捷联惯导系统的可观测性和可观测度研究

可观测性和可观测度分析是确定动态系统卡尔曼滤波效果的重要环节．本文首次提出了一种时变动态系统可观测性矩阵的奇异值分解分析方法，应用于捷联惯导系统初始对准过程中系统状态的可观测度分析取得显著效果，该方法为初始对准中载体最佳机动方案选择提供了依据．计算机仿真结果表明了该方法的有效性．     

模糊抗干扰传递对准技术研究

针对机动过程中的机载捷联惯导系统(Strapdown Inertial Navigation System,SINS)进行抗干扰传递对准技术研究。建立了机载SINS传递对准误差模型,设计了一种顾及系统误差的模糊抗干扰传递对准方法。在滤波估计过程中引入模糊理论,对观测向量及状态预测向量的协方差阵进行估计。利用修正后的观测向量和状态预报向量及相应的协方差阵进行导航滤波计算,以克服机动过程引起的干扰。仿真结果表明,该算法得到的系统状态估计精度明显提高,为研究SINS快速、精确传递对准奠定了理论基础。     

捷联惯系统的可观测性和可观测度研究

可观测性和可观测度分析是确定动态系统卡尔曼滤波效果的重要环节，本文首次提出了一种时变动态系统可观测矩阵的奇异值分解分析方法，应用于捷联惯导系统初始对系统状态的可观测度分析取得显著效果。该方法为初始对准中载体最佳机机动方案选择提供了依据，计算机仿真结果表明了该方法的有效性     

惯导系统传递对准的可观测性分析

系统的可观测分析对卡尔曼滤波器的效果有较大影响。惯导系统的卡尔曼滤波模型在传递对准时,为线性时变系统,其可观测性分析比较困难。文中采用一种依据系统矩阵的奇异值确定状态可观测度的方法对两种快速传递对准的卡尔曼滤波模型进行可观测性分析,结果表明该方法简单有效,"速度+姿态"的可观测性更高。     

机载战术武器传递对准可观测性分析

针对机载战术武器系统实际应用情况,选用游动方位作为导航坐标系,推导出了新的传递对准误差模型并合理简化.为了得出系统各状态量的可观测性与可观测度,采用基于分段线性定常系统(PWCS)理论的奇异值分解法,给出了游动方位系统处于传递对准时各状态变量的可观测度.分别计算了平动和转动两种不同情况下各状态变量的可观测度,计算结果表明:水平加速机动结束时方位失准角可观测度从1.7×10-20提高到1.4;绕Z轴转动机动时,游动方位角可观测度从2.4×10-13提高到5.0×10-4,水平加速度计误差可观测度提高到0.7.     

基于北向陀螺零偏自观测的捷联惯性导航系统双位置初始对准方法

传统捷联惯性导航系统单位置初始对准系统不完全可观测,不可观测的东向陀螺零偏造成航向估计的主要误差。双位置初始对准可以改善系统的可观测性,但一般需要精确的转位机构,不便于工程应用。该文提出一种基于北向陀螺零偏自观测的双位置初始对准方法,只需陀螺载体在近似水平的任意两个位置停留片刻,从第1位置提取北向陀螺零偏信息传递给第2位置作为观测量,即可提高东向陀螺零偏的可观测度并提高航向对准精度。为了寻找最优转角,提出一种全面可观测度分析方法,将可观测度细分为表征不同条件下同一状态可观测程度的相对可观测度和表征状态收敛速度的可观测阶两部分,利用相对可观测度分析得出最佳转角为±90°,并进行了仿真实验验证。实测实验结果表明:相比于单位置对准,双位置对准将航向误差由0.268°降低到0.041°,并可估计出水平陀螺零偏。     

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。     

新型粒子滤波算法在传递对准系统中的应用

为了提高传递对准非线性系统状态估计中粒子滤波算法的估计精度,提出了一类应用中心差分滤波(CDDF)算法产生粒子建议分布的中心差分粒子滤波(CDDPF)算法.该算法应用Stirling插值公式逼近非线性函数,用Cholesky分解确保误差方差阵正定性,获得滤波稳定数值计算;应用CDDPF算法生成粒子建议分布,能够融合最新量测信息;最后应用新算法对传递对准系统模型进行最优滤波,CDDPF算法数值计算稳定性优于UKPF算法,状态变量估计精度得到明显提高.     

