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.     

鲁棒四元数无味卡尔曼滤波算法在组合导航姿态估计中的应用

针对SINS/GPS直接式组合导航姿态估计中,GPS信号易受外界干扰而引入污染观测量等问题,提出基于Huber的鲁棒化四元数无味卡尔曼滤波算法。通过研究在四元数无味卡尔曼滤波算法中引入Huber鲁棒化框架,对原算法的量测更新进行修正,增强滤波算法的鲁棒性与稳定性。以SINS/GPS位置松组合为应用背景,在不同仿真环境下,验证提出算法对姿态信息的估计效果。试验结果表明:与原算法相比,该算法具有更好的鲁棒性和稳定性。     

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.     

自适应联邦卡尔曼滤波的时间配准方法

针对现有组合导航信息融合时间配准方法存在的算法实时性不高、配准精度不高等缺陷,对组合导航系统时间误差进行了分析,提出了一种基于自适应联邦卡尔曼滤波的重叠分段时间配准算法。通过对传感器量测信息进行重叠分区处理,将不同起始时刻、不同采样频率的量测量统一至同一时刻处理,有效提高了采样率与配准精度。将其应用到SINS/GPS组合导航系统,实验结果表明,该算法能显著减小组合导航系统误差,提升了系统平稳性。     

多传感器信息融合的水下航行器组合导航方法

为了提高远程自主水下航行器组合导航系统的导航精度,提出了一种基于多传感器信息融合的组合导航系统方案.在建立SINS、DVL、LBL、深度计和航向传感器的误差模型的基础上,推导了多传感器信息融合模型,详细设计联邦滤波器结构,并给出各传感器输出频率不同时滤波器的解决方案.最后进行仿真试验,仿真结果表明该方法能充分融合多导航...     

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.     

联邦滤波器在INS/GPS/DVS组合导航系统中的新应用

针对某机载导航系统不能满足高精度导航定位需要的问题,采用了动态信息分配系数方法,提出了一种新的基于联邦滤波器的INS/GPS/DVS组合导航方案,通过对各子滤波器的信息分配系数进行优化,增强了组合系统的导航性能.仿真结果表明,该方案充分提取了导航传感器的信息,有效地提高了组合导航系统的精度和故障检测能力.     

基于AKF的AUV对接回收组合导航研究

针对自主水下机器人(Autonomous Underwater Vehicle,AUV)在回收过程中的组合导航精度问题,提出了一种改进的高斯距离迭代法及改进的自适应卡尔曼滤波算法(Adaptive Kalman Filter,AKF).基于AUV回收对接系统,研究并建立了针对惯导SINS、超短基线USBL、多普勒计程仪DVL和深度计的基于斜距的组合导航模型.通过对SINS/USBL/DVL/深度计组合导航量测信息误差特性分析,设计了改进的基于斜距的SINS/USBL/DVL/深度计组合导航模型;针对该模型突出的滤波发散问题,设计了基于滤波收敛性判据和强跟踪滤波思想改进的AKF滤波算法进行有机融合.仿真结果表明,此研究使实际AUV系统具有更高的滤波精度和可靠性.     

数据同化系统中的集合时间局地化鲁棒滤波方法

针对传统的卡尔曼滤波方法对不确定因素不具备鲁棒性问题,在集合鲁棒滤波的基础上,提出一种从观测角度构建优化数据同化的方法,称之为放大观测协方差矩阵的集合时间局地化鲁棒滤波,并推导了新方法的算法准则和递归公式。利用非线性系统Lorenz-96模型,基于性能水平系数、驱动参数、观测数目和集合数目变化的条件,对新方法和集合卡尔曼滤波方法的鲁棒性和同化精度进行比较。结果表明:集合卡尔曼滤波方法的均方根误差大于时间局地化鲁棒滤波的;在观测数或集合数较少的情况下,集合卡尔曼滤波出现了滤波发散问题,而鲁棒滤波的均方根误差波动较小;相较于传统的集合卡尔曼滤波算法,观测角度构建的时间局地化的H_∞滤波方法对系统参数的变化更具鲁棒性,滤波精度更高。     

