卫星分群的抗差Kalman滤波在GPS/BDS融合精密单点定位中的应用

抗差Kalman滤波是控制GNSS动态导航定位中观测异常的有效算法,当应用到GPS/BDS实时动态精密单点定位(Precise Point Positioning,PPP)时,会出现某些历元定位精度甚至不如单一系统定位精度高,这主要是因为同一接收机接收的不同种类卫星观测量的随机特性不同,使得观测量验后残差的分布特性不一致,抗差估计时随机特性不同的观测量验后残差互比,反而对某一系统优质数据也进行了降权,导致定位结果出现偏差,减弱了GPS/BDS融合精密单点定位的优势。针对这一问题,提出了卫星分群的抗差Kalman滤波算法,并应用到GPS/BDS融合精密单点定位中,算法的核心是在每一历元观测数据质量控制时根据卫星类型分类构建方差膨胀因子,给出了算法的实施步骤,最后通过MGEX实测数据进行了验证,结果表明算法应用到GPS/BDS融合精密单点定位中,相较传统的抗差Kalman滤波算法在东、北、天三个方向分别提高了34.6%、33.3%、31.0%,同时表明该算法提高了GPS/BDS融合精密单点定位的可靠性。     

GPS/DR组合导航抗差自适应滤波算法

针对GPS/DR车辆组合导航系统的数学模型具有非线性,应用扩展卡尔曼滤波进行线性化会导致滤波结果出现较大误差的问题,引入了抗差自适应滤波算法。利用计算机仿真,分别对抗差自适应Kalman滤波和自适应Kalman滤波算法进行仿真验证,结果表明,抗差自适应滤波不但能自适应地确定观测噪声的协方差矩阵,而且能利用自适应因子调节状态参数噪声的协方差矩阵,可以控制观测异常和动态模型噪声异常对状态参数估值的影响,使状态参数的估值更加合理。自适应Kalman滤波使位置误差控制在30m,而对抗差自适应Kalman滤波能使位置误差控制在18m左右,且误差控制更稳定。     

抗差自适应滤波的导向钻具动态姿态测量方法

针对钻井工程中,导向钻井工具在近钻头振动条件下,由于底部钻具振动对导向工具姿态测量造成严重干扰,使得姿态参数失真,导致姿态测量不准确的问题。为了消除或削弱振动对空间姿态测量的不利影响,快速解算出准确的钻具姿态参数,提出一种抗差自适应滤波的动态姿态测量方法,利用等价权函数和自适应因子合理的分配信息,有效地滤除钻具振动对动态姿态测量的影响。仿真实验和实钻井数据试验证明,采用该算法能滤除近钻头振动干扰信号,井斜角控制在5.5°左右,工具面角测量误差小于6°,有效地提高了导向钻井工具姿态参数的动态测量精度,解决动态测量时姿态参数测不准的问题。     

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。     

SINS／GPS动态观测数据的最优滤波算法

—面向大地测量应用，本文建立了ＳＩＮＳ／ＧＰＳ数据滤波的模型方程；研究了相应算法的实现方法；给出一种数值稳定性高，快速高效的滤波方法。     

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。     

动态最优滤波系统的粗差探测

观测粗差是影响动态系统最优滤波效果的重要因素，本文以静态平差理论为基础，研究了动态滤波系统粗差探测的理论和方法，简单的应用实例说明，文中介绍的粗差探测方法是有效的     

抗差自适应模型预测滤波及其在组合导航中的应用

为了提高捷联惯导(SINS)/天文导航(CNS)/合成孔径雷达(SAR)组合导航系统的定位精度,在吸收模型预测滤波和抗差自适应滤波算法优点的基础上,提出了一种新的抗差自适应模型预测滤波算法。该算法首先利用模型预测滤波估计出系统模型误差,并对其进行实时修正,以抑制系统模型误差对导航解算精度的影响;然后利用抗差自适应因子控制观测异常,抑制观测噪声对导航解算精度的影响。将提出的算法应用于SINS/CNS/SAR组合导航系统进行仿真验证,并与抗差自适应滤波进行比较,结果表明,提出的算法得到的姿态误差、速度误差和位置误差分别在[0.2,0.2]、[0.3m/s,0.3m/s]和[6 m,6 m]以内,滤波性能明显优于抗差自适应滤波算法,说明该算法能有效抑制系统模型误差及观测异常对导航解的影响,提高组合导航的解算精度。     

GPS 动态滤波的新方法

本文提出一种ＧＰＳ动态定位滤波的新方法。该方法直接从ＧＰＳ接收机输出的定位结果入手，将各种误差因素的影响等效为输出定位结果的总误差，视为有色噪声，建立线性卡尔曼滤波模型对位置和速度信息进行估计。与以往采用的非线性卡尔曼滤波器相比，滤波后定位误差明显减小，且模型简单，系统运算量降低，实时性较好。另外，为了提高滤波器的动态性能，还提出了一种有效的次优加权自适应卡尔曼滤波算法     

