,该自适应滤波算法有效地提高了收敛速度和对准精度。     

应用于城市环境的MEMS-INS/GPS紧耦合组合导航抗差滤波器（英文）

为了提高MEMS-INS/GPS紧耦合组合导航系统在城市区域中因为GPS信号短时中断或被干扰时的性能，提出了一种基于Kalman滤波的抗差滤波器模型-Kalman抗差滤波器。在Kalman抗差滤波流程中，构建了具有误差检测和分离功能的Kalman滤波器来应对包括伪距和伪距率等GPS测量的突发故障，通过自适应因子向量调整测量噪声获得高精度的导航解。在城市公路上开展了现场试验，对Kalman抗差滤波器的可用性进行了测试。相较于常规的Kalman滤波器，使用Kalman抗差滤波器的紧耦合组合导航系统水平位置误差下降超过30%，高程位置误差的降低大约50%，速度误差下降了17.5%。Kalman抗差滤波器能够有效的降低城市区域中MEMS-INS/GPS紧耦合组合导航系统的导航解误差。     

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。     

抗野值自适应卡尔曼滤波方法的研究

针对陀螺漂移信号中野值的不良影响。从量测噪声自适应Kalman滤波算法出发，首次提出了抗野值自适应Kalman滤波方法，并在其基础上进行了分析，提出一种改进的算法．通过对某型号高精度寻北仪中的试验证明，该算法能够有效去除寻北仪信号中的野值，提高寻北仪的寻北精度，并且对系统的量测噪声不敏感．     

方位捷联平台重力仪分布式Kalman滤波初始对准算法

为充分利用分布式架构重力仪各处理器并行计算的能力,解决单个处理器运行整体式Kalman滤波所遇到的非实时性问题,设计了一种分布式Kalman滤波对准算法。首先,给出了方位捷联平台重力仪的误差方程,建立了系统的状态方程和观测方程。然后,用协方差分析法对系统初始对准滤波方程进行处理,将原系统分解成维数相同的两个子系统,得到由两个子滤波器构成的初始对准滤波器。最后,利用Matlab建立了方位捷联平台惯导模型,分别应用整体式滤波和分布式滤波进行静基座初始对准。仿真结果表明,分布式滤波算法与整体式滤波算法具有相同的滤波精度,并且分布式滤波用时只有整体式滤波的60%,更有利于保证滤波算法的实时性。     

简化UKF滤波在SINS大失准角初始对准中的应用

基于欧拉平台误差角的概念提出了大失准角误差条件下的捷联惯导系统（SINS）非线性初始对准误差模型,该模型无法再用经典的加性噪声模型描述。为了降低滤波计算量,在系统模型噪声和量测噪声均为复杂加性噪声并且量测方程是线性方程时,推导了简化的UKF（unscented Kalman filter）滤波方法,简化UKF滤波公式显示：除通过非线性状态方程使用UT（unscented transformation）变换进行状态及其方差预测外,其它滤波步骤与标准Kalman滤波完全相同。最后,对静基座下SINS初始对准进行了仿真试验,结果表明大失准角条件下的SINS误差模型和简化UKF滤波估计方法是有效的。     

组合导航中模糊自适应Kalman滤波算法分析

以SINSiGPS组合导航系统为背景，在对Kalman滤波原理和工程应用进行深入分析的基础上，总结了该方法的不足，提出了应用神经网络和模糊推理技术对系统噪声、观测噪声和其相关阵进行直接调控的方法。该方法根据新息和新息方差的变化，实时调整自适应因子，间接改变Kalman滤波器的当前观测量和过去信息的比例关系。仿真结果表明，该算法对模型和噪声干扰有较强的自适应性，能够有效抑制滤波发散，在不损失原有精度的前提下，提高了系统的鲁棒性。     

基于Allan方差解耦自适应滤波的旋转SINS精对准方法

对旋转式SINS精对准方法进行了研究,由于转位机构转动干扰以及惯性器件误差不确定性带来的影响,旋转式SINS状态方程和量测方程噪声方差参数难以确定,进而导致初始对准精度降低,针对这个问题引入自适应Kalman滤波技术。Sage-Husa是一种常用的自适应滤波算法,但是存在噪声参数强耦合缺陷。通过研究Allan方差与量测噪声方差之间的关系,利用Allan方差滤波器具有带通滤波的特点,独立计算量测噪声协方差阵R_k,该方法能够有效克服Sage-Husa滤波耦合问题,相比其它改进方法具有简单易实现等特点。对该研究进行了仿真实验与实际系统验证实验,结果表明:对于中等精度光纤陀螺单轴旋转SINS,自适应Kalman滤波算法航向角对准精度比标准Kalman滤波算法精度要高0.6’左右,且在误差估计过程中,自适应Kalman滤波器能够更好地抑制外界干扰误差的影响,是一种较好的精对准方法。     

基于Krein空间的鲁棒Kalman滤波在传递对准中的应用研究

基于Krein空间的鲁棒Kalman滤波器与通过其它方法建立的鲁棒Kalman滤波器相比有较高稳态精度。文中将基于Krein空间的鲁棒Kalman滤波方法用于导弹捷联惯导系统动基座传递对准，并与标准Kalman滤波进行了比较。仿真结果表明，在垂直比力参数存在摄动的情况下，如果基于Krein空间的鲁棒Kalman滤波器的参数选取适当，它的精度鲁棒性优于标准Kalman滤波。     

