混合高斯粒子滤波在组合导航中应用的计算量分析

针对组合导航中出现的线性非线性混合滤波实现过程中的计算量问题,给出了一种混合高斯粒子滤波改进算法的计算量分析方法。根据该滤波算法特点,分析并总结了一种理论获取粒子滤波计算量的方法,据此定量的分析了该算法的计算量。并以SINS/GPS组合导航系统为例,具体分析了混合高斯粒子滤波算法计算量问题。仿真结果验证了该计算量理论分析方法的有效性。该方法同样可以推广到一般粒子滤波和其它非线性滤波算法中,能在理论上解决组合导航系统中非线性滤波计算量及滤波时间的计算仿真问题。     

粒子滤波的改进优化方法及在组合导航系统中的应用

组合导航系统中存在非线性环节,粒子滤波技术能较好地解决这些非线性问题.本文根据常见组合导航系统非线性滤波问题,总结了组合导航系统非线性滤波模型特点及一般建模方法.从粒子滤波算法实现框架出发,分析总结了粒子滤波性能特点及其改进演化规律.根据惯性组合导航系统中数据处理特点,对如何选择适合组合导航系统的粒子滤波算法提出了选择原则.分析和总结了组合导航系统中非线性滤波建模方法及粒子滤波改进优化策略,对解决组合导航系统的非线性滤波问题具有理论和实践指导意义.     

自适应Sage-Husa粒子滤波及其在组合导航中的应用

针对非线性滤波问题,提出一种新的自适应Sage-Husa粒子滤波算法。通过Sage-Husa滤波方法计算状态估值和协方差阵来获得重要性密度分布函数,充分考虑了最新量测信息的影响,并利用欧氏距离和反映量测噪声统计特性的精度因子自适应地调整粒子权值的分布,降低粒子退化程度,提高了滤波精度,适用于非线性非高斯系统模型的滤波问题。将提出的算法应用于SINS/SAR组合导航系统中,与扩展Kalman滤波和粒子滤波比较,仿真结果表明,自适应Sage-Husa粒子滤波能提高导航系统定位的解算精度,得到的东向和北向定位误差控制在?5.3m附近,其性能明显优于扩展Kalman滤波和粒子滤波。     

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。     

超平面滤波算法在GPS/INS组合导航系统中的应用研究

针对GPS／INS组合导航系统的滤波算法误差较大，在对常用的卡尔曼滤波算法进行总结和分析的基础上，给出了卡尔曼滤波的本质，提出了一种利用超平面调整卡尔曼滤波器的方法。以GPS／INS组合导航系统为例进行了仿真，结果表明：该方法既能抑制滤波发散，又能提高滤波精度。     

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.     

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.     

低成本GPS/DR容错组合导航系统设计

GPS信号易受建筑物或树木遮蔽,而低成本的MEMS惯性元件随机漂移大,性能随温度急剧变化,采用一般的Kalman滤波器融合GPS和低成本MEMS惯性元件信号,构成GPS/DR组合导航系统很难满足导航系统的容错和精度要求。针对GPS和MEMS惯性元件构成的低成本GPS/DR组合导航系统,设计了容错UKF/KF联邦Kalman滤波算法,提高了组合导航系统的定位精度和抗干扰能力;针对MEMS惯性元件随机漂移大的缺点,采用零偏试探消减算法,抑制了MEMS惯性元件的随机零漂,提高了MEMS惯性元件的精度。仿真结果表明,基于该算法的GPS/DR组合导航系统的定位精度高,抗干扰能力强,在GPS信号中断的情况下导航系统仍可在短时间内保持较高的定位精度。     

激光捷联惯导系统/地形辅助导航系统中卡尔曼/粒子组合滤波算法设计及仿真

粒子滤波技术是近几年出现的一种非线性滤波技术，它适用于非线性系统以及非高斯噪声模型。结合粒子滤波和卡尔曼滤波各自的优点，给出了一种卡尔曼／粒子组合滤波器，并将这种滤波器应用到激光捷联惯导（LSINS）／地形辅助导航（TAN）数据融合过程中，避免了地形复杂的线性化问题。仿真结果表明，系统的定位精度得到了明显提高。应用粒子滤波器及其改进算法解决了导航系统中存在的强非线性问题。     