在实时单点定位中基于残差信息的改进抗差滤波方法

在利用卫星导航定位系统进行单点导航定位时,为了进一步提高导航定位的精度、实时性和可靠性,针对实时观测信息中存在粗差问题,基于残差分析理论,比较分析了最小二乘法、M估计、抗差滤波估计方法在GNSS单点导航定位中参数估计问题。在此基础上,针对观测量与动力学模型不准确的情况,利用残差信息,构建了有效的改进的基于残差信息的抗差滤波。其特点是观测信息误差比较大的情况下不会导致滤波精度明显下降。在GPS单点导航定位解算中,编程并计算,通过比较分析,结果验证了构建的滤波在单点定位中抗差的优越性,并在导航定位算法选择上得到一些有益结论。     

惯性定位系统的卡尔曼滤波器设计

本文讨论陆用惯性定位系统零速修正卡尔曼滤波器的设计问题。关于这个问题,自从20世纪80年代初期以来,已有不少文章发表。本文与文献中的各种方法相比较,不仅考虑了陀螺漂移的常值分量,而且考虑了斜坡分量,因此,更能适应于零速修正时间间隔较长的情况。文中,首先推导了陆用惯性系统的增广误差状态模型。其次,利用三个相邻时刻的零速误差构造了观测向量模型。第三,在前述基础上设计了离散的线性卡尔曼滤波器;特别地,对初始状态向量及其协方差矩阵的估计,提出了具体的实施方法。最后,给出了在北京郊区实地跑车试验结果的误差曲线。跑车实验所用系统由导航误差3.7km/h的航空惯性导航系统改装。实践表明：利用本文的卡尔曼滤波器进行零速修正,可提高惯性系统定位精度两个数量级以上。     

组合导航系统卡尔曼滤波衰减因子自适应估计算法研究

提出了一种衰减记忆卡尔曼滤波中衰减因子的自适应估计方法,并在GPS／SINS组合导航系统中进行了计算仿真。仿真结果表明：该算法能够较好地估计出衰减因子的大小,有效地抑制滤波发散,提高导航精度。     

自适应卡尔曼滤波在移动卫星通讯系统中的应用

研究了自适应卡尔曼滤波技术在移动卫星通讯系统中的应用.首先分析长时间工作的移动卫星通讯系统对导航定位系统的要求,其次通过对系统建模建立系统方程,利用GPS信息和激光陀螺惯性导航系统(LINS)信息建立量测方程.为了避免滤波发散,卡尔曼滤波算法采用Sage&Husa算法.最后给出在北京西郊跑车实验的结果.实验结果表明采用自适应卡尔曼滤波技术的LINS/GPS组合导航系统可以有效地改善移动卫星通讯系统的性能.     

基于博弈论的鲁棒滤波器应用于GPS/INS组合系统的设计研究

考虑了组合导航系统中的不确定噪声问题；根据博弈理论与最优控制理论，提出一种能够在具有不确定噪声干扰中最小化滤波误差的极小极大值鲁棒滤波器。通过设计—种高动态的飞行轨迹进行仿真研究，发现在不确定噪声干扰下该算法具有比标准卡尔曼滤波器更高的精度。     

MIMS/GPS组合导航系统中卡尔曼滤波器设计与实验研究

对MIMS／GPS组合导航系统进行了研究，设计了卡尔曼滤波器，采用状态和偏差去耦方法进行估算，完成了仿真和车载实验。该算法计算量小，估计精度高，特别适用于偏差项较多的场合，在本系统中有效地抑制了陀螺和加速度计动态偏差的影响。此外，在开环卡尔曼滤波器结构基础上引入了姿态阵修正，进一步减小捷联系统姿态角误差对导航定位精度的影响。仿真和车载实验结果表明，样机具有较高的定位精度和较好的重复性。     

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。     

初始装订姿态误差对Kalman滤波器陀螺漂移估计的影响分析

探讨了动基座对准中的一个新的问题，初始装订姿态误差对Kalman滤波器估计陀螺漂移的影响，对该问题进行了试验和仿真。结果表明，利用速度匹配进行初始对准，初始装订姿态误差对两个水平陀螺漂移的估计值产生的影响，主要来自于系统初始装订姿态的精度和Kalman滤波器系统模型的精度，如果要保证滤波器足够的估计精度，应该首先从系统模型上解决。     

组合导航系统多重衰减因子自适应估计算法比较研究

提出了多重衰减因子自适应估计卡尔曼滤波方法,用该方法对系统每个误差状态估计进行控制,提高滤波器的估计性能。仿真结果表明,新算法在系统噪声特性不准确的情况下,能够抑制卡尔曼滤波估计的发散,GPS/SINS组合导航精度比强跟踪滤波估计的精度高。这种算法推导形式简单,计算量小,适合在线运算。     

UKF滤波技术在AUV组合导航中的应用研究

高精度的导航定位是AUV研究中所面临的主要挑战之一。采用GPS辅助的INS／DVL组合导航是目前AUV的主流导航模式。当前实现GPS／INS／DVL组合导航的技术主要有航迹推算(DR)和卡尔曼滤波。中将UKF(Unscented Kalman Filter)滤波技术应用于AUV组合导航，并把UKF与传统的DR和EKF(Extended Kalman filter)方法进行了仿真比较研究。仿真结果表明，UKF在计算量上与EKF相当，但是UKF的位置、航向估计精度都要优于DR和EKF。