H∞滤波在无陀螺捷联惯导系统中的应用

无陀螺捷联惯导系统角速度解算精度不高是其难以实现工程化瓶颈问题.为此,首先深入分析了无陀螺捷联惯导系统的角速度解算原理,并推导出了所用加速度计配置方案的角速度解算方程.然后创造性地构建了Kalman滤波器的状态方程和滤波方程,突破了以往采用Kalman滤波时必须引入额外观测信息(如GPS观测值)的模式.在此基础上构建了系统的H∞滤波器,并借助某型导弹的弹道数据,在外部噪声分别为白噪声和有色噪声的条件下对积分法、开方法、卡尔曼滤波器和H∞滤波器进行了仿真比较,验证了H∞滤波器具有较高的解算精度和对系统的不确定性具有良好的鲁棒性.     

基于H∞的双滤波算法在GPS/SINS组合导航系统中的研究

针对GPS/SINS组合导航系统的滤波算法误差较大,对常用的卡尔曼滤波算法进行了总结和分析,在此基础上,提出一种将H^∞后置滤波和H^∞前置滤波相结合的方法,形成H^∞双滤波算法.以GPS/SINS组合导航系统为例进行了仿真,结果表明此方法既能抑制滤波发散,又能提高滤波精度.     

冗余技术在惯性组合导航系统中的应用研究

冗余技术是改善系统可靠性的一项重要技术.本文以提高惯性组合导航系统的可靠性为出发点,提出了应用于该系统中的一种设计方法--冗余技术.     

H∞滤波技术在捷联惯性系统在线校正中的应用

在运载体有机动时,卡尔曼滤波器会导致捷联惯性系统(SIS)产生大的机动误差。计算机仿真结果表明,用H滤波器代替卡尔曼滤波器对SIS的状态变量进行估计后,能有效降低SIS的机动误差,提高系统的精度。     

H~∞鲁棒滤波在惯导初始对准中的应用

本文给出了惯导系统初始对准的非线性模型 ,针对一般非线性滤波线性化所引起的模型误差 ,提出了 H∞ 鲁棒滤波方法 ,并与卡尔曼滤波器、二次滤波等方法进行了比较。仿真结果表明 ,该方法比二次滤波等方法计算量大大减小 ,精度要高 ;对于非线性模型 ,在存在模型误差或噪声不确定情况时 ,其滤波性能远优于扩展卡尔曼滤波及其它非线性滤波算法     

H^∞鲁棒滤波在惯导初始对准中的应用

本给出了惯导系统初始对准的非线性模型,针对一般非线性滤波线性化所引起的模型误差,提出了H^∞鲁棒滤波方法,并与卡尔曼滤波器、二次滤波等方法进行了比较。仿真结果表明,该方法比二次滤波等方法计算量大大减小,精度要高;对于非线性模型,在存在模型误差或噪声不确定情况时,其滤波性能远优于扩展卡尔曼滤波及其它非线性滤波算法。     

二阶段H_∞滤波在捷联惯导/里程计组合导航系统中的应用

针对一类包含未知常值偏置的线性系统的状态估计问题,比如捷联惯导/里程计组合导航系统,由于扩展未知常值偏置为系统状态,导致系统状态维数比较高。当应用H∞滤波进行估计时,就会引起滤波算法的计算量大大增加,进而会影响其估计性能。为了解决这个问题,将H$滤波问题转化为Krein空间下的求解某种二次型的最小值问题,而求解该最小值可以使用Kalman滤波来解决。因此,通过采用二阶段Kalman滤波理论,在Krein空间下建立了二阶段H∞滤波算法,将H$滤波中的高维矩阵计算解耦成并行的低维矩阵计算,有效地解决了高维矩阵计算所带来的数值计算问题,降低了计算量,并且该算法有利于硬件并行运算设计,为进一步提高算法执行速度提供了可能。通过在捷联惯导/里程计组合导航系统中的仿真实验,验证了算法的有效性。     

