一种基于预测滤波器的自适应卡尔曼滤波算法

针对系统过程噪声统计特性不确切或未知的条件下,研究了一种基于预测滤波器的自适应卡尔曼滤波算法。由预测滤波器实时估计系统模型误差及其协方差矩阵,再用其修正系统状态预测值及预测误差协方差矩阵,从而自适应调节卡尔曼增益。将该算法应用于弹载SINS/GPS紧耦合组合导航系统并与普通卡尔曼滤波、基于新息的移动开窗自适应卡尔曼滤波进行了对比,仿真结果说明该自适应滤波算法具有更高的可靠性和精度。     

SINS/GPS 组合导航系统的修正自适应滤波方法

模型误差和噪声是导致SINS/GPS组合导航计算发散的主要原因.提出了一种适用SINS/GPS组合导航计算的残差监控加权修正自适应卡尔曼滤波方法,利用滤波残差的均值和方差不断对卡尔曼滤波的状态噪声方差阵和测量噪声方差阵进行实时修正,提高了滤波器对模型不确定性和噪声变化的适应能力和鲁棒性,显著改善了组合导航系统的定位精度.通过SINS/GPS组合导航系统仿真,验证了方法的可行性.     

低成本SINS/GPS组合导航系统仿真

捷联惯导系统(SINS)由于受到自身传感器性能和惯性导航原理的影响,导航定位误差较大。随着GPS导航系统性能的不断完善以及GPS固有的一些不足之处,将SINS和GPS两者进行组合形成组合导航系统,以此来完成载体的导航任务成为目前的研究热点。针对一种适合于工程应用的低成本SINS/GPS组合导航系统进行了仿真研究,并对该组合导航系统建立了一种工程化的系统模型。利用自适应卡尔曼滤波器对系统误差进行估计,获得了良好的效果。通过仿真实验验证了所建立的系统模型能够满足组合导航系统的功能要求并具有良好的稳定性。     

SINS/DR组合导航系统可观测性研究

对SINS/DR组合导航系统的误差方程进行了介绍。将陀螺漂移、加速度计零偏和里程仪刻度系数误差扩展为卡尔曼滤波器的状态,建立了19维状态的组合导航滤波模型。采用分段线性定常系统(PWCS)分析了载车在各个不同运动特性下SINS/DR组合导航系统的可观测矩阵;利用奇异值分解(SVD)分析法定量地分析了SINS/DR导航系统的可观测度。通过系统仿真预测了位置误差、姿态误差和速度误差的滤波效果,仿真结果表明,位置误差、姿态误差和速度误差的估计效果较好。     

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.     

联邦滤波器的SINS/GNS/DVS水下组合导航

针对现有的水下导航系统不能全面满足AUV导航的需要,为了提高水下航行器组合导航系统长时间远航程的隐蔽性,可靠性及精度,提出了一种基于联邦滤波器的惯性导航系统、地磁导航、多普勒速度声纳的组合导航方案,并采用简化自适应卡尔曼算法对水下航行器组合导航系统进行误差估计,解决了传统卡尔曼滤波容易发散的问题.仿真结果表明,在SINS/GNS/DVS组合导航中采用该算法,提高了定位精度,保证了滤波的快速性,验证了该算法的可行性和正确性.     

组合导航系统的神经元信息融合模型

提出了一种基于神经元状态融合的组合导航系统信息融合模型 ,给出了神经元融合权重在线自适应学习算法。将该模型应用于车载SINS/GPS组合导航系统 ,通过仿真计算和实验室静态组合导航实验 ,验证了该信息融合模型及融合权重在线自适应学习算法在实际应用中的有效性和可行性。     

高动态环境下基于H_∞滤波的深组合导航技术

捷联惯性导航系统(SINS)/全球定位系统(GPS)组合导航系统是适用飞机和现代武器装备的高精度导航系统。针对高动态环境下GPS/SINS组合导航系统的定位精度问题,以炮射无人机为例提出基于H∞滤波技术的SINS/GPS伪距、伪距率深组合导航方案,用于提高高动态环境下组合导航系统的精度和鲁棒性。仿真结果表明,H∞滤波器不但比Kalman滤波器鲁棒性强,而且可用于带有强有色噪声的高动态系统中,并能保持较高的精度。     

一种模糊自适应INS/GPS组合导航方法

提出了一种基于模糊逻辑的自适应卡尔曼滤波新算法,即基于滤波数据残差构造一种模糊算法,以自适应控制卡尔曼滤波器的增益系数。从而可以消除异常的测量数据带来的影响,使滤波器的残差始终保持零均值,且使估计误差的协方差阵收敛,最终实现最优估计。通过对INS/GPS组合导航系统的计算机仿真结果表明,该算法具有比常规卡尔曼滤波算法更高的导航精度。     

车辆兵器GPS/DR/DM组合导航系统的研究

研究了GPS/DR/DM组合导航系统在车辆兵器上的应用,通过分析GPS(GlobalPositioningSystem)和DR(Dead-Reckoning)各自导航、定位的原理及特点,以及DM(DigitalMap)的特点,设计了一种新型的低成本车辆兵器GPS/DR/DM组合导航系统,并且用自适应的扩展卡尔曼滤波器对组合系统进行了仿真实验,证明了本系统的可行性。结果是车辆兵器GPS/DR/DM组合导航系统无论从精度还是可靠性来说较常规的导航系统都有明显的改善和提高,充分说明GPS/DR/DM组合导航系统是一种很有应用前景的车辆兵器导航系统。     

车辆导航Kalman滤波衰减因子自适应算法实现

系统介绍了车辆导航系统中卡尔曼滤波器的设计,给出了误差校正的方法.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INS/GPS组合导航系统中进行了计算仿真,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.     

