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。     

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。     

简化UKF滤波在SINS大失准角初始对准中的应用

基于欧拉平台误差角的概念提出了大失准角误差条件下的捷联惯导系统（SINS）非线性初始对准误差模型,该模型无法再用经典的加性噪声模型描述。为了降低滤波计算量,在系统模型噪声和量测噪声均为复杂加性噪声并且量测方程是线性方程时,推导了简化的UKF（unscented Kalman filter）滤波方法,简化UKF滤波公式显示：除通过非线性状态方程使用UT（unscented transformation）变换进行状态及其方差预测外,其它滤波步骤与标准Kalman滤波完全相同。最后,对静基座下SINS初始对准进行了仿真试验,结果表明大失准角条件下的SINS误差模型和简化UKF滤波估计方法是有效的。     

基于模糊卡尔曼滤波量测噪声自适应校正的方法研究

针对噪声的统计特性与实际不符时滤波器发散的现象，提出了一种适用于导航、制导以及其它控制系统的模糊自适应卡尔曼滤波器。基于模糊规则自适应改变测量噪声方差R，实现滤波器参数的在线改进，以缩小实际的滤波误差，提高滤波精度。     

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。     

自适应Kalman滤波在SINS初始对准中的应用

为了提高捷联惯导系统的对准精度和收敛速度,提出了一种基于Sage-Husa自适应滤波算法的初始对准方法。针对方位小失准角的情况,推导出精对准误差模型和自适应Kalman滤波方程。常规Kalman滤波算法,在噪声统计特性已知的情况下,使用比较方便;多数情况下,噪声统计特性是处于未知状态,从而引入自适应Kalman滤波算法。它利用观测到的数据自动进行噪声统计特性的在线估计和修正,使系统达到最佳的滤波效果。通过仿真验证,该自适应滤波算法有效地提高了收敛速度和对准精度。     

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。     

基于小波变换阈值法处理光纤陀螺信号噪声

小波具有多分辨率分析特性,利用小波变换阈值滤波可以有效地处理光纤陀螺信号的噪声。具体的仿真实验分析比较表明,小波变换阈值滤波可以有效地剔除光纤陀螺的信号噪声;与传统的数字低通滤波方法相比,去噪效果更好。利用Allan方差法并通过最小二乘拟合可得到陀螺信号噪声中各误差源的幅度;通过比较滤波前后的各误差系数的具体数值,进一步证实了小波变换阈值滤波的有效性;并指出通过小波分析可以显示出陀螺信号中低频噪声的发展趋势。     

陀螺寻北仪中测量信号的在线建模与滤波

针对光纤陀螺寻北仪中光纤陀螺(FOG)和加速度计的随机误差,采用改进型二阶自回归AR(2)模型,在线建立了光纤陀螺和加速度计随机误差模型。根据该模型,建立了FOG陀螺寻北仪的12阶Kalman滤波器,实现了两个FOG和两个加速度计测量信号在寻北过程中的实时滤波。仿真、Allan方差分析与寻北试验结果表明:FOG信号中随机游走、零偏不稳定性、变化率随机游走、变化率斜坡和量化噪声五项噪声源误差系数都小于滤波前的二分之一;在减小光纤陀螺和加速度计测量信号中的随机误差,提高其精度的同时,FOG寻北仪的寻北误差减小了0.3 mil。     

应用于城市环境的MEMS-INS/GPS紧耦合组合导航抗差滤波器（英文）

为了提高MEMS-INS/GPS紧耦合组合导航系统在城市区域中因为GPS信号短时中断或被干扰时的性能，提出了一种基于Kalman滤波的抗差滤波器模型-Kalman抗差滤波器。在Kalman抗差滤波流程中，构建了具有误差检测和分离功能的Kalman滤波器来应对包括伪距和伪距率等GPS测量的突发故障，通过自适应因子向量调整测量噪声获得高精度的导航解。在城市公路上开展了现场试验，对Kalman抗差滤波器的可用性进行了测试。相较于常规的Kalman滤波器，使用Kalman抗差滤波器的紧耦合组合导航系统水平位置误差下降超过30%，高程位置误差的降低大约50%，速度误差下降了17.5%。Kalman抗差滤波器能够有效的降低城市区域中MEMS-INS/GPS紧耦合组合导航系统的导航解误差。