基于Allan方差解耦自适应滤波的旋转SINS精对准方法

对旋转式SINS精对准方法进行了研究,由于转位机构转动干扰以及惯性器件误差不确定性带来的影响,旋转式SINS状态方程和量测方程噪声方差参数难以确定,进而导致初始对准精度降低,针对这个问题引入自适应Kalman滤波技术。Sage-Husa是一种常用的自适应滤波算法,但是存在噪声参数强耦合缺陷。通过研究Allan方差与量测噪声方差之间的关系,利用Allan方差滤波器具有带通滤波的特点,独立计算量测噪声协方差阵R_k,该方法能够有效克服Sage-Husa滤波耦合问题,相比其它改进方法具有简单易实现等特点。对该研究进行了仿真实验与实际系统验证实验,结果表明:对于中等精度光纤陀螺单轴旋转SINS,自适应Kalman滤波算法航向角对准精度比标准Kalman滤波算法精度要高0.6’左右,且在误差估计过程中,自适应Kalman滤波器能够更好地抑制外界干扰误差的影响,是一种较好的精对准方法。     

光纤陀螺信号的解耦自适应Kalman滤波降噪方法

针对光纤陀螺(FOG)输出信号的随机噪声问题,提出了一种解耦自适应Kalman滤波方法用于FOG信号降噪。方法采用Allan方差分析法估计量测噪声的方差参数,Kalman滤波过程与量测噪声方差的估计过程完全独立,避免了Kalman滤波器与量测噪声估值器间的相互耦合。利用时间序列分析法对FOG的随机噪声进行建模,并在建立的二阶自回归模型的基础上,采用本文滤波方法对采集的FOG实测数据随机噪声进行了试验验证。与传统方法相比,提出的滤波方法具有更好的降噪效果,噪声均方误差降低40%以上。     

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。     

基于阵列MEMS磁传感器的测量与标定方法

针对MEMS磁传感器存在测量噪声大的问题,利用MEMS磁传感器体积小的特点,设计了阵列形式的MEMS磁传感器测量模块,减小了测量噪声对标定结果的影响。通过合理的硬件设计,实现同一时刻采集32个MEMS磁传感器信号。在硬件设计基础上,通过对阵列MEMS磁传感器建模与分析,设计了基于阵列MEMS磁传感器的标定方法。通过仿真及实物系统实验,验证了所提出方法的有效性。系统实验结果表明,采用阵列MEMS磁传感器标定结果的归一化模值标准差较单个磁传感器减小了70%。     

基于自适应联邦滤波的传递对准算法

为了提高传递对准的对准速度和对准精度,研究了基于自适应联邦滤波的"速度 姿态角"传递对准的算法,在状态变量中加入了安装误差角和挠曲变形角,在算法中进行了估计并补偿。为了保证滤波的实时性,采用联邦滤波的方法,分别建立了速度匹配子滤波器、姿态角匹配子滤波器和主滤波器的模型,给出了状态方程和量测方程。在子滤波器中利用模糊控制器对噪声特性进行了自适应调整以解决系统噪声和量测噪声是未知情况下滤波发散或者精度不高的缺点从而增强系统的鲁棒性。最后在载体匀速直线加三轴摇摆的运动模型下进行了仿真,结果表明该方法能够有效地估计安装误差角和部分挠曲变形角,并且能够以一定精度完成初始对准。     

基于峭度和自适应滑动窗的陀螺动态特性分析方法

针对运用动态Allan方差法进行陀螺随机误差分析时由于采用固定窗函数截取信号,导致信号跟踪效果与方差估计置信度不能同时兼顾的问题,提出了一种根据信号短时非平稳度自动调节窗宽的改进算法。首先运用截断窗内数据的峭度值表征陀螺输出的短时非平稳性,以随时间变化的峭度值为变量构造窗宽截取函数,再将陀螺量测信号中的随机误差分离出来,应用窗宽函数智能选取合适的窗长,用其来截取信号并按照一定的时间顺序分段计算Allan方差,最终将其绘制在时间、相关时间和Allan方差三维一体的图中。仿真和陀螺实测数据表明:新算法在保证动态跟踪效果不变的前提下,将中、低频噪声系数的辨识准确度提高了50%以上。     

