GPS/BDS组合系统中粒子滤波算法

为了解决传统单一卫星导航系统存在的可靠性低和定位精度差等问题,在分析单系统导航定位原理及GPS/BDS组合导航定位解算的基础上,引入标准粒子滤波（PF）算法和高斯粒子滤波（GHPF）算法对组合系统进行定位解算,并对不同滤波算法做出了比较和分析。仿真结果表明,粒子滤波的滤波效果优于扩展卡尔曼滤波算法。     

基于粒子滤波的GPS定位解算方法

针对GPS定位解算将非线性GPS伪距方程线性展开,产生较大定位解算误差的问题,采用粒子滤波算法定位解算伪距方程。实验结果表明,基于粒子滤波的GPS定位解算优于卡尔曼滤波,有效提高了GPS导航定位的精度和可靠性。     

光纤陀螺零漂数据建模与滤波的研究

在对闭环式干涉型光纤陀螺零漂数据建立时间序列模型(ARIMA模型)的基础上,采用卡尔曼滤波算法对闭环式干涉型光纤陀螺零漂数据进行滤波处理,并通过功率谱密度分析卡尔曼滤波算法的滤波效果,同时采用Allan方差法解算滤波前后的零漂数据的各项噪声源误差系数,并通过各项噪声源误差系数分析滤波效果。     

新型GPS动态定位自适应卡尔曼滤波方法

为了获取GPS卫星的信号及定位数据的真实值,减小信号传播中因各种因素混入的随机误差对定位精度的影响,通过应用运动载体"当前"统计模型,取速度和位置为观测量建立GPS动态定位模型,将观测量维数增大1倍,从而增加了系统的可观测性和定位测算精度.此外,针对传统标准卡尔曼滤波法在动态滤波方面的不足进行了分析,提出了改进型Sage自适应卡尔曼滤波法.该方法在递推和滤波过程中不断地修正模型参数,始终保持噪声模型接近于真实模型,从而避免了标准卡尔曼滤波法中因建模不准确可能导致的滤波发散等问题,较好地解决了GPS动态定位中状态变量维数与滤波快速性之间的矛盾,以及状态噪声和观测噪声建模不准确和时变的问题.     

基于改进自适应无迹卡尔曼滤波的国产民机导航数据滤波算法

针对国产民用飞机导航数据存在杂波不能准确测量的问题,提出一种基于改进自适应无迹卡尔曼滤波(adaptive unscented Kalman filter,AUKF)算法的导航数据滤波方法。将无迹卡尔曼滤波(unscented Kalman filter,UKF)与改进Sage-Husa次优无偏极大后验噪声估计器结合构造出改进AUKF,有效解决了在模型不确定或干扰信号统计特性不完全得知的情况下,滤波精度低甚至发散的问题,同时与维纳滤波器和小波阈值法滤波效果进行对比。选择ARJ21飞机实际运行的高度、经度及纬度数据进行仿真,结果表明：改进后的AUKF算法较其他滤波算法精度更高,有效提高了导航数据的可靠性。研究对提高国产民机导航定位精度具有重要意义。     

基于双目光学图像信息的空间非合作目标自主相对导航方法

针对无任何先验信息的空间非合作目标相对导航问题,提出了一种仅基于双目视觉图像测量的自主相对导航方法.首先,建立了非合作目标双目图像测量辨识模型及特征位置矢量解算方法.利用观测卫星相机系下的目标相对位置矢量观测序列,结合卫星姿态、相机安装方位等信息,给出了非合作目标初始相对运动状态估计及导航滤波参数初始化方法.之后采用考虑状态噪声补偿以及观测方差矩阵和状态噪声矩阵自适应修正的扩展卡尔曼滤波算法,完成空间非合作目标自主相对导航解算.最后以低轨非合作目标逼近段为例进行相对导航仿真,验证了该方法的有效性.     

