GPS/INS组合导航系统中的高斯粒子滤波混和算法

采用非线性滤波器的惯性组合导航系统中,非线性滤波器的精度和实时性直接决定了惯性组合导航系统的性能.计算量和精度之间的矛盾是制约粒子滤波在GPS/INS组合导航系统中应用的主要因素.在分析高斯粒子滤波算法原理的基础上,提出了一种高斯粒子滤波混和算法,对系统线性部分采用线性递推方式,对系统非线性部分采用非线性递推方式,从而提高高斯粒子滤波精度和实时性.针对GPS/INS组合导航系统,混和算法利用卡尔曼滤波的线性递推方式进行量测更新,仿真结果表明混和算法在较少粒子条件下,相对高斯粒子滤波算法精度提高20％,滤波时间降低40％.     

基于高斯混合无迹粒子滤波的地形辅助导航算法

地形辅助导航是一种利用地形高度信息定位的导航技术,由于地形高度起伏是非线性的,因此地形辅助导航本质是非线性、非高斯贝叶斯后验概率估计问题.粒子滤波因为适合非线性、非高斯估计问题,被引入地形辅助导航领域得到广泛研究和应用,但粒子滤波算法存在粒子匮乏的问题,会影响定位精度.针对此问题,将高斯混合无迹粒子滤波( GMUPF)用于地形辅助导航,该算法用高斯混合模型(GMM)近似粒子分布,用无迹卡尔曼滤波(UKF)估计重要密度函数,不需要做重采样.通过用实际地形数据做飞行仿真实验,结果显示相比粒子滤波,不仅没有粒子匮乏问题,而且所用粒子数更少时估计精度略好.     

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。     

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。     

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.     

基于高斯粒子滤波与消息传递的协同导航方法

针对无人机群协同导航问题,提出了因子图框架下基于高斯粒子滤波和消息传递算法的无人机 群协同导航方法。所提方法利用因子图描述无人机群导航状态与自身量测以及相对导航信息之间的关 系,并通过高斯粒子滤波实现因子图中节点之间的消息传递,完成无人机群导航状态的最大后验概率 估计。仿真结果表明所提出的方法实现了机载多源传感信息与相对导航信息的有效融合,定位精度相 比于基于因子图和粒子化消息传递的混合和积算法（H-SPAWN）提高 50%以上。     

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。     

基于改进高斯和粒子滤波的海底地形辅助导航

为了提升低分辨率海底地形图下的导航定位精度,提出一种基于改进高斯和粒子滤波的海底地形辅助导航方法。以高斯和粒子滤波为基础,通过高斯过程回归建立海底地形模型以获得有效粒子观测值。在量测更新阶段引入最小均方误差约束从而提升高斯和粒子滤波的估计效率,再进行滤波并最终获得导航输出。该方法能够解决低分辨率海图下数字地形模型不准确问题并提升高斯和粒子滤波在实时计算过程中的运算效率。在某低分辨率海图下进行仿真实验,结果表明:所提出的算法与采用基本粒子滤波和基本高斯和粒子滤波的海底地形辅助导航方法相比,导航定位精度提升了20%～40%,算法耗时降低了30%～40%。     

球面单形平方根无迹粒子滤波在拖曳合成孔径声纳组合导航中的应用

惯性导航设备修正回波数据作为合成孔径声纳(SAS)运动补偿的一种重要方法,其中的关键技术是研究和利用高精度的滤波算法以及组合导航系统为运动补偿提供导航数据信息。在标准粒子滤波算法的基础上进行改进,提出了一种球面单形平方根无迹粒子滤波算法(SS-SRUPF),并将之应用于SINS、多普勒计程仪(DVL)组成的水下组合导航系统,输出的导航数据再传输给SAS成像系统。仿真结果表明,SS-SRUPF算法可将一个合成孔径时间内的组合导航位置均方误差精度提高到0.013m,小于SAS距离向分辨力0.019 m,满足SAS运动补偿的要求。     

改进的粒子滤波在列车组合定位系统中的应用

为了克服粒子退化现象,将奇异值分解Unscented卡尔曼滤波（SVD-UKF）和粒子滤波相结合,利用SVD-UKF得到粒子滤波的重要性分布,提出了一种改进的粒子滤波算法。该算法将最新观测信息引入到状态估计中,不但使估计精度优于常规的粒子滤波,而且继承了奇异值分解数值稳定性好的优点,因而具有较强的鲁棒性。将该算法应用到列车组合定位系统,与经典粒子滤波进行仿真比较,结果表明,提出的改进粒子滤波算法导航定位精度高,算法稳定性好。     

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。     

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。     

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.     

自适应联邦滤波器及其在组合导航系统中的应用

针对现有的信息分配方法在滤波精度和自适应性方面存在不足的问题,设计了一种在模糊神经网络基础上改进的自适应联邦滤波器,利用模糊神经网络自适应地调整信息分配系数,从而有效抑制干扰对子滤波器工作状态的影响,使主滤波器能够充分、有效地利用子滤波器的信息。将这种自适应联邦滤波器应用到MINS/GPS组合导航系统设计中,并对系统进行了仿真。通过与基于常规联邦滤波器的组合系统的仿真结果比较可知,自适应联邦滤波器的组合系统在性能上有了显著的提高,且速度误差标准差控制在0.06m/s以内,位置误差标准差控制在3.3m以内,具有良好的导航精度。