提高SINS初始对准方位失准角估计精度的方法

针对在静基座捷联惯导系统初始对准中,东向陀螺漂移没有估计效果,使得估计的方位失准角存在常值误差的问题,提出了一种新的方法。该方法通过建立东向陀螺漂移估计值的修正方程,并对其进行修正,从而大大提高了方位失准角的估计精度。给出了该方法的具体实现步骤,并通过仿真验证了该方法的有效性。     

基于无轨迹卡尔曼滤波的大失准角INS初始对准

讨论了大失准角情况下，惯性导航系统（INS）初始对准的非线性误差模型，分析了无轨迹卡尔曼滤波原理，提出将无轨迹卡尔曼滤波（UKF）技术应用于惯性导航系统初始对准ψ角估计中，进行了静基座状态下的初始对准仿真。仿真结果表明，在方位误差角为大角度，水平误差角为小量的情形下，无轨迹卡尔曼滤波比扩展卡尔曼滤波（EKF）对准时间更快，估计精度更高。当ψ角三个分量均为小量时，无轨迹卡尔曼滤波也具有很好的性能。     

基于观测量扩充的捷联惯导快速初始对准方法

近似静止状态时捷联惯导系统可观测性较差,利用卡尔曼滤波完成初始对准需要较长时间。针对这一问题提出了一种基于观测量扩充的捷联惯导系统快速初始对准方法。在不改变系统状态方程的情况下,将速度误差和地球转速作为系统观测量。并根据观测量的扩展详细地推导了观测方程,进而利用扩展卡尔曼滤波完成捷联惯导系统初始对准。车载试验结果表明,与传统的卡尔曼滤波对准方法相比,新方法在保证初始对准精度的同时缩短了初始对准时间。     

基于插值非线性滤波的SINS静基座初始对准

讨论了捷联惯性导航系统（SINS）静基座初始对准的非线性和线性误差模型,提出一种基于插值非线性滤波的SINS静基座初始对准方法.分析了插值非线性滤波原理,给出了系统加性噪声情况下的二阶插值非线性滤波递推算法.进行了静基座状态下基于KF、EKF和插值非线性滤波的初始对准仿真.仿真结果表明,在大方位失准角的情况下,基于插值非线性滤波的对准方法具有更高的估计精度,且无需计算Jacobian矩阵,相对于EKF计算量更小,实现更为简单.     

ICDKF在SINS大方位失准角初始对准中的应用

针对大方位失准角捷联惯性导航系统误差模型非线性的特点,利用基于迭代测量更新的中心差分卡尔曼滤波(iterated central difference Kalman filter, ICDKF)方法进行初始对准。与传统的非线性扩展卡尔曼滤波相比,ICDKF不仅能够提高滤波精度,而且不需要模型的具体解析形式,避免了复杂的雅可比矩阵的推导;同时ICDKF通过迭代测量更新,提高了目前存在的中心差分卡尔曼滤波的估计精度。仿真结果进一步表明ICDKF算法的可行性与优越性,能够满足初始对准的要求。     

提升小波在SINS信号去噪及初始对准中的应用

针对惯性仪表测量信号中包含大量随机噪声的问题和经典小波的缺点,研究了提升小波算法在信号去噪和初始对准中的应用.研究了基于提升方式下的小波算法,并将其应用到惯性器件测量信号噪声消除中;建立了捷联惯导系统粗对准方案和在大方位失准角条件下的非线性精对准模型;将基于提升小波的噪声消除算法应用于捷联惯导系统初始时准中.实验结果表明,提升小波算法有效去除了惯性器件测量信号中的噪声;基于该算法,可提高初始对准速度和精度.     

基于信息复用和算法融合的初始对准方法

对惯性系多矢量定姿法的误差特性进行了理论分析,同时分析了最优估计初始对准的可观测性和对准误差,得出静基座下两种方法的对准精度相当的结论,通过试验验证了该结论,并发现当对准时间较短时,多矢量定姿法存在较大波动,因此将对准阶段的所有数据均用于多矢量定姿,提高算法稳定性,并将最优估计对准扩展到整个对准阶段,从而提高了对准精度...     

