联邦自适应滤波在SINS／北斗／星敏感器组合导航系统中的应用

本以无反馈模式的联邦自适应滤波器为基础，构建了SINS／北斗／星敏感器组合导航系统．由于组合导航的系统模型参数往往与实际的物理参数有偏差，因此在采用常规卡尔曼滤波时，组合的效果往往很差．针对实际系统应用分析了适用于系统噪声阵未知情况下的Salychev O联邦自适应滤波算法，仿真表明，与修正信息分配系数的联邦自适应滤波方法相比，本的方法更适合于系统状态噪声阵未确定时的滤波系统，能有效提高导航精度．     

联邦自适应滤波在SINS/北斗/星敏感器组合导航系统中的应用

本文以无反馈模式的联邦自适应滤波器为基础 ,构建了SINS/北斗 /星敏感器组合导航系统 .由于组合导航的系统模型参数往往与实际的物理参数有偏差 ,因此在采用常规卡尔曼滤波时 ,组合的效果往往很差 .针对实际系统应用分析了适用于系统噪声阵未知情况下的SalychevO联邦自适应滤波算法 ,仿真表明 ,与修正信息分配系数的联邦自适应滤波方法相比 ,本文的方法更适合于系统状态噪声阵未确定时的滤波系统 ,能有效提高导航精度     

改进的Sage-Husa滤波在精确空投组合导航系统中的应用

精确空投导航系统要求在满足导航精度的前提条件下,尽可能的降低成本。而低成本的组合导航系统在空投过程中受外部空投环境的影响较大,给噪声统计特性的准确描述带来困难。这将导致常规卡尔曼滤波器滤波不稳定甚至发散。为了解决此问题,在对常用的Sage-Husa滤波算法进行了总结和分析的基础上,研究了一种将协方差匹配技术和简化的Sage-Husa滤波技术相结合的自适应滤波算法。最后将该滤波方法应用到精确空投组合导航系统中进行了仿真分析。仿真结果表明此算法能够满足精确空投导航任务的要求,并且具有很好的导航精度和可靠性。     

自适应滤波在GPS/IMU/MV组合导航系统中的应用

本文提出了一种自适应数据融合方法,该方法根据位置误差、角度误差和统计信息,采用模糊逻辑控制器对卡尔曼滤波器的增益矩阵K,测量误差协方差R,观测误差协方差Q进行实时修正,将卡尔曼滤波器调整到最优状态。仿真结果证明该方法比传统卡尔曼滤波具有更高的精度。     

自适应Kalman滤波的改进及其在SINS/GPS组合导航中的应用

为解决自适应Kalman滤波中存在的问题,综合采用对观测粗差和滤波结果粗差进行判断、对系统噪声方差阵扩零和修改自适应方程减去项等措施对算法进行了改进.观测粗差的判断可以避免观测奇异,提高滤波稳定性;对滤波结果粗差的判断可避免矩阵求逆时的奇异现象;对状态噪声方差阵扩零,可保证在不影响滤波精度的情况下解决滤波过程中矩阵维数不对应的问题;修改自适应方程减去项,虽然牺牲了一定的精度,但可保证求解状态噪声协方差阵Q和观测噪声协方差阵R的等式右边非负定,从而保证Q和R的非负定.将上述改进后的自适应Kalman滤波算法应用到SINS/GPS组合导航中,仿真结果表明上述改进有效地提高了自适应Kalman滤波的稳定性,且保证了滤波的精度.     

自适应联合H∞滤波器及其在组合导航系统中的应用

研究了联合H∞滤波模型融合信息在各子滤波器中的分配原则,利用改进的Elman网络设计了信息分配系数自适应调节算法,给出了引用此算法的自适应联合H∞滤波器模型,并且给出了该模型的详细算法．MIMU／GPS／HMR组合导航系统的仿真结果表明,应用本文提出的自适应联合H∞滤波器实现了融合信息在各局部滤波器和主滤波器的自适应分配,提高了系统状态估计精度和滤波器解算速度．     

模糊自适应滤波算法在自主水下航行器组合导航系统中的应用

复杂水下工作环境中的诸多不确定因素均有可能导致自主水下航行器(autonomous underwater vehicle,AUV)导航系统的量测噪声模型发生变化,且噪声统计特性难以准确获得.为获得更为准确的状态估计值,提出一种基于模糊逻辑的自适应滤波算法,使量测噪声方差阵可以根据实际情况进行自适应调整从而逼近真实量测噪...     