UKF在深组合GPS/INS导航系统中的应用

采用联邦滤波的深组合GPS/INS导航系统预滤波器量测模型具有很强的非线性,导致扩展卡尔曼滤波（EKF）的预滤波器估计精度不高。Unscented卡尔曼滤波（UKF）方法是一种非线性分布近似方法,它使用有限数量的sigma点去逼近整个非线性动态系统的分布可能,从而避免了对非线性测量模型进行线性化,具有较高的精度和较好的鲁棒性。在分析深组合导航系统预滤波器模型和UKF原理的基础上,设计了基于UKF滤波算法的预滤波器,对码相位误差、载波相位误差、载波频率误差、载波频率变化率等参数进行估计,同时将UKF和EKF算法进行了仿真比较。结果表明,在深组合导航系统中使用UKF滤波比EKF有更高的导航定位精度。     

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.     

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。     

一种容错联邦滤波算法在INS/GPS/Doppler组合导航系统中的应用

本文提出了一种联邦滤波器的容错滤波算法,并在ＩＮＳ／ＧＰＳ／Ｄｏｐｐｌｅｒ 组合导航系统中进行了计算机仿真。仿真结果表明,该算法具有与集中卡尔曼滤波同等的导航精度,同时具有较强的容错性。     

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。     

INS/CNS/GPS组合导航系统仿真研究

研究了INS／CNS／GPS组合导航系统的原理和特点，对组合导航系统进行了计算机仿真，提出了采用平台失准角、INS与GPS的位置之差和速度之差作为观测量的方法。采用卡尔曼滤波技术，可以估计出平台的失准角、惯性器件误差及导航参数误差。仿真结果表明：通过校正惯导平台、消除导航参数误差，可以大大提高了系统的导航精度。     

INS／GPS／CNS组合导航系统的自适应滤波技术研究

本重点研究了状态与偏差解耦估计的自适应滤波算法在ＩＮＳ／ＧＰＳ／ＣＮＳ组合民航系统中的应用问题。由于组合导航系统参数往往与实际的物理过程具有一定的偏差,因此采用常规的卡尔曼滤波算法常会发生滤波发散现象。本提出一种自适应滤波算法,并应用于组合导航系统。仿真结果表明,自适应滤波可以有效地抑制滤波发散,增强系统方案对环境的适应性,大大提高组合导航系统的精度。     

粒子滤波及其在导航系统中的应用综述

传统的扩展卡尔曼滤波方法要求对非线性系统近似线性化,有可能会引入较大的模型误差.应用粒子滤波解决了这一问题.该算法可以直接应用于原系统的非线性模型当中,并且不需考虑系统噪声和量测噪声是否为高斯白噪声,都能得到很好的滤波效果.文中介绍了粒子滤波的理论基础-贝叶斯估计及具体的实现方式-蒙特卡罗方法;指出粒子滤波存在的退化问题,并从减小退化现象入手将重要性采样和再采样方法引入到算法之中;最后阐述了粒子滤波在导航系统中的一些应用.     

自适应惯性组合导航系统研究

本文研究惯性／位置组合导航技术，给出在线估计未知噪声统计参量的自适应卡尔曼滤波算法（ＡＫＦ）。首先建立组合导航系统直线飞行段和机动飞行段数学模型，并给出相应滤波算法，仿真结果证明了组合导航估计算法的可行性。所得结论对惯导／地形匹配、惯导／ＧＰＳ组合导航的研制有实用意义     

基于高斯混合无迹粒子滤波的地形辅助导航算法

地形辅助导航是一种利用地形高度信息定位的导航技术,由于地形高度起伏是非线性的,因此地形辅助导航本质是非线性、非高斯贝叶斯后验概率估计问题.粒子滤波因为适合非线性、非高斯估计问题,被引入地形辅助导航领域得到广泛研究和应用,但粒子滤波算法存在粒子匮乏的问题,会影响定位精度.针对此问题,将高斯混合无迹粒子滤波( GMUPF)用于地形辅助导航,该算法用高斯混合模型(GMM)近似粒子分布,用无迹卡尔曼滤波(UKF)估计重要密度函数,不需要做重采样.通过用实际地形数据做飞行仿真实验,结果显示相比粒子滤波,不仅没有粒子匮乏问题,而且所用粒子数更少时估计精度略好.