基于阈值分解的中值滤波方法

利用信号统计的方法．提出了一种新的中值滤波方法．既能滤除退化图像中的脉冲噪声．又能更好地保护图像边缘等有用信息。新方法采用局部方差判断噪声点的阈值，从而实现了局部自适应的滤波。实验结果表明．本方法对图像脉冲噪声的消除十分有效，对于图像边缘的保护也较好。     

基于自适应FLP滤波的金属谐振陀螺信号处理方法

针对传统前向线性预测(FLP)滤波在金属谐振陀螺信号处理中,无法解决收敛速度和稳态误差之间矛盾且动态滤波效果较差的问题,提出了一种基于自适应FLP滤波信号处理方法。首先采用Allan方差对陀螺原始信号进行分析,得出不同噪声占比;然后采用自适应FLP滤波方法,通过建立补偿因子与估计误差的非线性关系,实时调整步长因子大小,修正滤波误差;最后用自研的金属谐振陀螺惯性系统试验验证该方法的有效性。试验结果表明:自适应FLP滤波方法可抑制量化噪声、角度随机游走和零偏不稳定性等。降噪效果比传统FLP滤波方法更为明显,收敛速度更快,动态时自适应FLP滤波方法降噪效果是传统FLP滤波方法的1.95倍,该方法可有效提高金属谐振陀螺的性能。     

基于小波方差的MEMS IMU随机误差模型间接估计方法

MEMS IMU(Mirco Electro Mechanical System Inertial Measurement Unit)微机电惯性测量模块广泛应用于组合导航系统,其中MEMS IMU随机误差模型的准确性对导航精度有着重要的影响。针对Allan方差法在估计随机误差模型方面的不足,研究了间接估计方法。该方法以Daubechies离散小波变换与间接推断原理为基础,根据小波系数的零均值平稳特征,对分解尺度进行确定,将小波方差作为间接估计辅助参数,分析了最优估计准则的渐近一致性,最后使用高斯牛顿法对估计结果进行校正,获得满足渐近一致性的随机误差模型参数估计结果。仿真结果表明,间接估计方法提高了随机误差模型的估计精度,其中一阶马尔科夫过程的相关时间估计精度提高了12.383%,解决了一阶马尔科夫过程模型的准确估计问题。通过试验结果分析,进一步证明了以上结论。     

基于方差分量估计的多模GNSS/声学联合定位方法

由于海洋环境的特殊性,现阶段通常采用卫星定位与声脉冲测距相结合的方式建立海洋大地测量控制网。针对BDS/声学联合定位海底点时存在收敛慢、精度受限等问题,提出融合BDS、GPS、Galileo多系统观测数据的多模GNSS/声学联合定位方法,并进一步引入Helmert方差分量估计,以改善因随机模型不准确而影响融合定位性能的情况。采用海上实测数据和模拟水下测距数据进行了实验验证,结果表明:较之单BDS/声学定位模式,多模GNSS观测数据的加入可以加速组合滤波收敛,提高定位精度和稳定性;引入Helmert方差分量估计精化随机模型后,双系统模式下三维点位误差RMS值约为0.2 m,三系统模式下三维点位误差RMS值约为0.1 m,联合定位性能得到进一步提升。     

光纤陀螺随机误差的重叠分段Allan分析方法

针对光纤陀螺随机误差的特点,研究一种有效估计其各种噪声成分系数的Allan方差分析方法。首先,探讨了光纤陀螺随机误差分析中,Allan方差拟合系数为负的原因及利用经典方差方法分析的前提。而后,分析了连续分段的Allan方差分析方法。该方法针对每种噪声的不同相关时间对Allan方差曲线进行连续分段拟合,但方法人为分离了相关时间相近的噪声成分,因此将导致较大拟合误差。为此,提出基于重叠分段的Allan方差分析方法,方法根据Allan方差双对数曲线及噪声特点对相关时间进行混合重叠分段,将相关时间相近的不同噪声化为同一区段,同时为减小相邻区段噪声的方差贡献带来的拟合误差,拟合时将相邻的幂次项纳入拟合模型,提高了拟合精度。光纤陀螺实测数据的分析结果表明,该方法的拟合误差比连续分段Allan方差分析方法减小2/3。     