GPS/SINS组合导航系统的故障检测与识别

针对GPS/SINS组合导航系统的故障检测与识别,提出一种层次滤波器结构,该结构包含主、子滤波器两个层次,使用不同的卫星量测信息.通过监测主、子滤波器的故障检测结果,识别出具体的故障卫星,利用未包含故障星的滤波器可进行不中断导航.完成了基于层次滤波器结构的GPS/SINS滤波算法和故障检测算法设计,将该方案应用于伪距组合的GPS/SINS紧耦合系统,仿真结果表明当只存在4颗可见星时,该方案仍能有效地检测和识别单颗卫星故障,增强了系统的完好性;同时仿真验证了该结构具备检测两颗以上卫星故障的能力,但不能识别具体的故障星.     

基于BP人工神经网络的GPS/SINS组合导航算法

基于扩展Kalman滤波的GPS/SINS组合导航算法,需要对原始的非线性连续系统模型进行线性化和离散化处理,要求系统噪声和测量噪声为零均值的高斯白噪声,且易于出现滤波器发散。BP人工神经网络无需对所求解的问题建模,能够很好地逼近系统非线性特性,获得较高精度的导航定位信息;还具有计算过程稳定,不涉及矩阵求逆,不需要迭代逼近,以及容易实现并行处理等优点。设计适用于GPS/SINS组合导航系统的BP网络模型,并在标准的BP算法基础上,采用共轭梯度法改进网络训练速度及精度。最后,通过仿真算例说明BP网络方法用于GPS/SINS组合导航计算的可行性。     

EKF在SINS/GNSS深组合导航中的应用

为了在卫星较少条件下也能提供连续稳定、精度高的导航,建立了一种基于扩展卡尔曼滤波器(extended Kalman filter,EKF)的捷联惯导系统(strapdown inertial navigation system,SINS)/全球导航卫星系统(global navigation satellite system,GNSS)深组合导航系统,并对该系统所采用的导航结构、状态估计算法等进行研究设计。最后,在战术级条件下,分别对单独的SINS,SINS/GNSS松组合导航系统和SINS/GNSS深组合导航系统进行仿真验证,并对导航结果进行对比分析。从仿真结果可以看出,深组合导航系统位置误差约为0.3 m,速度误差约为0.01 m/s,姿态误差约为0.005°。对比分析可知深组合导航精度更高,且不受卫星个数条件影响,具有很高的实用价值。     

无源北斗组合导航算法对载体机动的适应性

研究了自适应滤波定位算法,以便减小大机动时组合导航系统的定位误差。首先,在仿真分析组合导航算法的基础上,提出了模糊逻辑自适应滤波方案。然后,通过仿真获取系统知识,建立模糊逻辑算法调整滤波器驱动噪声方差,实现滤波定位模型对用户机动的适应性。最后,通过仿真验证,模糊逻辑自适应滤波算法能够根据用户机动情况实时调整卡尔曼滤波器的驱动噪声方差参数,并能有效提高组合导航系统机动时的定位精度。     

SINS/北斗/GPS组合导航系统研究

对SINS、北斗双星定位系统以及GPS全球定位系统三者的组合进行了研究.应用联邦自适应卡尔曼滤波技术实现了SINS、北斗和GPS的组合导航,建立了组合导航系统的数学模型,并针对系统产生的量测延时和异步问题给出了较好的解决方案.最后对系统进行了仿真试验,仿真结果表明该组合导航系统具有较高的精度和容错性能,此方案具有较好的工程应用价值.     

差分GPS/惯导组合导航系统

本文简述了提高GPS定位精度和系统性能的两条主要技术途径(差分GPS、GPS/INS组合)的特点和问题,提出了差分GPS/惯导组合系统方案,研究了组合系统的卡尔曼滤波器设计并作了计算机模拟仿真。仿真结果表明,差分GPS/惯导组合导航系统可以达到1～2米的实时定位精度。     

GPS/INS组合导航在制导火箭弹中的应用

为实时、精确获得火箭弹飞行过程中的状态参数,针对火箭弹的导航环境,研究了GPS/INS组合导航系统在制导火箭弹中的应用,建立了组合系统的动态方程及位置、速度组合误差模型,采用卡尔曼滤波器对该组合系统进行最优估计并进行了仿真分析。仿真结果表明,组合导航系统能为火箭弹制导提供高精度的位置姿态信息,进而为控制系统提供较精确的测量信息,从而大大提高了火箭弹的射击精度。考虑到导航系统成本较低、工作可靠,算法可以实时实现,因此研究结果具有一定的实际应用价值。     

基于神经网络的组合导航系统故障检测方法

将状态X2 检验(SCST)和Fuzzy ARTMAP神经网络方法相结合作为INS/GPS组合导航系统的故障检测新方法,该方法通过实时监测组合导航系统的状态分量,提取出故障的特征值,再对故障的特征值模糊化后作为Fuzzy ARTMAP神经网络的输入来实时确定故障的类别.Fuzzy ARTMAP神经网络采用离线有导师训练方法,利用已知的故障类型对神经网络进行离线训练,在应用中可以快速识别这些常见故障.针对在应用中发现新的不常见的故障类型,神经网络通过先识别,再学习,再训练的步骤完善其本身性能.通过对仿真试验结果的分析验证了该方法的可行性.     

级联SINS/GPS系统的相关卡尔曼滤波

针对级联式 SINS/ GPS导航系统中组合滤波器的测量噪声与系统噪声的相关问题 ,提出了一种相关程度未知条件下的估计量最优融合算法 ,并由此得到了一个顾及噪声相关性的卡尔曼滤波新算法。通过对一套 SINS/ GPS数据的计算 ,证明了新算法是成功的