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。     

自适应补偿H_∞滤波器在组合导航中的应用

针对传统递推式鲁棒H∞滤波收敛条件在工程中较难满足的问题,提出了一种自适应补偿的递推式鲁棒滤波算法。在分析滤波器收敛条件的基础上,对滤波器中迭代矩阵进行补偿程度自适应的修改,并结合实际系统要求给出了滤波误差定量度量指标,即响应时间、偏离度、波动程度,以验证算法的正确性。GPS/IN S等组合导航系统仿真结果表明,此方法滤波误差下降速度、无偏性及平稳性均优于改进前滤波算法,且计算量几乎不增加;此方法克服了收敛条件不满足导致滤波精度下降的缺陷,扩大了递推式鲁棒滤波的应用范围,具有较大的工程应用价值。     

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.     

基于自适应Kalman滤波算法的航空发动机可测参数及其偏离量估计

针对采用估计可测参数偏离量建立航空发动机机载自适应模型的方案中,可测参数偏离量估计的问题,引入了CA(Constant Acceleration)模型,建立了简化的可测参数状态方程和测量方程,采用自适应Kalman滤波算法直接估计可测参数,由估计出的可测参数与发动机非线性模型计算的额定值之差,获得可测参数偏离量.为解决因简化的状态模型系统误差较大,采用标准Kalman滤波会出现估计严重偏离真值的问题,分析了标准Kalman滤波准则和状态模型误差对滤波结果的影响,采用动态调整状态预报在滤波估计结果中权重的策略,给出了单因子自适应Kalman滤波算法准则及递推公式,使滤波估计准确.对不同的可测参数分别采取序列滤波的方法,减少了运算量.以仿真产生的发动机测量数据为例,对系统模型和所设计的算法进行验证,计算结果表明,所设计的滤波算法具有很快的收敛速度和计算速度,结果优于标准Kalman滤波算法,具有更好的估计精度和一定的工程应用价值.     

基于自适应滤波的GPS/INS数据融合算法

研究了高动态环境下的GPS/INS组合导航系统,重点讨论了基于伪距、伪距率的GPS/INS数据融合算法.借助于载体的运动模型、GPS系统和INS系统的定位误差模型,建立了组合导航系统的状态方程和量测方程,利用自适应Kalman滤波算法实现了GPS/INS系统的伪距、伪距率融合.最后,利用实测数据对数据融合算法进行了仿真,结果显示该数据融合算法能够增强组合导航系统的精度、可靠性和完备性.     

基于改进Elman神经网络的SINS动基座传递对准研究

在运用Kalman滤波进行SINS动基座传递对准时,当模型存在误差或系统噪声不能反映实际噪声时,会降低滤波精度甚至导致滤波发散.针对这个问题,提出基于改进Elman神经网络的SINS动基座传递对准方法.首先通过增加输出层节点的反馈来改进普通的Elman神经网络模型,其次采用强跟踪滤波器对改进Elman神经网络进行训练.利用仿真数据对该算法进行验证,结果表明,该算法能够克服Kalman滤波的缺陷,提高传递对准精度达100%～150%.     

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。     

基于自适应无迹卡尔曼滤波的小波网络算法及其应用

针对扩展Kalman滤波(EKF)训练小波网络存在收敛慢、精度不高、计算Jacobian矩阵困难等问题,在自适应Kalman滤波理论基础上,提出一种基于自适应无迹Kalman滤波(UKF)的小波网络训练算法。该算法在在UKF框架内引入自适应因子,通过其调整观测协方差与状态参数协方差的比例,使状态向量预测值的协方差更趋向真实值,有效地提高了小波网络的精度。仿真结果表明,基于自适应UKF的小波网络的收敛速度快,估计精度高,无需计算Jacobian矩阵,适于解决非线性系统的建模预测问题。     

交互多模自适应容积Kalman滤波算法设计及履带车辆跟踪应用

为满足履带车辆作为机动目标的实时跟踪和对目标速度、航向角的准确估计,针对测量值含有相关乘性噪声,采用新息分析法依据噪声相关系数已知和未知改进容积Kalman滤波算法。考虑到单模型滤波器难以准确地实现机动目标的跟踪,采用交互式多模型算法对履带车辆运动轨迹进行描述,提出一种交互式多模自适应容积Kalman滤波算法。仿真表明交互式多模型自适应容积Kalman滤波算法对车辆机动具有稳定的跟踪效果且乘性噪声得到有效处理。     

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。     

粒子滤波GPS/SINS组合导航系统动基座传递对准

在SINS(捷联式惯性导航系统)与GPS(全球定位系统)组合传递对准时,航向角的可观测性较弱,经过卡尔曼滤波后,航向角误差虽有所改善,但仍呈发散趋势,针对GPS/SINS组合系统特点,提出了一种动基座传递对准方案,依靠GPS测量信息进行速度匹配,完成动基座传递对准.该方案采用粒子滤波方法解决对准过程中的非线性问题.仿真结果表明该方案的对准精度(1σ)可以达到东向失准角误差为5角分,北向失准角误差为2角分,方位失准角误差为6角分.     