INS/GPS/CNS组合导航系统仿真

在分析INS、GPS、CNS导航系统特点的基础上,建立了组合导航系统的误差模型,提出了一种基于联邦滤波器的INS/GPS/CNS的组合导航算法,采用平台失准角、INS与GPS的位置之差和速度之差作为观测量,对算法进行了仿真研究。仿真结果表明:通过校正惯导平台、消除导航参数误差,可以大大提高系统的导航精度。     

联邦滤波器公共信息分配方法

目前的导航系统多采用以惯导为主的组合导航方案,其组合算法有集中卡尔曼滤波和联邦卡尔曼滤波两种.针对联邦滤波器公共信息分配的问题,分析了常规的固定分配系数的方法及其特点,之后详细讨论了动态分配方案,列出了几种分配模型.最后给出了INS/GPS/ADS组合导航系统公共信息动态分配的算例.     

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。     

无缝GPS／INS组合导航系统的设计与实现

针对GPS卫星信号失锁条件下GPS/INS组合导航性能大幅度下降的缺点,设计了一种基于ANFIS的无缝组合导航方法,当卫星数目不低于4颗时采用伪距,伪距率的卡尔曼滤波算法,一旦卫星数目少于4颗时采用ANFIS系统估计导航误差,抑制INS的误差积累,从而实现无缝导航.动态车载实验表明,该方法切实可行,相对于传统的紧组合方法,有效地提高了组合导航系统的定位精度和抗干扰能力.     

自主式车载组合导航系统研究与仿真

考虑到车载组合导航系统运行时间长、地形环境复杂的特点,将零速修正技术与惯导/里程计/气压高度表组合导航系统相结合使用,采用序贯处理和平方根滤波算法,建立了实用的卡尔曼滤波模型。相比基本卡尔曼滤波算法,该方法实现简单,计算量小,抑制了滤波的发散,提高了滤波的精度。最后对组合导航系统进行仿真验证,取得了较为满意的结果。与INS/GPS组合导航系统相比,该系统具有良好的自主性及适应性。     

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。     

基于非线性Kalman滤波的导航系统误差补偿技术

针对非线性非高斯导航系统信息处理问题,采用自组织算法、神经网络和遗传算法等改进传统非线性Kalman滤波算法,构建一种自适应的组合导航系统。应用具有冗余趋势项的自组织算法、Volterra神经网络和遗传算法,建立导航系统误差的非线性预测模型,进而计算得到其预测值;将该预测值与Kalman滤波算法求得的估计值进行比较得到差值,以此监测Kalman滤波算法的工作状态;采用自适应控制方法,在导航系统结构层面改进Kalman滤波算法,构建新型的导航系统误差补偿模型。开展基于导航系统KIND-34的半实物仿真研究,应用所提出的改进方法改善了导航系统误差的补偿效果,提高了组合导航系统的自适应能力和容错能力。     

一种单轴旋转的车载IMU/DTU组合导航方法

长时间机动工况时,某些复杂路况和车况环境下,捷联惯导组合导航系统方位角误差将增大.基于已有组合导航算法框架,提出了一种基于单轴旋转调制的组合导航方法.采用21维IMU/DTU(里程计)误差状态构造状态方程,以捷联惯导解算的位移增量与里程计解算的位移增量之差作为观测量,Kalman滤波器融合惯导与里程计信息,利用旋转调制...     

基于鲁棒高阶容积滤波的无人机相对导航状态估计方法

由于无人机相对导航系统具有非线性强、噪声非高斯的特点,传统的基于卡尔曼滤波算法设计的相对导航滤波器存在估计失准甚至发散的问题。考虑到高阶容积卡尔曼滤波和最大熵滤波算法分别在解决非线性问题和非高斯问题时的优势,利用最大熵滤波的量测更新方法对高阶容积卡尔曼滤波的测量更新方程进行了改进,将传统的量测更新问题转换成了线性衰退的求解问题,避免了对测量噪声进行高斯假设,同时解决了系统非线性和量测噪声非高斯的问题。进行了相应的数学仿真,仿真结果表明:所提算法的估计精度超过了高阶容积卡尔曼滤波和最大熵滤波算法的,验证了算法的有效性。