模糊自适应滤波在水下航行器组合导航系统中的应用

为了提高水下航行器组合导航系统精度和可靠性,针对水下航行器组合导航系统量测噪声统计特性随实际工作环境的不同而变化的特点,提出了基于模糊自适应联邦卡尔曼滤波的水下组合导航算法。通过监测理论残差与实际残差的协方差的一致程度,应用模糊系统不断调整滤波器的增益系数,对子滤波器进行在线自适应调整,从而实现导航状态的最优估计滤波。通过对联邦滤波器信息分配系数模糊自适应调整,减少了滤波计算量,提高了滤波实时性。软件仿真实验结果表明：模糊自适应滤波可以有效地提高水下航行器组合导航系统的精度和可靠性,提高导航滤波实时性,克服传统的滤波算法的缺点与不足。     

基于模糊卡尔曼滤波量测噪声自适应校正的方法研究

针对噪声的统计特性与实际不符时滤波器发散的现象，提出了一种适用于导航、制导以及其它控制系统的模糊自适应卡尔曼滤波器。基于模糊规则自适应改变测量噪声方差R，实现滤波器参数的在线改进，以缩小实际的滤波误差，提高滤波精度。     

随机振动控制系统中含未知噪声方差的自适应滤波

通过构造出关于模型噪声和量测噪声的方差的泛函,以泛函数极小为目标,提出了随机振动控制系统中含未知噪声方差的自适应滤波优化准则,用ＤＦＰ优化方法求解出模型噪声和量测噪声的方差,从而保证Ｋａｌｍａｎ滤波的结果为最优,并应用ＬＱＧ方法实现振动控制。     

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.     

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。     

基于自适应分类容错滤波的SINS/GNSS组合导航方法

针对SINS/GNSS组合导航在GNSS信号异常时出现的系统滤波精度和稳定性下降的问题,提出一种基于EKF的自适应分类容错滤波算法。该算法通过比较系统残差协方差矩阵的实际值与理论值来检测GNSS信号是否存在异常,然后对异常信号进行分类,并对不同类别的异常信号使用不同的加权矩阵进行修正,以减弱异常值对系统滤波精度的影响,同时在滤波过程中加入UD分解,使系统滤波性能更稳定。仿真结果表明:该算法能够有效降低GNSS输出异常信号对SINS/GNSS组合导航带来的不利影响并提高系统稳定性;在GNSS信号出现异常情况下,其导航精度相比EKF至少提高95.6%,相比REKF和AEKF分别至少提高44.5%和24.6%。     

基于权值矩阵的模糊自适应卡尔曼滤波在组合导航中的应用

针对自主驾驶车辆长时间导航精度要求难以满足的问题,建立了GPS与微惯性导航系统的组合导航滤波模型,在位置观测的同时引入姿态信息,提高了导航精度。在此基础上提出了基于权值矩阵的模糊自适应卡尔曼滤波算法,该算法通过模糊控制器自适应地改变每个观测量的权值,得到权值矩阵引入卡尔曼滤波器实现自适应滤波。仿真和实验结果表明,所提出的权值矩阵模糊卡尔曼滤波性能优于衰减因子自适应卡尔曼滤波,特别是在GPS信号失真及噪声先验统计特性不可知的情况下,其定位精度能够保证在1m之内。     

MIMU/GNSS紧组合精密单点定位协方差成形自适应滤波方法

针对精密单点定位应用需求,研究了MIMU/GNSS紧组合协方差成形自适应滤波方法。给出了"位臵滤波器+速度滤波器"的分布式滤波器设计方案以降低计算复杂度;推导了地理系紧组合导航系统模型,并把伪距测量不一致性偏差扩展至系统状态向量中予以估计,从而提高系统对于动态环境下伪距测量偏差抖动的适应能力。协方差成形自适应滤波算法利用Frobenius范数来衡量系统残差噪声水平建模状态与实际状态的匹配程度,并以最小化Frobenius范数作为优化指标,动态调节滤波增益,以此来提高状态估计精度、平稳性与鲁棒性。地面静态试验表明:紧组合协方差成形自适应滤波器定位误差均值与均值稳定性均优于标准卡尔曼滤波器,定位精度提高了约50%,能够提供亚米级单点定位导航服务。相较于集中式滤波器设计方案,分布式滤波器方案计算复杂度降低了63.5%。     

一种自适应H_∞滤波的运动学约束惯性导航方法

纯捷联惯性导航系统的精度主要受限于传感器精度,为了在固有的传感器精度上进一步提高纯捷联惯性系统导航精度,提出了一种基于自适应H_∞滤波的运动学约束辅助惯性导航算法。利用运动约束条件,将载体系中的侧向和上向速度作为量测量,将纯捷联惯性导航系统输出的姿态误差、速度误差及传感器误差作为状态量,采用一种能够自动调节滤波器参数的自适应H_∞滤波方法以提高系统性能。实验结果表明,所提出的自适应H_∞滤波运动学约束算法与无约束纯惯导算法相比能够提高23.7%～81%的定位精度,与无自适应H_∞滤波运动学约束算法相比能够提高16.3%～62.2%的定位精度。     

