基于改进Sage-Husa自适应滤波算法的SINS/DVL组合导航

捷联惯性导航系统（SINS）与多普勒计程仪（DVL）组合导航时需考虑量测数据异常问题。针对该问题，设计一种基于渐消因子动态调整的改进Sage-Husa自适应滤波。此滤波旨在解决自适应滤波估计量测噪声参数性能对渐消因子依赖性强的问题，提升DVL量测信息异常情况下的导航精度。实验结果表明，基于渐消因子动态调整的改进Sage-Husa自适应滤波，在DVL数据异常的复杂环境中仍可具有较好的信息处理能力，导航性能提高显著，实现高精度的组合导航，具有一定的研究与参考价值。     

野值存在下的BP网络自适应卡尔曼滤波

提出了一种抗野值的BP网自适应卡尔曼滤波算法.通过BP网络对新息序列的方差和均值的速率进行在线实时监测计算,输出一组加权系数对新息做修正处理,从而有效地抑制了野值对滤波器的影响.仿真证明该算法保持了新息的统计特性,提高了滤波器的精度和稳定性.     

北斗载波相位时间差分/SINS紧组合技术与实验研究

说明北斗系统有源定位模式的不足,提出一种基于载波相位时间差分的北斗/SINS紧组合导航技术,即以导航卫星载波相位信号的时间差分作为Kalman滤波器的观测量,建立工作于无源方式的北斗/SINS紧组合导航系统。介绍载波相位时间差分的基本原理和数学模型,设计组合导航滤波器。通过动态和静态实验对算法的正确性和精度进行验证。实验结果表明,SINS的位置和速度误差积累受到有效的抑制,导航精度明显提高。     

多普勒雷达测速信号滤波方法分析

针对四波束多普勒雷达测速信号的特点,提出了适用于光纤捷联惯导/多普勒雷达/气压高度表组合导航系统应用的多普勒雷达测速信号滤波方法.分别分析了卡尔曼滤波、经典数字滤波和小波变换滤波方法在从含有噪声和野值的多普勒雷达测速信号中提取出原始信号的特点,并对实际跑车试验中测得的多普勒雷达测速数据进行了滤波处理.结果表明:小波滤波方法在降噪以及剔除野值方面性能更好,更能适用于组合导航中对多普勒雷达测速信号的精度要求.     

改进的联合Kalman滤波及其在组合导航中的应用

以组合导航为应用背景,对联合Kalman滤波进行了改进,每循环Ⅳ次,就用主滤波器的估计值来修正子滤波器的值,以改善滤波器的性能,提高组合导航系统精度,并且大大减小收敛时间,提高其效率.最后将该方法应用于GPS/INS/LORAN-C组合导航系统中,仿真结果表明该方法是有效的.     

一种高超声速飞行器组合导航新方法

针对传统INS/CNS/GNSS组合导航3个异质传感器进行信息融合主滤波器易发散以及高超声速飞行器的特性,设计了由惯导与卫星导航深组合构成子滤波器1、惯导与间接敏感地平天文导航构成子滤波器2的SINS/CNS/GNSS组合导航新方法;详细推导了基于联邦滤波的位置、速度、姿态组合算法的观测矩阵的具体形式,最后对系统进行了仿真.仿真结果表明,该方法实现了精度和可靠性的有效一致,位置、速度和姿态精度较高,而且滤波器比较稳定.     

快速传递对准的抗野值方法研究

快速传递对准对滤波精度与收敛速度有着严格的要求,而测量野点的存在会严重破坏传递对准的精度。提出了一种新的抗野值滤波方法,在线取测量信号的一个小区间,采用正向对称延拓的方法构成新序列并对其进行小波阈值去噪,检测出野点,用前几个周期的信号构造新的测量值进行Kalman滤波,有效地剔除了野点的影响,滤波系统保持了很好的精度,满足了传递对准的要求。     