抗差与自适应组合的卡尔曼滤波算法在动态导航中的研究

针对观测信息不充足时,无法使用现有的一些抗差自适应滤波的问题,提出一种组合抗差滤波和自适应滤波的方法.该方法利用基于m估计实现的抗差滤波和基于新息向量马氏距离平方服从卡方分布而构造的自适应滤波,同时采用2次对检验统计量进行判别的方法,可以在单个历元实现在标准卡尔曼滤波、自适应卡尔曼滤波和抗差卡尔曼滤波之间选择一种当前时刻的最优滤波,因此,采用该方法也能构成抗差自适应卡尔曼滤波.仿真结果表明,在观测信息不足且滤波模型出现异常时,该方法能有效控制动力学模型误差和观测异常对导航解的影响,使导航解更能反映导航系统的真实情况.     

GNSS/INS紧组合算法实时性改进与嵌入式验证

针对GNSS/INS实时紧组合导航系统中存在的GNSS数据延迟以及组合更新解算耗时过长的问题,基于Kalman滤波理论,提出了一种在完成了滞后的观测更新后将误差状态向量一步转移到当前时刻的Kalman滤波数学模型.为了验证改进模型的有效性,首先,在Windows平台上,利用车载实测GNSS观测数据和IMU观测数据对比分析了使用改进模型解算与标准Kalman模型解算在GNSS信号中断时段内的导航误差,分析结果表明,2种模型的导航误差相当,说明了改进模型对时间延迟处理的正确性.然后,在DSP硬件平台上,基于改进模型实现了GNSS/INS实时紧组合导航系统,并进行了车载测试,实测结果表明:相对于标准Kalman模型,所提出的改进模型能够在保障紧组合导航系统精度的前提下,将输出导航结果的时间延迟减少到最小,保障了组合导航结果的实时性.     

GPS 定位中扩展卡尔曼滤波和基于 Bancroft 算法的2步滤波法的比较分析

GPS 定位中常用的线性卡尔曼滤波模型的精度不能完全满足要求。为此,介绍了非线性卡尔曼滤波常用的扩展卡尔曼滤波（EKF）和基于 Bancroft 算法的2步滤波法。算例分析表明,基于 Bancroft 算法的2步滤波法较优。     

非高斯噪声下的车载GPS信号定位算法

针对车载GPS定位算法中卡尔曼滤波对异常的观测噪声非常敏感,严重影响车载GPS定位的精度问题,应用Bayes定理,给出观测噪声服从污染正态分布的Bayes滤波算法。研究结果表明:该滤波算法能够有效地抑制异常噪声对车载GPS定位算法的影响;实例解算结果验证了该算法的有效性和可靠性。     

基于XPNAV和SINS的容错组合导航系统

提出一种基于脉冲星导航和捷联惯导的容错组合导航系统.捷联惯导具有自主性和不间断性的优点,可弥补脉冲星导航滤波周期较长的缺陷;脉冲星导航的长期稳定度好,可抑制捷联惯导的误差随时间发散.该系统根据轨道动力学模型和SINS估计航天器的状态,利用脉冲星导航的观测量分别修正估计误差,通过相位残差检测天体遮挡等因素引起的故障,利用联邦扩展卡尔曼滤波融合导航信息.仿真实验结果表明:同脉冲星导航方法相比,该方法具有更高的精度和更短的滤波周期,且不受天体遮挡的影响.     

卡尔曼滤波地形辅助导航防止发散问题研究

对卡尔曼滤波地形辅助导航的发散原因作了分析,通过地形拟合误差的去相关法采用一种扩充状态变量的系统,实验证明此系统能够有效地减少发散的发生     

基于GPS/INS组合导航的改进自适应渐消卡尔曼滤波算法

基于GPS/SINS组合导航系统的模型不准确或者量测噪声多变所产生的滤波发散问题,研究了自适应渐消卡尔曼滤波对于滤波发散的抑制作用,文章提出一种利用新息协方差估计值和量测值实时自适应计算渐消因子的方法,用它调节卡尔曼滤波方程中预测误差协方差阵和增益矩阵,调整历史新息和当前新息的权重达到抑制滤波发散的目的。该算法能有效减少严格收敛判据推导渐消因子的计算量和限制条件,有效利用了当前新息值。仿真验证表明,提出的算法能有效抑制滤波发散,并且比常规卡尔曼滤波效果更佳。     