摇摆基座下捷联系统快速初始对准研究

针对舰船摇摆状态下无法从陀螺仪输出中提取地球自转角速度信息这一问题,提出基于惯性系改进的粗对准方法.该方法通过建立惯导系统初始捷联矩阵隔离载体摇摆运动以保征失准角为小角度.为了满足舰船对准快速性的需求,提出了一种惯导数据循环使用的卡尔曼滤波精对准方法.系泊状态下的半实物仿真结果表明:采用惯导数据循环使用的系泊对准方法可以达到对准精度要求的同时缩短对准时间,验证了该方法的有效性.     

捷联惯导系统初始对准的SVM自适应Kalman滤波算法

作为捷联惯导系统初始对准关键技术的Kalman滤波要求事先精确已知系统及量测噪声的统计特性,当在滤波过程中这些特性改变时,滤波器性能将会降低甚至发散,针对这一问题采用了一种支持向量机(SVM)自适应Kalman滤波(SVMAKF)算法,根据协方差匹配技术应用支持向量机来动态调谐量测噪声方差阵R,当量测噪声随时间改变时,SVMAKF可以实时的估计出准确的噪声方差阵,这就降低了系统对量测噪声先验统计特性的依赖性,能够改善kalman滤波器的状态估计效果.基于SVMAKF的捷联惯导系统初始对准计算机仿真结果表明在滤波精度和滤波器鲁棒性上,SVMAKF都有比传统Kalman滤波器好的表现.     

捷联式惯导系统静基座快速初始对准方法的研究

初始对准精度直接关系到惯导系统的工作精度，其时间是惯导系统的重要战术技术指标，因此，初地准是惯导系统最重要的关键技术之一，本文提出并设计了把扩张状态观测器用于捷联惯导系统静基座下的初始对准。结果表明，对准过程时间大大缩短，具有精度高，算法简单等特点，是一种应用在实际惯导系统中的理想初始对准方案。     

基于混合迭代UKF的捷联惯导对准算法设计

捷联惯导系统陀螺噪声过大时,自对准无法使方位失准角估计收敛到真值,设计了一种磁强计辅助对准方法,满足对准精度要求并可同步估计磁场强度和磁倾角。非线性滤波方法UKF相比EKF估计精度高但收敛速度慢,迭代UKF算法可提高收敛速度但计算量也显著增大。将超球面分布采样点变换（SSUT）应用于UKF迭代过程,设计了一种混合迭代UKF算法。仿真表明该混合迭代UKF算法加快了收敛速度,保证了滤波精度,同时又减少了计算量。

Abstract：

The azimuth misalignment-angle estimation of SINS could not converge to the true value without assistance duo to the over too strong noise of gyros.An alignment method assisted by magnetometers was designed to estimate the misalignment angles as well as the magnetic field intensity and the magnetic obliquity.Nonlinear filtering method UKF was more precise than EKF but converged slowly.Iterated UKF could promote the convergence rate but increased the calculation amount greatly.A combined iterated UKF algorithm was proposed by applying spherical simplex unscented transform to the iterated process.Simulation indicates that the algorithm promotes the convergence rate,guarantees the precision,and reduces the calculation amount.     

UKF滤波方法及其在车辆导航状态估计中的应用

在车载导航系统中，通常采用EKF作为状态估计方法提高导航的精度。由于EKF进行非线性估计存在一些缺陷，因此将其用于导航系统的非线性估计时，存在估计误差，从而影响导航系统的精度。为了获得更高的导航精度，将一种新的滤波方法-UKF方法用于车载导航系统的状态估计中。对一个车载DR／GPS组合系统，将EKF和UKF方法分别进行了滤波仿真。仿真结果表明：在车载导航状态估计中，UKF方法优于EKF方法。     