奇异值分解H_∞联邦滤波及其在传递对准中的应用

捷联惯导(SINS)合成孔径雷达(SAR)组合导航系统中,SINS与SAR天线附加的惯性测量元件(IMU)之间的抗干扰、动态快速传递对准是一个研究难题。为了既不增加滤波器阶数,减小计算量,又能提高传递对准的速度和精度。在吸收现有滤波算法优点的基础上,提出了一种新的奇异值分解H∞联邦滤波算法。首先,建立了速度+姿态+位置匹配更新的传递对准模型,利用基于奇异值分解的H?子滤波器进行滤波,得到系统状态的局部最优估计值;然后,通过联邦滤波器对局部最优估计值进行融合得到全局最优估计值。仿真结果表明,提出的滤波算法得到的失准角估计值能在200s内收敛,且分别稳定在3'、-5'和20',性能明显优于H∞滤波和联邦滤波。新的滤波算法不但速度快,精度高,而且计算量小,抗干扰性好,为提高传递对准的精度提供了一种新方法和新途径。     

分布式数据总线技术及其在惯性组合导航系统中的应用

针对我国惯性导航系统的现状，提出一种多ＣＰＵ通过ＭＵＬＴＩＢＵＳ多总线共享公共存贮器，以实现资源共享与机间通讯的分布式多微处理机系统，并对系统中分布式数据总线关键技术进行了深入的研究。     

混合粒子联邦滤波在多信息组合导航系统中的应用

在组合导航多信息滤波系统的应用中,会遇到部分子滤波器为非线性系统的情况。提出了一种混合粒子联邦滤波方法,把高斯粒子滤波获取多维高斯分布的计算过程融入到联邦卡尔曼滤波结构框架中,并采用该滤波框架解决混合系统的多信息融合问题,该算法在滤波模型的适应性方面要优于传统的联邦滤波。以组合导航多信息融合问题为例,建立了混合粒子联邦滤波模型,对该算法进行了仿真,仿真结果验证了混合粒子联邦滤波的有效性。     

基于MEMS技术的组合导航系统在空地制导武器中的应用

针对空地精确制导武器对低成本、高精度、高可靠性导航系统的需求,设计了基于MEMS技术的组合导航系统。该系统基于低成本的微惯性测量组合与GPS接收机,并针对空地制导武器的飞行特点建立了准确的数学模型;利用速度、位置综合模式,采用先进的Kalman滤波理论进行数据融合;最后对该组合导航系统进行了数学仿真试验和数据分析。结果表明,这种低成本、可靠性好、体积小的组合导航系统的导航精度不大于5m,即使在丢星长达30s,导航精度也不大于12m,完全能够满足空地精确制导武器的导航要求。     

粒子滤波的改进优化方法及在组合导航系统中的应用

组合导航系统中存在非线性环节,粒子滤波技术能较好地解决这些非线性问题.本文根据常见组合导航系统非线性滤波问题,总结了组合导航系统非线性滤波模型特点及一般建模方法.从粒子滤波算法实现框架出发,分析总结了粒子滤波性能特点及其改进演化规律.根据惯性组合导航系统中数据处理特点,对如何选择适合组合导航系统的粒子滤波算法提出了选择原则.分析和总结了组合导航系统中非线性滤波建模方法及粒子滤波改进优化策略,对解决组合导航系统的非线性滤波问题具有理论和实践指导意义.     

基于小波变换的自适应滤波技术在组合导航系统中的应用

针对组合导航系统中在线校正的误差噪声模型具有时变性的特点，使用小波变换对观测量进行预滤波，并使用自适应滤波技术进行在线校正，克服了常规卡尔曼滤波需要精确的误差模型的缺点。仿真结果证明：在系统和量测模型不确定时，文中提出的基于小波变换的自适应滤波能够使系统误差在较短的时间内收敛，并与常规卡尔曼滤波器的精度相当。     

H∞滤波及其在惯导初始对准中的应用

阐述了H∞滤波器的设计过程，并将其运用于惯导系统的初始对准，建立了惯导系统的误差模型，并对其进行了可观性分析，利用H∞滤波方法对可观可测子系统进行了滤波计算，给出了白噪声下失准角的仿真曲线。仿真表明对准时间得到了很大的提高，精度也能够满足工程实际需要。中给出了方位误差角的一种快速估计方法，结果表明该方法是可行的。     

