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.     

卡尔曼滤波在GPS制导火箭弹中的应用

针对直接采用全球定位系统(GPS)测量弹道误差较大的问题,该文提出应用扩展卡尔曼滤波方法进行弹道测量。采用火箭弹弹道模型和GPS误差模型,建立卡尔曼滤波系统状态模型和以伪距为观测量的系统测量模型,推导并分析了相应的滤波公式,并对GPS动态定位的数据进行滤波。理论分析和仿真结果表明,GPS测量的位置误差和速度误差具有随机性,且误差幅度较大,采用卡尔曼滤波算法后,弹道的位置估计误差和速度估计误差分别降低到观测误差的1/3和1/4左右,而且滤波收敛速度快。     

恶劣环境下GPS定位估计滤波算法的非线性模型

提出了一种附加测量模型用于GPS定位估计的系统方程,该方法可实现单机GPS在可捕获卫星数较少的恶劣环境下的定位.开发了一种新的基于非线性滤波的位置和速度估计模型,在测量模型中引入随位置变化的电离层误差补偿模型,利用平淡卡尔曼滤波(UKF)算法较好地实现了可见卫星为3颗条件下的定位估计.在仅有2颗卫星可见的情况下,进行了把高程加入测量模型做平面定位估计的尝试,并取得了较好的效果.GPS定位实验结果表明,在恶劣环境下,基于所提出的非线性模型得出的滤波定位估计值能达到理想的精度.     

车辆无陀螺航位推算系统的导航原理及其算法

建立了利用车辆内部传感器取代惯性敏感器获得航向、速度信息的车辆航位推算（DR）系统的系统方程和观测方程,并采用描述机动载体运动的当前统计模型,给出了基于自适应卡尔曼滤波的车载无陀螺DR系统的导航算法,在导航算法中,对原始测量数据进行组合运算获得线性形式的观测方程,避免了目前常用导航算法由于观测方程线性化引起的模型误差,算法稳定性较好,且计算量小,现场跑车试验表明,给出的车载无陀螺DR系统的模型及其导航算法能够获得满意的导航精度。     

一种基于多尺度的GPS动态滤波方法

以GPS动态滤波方法为研究对象,首先采用了多尺度分析方法,将机动载体的"当前"统计模型与基于统计特性的多尺度信号变换方法相结合;然后结合常规卡尔曼滤波算法,建立起GPS动态滤波的多尺度数据融合估计新算法;最终在最细尺度上获得目标状态基于全局信息的融合估计值。将上述算法应用于GPS的动态滤波中,仿真结果表明,该算法相对于原始算法可有效提高目标状态的估计精度。     

基于有色噪声卡尔曼滤波的GPS多径估计研究

在最大似然多径估计技术的基础上,提出了一种新的基于有色噪声卡尔曼滤波的全球定位系统(GPS)多径信号估计技术.建立了GPS多径信号的卡尔曼滤波估计模型,推导了观测噪声为有色噪声的卡尔曼滤波的状态方程和观测方程,阐述了有色噪声的形成过程,推导了卡尔曼滤波的递推公式.实验结果表明,提出的设计技术可以在20dB·Hz的载噪比条件下对多个GPS多径信号进行较精确的估计.     

GPS/INS集成的数据处理

介绍了GPS和INS集成的数据处理方法.描述了作为适当算法的卡尔曼滤波的作用.讨论了建立卡尔曼滤波器的基本变量,最后探讨了卡尔曼滤波的多模型估计算法.     

陆基MMS中GPS/INS滤波器的探讨

陆基MMS(移动测图系统)是为满足现代工程建设和地理信息系统建立对数据采集的实时化和周期化要求而设计的3S(GPS,GIS,RS)集成系统.陆基MMS一般采用GPS(全球定位系统)和INS(惯性导航系统)的组合系统对载体进行定位,再由其它测图传感器获取载体与所测目标的相对空间位置关系,从而最终测取目标的地学空间位置.因此GPS/INS组合系统的精度对整个MMS的精度影响很大.目前,GPS/INS组合系统普遍采用卡尔曼滤波对两者的观测值进行滤波,但这种方法有不足之处.本文回顾了卡尔曼滤波在GPS/INS中的应用,提出了相应的改进方法,进而为改善MMS精度提出了举措.     

