基于H∞滤波的变权多通道数据融合方法研究

在对多通道定位数据进行数据融合中，采用H∞滤波可有效地解决各传感器数据误差模型不确定的滤波和状态估计问题。但由于数据采样时刻及精度的不一致性，对于多通道数据的融合应采用变权融合方式，以提高融合后数据的可靠性。该由此给出了一种基于H∞滤波的变权数据融合计算方法，通过对实测实时数据的仿真计算表明，其方法具有很好的实用性。     

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%。     

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。     

捷联惯导系统传递对准两种滤波方法比较研究

将H∞滤波方法用于捷联惯导系统（SINS）空中动基座传递对准，并对卡尔曼滤波和H∞滤波应用于传递对准的鲁棒效果进行了比较研究。仿真结果表明，在有色噪声和白噪声强度较小时，两种滤波方法的滤波精度差别不大，但当有色噪声和白噪声强度较大时，卡尔曼滤波精度优于H∞滤波。换言之，卡尔曼滤波对于噪声的不确定性是具有一定的鲁棒性的，并且就估计精度而言，其鲁棒性优于H∞滤波，但H∞滤波的估计速度优于卡尔曼滤波。     

基于扩展H_∞滤波的单站无源目标跟踪

针对无源定位与跟踪系统可观测性弱,目标初始状态估计精度低的特点,提出了一种基于扩展H∞滤波的单站无源目标跟踪方法。将扩展H∞滤波算法对被动声纳平台获得的目标方位数据进行目标运动分析,以实现较高精度的水下仅测角目标定位和跟踪,并采用雅克比矩阵来近似处理系统的非线性测量方程。扩展H∞滤波对噪声的不确定性具有鲁棒性,保证滤波算法的数值稳定性,提高跟踪的精度和可靠性。理论分析与仿真结果表明,扩展H∞滤波跟踪速度快,性能稳定,估计精度明显优于扩展卡尔曼滤波(EKF),用于水下运动目标跟踪是可行的。     

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.     

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。     

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。     

权值自适应调整Unscented粒子滤波及其在组合导航中的应用

针对粒子滤波存在的重要性密度函数难以选取和粒子退化问题,提出了一种新的权值自适应调整Unscented粒子滤波算法。该算法在Unscented粒子滤波的采样过程中吸收权值自适应调整的优点,考虑最新量测影响,通过欧氏距离和反映量测噪声统计特性的精度因子来自适应的调整粒子对应权值分布,增加有用粒子的权值,降低粒子退化程度,保持粒子多样性。同时Unscented变换提高了滤波精度,使该算法能更好地适用于非线性、非高斯系统模型的计算。将提出的算法应用于GPS/DR组合导航系统进行仿真验证,结果表明,提出的权值自适应调整Unscented粒子滤波算法得到的东向定位误差控制在±5.5 m附近,北向定位误差则在±5.2 m附近,滤波性能明显优于扩展卡尔曼滤波和Unscented粒子滤波,能提高GPS/DR组合导航系统解算精度。     

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。