H∞滤波和自适应卡尔曼滤波在消除重力异常畸变中的对比研究

为了有效地消除重力异常畸变对海洋重力仪测量精度的影响，得到更高精度的重力异常测量值，根据随机过程理论，分析了重力异常状态方程，并对H∞滤波算法和自适应卡尔曼滤波算法进行了理论对比分析，将其应用到消除重力异常畸变系统中。为了避免滤波发散，自适应卡尔曼滤波采用降阶的Sage—Husa算法。理论分析和仿真实验表明：H∞滤波算法和自适应卡尔曼滤波算法都具有较好的滤波收敛特性，并能在一定程度上有效地消除重力异常畸变对重力异常测量精度的影响，但自适应卡尔曼滤波的性能优于H∞滤波。     

载波平滑伪距紧组合导航系统鲁棒自适应滤波算法

传统惯性/卫星紧组合导航系统采用载波相位平滑伪距可以有效提高伪距观测量精度,但平滑伪距后观测量噪声不符合白噪声特性而导致卡尔曼滤波器容易发散;同时由于周跳的存在会更加严重影响滤波器的稳定性。针对上述问题,分析了平滑伪距噪声特性并建立了噪声模型,在此基础上设计了鲁棒自适应滤波算法对观测噪声进行实时估计和补偿,结合抗差估计理论进行滤波以减小观测量噪声水平和模型不确定对滤波器带来的影响。理论分析和仿真结果表明,在复杂环境下,基于载波相位平滑伪距的鲁棒自适应紧组合导航系统定位精度提高了一倍以上。     

基于微惯性/偏振视觉的组合定向方法

本文针对目前偏振视觉定向难以满足三维空间内运动水平姿态变化时的定向需求、动态适应性差以及微惯性系统漂移大的问题,提出了一种基于微惯性/偏振视觉的组合定向方法。首先,为了减少偏振测量噪声,利用标准大气Rayleigh散射模型,给出了一种基于大气偏振视觉图像的太阳矢量优化估计算法;其次推导了基于卡尔曼滤波的微惯性/偏振视觉组合定向算法,该算法利用微惯性信息对偏振视觉定向进行水平角补偿,可以获得三维空间内的运动姿态并且动态性能高;最后进行了飞行仿真与车载实验验证。实验结果表明,融合微惯性信息补偿水平姿态与组合滤波后,车载航向误差不随时间累积且均方根误差仅为0.75°,与偏振视觉定向相比,定向精度提升可达60%以上。同时在不增加偏振图像计算量的基础上,将定向输出频率从1 Hz提高至100 Hz,显著增强了偏振视觉定向的动态适应性,具有较大的应用前景。     

利用H∞滤波器改进舰船SINS在摇摆基座上的初始对准

在摇摆状态下,利用常规Kalman滤波器得到的初始对准精度较低。为了提高捷联惯性导航系统在舰船摇摆基座上的初始对准精度,提出应用鲁棒扩展H∞滤波器实现初始对准。鲁棒扩展H∞滤波器是建立在鲁棒控制理论基础上的次优估计算法,以牺牲一定的准确性来提高滤波器的鲁棒性。在摇摆基座初始对准中利用鲁棒扩展H∞滤波器,是为了克服在大干扰情况下,系统误差模型不准确造成Kalman滤波器估计误差较大的问题。半物理仿真试验结果表明:在舰船横摇、纵摇、艏摇运动环境下,采用鲁棒扩展H∞滤波器得到的初始对准姿态角误差在12″(1σ)以内,方位角误差在15′(1σ)以内,优于使用Kalman滤波器的结果。     

带遗忘因子的H∞滤波在机载SAR运补系统中的应用

针对机载SAR运补系统中使用的DGPS／SINS组合系统Kalman滤波器所遇到的发散问题，提出了带遗忘因子的H∞滤波新方法。通过仿真计算表明：与常规间接反馈校正Kalman滤波器相比，这种方法大大提高了组合导航系统的稳定性和跟踪性。     

粒子滤波及其在导航系统中的应用综述

传统的扩展卡尔曼滤波方法要求对非线性系统近似线性化,有可能会引入较大的模型误差.应用粒子滤波解决了这一问题.该算法可以直接应用于原系统的非线性模型当中,并且不需考虑系统噪声和量测噪声是否为高斯白噪声,都能得到很好的滤波效果.文中介绍了粒子滤波的理论基础-贝叶斯估计及具体的实现方式-蒙特卡罗方法;指出粒子滤波存在的退化问题,并从减小退化现象入手将重要性采样和再采样方法引入到算法之中;最后阐述了粒子滤波在导航系统中的一些应用.