自适应Kalman和零相移滤波算法在重力信号处理中的对比

为了有效消除海洋重力仪测量信号的噪声,提高重力数据的获取精度,根据随机过程理论,借助基于二阶高斯一马尔可夫异常位模型的重力异常协方差函数,得到海洋重力测量中重力异常信号的状态方程.对sage-husa滤波算法和零相移算法进行了理论分析,为了抑制零相移滤波器的首尾数据畸变,求解了滤波器的初始状态.根据实测重力数据,进行了去噪仿真试验.理论分析和仿真结果表明,sage-husa与零相移滤波算法均能较好地抑制采样重力数据中的噪声干扰,但零相移滤波算法的性能优于sage-husa滤波器.     

海洋重力测量畸变的消除方法

重力辅助导航进行匹配计算过程中,需要得到当前实时海洋重力数据,而海洋重力仪为了抑制垂直方向上干扰加速度,往往施加强阻尼对由垂直扰动加速度引起的采样质量的位移进行大幅度地压缩,但这同时引起测量得到的重力信号的畸变.因此,消除由于传感器强阻尼造成的重力数据畸变,获得高精度实时重力值,成为一个迫切的问题.为消除此畸变,采用反滤波方法对测量数据进行处理,达到实时获取当前重力异常数据的目的.通过仿真研究表明:反滤波技术可以恢复原始重力异常信号,减小由于强阻尼造成的幅值衰减和相位延迟,提高测量精度.     

捷联惯导系统初始对准的H∞滤波及卡尔曼滤波比较研究

研究了基于卡尔曼滤波和基于H∞滤波的两种初始对准方法。通过建模仿真及比较分析，得出了在外界噪声影响较大或有建模误差时，使用卡尔曼滤波将出现滤波延缓甚至发散现象，而使用H∞滤波，能有效克服传统Kalman滤波器性能恶化的问题，既可获得较高的对准精度，又提高了系统的实时性，从而从总体上提高初始对准效果。     

小波多尺度分析在重力仪数据处理中的应用研究

为了有效地消除重力异常畸变对重力仪测量数据的影响，得到更高精度的重力异常测量值，在分析小波多尺度分析原理的基础上，首次将其应用到重力仪数据处理中，并与自适应卡尔曼滤波进行了对比分析，以实际数据与处理后数据偏差平方和的平均数作为衡量两种数据处理方法性能的指标。理论分析和仿真实验表明：小波多尺度分析和自适应卡尔曼滤波都能在一定程度上抑制重力异常畸变对重力仪测量数据的影响，但小波多尺度分析的性能优于自适应卡尔曼滤波。     

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∞滤波在微惯性组合导航系统中的应用

基于微机电(MEMS)惯性仪表构成的微惯性测量装置(MIMU),其系统噪声特性不确定,影响了卡尔曼滤波器收敛过程,从而对MIMU/GPS组合系统性能产生不利影响.将鲁棒H∞滤波技术应用于该组合系统,确定了一种H∞滤波求解方法,给出了滤波器的推导步骤.该算法虽不具备最优滤波特性,但却具有更好的稳定性和鲁棒性.通过仿真实验,确定了H∞滤波器中的性能因子γ具体数值,使滤波器在可接受的估计精度下具有最佳鲁棒效果,它能在复杂的噪声环境下很好地估计出MIMU的主要误差,验证了H∞滤波对于噪声的不敏感程度和鲁棒性,提高了MIMU/GPS这类组合导航系统整体性能.     

分形滤波在高精度海洋重力仪数据处理中的应用研究

为有效地消除各种外界干扰噪声对高精度海洋重力仪测量值的影响,提高重力异常测量值的精度,在分析基于分形理论的滤波算法基础上,首次将其应用到高精度海洋重力仪系统数据处理中,并与自适应卡尔曼滤波进行对比分析,以实际信号数据与处理后信号数据的均方差作为衡量两种数据处理方法好坏的依据。理论分析和仿真实验表明:分形滤波方法和自适应卡尔曼滤波都能在一定程度上消除干扰噪声对重力异常信号的影响,但在相同背景条件下,分形滤波的性能优于自适应卡尔曼滤波。     

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.     

基于TH神经网络的自适应滤波在船舶姿态测量信号处理中的应用研究

自适应滤波是提高滤波性能的主要方法之一。自适应滤波要求实时跟踪输入信号的变化,实时地计算滤波器的权系数。这就大大增加了运算量,因此很难用基于数字计算的方法给出所希望的实时解。神经网络所具有的高度运算能力为解决这一问题展示了光明前景。中利用根据线性规划神经网络导出的TH网络,就船舶姿态测量信号进行滤波计算,仿真结果表明基于TH神经网络的自适应滤波是有效的。     

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。     

组合滤波器在组合导航中的应用设计

设计了基于INS GPS组合导航系统的组合滤波器(卡尔曼滤波器和H∞滤波器)及实现方法,建立了9维系统状态方程,给出了陀螺误差模型、加计误差模型和GPS误差模型,实现了以GPS与INS输出的东、北向速度误差作为组合滤波器观测量的组合方案.该组合滤波器通过检测各子滤波器的估计误差量的均值,使其自身具有很强的自诊断能力.通过计算机的仿真,对系统的精度进行了分析,证明该方案是可行的,能够加快计算速度,实现实时滤波计算,取得很好估计效果.