智能Kalman滤波在水下地形组合导航系统中的应用

为了避免现实环境的动态变化对水下航行器系统模型造成的随机干扰影响,保证水下航行器长时间导航精度的稳定性,提出了利用RBF神经网络辅助联邦Kalman滤波方法对SINS/TAN/DVL/MCP组合导航系统进行信息融合。给出了各子导航系统的误差模型,通过足够精度的样本对前向神经网络进行离线训练,建立神经网络控制模型。仿真结果表明,该方法可使水下航行器的系统状态在较短的时间内以较高的精度达到稳定。通过与联邦Kalman滤波结果对比表明,采用智能控制方法辅助的信息融合方式的导航定位精度提高了一倍,能有效提高常规联邦Kalman滤波器的自适应能力,达到减小误差,提高精度的目的。     

CNN/Kalman技术在组导中的应用研究

经典的卡尔曼滤波器要求假设系统的动态模型和观测模型的噪声统计特性已知，而组合导航系统的噪声具有非先验性。为了解决这一问题，提出了一种新型复合神经网络(CNN)辅助卡尔曼滤波器(Kalman)。仿真试验结果表明：该辅助算法的精度与一般卡尔曼算法相比提高了2倍，收敛时间缩短近200s，并有效地克服了传统神经网络学习速度慢、泛化能力弱的缺点，使系统具有自适应能力以应付动态环境的扰动。     

基于进化人工神经网络的组合系统滤波技术

在组合系统运用Kalman滤波器技术时,准确的系统模型和可靠的观测数据是保证其性能的重要因素,否则将大大降低Kalman滤波器的估计精度,甚至导致滤波器发散.为解决上述Kalman应用中的实际问题,提出了一种新颖的基于进化人工神经网络技术的自适应Kalman滤波器.仿真试验表明该算法可以在系统模型不准确时、甚至外部观测数据短暂中断时,仍能保证Kalman滤波器的性能.     

改进遗传人工神经网络在组合导航中的应用

鉴于常规卡尔曼滤波算法组合导航系统数据融合算法中,存在易于发散的缺陷,尝试将遗传优化人工神经网络引入组合导航系统中.针对传统遗传算法存在的易早熟、算法稳定性差、固定的交叉和变异概率影响收敛效果等缺点,采用浮点式编码方式,两两竞争的选择策略、引入突变操作、重新定义交叉算子和自适应的交叉变异算子等措施进行了遗传算法的改进.仿真结果表明,改进后的算法更为有效,并且精度与常规卡尔曼滤波算法相当.     

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。     

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。     

带模型误差系统的自适应卡尔曼滤波在捷联惯导系统初始对准中的应用研究

对于有模型误差的惯导系统,采用常规卡尔曼滤波会导致较大的状态估计误差,甚至使滤波器发散。可采用自适应卡尔曼滤波算法,通过引入虚拟噪声,利用观测数据带来的信息,在线改进滤波器的设计,并将其运用到捷联惯导系统的初始对准中,由此得到的滤波估计比常规卡尔曼估计具有更高的精度和准确度。试验及计算机仿真结果验证了该方法的有效性。     

信息融合技术在INS/GPS/DVL组合导航中的应用研究

为克服某船载导航系统不能满足长时间高精度导航定位需要的缺点,提出了一种基于信息融合技术的INS/GPS/DVL联邦滤波器组合导航方案.介绍了INS/GPS/DVL联邦滤波器的工作模式,在建立INS、GPS和DVL误差模型的基础上,推导了滤波器的组合形式,并详细阐述了该联邦滤波器的融合算法.通过计算机仿真技术分析了该组合导航系统的性能,仿真证明了所设计的联邦滤波器可以充分利用各种导航传感器的信息,提高导航系统的精度,比单独的惯性导航系统能提供更为精确的位置、速度和姿态信息,有效地提高了导航系统的综合能力.     

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.     

INS／ESGM／Doppler组合导航系统中的联合Kalman滤波方法

在INS/ESGM/Doppler组合导航系统集中Kalamnihan滤波器的基础上,进一步建立了该组合导航系统的联合Kalman滤波器结构和滤波算法,并讨论了该滤波器的容错性及简化形式。数字仿真的结果表明,本文所设计的联合Kalman滤波器与集中Kalman滤波器相比,其滤波精度基本一致,而滤波器的解算速度更快,容错性能更好。     

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％.