捷联惯导系统的静基座快速初始对准方法

建立了捷联惯导系统的误差模型，并对系统模型进行了可观测性分析；然后基于ＳＩＮＳ误差模型的特点，通过对所采用卡尔曼滤波器仿真结果的分析，提出了一种快速估计方位失准确φＤ的方法，从而大大缩短了初始对准时间，提高了对准速度；最后，计算机仿真结果表明了该方法的有效性。     

当前统计模型自适应滤波算法改进

由于"当前"统计模型自适应滤波算法对于最大加速度的过分依赖,使其对于弱机动目标并不具有较高的跟踪精度,基于"当前"统计模型自适应滤波算法的研究及目标跟踪性能的分析,提出了将目标的机动状态划分为强机动和弱机动,当目标在作弱机动运动时,可通过修正最大加速度来提高跟踪精度,分别针对常速、常加速、弱变加速三种弱机动情况进行了数学仿真,仿真结果表明,通过修正最大加速度的方法,可使该算法对于弱机动目标的跟踪精度大大提高。     

一种新的捷联惯导系统动基座对准中的可观测性分析法

以惯性坐标系为导航坐标系,建立了捷联惯性导航系统动基座对准的误差模型.利用分段定常系统可观测性分析方法对系统动基座对准时的可观测性进行了全面分析,定性地得出了载体不同运动对系统可观测性的影响.分析结果表明,在动基座对准过程中,不同于传统的以地理坐标系为导航坐标系,惯性坐标系具有简化分析过程、利于定轨等优点,且无论载体是线运动还是角运动,在一定条件下都能提高系统的可观测性,进而提高卡尔曼滤波器的估计精度和速度.在以惯性坐标系为导航坐标系的捷联惯性导航系统动基座对准过程中,采用卡尔曼滤波方法,基于具体试验数据,对失准角进行了估计,给出了仿真曲线,验证了分析结论.     

一种参数自适应调整的Singer模型跟踪算法

针对单一参数的Singer模型难以适应不同机动类型的问题,提出了一种参数自适应调整的Singer模型。该模型依据目标机动的可能等级,设定多组相应的Singer模型参数,然后在滤波过程中依据滤波结果,确定目标在当前时刻的机动等级,并选取当前时刻的Singer模型参数,用于之后的跟踪过程。仿真表明,该模型可以稳定跟踪目标的不同机动段,与使用单一参数的Singer模型相比,该模型的跟踪精度更高。     

MIMU在不同情况下的可观测性分析

基于微机电系统(MEMS)技术的微惯性测量单元(MIMU)在体积、重量、功耗都具有显著优势,但是其较大的惯性器件误差限制了其应用范围。通过引入旋转调制技术抑制其影响,使得MIMU能够实现寻北应用,目前这方面已经得到比较多的研究。但是不足之处在于缺乏对MIMU的可观测性分析,而状态是否可观测与Kalman滤波能否准确估计误差状态量是紧密联系的。该文针对MIMU在静止、多位置、连续旋转3种情况下,基于实测数据用Kalman滤波分析其可观测性。结果表明:静止情况下MIMU的航向姿态角误差很大,无法自对准;通过绕航向轴及俯仰轴旋转的多位置方案,可以使得MIMU的误差状态量完全可观测;连续旋转情况下,Kalman滤波可以在较短时间内估计出航向角及天向加速度计零偏,并在一段时间后估计出方位陀螺漂移,但是无法准确估计出水平方向的陀螺漂移及加速度计零偏,不过寻北算法可以估计出水平方向的惯性器件常值误差。该研究结果为提高MIMU自对准精度以及评估其性能提供了途径和理论依据。     

