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。     

一种新型自适应联邦滤波方法在战术导弹导航系统中的应用

为满足复杂的环境下战术导弹导航系统的高可靠性导航的要求,对战术导弹的多传感器组合导航进行了研究.提出了一种基于新型自适应联邦卡尔曼滤波的巡航导弹SINS/GPS/EC组合导航方法,根据联邦滤波的分散滤波结构,分别建立了各滤波器的模型,进行了仿真试验验证.仿真结果表明,采用新型自适应联邦卡尔曼滤波算法的导航精度比采用集中卡尔曼滤波算法提高幅度不大,略高一些,但从自适应联邦卡尔曼滤波器的容错性比集中卡尔曼滤波器好得多,便于各导航子系统的故障检查和隔离.本文设计自适应联邦SINS/GPS/EC滤波器的在子系统较多的组合导航设计中具有高可靠性、低计算量、低成本和小体积等优势,具有工程应用价值.     

基于NPF-CKF的捷联惯导系统动基座初始对准技术

当海况不佳时,水下航行器大幅晃动,捷联惯导系统无法快速完成自主初始对准,因此提出了利用多普勒计程仪提供的速度信息进行运动中辅助对准。针对在非线性对准中扩展卡尔曼滤波存在精度低,且需要计算雅可比矩阵等不足,提出了一种基于非线性预测滤波的求容积卡尔曼滤波算法。该滤波算法将惯性器件测量误差作为模型误差使用非线性预测滤波器进行实时预测,然后再利用求容积卡尔曼滤波对模型误差补偿后的系统进行状态估计。仿真结果表明,与扩展卡尔曼滤波和求容积卡尔曼滤波算法相比,该滤波算法能够不仅提高失准角特别是方位失准角的估计精度,其精度约为45″,而且加快了收敛速度。同时由于该滤波算法降低了系统状态的维数,因此也大大减少了计算量。     

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。     

粒子滤波在惯导系统非线性对准中的应用

首先介绍了粒子滤波中自举滤波的原理和算法，说明该算法可用于处理非线性系统的状态估计问题。进而列出了捷联惯导系统速度误差方程和姿态误差方程，并将其用于惯导系统非线性对准。最后，通过对仿真结果的分析，指出通过结合粒子滤波和传统的扩展卡尔曼滤波，可以得到一种精度优于卡尔曼滤波，而计算量小于粒子滤波的非线性滤波方法。     

基于平方根中心差分卡尔曼滤波的大方位失准角初始对准

基于大方位失准角条件下捷联惯导系统误差模型的非线性特点,采用非线性滤波方法进行初始对准.扩展卡尔曼滤波存在精度低,且需要计算雅可比矩阵等不足,而中心差分卡尔曼滤波在递推过程中具有计算量大,数值不稳定等缺点.针对上述问题采用了一种改进的中心差分滤波算法一一平方根中心差分卡尔曼滤波.仿真结果表明,与扩展卡尔曼滤波相比,平方...     

预测滤波器理论在惯导非线性对准中的应用

讨论了预测滤波器的基本算法，并针对平台惯性导航系统在大方位失准角情况下的非线性对准中，用预测滤波器无法估计陀螺误差的问题，提出了将预测滤波和扩展卡尔曼滤波相结合的算法。通过对大失准角下的静基座和动基座对准的仿真，证明预测滤波和扩展卡尔曼滤波相结合的算法能够提高的平台姿态误差角特别是方位误差角的估计精度。比起扩展卡尔曼滤波算法，该算法还能降低系统的维数，减小计算量。     

广义联邦滤波器的全局最优性

基于分散化滤波算法和信息分配原理,建立了广义联邦滤波器设计理论。证明了联邦滤波器当其主滤波器和局部滤波器的维数都相同时,其全局滤波和集中卡尔曼滤波等价,是最优的;同时提出当主滤波器维数和局部滤波器维数不相同时,达到全局滤波最优的解析补偿方法,其附加计算量小,并可作为一种性能指标用于子系统的软故障检测。在组合导航系统中运用此方法对非公共状态信息进行补偿,仿真结果验证了该方法的有效性。     

基于奇异值分解的多重渐消鲁棒Cubature卡尔曼滤波及在组合导航中的应用

为了提高标准Cubature卡尔曼滤波（CKF）的稳定性和鲁棒性,提出一种改进的多重渐消H∞滤波Cubature卡尔曼滤波算法。首先基于系统状态的可观测性给出多重渐消因子矩阵求解过程,提高滤波算法的稳定性,抑制滤波发散;其次,引入H∞鲁棒思想,构造多重渐消H∞滤波Cubature卡尔曼滤波器;最后,提出采用一种奇异值分解的矩阵分解策略代替标准Cubature卡尔曼滤波中的Cholesky分解,进一步提高算法的数值稳定性。实际GPS/INS组合导航实验表明,改进的多重渐消H∞滤波Cubature卡尔曼滤波算法不仅能有效抑制滤波发散提高算法的稳定性,而且对观测野值具有更高的鲁棒性;提出的新算法与标准CKF算法相比,XYZ三个方向的位置精度分别提高了55.8%,46.6%和39.7%。     

惯性/地磁组合导航算法

针对惯性/地磁组合导航滤波算法进行了深入研究.分析了惯性/地磁组合导航系统的基本原理,基于巡航导弹巡航段飞行过程建立了组合导航系统的滤波模型.在观测信息分别为实测地磁场三分量信息和单一幅值信息条件下,采用广义卡尔曼滤波和Unscented卡尔曼滤波算法进行了仿真分析.仿真结果表明,在观测信息为三分量地磁信息条件下,Unscented卡尔曼滤波总体滤波效果略优于广义卡尔曼滤波,两种算法在最后30 s内的平均定位精度都可达到50 m;在观测信息仅为地磁场幅值的情况下,广义卡尔曼滤波算法的滤波收敛速度和精度均大幅下降,而Unscented卡尔曼滤波仍然取得不错的收敛效果,滤波性能明显优于广义卡尔曼滤波.     