车载捷联惯导/重力匹配/高度计组合导航方法

研究了一种基于捷联惯导、重力匹配和气压高度计进行车载组合导航的方法。建立了重力匹配导航的误差模型,将重力匹配获得的水平位置、高度计输出的高度与捷联惯导输出的对应信息相减作为量测,采用Sage-Husa自适应滤波进行组合导航滤波设计,并针对重力匹配导航非等间隔输出问题,对滤波方程进行了改进。仿真结果表明,该组合导航方法具有较高的导航定位精度,自主性强,抗干扰性好,在军用领域具有良好的应用前景。     

一种抗野值的UPF算法

为解决野值对滤波效果产生的不利影响,从改进粒子滤波器提议分布(proposal distribution)的容错能力入手,提出一种抗野值的UPF(unscented particle filter)算法.提出的抗野值容错算法将抗"飞点"的UKF(unscented Kalman filter)算法作为野值环境中的粒子取样策略,通过抗"飞点"UKF算法中引入的门限函数向量对新息的控制,进而实现UPF算法对野值容错的目的.仿真实验验证了所构造的容错滤波算法的有效性和实用性.     

基于SINS/DVL/GPS的AUV组合导航技术

为了提高自主水下航行器组合导航系统的精度,选择了捷联式惯性导航系统(SINS)和多普勒速度声纳(DVL)导航为主、GPS卫星导航系统为辅的组合导航方法.通过Kalman滤波技术对组合导航的误差状态进行了估计,并采用反馈校正的方法修正SINS的导航误差.仿真结果表明SINS/DVL/GPS的组合导航可以有效地提高水下航行器SINS/DVL组合导航系统的导航精度,满足AUV远距离航行的精度需求.     

基于强跟踪扩展Kalman滤波的X射线脉冲星导航定轨精度研究

为提高X射线脉冲星导航定轨精度,依据脉冲星导航原理,建立了X射线脉冲星自主导航系统的状态方程和观测方程,提出用强跟踪扩展Kalman滤波（Strong Tracking Extended Kalman Filter,STEKF）替代扩展Kalman滤波,并对3颗脉冲星卫星运行的位置和速度估计进行了仿真实验。仿真结果表明：STEKF具有使滤波器能够自适应地校正估计偏差并迅速跟踪状态变化的能力,有效地提高了卫星运动状态的估计精度和数值稳定性。     

基于微惯导随机误差时间序列建模的改进组合导航方法

针对低精度、低成本微机电惯性测量单元随机误差建模效果不理想会极大影响组合导航性能的难题,采用时间序列分析方法建立了微机电惯性测量单元随机误差的自回归滑动平均模型,通过对卡尔曼滤波器的状态变量进行增广,建立系统动力学方程和观测方程,实现对零偏误差的在线估计。实测数据分析验证了该随机误差建模的有效性。实测数据处理结果表明,该方法能够显著提高低成本微惯性解算外推精度,增强微惯性/卫星组合导航可靠性。     

GBAS中抑制电离层异常的改进自适应Hatch滤波算法

针对单频地基增强系统(Ground Based Augmentation System, GBAS)中电离层异常时Hatch滤波器平滑精度降低问题,系统分析了电离层延时对Hatch滤波器平滑精度的影响,提出一种改进自适应Hatch滤波算法。根据卫星信号计算码载偏离度,并利用二阶线性时不变低通滤波器抑制码载偏离度高频信号,以实现电离层异常实时检测;建立平滑后伪距误差均方根与电离层延时变化率、伪距测量噪声标准差以及平滑时间三者之间的函数模型,并由此确定出Hatch滤波器最优平滑时间。利用GBAS原理样机进行验证实验,结果表明:自适应Hatch滤波算法能够根据卫星信号电离层延时变化率确定滤波器最优平滑时间,且当电离层异常时,自适应Hatch滤波器机载位置误差最大由1.15 m减小为0.43 m,从而验证了所提算法的有效性。     