基于GPS和陀螺的航天器相对状态自主确定

根据GPS和陀螺的不同特点,将两者结合起来,设计了一种基于GPS和陀螺的相对状态自主确定算法.采用修正罗德里格参数(MRPs)作为姿态描述参数,通过建立相对轨道和相对姿态运动方程以及GPS和陀螺观测方程,运用unscented卡尔曼滤波方法(UKF)设计了双星编队相对状态自主确定算法,仿真结果验证了方法的可行性和有效性.     

组合导航信息融合算法的研究

以GPS／INS组合导航系统为应用背景,推导了“当前统计”模型下卡尔曼滤波方程的关键矩阵。阐述了卡尔曼滤波器的主要参数对组合导航信息融合效果的影响;给出了组合导航系统的松耦合设计框图;根据实验测得的数据采用基于卡尔曼滤波的信息融合算法,通过对算法改进前后东向误差和北向误差的分析,说明算法改进后的定位精度比改进前高约30％．     

一种用于GPS定位估计滤波算法的非线性模型

提出了一种将现代非线性滤波技术用于GPS定位估计的方法，该方法可用于低价位的单机GPS接收器的定位，提高它们的定位精度和鲁棒性．应用该方法，根据单机GPS的原始数据、伪距和多普勒频移进行定位估计。开发了一种新的基于非线性滤波的位置和速度估计模型，该非线性模型具有随观察到的卫星数量而改变状态和测量元个数的动态特性．运用一种新型的非线性滤波-平淡卡尔曼滤波求解该模型．GPS定位实验结果表明．与通用的最小二乘迭代法或直接从接受机获得的结果相比，所提出的非线性模型得出的滤波估计结果具有较高的精度和鲁棒性．     

GPS动态定位的强跟踪卡尔曼滤波研究

提出一种改进的强跟踪卡尔曼滤波算法，应用于ＧＰＳ动态定位滤中获得明显效果，首先采用描述机动载体运动的“当前”统计模型，建立了一咱新的ＧＰＳ动态定位扩展卡尔曼滤波模拟及其适应算法，然后，为了进一步提高滤波器的动态性能，改进了周东华等提出了的强跟踪滤波器，大大提高了ＧＰＳ动态定位位扩展卡尔曼滤器的跟踪能力。     

单天线GPS接收机载体姿态测定分析

该文研究了利用单天线GPS接收机的输出信息来实时确定载体姿态的基本原理与方法。文中的GPS载体姿态是指关于载体飞行速度矢量轴的新系偏航角、航迹角和新系滚转角，亦称为新系姿态。文中对姿态测定的分析包括利用GPS接收机配合软件LABMON46输出的原始信息来分析速度矢量的求解方案；利用卡而曼滤波模型对速度信息进行处理得到相应的加速度信息；根据前面2步求得的速度和加速度给出解算载体新系姿态的方法；最后给出常规姿态与新系姿态的关系和对照说明。     

GPS伪距动态定位计算模型

介绍ＧＰＳ伪距动态定位的计算模型,包括一般差分定位模型,卡尔曼滤波定位模型,由几丰历元的观测值同时求位置和速度的模型,由多个历元的观测值轨迹的模型,。以高斯平面坐标和高程为参数的和固定高程的定位模型。最后讨论了定位粗差的控制方法。     

带位置和速度观测的信息融合Kalman跟踪滤波器

应用基于ARMA模型的现代时间序列分析方法,和应用基于Riccati方程的经典Kalman滤波方法,对带位置和速度观测的两传感器系统,在线性最小方差信息融合准则下,分别提出了按矩阵加权、对角阵加权和标量加权的三种信息融合Kalman跟踪滤波器,其中,按标量加权可明显减少计算负担,便于实时应用。一个仿真例子说明了两种方法引出相同的结果,但构造ARMA新息模型时必须进行左素分解,且说明了三种加权融合滤波器的精度无显著差异。     

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。     

一种油运船舶的组合姿态测量模型

实时准确地测量船舶姿态,对船舶运输安全作业、舰船减摇控制等具有重要意义.对坐标系及其转换关系进行了定义,推导构建了基于加表、陀螺和GPS的组合姿态测量系统测量元件模型和全量模型,通过状态方程和测量方程的分析推导对全量模型进行了线性化处理,并对连续系统模型作了离散化处理.依据姿态角、陀螺漂移和速度的误差状态方程,引进GPS测量值,对系统状态进行卡尔曼信息滤波估计,从而得到陀螺的漂移误差,使姿态角的测量达到良好的效果.