SINS/OD/MM组合导航系统可观测性分析

通过对SINS/OD组合系统和SINS/MM组合系统的可观测性进行初步的定性分析。利用可观测分析的基本方法对SINS/MM/OD组合导航系统在不同机动条件下的可观测性进行了详细的分析。仿真结果表明:SINS/OD/MM组合导航系统的姿态、位置、速度均可观测;系统各状态可观测程度与载车行驶轨迹有很大关系。当载车做大的机动转弯时,能有效地提高系统方位误差角的可观测性。     

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.     

基于滤波估计的传递对准观测值延时抑制方法

传递对准过程中,由于主惯导的解算和传输延迟,子惯导解算信息与进行匹配的基准信息不能完全同步,有些情况下时间延迟较大。分析了时间延迟对速度加姿态角匹配传递对准的影响,并提出了一种时间延迟估计与补偿方法。建立了主惯导时间延时模型,推导了包含时间延时的传递对准观测方程。仿真结果表明,未补偿主惯导信息时间延迟,传递对准失准角估计误差达到40′左右,补偿后,传递对准失准角估计误差在6′以内。该方法可以有效降低由于主惯导信息延时而导致的估计误差发散现象,提高了传递对准精度。     

匹配信息丢失条件下传递对准方法研究

针对传递对准过程中匹配信息的丢失会导致对准滤波器的估计误差过大甚至发散的问题,提出了一种基于改进无迹卡尔曼滤波（UKF）方法的舰载传递对准方案. 该方法通过在滤波器的更新方程中设置一个控制变量,根据当前时刻是否存在匹配数据丢失的判断结果对滤波更新过程进行相应处理,并对所提对准算法的估计误差的有界性进行了分析. 在几种不同等级的匹配信息丢失率的情况下,所提出的方法均能够以较高精度完成对姿态失准角的估计. 仿真结果表明了该方法的有效性.      

一种基于速度加比力匹配的传递对准时间延迟补偿算法

传递对准过程中,由于主惯导的传输延迟,子惯导解算信息与进行匹配的基准信息不能完全同步,有些情况下时间延迟影响较大。分析了时间延迟对速度加比力匹配传递对准算法的影响,并用扩增状态量的方法对该算法时间延迟进行建模和补偿。仿真结果表明,对准过程中当舰船处于匀速运动状态,时间延迟几乎不会影响对准性能;当舰船进行加速运动或S形机动运动时,时间延迟会严重影响对准性能,通过补偿可以有效地减少时间延迟对于该算法的影响。     

一种抗基座扰动的捷联惯导系统初始对准方法

将自抗扰控制技术应用于捷联惯导系统的初始对准中,提出了一种抗基座扰动的初始对准新方法. 建立了系统的误差模型,深入研究了该对准方法的精度和速度. 计算机仿真和实际系统试验结果均表明,与传统的Kalman滤波精对准方法相比,该方法对扰动具有很好的跟踪作用,是一种应用在捷联惯导系统中的理想对准方案.     

基于交互式多模型Kalman滤波的手势跟踪算法

针对任意变形手势跟踪过程中,手势运动轨迹方向发生改变时,传统滤波跟踪算法跟踪精度迅速下降的问题,提出了一种基于交互式多模型Kalman滤波的改进型手势跟踪算法。该算法在传统非机动状态空间模型的基础上增添了两个机动模型,以更加准确的描述手势的状态空间。首先采用三个不同模型分别描述不同的目标运行模式;同时,以模型匹配似然函数为基础更新模型概率;最终组合所有滤波器修正后的状态估计值以得到最优状态估计。实验对比结果表明,该算法能够取得较高地跟踪精度。