基于新息正交性自适应滤波的惯性/地磁组合导航方法

针对量测值存在野值以及量测噪声统计特性发生变化导致基于滤波的惯性/地磁组合导航系统滤波精度和稳定性下降的情形,提出一种基于新息正交性自适应滤波的惯性/地磁组合导航方法。首先通过新息过程正交性是否丧失进行量测值的野值辨识,然后对含野值量测值加权以减弱野值对系统滤波的不利影响,随后设置滑动窗口实时监测滤波器新息的动态变化以修正量测噪声方差,进而调整滤波器增益,提高系统的适应能力。仿真结果表明:在量测值存在野值以及噪声统计特性发生变化时,该方法能够抑制惯导系统的累积误差,并且得到的标准差指标相比标准EKF缩减至1/4左右,提高了组合导航系统的稳定性和适应性。     

一种基于惯性测量与自适应滤波的舰船升沉计算方法

针对舰船作业过程中升沉运动精确测量的应用需求,提出了基于惯性导航系统的升沉运动测量方案。针对海况变化条件下,传统固定滤波参数数字滤波器自适应性不足,以及存在相位偏移和幅值误差等问题,提出了一种结合互补方法的自适应数字高通滤波器。该滤波器基于先验知识与实时海况监测结果,可自适应调整滤波器参数。首先通过一滑动监测窗口对海况进行实时监测,并对滤波器参数进行实时自适应调整;随后对加速度测量值进行2次积分与3次自适应高通滤波,滤除低频误差,保留有效高频升沉运动。不同海况条件下的仿真与试验验证了测量与滤波方案的可行性。试验结果表明:新滤波方法相比传统方法,能根据海况实时自适应调整滤波参数,升沉运动相位误差和幅值误差减小,仿真实验中幅值误差缩减约10倍,模拟试验中幅值误差缩减约2倍,测量精度精确到厘米级。     

基于自适应UKF算法的MEMS陀螺空中在线标定技术

为保证微型卫星定位应用中系统精度与稳定性,需要对姿态传感器进行实时在线标定.在无外界姿态参考时,提出一种用三轴磁强计测量值来实时估计MEMs陀螺的零漂误差的方法,采用UKF滤波算法,将陀螺漂移作为滤波状态向量,通过建立三轴磁强计测量微分方程,作为系统量测方程实现陀螺漂移的最优估计.针对磁强计测量信息易受干扰导致滤波量测模型不准确的问题,将自适应因子引入到UKF中,通过在线监控和调整测量误差,减少陀螺标定的估计误差,增强系统性能.实验结果表明,经过标定,MEMS陀螺精度提高约30%,并且在磁强计有外界干扰时,陀螺的标定结果收敛.将标定后的MEMS陀螺进行姿态解算,其动态误差小于2°.     

基于卡尔曼滤波的信息融合算法优化研究

通过比较采用联邦卡尔曼滤波的状态向量融合和量测信息融合,得出量测信息融合优于状态向量融合,因为只有当卡尔曼滤波一致时状态向量融合才有效.采用基于最小均方差估计的观测值加权融合法融合了多传感器数据,保持了观测向量的维数.这种方法具有高效性.为了提高该算法的速度和精度,对系统的量测空间进行了等价变换,而等价系统的状态空间却没有改变.给出了等价变换前后的系统误差方差阵和状态估计均一致性的证明.把矩阵分析中的L-D分解算法运用到该算法中以避免计算矩阵的逆,从而改善了算法的稳定性和精度.举例验证了所设计算法的这些优点,给出了采用联邦卡尔曼滤波和所优化滤波算法的状态估计和误差的仿真结果,并依次进行了分析.经过这种优化,算法的精度和速度得到很大提高,已经应用到实际工程中.     

基于自适应卡尔曼滤波的简化地磁定轨

地磁定轨对追求低成本、高功能密度比的微小卫星具有较重要的价值,但是目前地磁定轨尚存在计算量大、易受各类误差影响导致精度过低等不足。在分析轨道动力学方程误差量级的基础上,建立了简化的状态转移矩阵,根据地磁模型分析了地磁强度随着阶次变高,梯度显著变小的特点,提出了高阶截断的简化地磁测量方程;将复杂的磁强计测量误差近似建模成随机游走形式,用多项式对磁强计误差估计值进行实时拟合去噪,并辨识出磁强计误差的变化特征作为自适应卡尔曼滤波器的调节依据,提高了弱可观测地磁定轨的性能。数学仿真证明了简化地磁定轨模型的有效性,自适应滤波器能够更精确地实现定轨计算,定位精度约为6 km,测速精度约为4 m/s。