光纤陀螺信号的解耦自适应Kalman滤波降噪方法

针对光纤陀螺(FOG)输出信号的随机噪声问题,提出了一种解耦自适应Kalman滤波方法用于FOG信号降噪。方法采用Allan方差分析法估计量测噪声的方差参数,Kalman滤波过程与量测噪声方差的估计过程完全独立,避免了Kalman滤波器与量测噪声估值器间的相互耦合。利用时间序列分析法对FOG的随机噪声进行建模,并在建立的二阶自回归模型的基础上,采用本文滤波方法对采集的FOG实测数据随机噪声进行了试验验证。与传统方法相比,提出的滤波方法具有更好的降噪效果,噪声均方误差降低40%以上。     

基于记忆衰减滤波的X射线脉冲星自主导航

针对扩展Kalman滤波(Extend Kalman Filter, EKF)在处理X射线脉冲星的自主导航定轨问题上易发散的问题,本文提出了基于记忆衰减滤波的抑制发散自主导航算法。在研究了自主导航滤波中误差变化的特征的基础上,从原理上分析了预报误差随迭代次数增加而增大的原因。针对EKF存在的这一缺陷,本文应用记忆衰减滤波控制误差发散,推迟了误差发散的时间并减小了发散的幅值,使得滤波结果稳定于更精确的结果。本文的结论均通过数值计算的方法验证。     

AUTONOMOUS NAVIGATION OF PROBE BY X-RAY PULSARS BASED ON FADING MEMORY FILTERING

针对扩展Kalman滤波(Extend Kalman Filter, EKF)在处理X射线脉冲星的自主导航定轨问题上易发散的问题,本文提出了基于记忆衰减滤波的抑制发散自主导航算法。在研究了自主导航滤波中误差变化的特征的基础上,从原理上分析了预报误差随迭代次数增加而增大的原因。针对EKF存在的这一缺陷,本文应用记忆衰减滤波控制误差发散,推迟了误差发散的时间并减小了发散的幅值,使得滤波结果稳定于更精确的结果。本文的结论均通过数值计算的方法验证     

基于Kalman滤波原理对惯导中重力扰动的估计及补偿方法

重力扰动(空间同一点实际重力与正常重力之差,包括垂线偏差和重力异常两部分)一直是惯性导航系统的重要误差源之一。随着惯性器件精度的逐步提高,重力扰动所引起的导航误差已成为高精度长航时惯导系统的主要误差之一,不能被忽略,必须对其进行补偿。针对重力扰动误差精确补偿问题,只考虑重力异常的情况,推导并建立了考虑重力异常的惯导误差方程。对误差传播进行了分析,利用Kalman滤波原理设计了带有重力异常状态量的状态方程,并利用GPS和惯导的速度误差作为观测量对重力异常进行滤波并对滤波后得到的重力异常值对惯导重力异常项补偿。进行了2 h的仿真,结果表明:Kalman滤波后可得到当地的重力异常值,重力异常补偿后,速度误差精度可以提高约0.3m/s,姿态精度提高约0.3′,位置精度提高约150 m。     

基于Allan方差解耦自适应滤波的MHD/MEMS信号融合方法

为满足卫星平台对宽频带角速率测量需求,补偿磁流体动力学(MHD)微角振动传感器低频误差,提出了一种基于Allan方差的解耦自适应Kalman滤波方法,实现了MHD微角振动传感器与MEMS陀螺仪的组合测量。该方法使用Allan方差计算量测噪声的方差,克服了标准Kalman滤波对模型参数精确性要求较高的缺点,同时避免了自适应Kalman噪声参数耦合易滤波发散的问题。实验证明解耦自适应Kalman对单频和混频信号均实现较好融合效果,均方误差降低至融合前的30%,信噪比改善超过10 dB。融合后的输出信号满足卫星千赫兹带宽的测量需求,可用于惯性测量单元中。     

方位捷联惯导平台系统及其误差分析

根据导航系统对高精度的需要,在捷联惯导和平台惯导的基础上提出了一种方位捷联惯导平台,该平台取消了普通平台系统的方位环及其伺服回路,保留了俯仰环和横滚环及其对应的伺服回路,介绍了平台的组成及工作原理,并且推导出平台角误差方程、速度误差方程和位置误差方程.建立状态方程和量测方程后用Kalman滤波的方法对系统进行软件仿真,仿真结果表明,方位捷联惯导平台综合了捷联和平台的优点,具有平台角误差小、收敛速度快等特点.     

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。     

惯性导航系统的误差估计

惯性导航系统（INS）以其自主的工作能力广泛应用于军事武备的导航、制导与控制系统和国民经济的诸多领域。它的主要缺点是定位误差随其工作时间的增长而增大。对惯导系统的误差进行估计和补偿是在保证性能价格比的前提下，提高惯性导航系统精度的有效途径。目前，对惯导系统的误差修正均采用外信息（如GPS的输出信息）校正，即在INS工作的全部时间内，定期地利用GPS输出的速度和位置信息与INS输出的相应信息的差值作为观测量，对INS误差进行估计和补偿。Kalman滤波的方法广泛地应用于惯导系统的误差修正初始对准。本研究了当地水平惯导系统的误差估计和补偿问题。分析结果表明，采用Kalman滤波的方法，可以精确地估计惯导系统的误差（包括陀螺漂移和加速度计零偏），误差估计的精度高，并且估计的方差阵收敛快。