卡尔曼滤波在无人机导航系统的应用

无人机具有在三维空间中的机动能力,能够进入人类很难到达的环境中完成许多危险的任务。针对无人机在未知环境中短暂GPS丢星的导航问题,根据GPS、惯性导航系统的各自优、缺点,设计了一种集中式卡尔曼滤波组合,即采用一个共同的卡尔曼滤波器对GPS和INS进行信息融合。测量数据取自最优估计后的GPS数据,滤波方程的状态矢量是惯性导航系统参数误差状态和GPS导航参数误差状态的组合,用来对原系统校正,增加了无人机导航系统的可靠性,提高了系统的精度和抗干扰能力。对保证无人机长久飞行及面临短暂丢星等方面具有较强的现实应用意义。     

基于智能手机MARG传感器的行人导航算法

对于手持式移动设备的定位导航需求,特别是在室内无法接收到GPS信号的恶劣环境,提出了一种基于智能手机上的磁力计,陀螺仪和加速度计（magnetic,angular rate and gravity, MARG）传感器的行人导航算法,该算法在行人航迹推算的基础上,利用数字低通滤波器滤波后的加速度计三轴模值数据,对行人步态进行检测,采用经验模型对行人步长进行估计,并结合扩展卡尔曼滤波器,采用自适应的方式实时调整测量噪声协方差矩阵,将MARG传感器融合数据用于最佳航向角估算。在智能手机平台上进行测试验证,实验结果表明,在无磁或有磁干扰环境下,所提出的行人导航算法均可保证准确、可靠、持续的位置信息。     

双体小行星探测协同光学导航方法研究

双体小行星探测已成为当前深空探测的重要领域,提高双体小行星探测器的导航精度是该领域的研究重点之一.本文以球体-椭球体的双体小行星模型为背景,设计了一种基于双探测器对双体小行星光学观测信息和星间测量信息的自主协同导航方案.考虑到从星相对于主星的位置不确知会影响探测器的导航精度,本文设计了对从星状态进行扩展估计的导航滤波器.特别地,通过分析导航系统的可观测度和轨迹约束,本文重点研究了导航观测几何构型并优化导航信息,实现探测器和双体小行星的最优构型配置,从而使探测器沿优化轨迹飞行时导航性能最优,最后通过仿真分析并验证探测器沿优化轨迹飞行时的导航性能.以上研究方法和仿真结果可为我国未来小行星探测提供参考和支持.     

一种小型无人机的FastSLAM算法

为解决未知环境中小型无人机自主飞行问题,将SLAM算法从地面机器人的二维环境扩展到小型无人机的三维环境.首先,建立了小型无人机的SLAM算法数学模型,得到其非线性状态方程;然后,将小型无人机的SLAM问题分解成路径估计与环境地标估计两部分,分别采用粒子滤波器和扩展卡尔曼滤波器进行估计,提出了一种小型无人机的FastSLAM算法;最后,分别采用扩展卡尔曼滤波和FastSLAM算法进行仿真实验,仿真结果表明FastSLAM算法具有更好的定位精度.     

组合导航系统新息自适应卡尔曼滤波算法

全球定位系统(GPS)量测噪声的不稳定变化将造成惯性导航系统(INS)/GPS舰用组合系统卡尔曼滤波器性能下降,在对自适应卡尔曼滤波器分析的基础上,提出了一种新的基于新息估计的自适应卡尔曼滤波算法.该算法通过计算新息方差强度的极大似然估计最优估计,将新息方差计算直接引入卡尔曼滤波器的增益计算.仿真结果表明,本文方法较标准卡尔曼滤波器可以提高系统精度和抗干扰能力.     

基于双卡尔曼滤波及贝叶斯估计的微弱GPS信号跟踪方法

提出了一种基于卡尔曼滤波的平方根算法以及贝叶斯估计理论的微弱GPS信号跟踪方法.采用2个耦合的扩展卡尔曼滤波器,即双卡尔曼滤波器来完成码跟踪和载波跟踪,同时,减少信号累加积分时间,以降低运算复杂度而提高收敛速度;采用基于贝叶斯估计理论的未知导航信息位处理方法,以降低在信号微弱的情况下未知导航位所带来的不利影响.仿真结果表明,利用该方法可以精确跟踪载噪比低至19 dB-Hz的微弱GPS信号.     