改进的自适应Kalman滤波在GPS/SINS中的应用

以GPS/SINS组合导航为应用背景,针对常规Kalman滤波由于先验知识不足,观测数据突变等容易引起的发散问题,提出了一种改进的自适应Kalman滤波。该算法将Sage-Huse自适应滤波和衰减记忆滤波相结合,以解决由于先验知识不足引起的滤波发散问题;在此基础上引入压缩函数,通过对野值进行有效地判断和处理以达到抑制滤波发散的目的。仿真结果表明:改进的自适应滤波算法不但可以有效地解决由于模型不够准确和野值等容易引起的发散问题,同时与传统滤波算法相比水平位置滤波精度分别提高了6倍和5.7倍,高程滤波精度提高了2.39倍,具有较好的自适应性和稳定性。     

惯导初对准中的平方根无轨迹卡尔曼滤波

针对无轨迹卡尔曼滤波(UKF)在递推过程中,有些情况下出现状态协方差逐渐失去正定性,导致计算发散现象,对状态协方差进行矩阵分解,在滤波中用其平方根进行计算,保证其正定性.采用平方根无轨迹卡尔曼滤波(SRUKF)对大失准角情况下惯性导航系统初始对准非线性ψ角模型进行估计.蒙特卡罗仿真结果表明,SRUKF与UKF在滤波精度和收敛速度上基本一致,SRUKF的数值稳定性优于UKF.     

自适应Sage滤波在GPS/SINS组合导航中的应用

为了提高导弹命中目标的精度,研究了GPS/SINS组合导航系统。以组合导航系统为应用背景,在常规Kalman数学模型的基础上,提出了改进的自适应Sage-Husa滤波方法。试验结果证明:在噪声的统计特性不能确定时,改进的自适应Sage-Husa滤波与常规Kalman滤波相比,导弹命中目标的圆概率误差(CEP)由原来的62m提高到21m。改进的自适应Sage-Husa滤波方法对提高GPS/SINS组合导航系统的制导精度和可靠性是十分有效的。     

CDKF 算法在四旋翼飞行器组合导航系统中应用

针对基于四旋翼无人飞行器的组合导航系统在小失准角情况下滤波器较短时间内发散的问题, 将中心差分卡尔曼滤波算法应用于低成本的组合导航系统中, 设计了飞行器组合导航系统的硬件电路。该系统采用MPU-6050 芯片作为飞行器姿态传感器, 选用u-Blox 公司的NEO-6M 模块获取GPS(Global Positioning System)信号, 并利用中心差分卡尔曼滤波算法实现多传感器的数据融合, 从而获取导航信息。在四旋翼无人飞行器平台上对该系统进行实验的结果表明, 该导航系统能有效抑制传感器噪声, 克服了陀螺仪的漂移现象, 避免了传统EKF((Extended Calman Filter) )算法近似程度不高, 易导致解算结果发散等问题的发生, 为飞行器提供了准确的导航信息。     

日地系统L2点Halo轨道自主天文导航及精度分析

针对运行于日地L₂点Halo轨道探测器,给出了质心惯性坐标系和质心旋转坐标系中的探测器运动方程,并建立了以星光角距作为观测量的导航模型,采用扩展卡尔曼滤波（EKF）算法解算探测器位置,以Cramér-Rao误差下界（CRLB）为系统可观测度的度量标准分析了不同的状态量和观测量对导航性能的影响. 通过数值仿真发现导航坐标系、主天体、导航恒星数目以及滤波器采样周期等因素对导航性能的影响较大,并依据平动点轨道运动学分析了以上因素对导航精度的影响.      

SINS/GPS/BD2/DVL船舶组合导航联邦滤波算法研究

针对于船舶在长期高速度航行的过程中,捷联惯性导航SINS存在着误差积累,GPS和北斗导航容易受环境干扰,从而不能满足长期高精度导航定位需要,提出了 SINS/GPS/BD2/DVL 组合导航联邦滤波算法。建立了SINS、GPS、BD2、DVL的误差模型,研究了滤波器的组合形式,并详细阐述了联邦滤波器的算法。仿真结果验证了该组合导航方案的可行性和算法的有效性,具有重要的工程应用价值。