惯导与GPS组合系统中实时自适应卡尔曼滤波技术的研究

—针对现有的自适应卡尔曼滤波算法实时性不强、结构繁杂，本文研究了在惯导与ＧＰＳ组合系统中应用一种修正的自适应卡尔曼滤波算法，并与常规卡尔曼滤波算法作了比较。仿真结果表明，这种算法具有结构简单、高效率和精度高等优点，不失为一种实用而有效的滤波算法。     

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。     

一种基于特征值分解的自适应信息融合滤波算法

基于分散滤波理论的联合滤波算法,可以有效地降低组合导航系统的计算负担,并且增强系统的容错性能。本文给出了一种联合滤波算法中信息分配系数的自适应计算方法,能够使联合系统根据导航过程中各传感器的信息质量的变化合理地反馈全局信息。仿真结果表明该算法可以有效地降低由于导航子系统降级带来的滤波误差。     

多渐消因子卡尔曼滤波及其在SINS初始对准中的应用

针对卡尔曼滤波在系统模型失配和未知干扰情况下鲁棒性差的特点,对于一类线性模型提出了多渐消因子卡尔曼滤波算法。该算法利用卡尔曼滤波取得最佳增益时残差序列互不相关的性质,可以在线自适应地调整多个渐消因子,从而对多个数据通道进行渐消,即使当滤波达到稳态时仍然可以调整滤波增益,使得该算法对模型失配和未知干扰有较强的鲁棒性。将该算法用于噪声统计不准确的SINS初始对准,数值仿真表明,当系统模型存在不准确情况时,新方法对航向误差角的估计精度较单渐消因子卡尔曼滤波和常规卡尔曼滤波分别提高了70%和43%,证明了该算法的有效性。     

组合导航系统非线性滤波算法综述

总结了组合导航系统具有非线性及模型不确定性的特点,指出了现阶段工程中的卡尔曼滤波及扩展卡尔曼滤波无法真正满足组合导航系统的实际应用要求;然后,以组合导航系统为背景,详细介绍近20年来非线性滤波理论所取得的成果,且阐述了它们的优缺点及在组合导航系统中的应用情况;接着分析了现阶段组合导航系统中滤波算法的新发展,最后对组合导航系统滤波算法进行展望,指明其进一步的可能研究方向.     

SINS初始对准中的鲁棒超球体无迹卡尔曼滤波方法

捷联惯导初始对准大失准角系统误差模型中,当噪声具有不确定统计特性时,基于白噪声假设的无迹卡尔曼滤波算法鲁棒性较差.针对该问题,提出了一种基于H∞理论的鲁棒超球体无迹卡尔曼滤波算法.给出了计算量小的超球体采样策略,推导了H∞滤波的鲁棒机理,分离了鲁棒环节.将鲁棒环节引入超球体无迹卡尔曼滤波算法,得到鲁棒超球体无迹卡尔曼滤波算法,并分别在系统噪声和量测噪声为白噪声和有色噪声的条件下,对超球体无迹卡尔曼滤波和鲁棒超球体无迹卡尔曼滤波两种滤波方法进行了仿真实验.仿真结果表明,鲁棒超球体无迹卡尔曼滤波在白噪声情况下虽然精度有所降低,但是相对超球体无迹卡尔曼滤波具有了对有色噪声的鲁棒性,较超球体无迹卡尔曼滤波方法更适用于天向失准角为大角度并且噪声特性为有色噪声的情况.     

组合导航系统几种滤波方法的分析比较及其性能评价

介绍了用于组合导航系统中的几种常用的滤波方法-如传统滤波方法中的集中卡尔曼滤波和联邦卡尔曼滤波、非传统滤波方法中的神经网络滤波,并从理论上分析了传统滤波方法和非传统滤波方法的优点和不足,最后以SINS/GPS组合导航系统为例进行了仿真.仿真结果表明,非传统的滤波算法在某些方面优于传统的滤波算法.     

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％.     

UKF方法在陆地车辆组合导航中的应用

Unscented卡尔曼滤波(UKF)是一种新的非线性滤波算法,将其引入到GPS/DR系统的滤波中,并针对系统模型的特点对原UKF算法进行了简化,建立了新的滤波方法。仿真结果表明,同EKF相比,UKF的滤波精度和稳定性都显著提高了,还可避免计算烦琐的Jacobi矩阵,真正实现了低成本、高精度的导航定位要求。     

一种车载组合导航系统的联邦滤波新算法

针对车载GPS/DR组合导航系统的特点,提出了一种新的联邦滤波算法.子滤波器由两个滤波器构成:一个是卡尔曼滤波器,另一个是Unscented卡尔曼滤波器(UKF),它们分别处理GPS子系统和DR子系统的信息.UKF是一种较新的非线性滤波方法,相对传统的非线性滤波器EKF具有更高的滤波精度和更高的计算效率.联邦滤波器的信息分配因子采用一种基于观测误差的最小均方误差形式,最佳地融合了传感器的输出信息.这种结构降低了联邦滤波器的计算难度和计算量,提高了组合导航系统的可靠性和容错性.仿真结果表明,提出算法的定位精度很高,与UKF算法的效果相当.