基于GPS和Zigbee融合的无缝定位方法研究

针对GPS在复杂环境下的定位功能受到限制的问题,提出了利用GPS和Zigbee进行组合定位的无缝定位方法,并采用扩展卡尔曼滤波器来解决2个不同传感器之间的数据融合问题,实现了2种定位方式之间在复杂环境下的无缝切换,可应用在某些GPS信号受限的定位场合.实验表明,采用扩展卡尔曼滤波对融合后的GPS和Zigbee信号轨迹进行处理后,算法过程稳定,能有效地提高系统的定位精度、覆盖度和实时性.     

无人机组合导航系统的自适应算法研究

无人机组合导航滤波器的设计需要考虑器件和外部环境不稳定带来的影响。同时在飞行过程中也面临着组合导航系统噪声和量测噪声统计特性不确定问题,从而导致滤波精度低、稳定性差,还有可能发散。采用常规卡尔曼滤波无法解决此问题。为此研究了一种基于UKF的自适应卡尔曼滤波算法。在系统噪声统计特性未知时,此算法能自动平衡状态信息与观测信息在滤波结果中的权比,实时调整状态向量和观测向量的协方差,从而提高系统的性能。仿真结果显示,使用自适应UKF算法与普通的UKF算法相比,可以获得更优的导航精度和稳定性。     

基于自适应坏点剔除的多点定位技术

对机场入侵无人机进行监视优化定位,可降低机场运行安全风险。由于无人机飞行具有低、慢、小等特征,机场场面监视信号容易被地面障碍物遮挡。传统定位方法主要采用参考特征点定位,对于参考特征不同的非移动目标,在迭代过程中会产生大量定位误差。根据入侵无人机特征,提出一种基于自适应坏点剔除的泰勒级数展开TDOA定位算法。采用TDOA测量值进行多点定位,构建自适应滤波器对泰勒级数展开初始参考点进行剔除坏点处理,有效地改善了算法收敛性和求解效率。仿真结果表明,自适应坏点剔除算法的定位精度接近基于实际位置的泰勒级数展开算法,收敛速度更快,在地面站相对无人机位置不佳时,新算法的稳定性和定位精度更优,满足机场对入侵无人机监视定位精度要求。     

一种应用于GPS/低成本INS组合导航的自适应滤波算法

为了提高在全球卫星定位系统(GPS)接收机导航解更新间隔期间组合导航系统的定位精度,在分析了惯导系统(INS)误差模型的基础上,使用一种对噪声协方差矩阵进行实时自适应估计的算法改进了通常使用的标准Kalman滤波器。采集清华大学内的跑车实测数据,并使用自适应算法进行处理,结果表明:该方法可以有效地提高GPS导航解间隔期间组合导航系统的定位精度,整体定位精度可以提升近10%,在车辆行驶状态变化较大的路径中获得了最高达40%的位置精度提升。该方法易于实时实现,在实际工程实现中具有一定的应用前景。     

一种SINS/GPS紧组合导航系统的改进自适应扩展卡尔曼滤波算法

针对自适应扩展卡尔曼滤波算法中系统噪声协方差矩阵与量测噪声协方差矩阵不能同时被估计的问题,提出了一种改进的自适应扩展卡尔曼滤波算法.该算法基于残差,主要对滤波算法中的自适应估计器进行改进,改进后可以实时估计系统噪声.基于该算法,设计了新的滤波器并应用在SINS/GPS紧组合导航系统上,可随着系统中噪声的变化而自动地调节协方差矩阵.最后,分别用扩展卡尔曼滤波和改进的自适应扩展卡尔曼滤波对SINS/GPS紧组合模型进行仿真,结果表明改进的自适应的扩展卡尔曼滤波比扩展卡尔曼滤波的定位误差与测速误差更小,滤波的稳定性更好.      