高超声速巡航飞行器中制导研究

通过分析目前应用较为普遍的几种组合导航方式,针对高超声速巡航飞行器,提出了采用捷联惯性导航系统(SINS)/GPS/天文导航系统(CNS)组合导航作为其中段制导方案,并利用四元数法进行捷联惯性导航计算,运用联邦滤波方法对组合导航进行了仿真,仿真结果表明该方案行之有效。     

平流层飞艇抗风场干扰CUKF算法设计与应用

为了提高风场干扰环境下飞艇的导航精度,研究飞艇抗风场干扰导航算法。在建立风场干扰条件下飞艇速度误差约束模型的基础上,设计抗风场干扰的约束Unscented卡尔曼滤波算法。首先确定风场干扰条件下飞艇的速度误差约束量,将该约束与Unscented卡尔曼滤波算法相结合,对速度误差进行估计和补偿,以减小风场对飞艇定位精度的影响;然后证明该算法的状态估计量不仅是无偏的,而且协方差小于标准UKF的协方差;最后将提出的算法应用于捷联惯导/天文/合成孔径雷达组合导航系统中进行仿真验证,并与自适应扩展卡尔曼滤波和抗差自适应UKF算法进行比较,结果表明：提出的约束UKF算法的滤波性能明显优于自适应EKF和抗差自适应UKF算法,能够有效抑制风场对飞艇定位精度的影响,提高飞艇的导航定位精度。     

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.     

SINS/DVL/AST水下组合导航中的鲁棒信息融合方法

捷联式惯导系统由于自主性强等优势成为自主式水下航行器长航时、长航程导航的主要手段。针对水下环境中外部多导航传感器如多普勒计程仪提供的测速信息和水声单应答器提供的位置信息容易受到非高斯噪声污染的问题,提出基于马氏距离算法的联邦鲁棒卡尔曼滤波算法。在联邦鲁棒卡尔曼滤波算法中,通过马氏距离算法引入膨胀因子,对量测噪声协方差阵进行膨胀,以实现非高斯条件下水下组合导航系统鲁棒性的提升。同时基于子滤波器的滤波性能对信息分配系数进行自适应调整以确保水下组合导航系统的高精度。基于江试试验实测数据进行水下组合导航半物理仿真试验,试验结果表明:相比于传统的联邦卡尔曼滤波算法,联邦鲁棒卡尔曼滤波算法可在非高斯条件下实现更高精度、更加稳定的组合导航；能够满足水下组合导航系统对容错性和鲁棒性的要求。     

自适应滤波的舰船综合导航系统信息融合技术

针对当前舰船综合导航系统应用环境较为复杂的实际情况,设计了一种基于极大似然准则自适应滤波的无重置联邦滤波器,该联邦滤波器相比常规的无重置联邦滤波器不仅可以提高系统稳定性,还可以提高系统的组合精度。将文中设计的这一联邦滤波器用于舰船综合导航系统设计中,并针对该设计进行了多次车载跑车试验,证明了该方法的正确性和优越性。     

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。     

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。     

GNSS/SINS组合导航在地地导弹中的工程应用

介绍了基于Kalman滤波的GNSS/SINS组合导航技术在地地导弹中的应用,在发射点惯性坐标系中建立了便于工程应用的数学模型,针对某型号进行了位置速度仿真,并和目前在工程实际中应用的加权平均组合方法进行了比较。仿真结果表明,Kalman滤波技术可以应用于地地导弹工程实际中。     

弹载SINS/GPS组合导航信息同步与融合技术

针对一种基于DSP+FPGA+MCU多处理器计算机平台的弹载组合导航系统设计了精确有效的信息同步的方法,采用GPS接收机提供的1PPS脉冲和MCU提供的脉冲信号实现GPS和SINS信号时间上的同步,采用杆臂校正算法完成了GPS和SINS测量信号空间上的同步.由于系统噪声难于准确统计,因此采用自适应卡尔曼滤波算法进行数据融合.最后对系统进行了跑车试验,试验结果表明系统所采用的方法具有较好的效果.