基于自适应滤波辅助残差χ2法的导航系统故障诊断方法

针对残差χ2法对软故障检测不敏感,且当量测噪声阵不准确时,也不能很好地检测突变故障的问题,提出了一种限制自适应滤波辅助残差法的诊断方法。基于贝叶斯理论推导出一种限制自适应滤波,利用其自适应调节性在线估计量测噪声阵,抑制滤波预报值跟踪软故障,以辅助残差χ2法进行故障检测。为了克服直接隔离故障法导致滤波精度降低,误检率增加的问题,提出了基于一步预测的故障处理和重构方法,即用前一时刻解算的结果预测当前时刻的导航信息。仿真结果表明,所提出的方法能实时有效地诊断出突变和软故障,保证系统在故障阶段的精度,并使系统在故障消失后及时恢复正常,提高了系统的可靠性。     

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。     

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。     

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。     

基于联邦卡尔曼滤波的某舰船组合导航系统的设计

为了得到更高精度的导航信息,在某船现有的固定指北惯性导航系统的基础上,将惯导与GPS结合,设计了一种基于联邦卡尔曼滤波的舰船用组合导航系统,研究了该组合导航系统的数据处理方法,并对该组合方式进行仿真,验证了可行性.     

不同Alpha-Beta滤波算法的精度分析及改进

机动目标跟踪是雷达应用系统的一个重要组成部分,在机动目标跟踪中,目标的跟踪精度作为一项能够反映跟踪算法好坏的指标,是大部分人所关注的重点内容.通过对四种传统的Alpha-Beta滤波算法进行精度分析和比较,总结出四种算法的滤波特点,根据这些特点,改进得出了一种自适应Alpha-Beta滤波算法.该算法相对于传统的Alpha-Beta滤波算法来说,整体滤波效果是最优的,精度也是整体最高的.     

Adaptively robust filtering with classified adaptive factors

The key problems in applying the adaptively robust filtering to navigation are to establish an equivalent weight matrix for the measurements and a suitable adaptive factor for balancing the contributions of the measurements and the predicted state information to the state parameter estimates. In this paper, an adaptively robust filtering with classified adaptive factors was proposed, based on the principles of the adaptively robust filtering and bi-factor robust estimation for correlated observations. According to the constant velocity model of Kalman filtering, the state parameter vector was divided into two groups, namely position and velocity. The estimator of the adaptively robust filtering with classified adaptive factors was derived, and the calculation expressions of the classified adaptive factors were presented. Test results show that the adaptively robust filtering with classified adaptive factors is not only robust in controlling the measurement outliers and the kinematic state disturbing but also reasonable in balancing the contributions of the predicted position and velocity, respectively, and its filtering accuracy is superior to the adaptively robust filter with single adaptive factor based on the discrepancy of the predicted position or the predicted velocity.     

Collaborative Filtering Algorithms Based on Kendall Correlation in Recommender Systems

In this work, Kendall correlation based collaborative filtering algorithms for the recommender systems are proposed. The Kendall correlation method is used to measure the correlation amongst users by means of considering the relative order of the users＇ ratings. Kendall based algorithm is based upon a more general model and thus could be more widely applied in e-commerce. Another discovery of this work is that the consideration of only positive correlated neighbors in prediction, in both Pearson and Kendall algorithms, achieves higher accuracy than the consideration of all neighbors, with only a small loss of coverage.     

一种基于改进自适应卡尔曼滤波的GNSS/INS组合导航算法

在全球卫星导航系统/惯性导航系统(global navigation satellite system/inertial navigation system,GNSS/INS)组合系统中,状态模型误差和异常扰动的影响严重降低了标准卡尔曼滤波的性能,而基于预测残差自适应的卡尔曼滤波随计算次数的增加滤波效果降低,且使用统一的自适应因子调节不可靠。针对上述问题,提出一种改进算法,利用预测残差建立的统计量调节位置向量和速度向量,避免了其他参数对滤波的平衡作用;通过预测残差的概率密度建立马氏距离进行假设检验,在模型正常时使用标准卡尔曼滤波,模型异常时使用改进滤波算法;采用实测车载数据对标准卡尔曼滤波、单因子自适应滤波和本文的滤波方法进行评估,实验结果表明:改进的自适应卡尔曼滤波的滤波算法效果良好,证明了所提算法的有效性。     

基于SINS/星敏感器的组合导航模式

针对利用捷联惯导系统导航的不足,提出了一种基于捷联惯导系统/星敏感器的新组合导航模式,来提高飞行器导航的精度和速度.利用星敏感器得到恒星星光矢量在星敏感器CCD光敏面上的星像点及其在导航星库中对应的坐标值,然后分别进行坐标变换得到星光矢量在数学平台坐标系和地理坐标系中的坐标角度值.以Kalman滤波为基础,将所得到的星光坐标角度值和姿态角速度进行数据融合,估计出组合导航系统的误差状态量,进而修正捷联惯导系统的位置、速度和姿态角参数.详细推导了SINS/星光的组合导航算法,并通过仿真证实了该方案可提高导航系统的精度和速度,有较好的容错性和环境适应性,具有实际使用价值.     

测量数据部分丢失的模糊非线性系统的耗散滤波

研究一类存在随机测量数据丢失现象的网络化非线性系统的模糊滤波器设计问题,采用T-S模糊模型描述非线性系统,并用已知概率分布的二进制切换序列来描述随机的数据丢失.给出了线性矩阵不等式描述的模糊滤波器存在的条件,该条件保证所设计的模糊滤波器使得滤波误差系统均方指数稳定,并满足期望的耗散性能指标.最后通过一个数字仿真例子来说明设计方法的有效性.     

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。