基于平方根容积卡尔曼滤波的四旋翼无人机的姿态解算

为了提高四旋翼无人机姿态解算的精度,提出了基于平方根容积卡尔曼滤波(square-root cubature Kalman filter,SCKF)的多传感器数据融合策略。基于加速度计、磁力计和陀螺仪输出的数据,采用了四元数的姿态解算方法,避免了单一传感器获得的姿态角误差过大的问题,解决了扩展卡尔曼滤波(extend Kalman filter,EKF)精度低以及无迹卡尔曼滤波(unscented Kalman filter,UKF)、容积卡尔曼滤波(cubature Kalman filter,CKF)协方差矩阵正定性丧失的问题。设计了基于pixhawk飞控板的实验方案。通过实验数据表明,与传统的EKF、UKF、CKF算法相比,SCKF的精度最高。且与UKF、CKF算法相比,SCKF具有计算时间少、数值计算稳定性强等优势。     

自适应UKF算法及其在GPS/INS组合导航中的应用

提出了一种自适应无迹Kalman滤波(UKF)算法.针对UKF受初始值误差和动力学模型异常扰动误差影响的问题,将自适应估计原理引入到UKF算法,将动力学模型信息对导航解的贡献进行合理调整.计算结果表明,在GPS/INS松组合导航系统数据处理时,UKF算法略优于扩展Kalman滤波(EKF),自适应UKF算法优于自适应EKF算法,自适应UKF算法能够很好地抑制动力学模型误差对导航解的影响,进一步提高导航解的精度和可靠性.     

基于自适应扩展Kalman滤波器的永磁同步电机无速度传感器控制

通过引入一种基于Sage-Husa噪声估计器的自适应扩展Kalman滤波器,给出了一种永磁同步电机无速度传感器控制方案.选取定子固定坐标系下的电机模型,首先得到了基于扩展Kalman滤波器的永磁同步电机转速估计方程.在此基础上,结合Sage-Husa噪声估计器,得到了基于自适应扩展Kalman滤波器的永磁同步电机转速估计方程.仿真结果表明,基于自适应扩展Kalman滤波器的方法,不仅可以准确地估计出电机的转速和转子位置,而且可以自适应确定扩展Kalman滤波器的一个关键参数——系统噪声协方差矩阵.与传统的扩展Kalman滤波器方法相比,本方法具有更好的实用性.     

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。     

基于载波辅助的GPS相对动态跟踪算法研究

针对高动态GPS信号接收问题,深入研究了相对动态跟踪的环路算法,分析了伪码双环跟踪结构,与国外采用的近似最大似然估计(AMLE)和扩展卡尔曼滤波(EKF)算法相比,该算法采用载波辅助伪码方法将绝对动态跟踪转换为相对动态跟踪,采用低阶窄带锁相环提高伪码环路的跟踪精度,简化了技术实现复杂度.经过系统仿真验证,性能满足高动态GPS信号跟踪要求.     

Altitude information fusion method and experiment for UAV

Altitude regulation is a fundamental problem in UAV ( unmanned aerial vehicles) control to en-sure hovering and autonomous navigation performance.However, data from altitude sensors may be unstable by interference.A digital-filter-based improved adaptive Kalman method is proposed to im-prove accuracy and reliability of the altitude measurement information.A unique sensor data fusion structure is designed to make different sensors switch automatically in different environment.Simula-tion and experimental results show that an improved Sage-Husa adaptive extended Kalman filter ( SHAEKF) is adopted in altitude data fusion which means that altitude error is limited to 1.5m in high altitude and 1.2m near the ground.This method is proved feasible and effective through hove-ring flight test and three-dimensional track flight experiment.     

车载GPS/DR组合导航系统卡尔曼滤波方法的改进

将全球定位系统(GPS)和航位推算法(DR)两种定位方式结合,实现车辆GPS/DR组合定位系统的自适应信息融合.联合卡尔曼滤波器存在数学模型不确定性和误差模型的随机性的缺点,提出改进方法是采用联邦滤波器,并引入利用模糊推理建立的模糊自适应联邦滤波器,提高了系统的精度和功能.     

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。     

基于EKF的多MEMS传感器姿态测量系统

姿态信息是飞行控制中最关键的参数之一,因此姿态测量成为飞行控制系统首要解决的问题。利用多M EM S传感器研制了一种微型姿态测量系统。利用三轴M EM S加速度计和三轴M EM S陀螺数据,由方向余弦矩阵的姿态表示形式推导了扩展K a lm an滤波方程,解算出飞行器的俯仰角和横滚角;设计专家系统判断飞行器的运动状态,并根据该状态调整滤波算法中的测量噪声矩阵,使系统可同时满足静态情况和动态情况的使用;利用空速和高度数据对俯仰角进行修正,利用GPS解算航向角。将实验结果与国外最新的商用自动驾驶仪的姿态结果进行了比较,二者在静态情况下非常吻合,在动态情况下基本吻合。