基于Kalman／UKF组合训练神经网络的初始对准方法

针对基于Unscented卡尔曼滤波(UKF)的神经网络训练学习方法存在的计算量大,实时性差的问题,提出了一种基于Kalman/UKF组合滤波原理的神经网络学习方法,该方法综合了Kalman滤波对线性系统和UKF对非线性系统的最优估计的优势,在保证神经网络权值估计精度的同时,有效降低了神经网络权值学习的计算量,提高了神经网络训练的实时性。最后将该利用方法训练的神经网络应用于惯性导航系统的非线性初始对准过程中,并进行了仿真研究。仿真结果表明利用提出的算法训练的神经网络与基于UKF训练的神经网络具有相同的对准精度和实时性,而提出的算法的有效降低了神经网络训练的计算量,提高了训练的运行效率,是解决惯性导航系统初始对准的一种有效和实用的方法。     

基于平方根UKF的多传感器融合跟踪

为了提高融合算法的精度,将UKF(Unscented Kalman Filter)算法与多传感器顺序滤波融合跟踪算法相结合,提出了基于UKF的多传感器序贯融合算法.UKF算法利用非线性方程自身的传播,估计系统状态,避免了对非线性方程线性化的过程.顺序滤波融合算法用同一时刻的量测依次更新状态,计算复杂性低.仿真结果表明,UKF顺序滤波融合跟踪算法比传统的扩展卡尔曼滤波(EKF)算法有更高的跟踪性能,是一种有效的非线性融合算法.     

改进无色卡尔曼滤波算法在GPS系统中的应用

基于无色卡尔曼滤波算法在GPS卫星定位系统中的应用,提出了GPS卫星定位系统中的改进无色卡尔曼滤波算法.该算法在迭代一定次数后引入遗忘因子,根据误差协方差矩阵自适应调整无色卡尔曼滤波算法中的过程噪声方差矩阵,以提高模型的准确度.通过采集大量实测数据的仿真测试结果表明,改进无色卡尔曼滤波算法在定位精度上较元色卡尔曼滤波算法大幅提高,表明其对于精确定位有更加重要的意义和曼为广阔的应用前景.     

基于UKF的高动态GPS信号参数估计研究

为了更好地适应高动态环境给GPS信号接收模型带来的非线性特性,提出了一种基于Unscented卡尔曼滤波(Unscented Kalman Filter,简称为UKF)技术的高动态GPS信号参数估计方法。在分析高动态GPS载波相位模型和UKF原理的基础上,设计了高动态UKF估计器,对高动态GPS信号的相位、多普勒频率、频率变化率和频率二阶导数等参数进行了估计。通过仿真分析了该估计器的估计性能,仿真结果表明该方法在高动态环境中可以很好地跟踪GPS接收机动态信号。     

基于迭代无迹卡尔曼滤波的SLAM算法仿真研究

对迭代无迹卡尔曼滤波算法在SLAM问题中的应用进行仿真研究。通过仿真分析发现,与一般的无迹卡尔曼滤波算法相比,迭代的算法有时无法提高SLAM的精度,继而探讨了SLAM问题中选择采用迭代算法的条件;同时针对迭代算法的观测更新阶段,用阻尼的高斯-牛顿迭代方法改进完全高斯-牛顿迭代方法,从而提出一种改进的基于迭代无迹卡尔曼滤波的SLAM算法。仿真实验对提出的迭代条件进行了验证,仿真结果表明提出的SLAM算法与无迹卡尔曼滤波算法相比,可以进一步提高SLAM问题的估计精度。     

船用捷联惯导系统运动中对准的UKF设计

针对海况恶劣船体大幅晃动,捷联惯导系统无法快速完成自主初始对准的问题,给出了大方位失准角情况下捷联惯导系统的非线性误差方程,采用UKF方法来解决GPS辅助船用捷联惯导的运动中对准问题。仿真结果表明,该方法仅需60 s即可完成初始对准,并且水平对准精度达1′,方位对准精度达6′。与传统的EKF非线性滤波方法相比,采用UKF来实现船用捷联惯导系统运动中对准,不仅无需计算复杂的Jcobian矩阵,而且精度更高。