多传感器信息融合理论在无人机相对导航中的应用

为提升无人机的作战效能和作战指标,提升无人机的相对导航精度和导航系统可靠性,以无人机编队的相对导航系统为研究背景,基于容积卡尔曼滤波算法和信息滤波算法,研究容积信息滤波算法。此外,还采用多传感器信息融合理论,利用分布式信息融合结构构建了无人机相对导航滤波器,对来自惯导、视觉和卫星的信息进行融合,获取无人机间的相对位置、速度和姿态信息。该方法提升了无人机相对导航的导航精度、导航可靠性和滤波稳定性,容积信息滤波算法的应用避免了传统滤波算法在高维系统中出现的数值不稳定以及精度降低等问题。数学仿真结果表明,该方法提高了无人机编队之间相对导航的精度和可靠性,证明了算法的有效性。     

利用支持向量机的矢量跟踪通道故障检测算法

为了克服卫星导航矢量跟踪接收机中故障通道对其他正常通道的影响,提高矢量跟踪接收机的鲁棒性,提出一种利用支持向量机的通道故障检测算法,利用矢量跟踪接收机的导航滤波器的新息序列作为支持向量机的输入。支持向量机的输出为通道的状态,根据支持向量机的输出通道的状态来判断该通道是否纳入导航滤波器,用来跟踪滤波器状态值,这样能够有效地避免故障通道对导航结果的污染。仿真实验结果表明:该方法能准确地检测出有故障的通道,提高矢量跟踪环路的鲁棒性。     

两级滤波结构的导航卫星天线阵抗干扰算法

干扰和多径是影响接收机导航定位性能的两个主要因素。针对卫星导航接收机的抗干扰问题,提出了一种基于两级滤波结构的卫星导航天线阵抗干扰算法。第一级滤波采用功率倒置算法抑制干扰,通过相关解扩提高卫星信号的信噪比,并估计出其空间特征矢量。第二级滤波用估计得到的卫星信号空间特征矢量对第一级滤波输出信号进行加权处理,从而形成指向卫星信号方向的主波束来进一步提高信噪比。仿真结果表明,该算法的性能明显优于功率倒置算法,且非常接近传统的波束形成算法,不需要阵列校正以及姿态测量单元辅助,其实现代价远小于传统的波束形成算法。     

基于非线性技术的AUV组合导航新方法

针对小型AUV对低成本、微小型、高性能导航系统的需求,提出了一种基于MEMS技术的IMU/DVL组合导航新方法.分析了低成本惯性导航系统的特点和误差模型,为有效提高系统的导航精度引入多酱勒测速仪与微机械惯性测量单元相组合,并采用无迹卡尔曼滤波(UKF)算法设计组合导航系统的滤波器.仿真结果表明,基于UKF滤波的MEMS...     

基于多传感器信息融合理论的无人机相对导航状态估计方法

为提升无人机的作战效能和作战指标,提升无人机的相对导航精度和导航系统可靠性,本文以无人机编队的相对导航系统为研究背景,基于容积卡尔曼滤波算法和信息滤波算法,研究了容积信息滤波算法。此外,还采用了多传感器信息融合理论,利用分布式信息融合结构构建了无人机相对导航滤波器,对来自惯导、视觉和卫星的信息进行融合,获取无人机间的相对位置、速度和姿态信息。该方法提升了无人机相对导航的导航精度、导航可靠性和滤波稳定性,容积信息滤波算法的应用避免了传统滤波算法在在高维系统中出现的数值不稳定以及精度降低等问题。论文还进行了相应的数学仿真,仿真结果表明该方法提高了无人机编队之间相对导航的精度和可靠性,证明了算法的有效性。     

传递对准野值加权矩阵修正方法应用研究

卡尔曼滤波器广泛应用于传递对准中,在实际系统中,由于各种原因的影响,传递对准过程所采用的量测序列中会出现野值,量测序列中的野值会影响到滤波器的估计效果,使得滤波精度下降.为了解决该问题,采用一种加权矩阵的方法对量测信息中的野值进行了修正,仿真结果表明,该方法可以有效减弱野值对滤波效果的影响.     

基于机动识别的多级组合滤波器设计

针对机动目标滤波问题,利用基础的琢-茁滤波算法,建立了基于机动识别的多级组合琢-茁滤波算法.从工程可实现角度出发,重点阐述了组合滤波器的机动识别算法、野值剔除算法、机动识别与野值剔除启动算法,以及多级滤波器的切换规则.仿真结果验证了组合滤波算法的有效性.