H~∞自适应滤波的理论分析及其在导航系统中的应用研究

由于双星系统的误差模型未知,且稳定性较差,采用Kalman滤波实现惯导/双星组合导航时,其滤波特性较差。而H自适应估计对模型的不定性和干扰信号的统计信息不需做任何假设,而使它在工程实践中有广泛的应用。本文研究了H自适应滤波,并将其应用到惯导/双星组合导航系统中。该方法是通过从输入干扰信号到估计误差间的最大能量增益的最小化找到一种H最优估计策略来保证滤波器的鲁棒性。利用双星和惯导的实测数据进行仿真实验,并和递推最小二乘法、最小均方法进行比较。仿真结果表明,H自适应滤波的鲁棒性优于其它两种算法。     

自适应联邦H∞滤波在水下组合导航系统中的应用

为了提高自主水下航行器组合导航系统精度,选择了捷联式惯性导航系统、多普勒速度声纳、电子磁罗经和海底地形匹配作为水下航行器组合导航系统导航传感器,建立了水下航行器组合导航系统的状态模型和导航传感器观测模型,提出了一种基于RBF神经网络进行联邦滤波信息分配的自适应联邦滤波信息融合方法并进行了计算机软件仿真试验,仿真实验结果表明:采用RBF神经网络进行信息分配系数的自适应调整的改进自适应联邦滤波器的水下航行器组合导航系统的导航姿态、速度和位置精度得到了提高,满足高精度水下组合导航的要求.新型信息融合方法克服了传统滤波容易发散的缺点,有效地提高了水下航行器组合导航系统的容错性能和导航精度.     

INS/双星组合导航系统仿真平台研究

建立了INS／双星组合导航系统仿真研究平台，提出了双星系统中2种误差的建模方法，即定位信息滞后误差和接收机定位零偏的建模方法，并详细地介绍了跑车试验方案、软件设计和测试，为INS／双星组合导航系统的仿真／半物理仿真研究提供了一个仿真平台。     

干扰条件下自适应滤波定位精度分析

在干扰条件下,单纯采用自适应滤波(adaptive Kalman filter, AKF) 或扩展卡尔曼滤波器(extensive Kalman filter, EKF) 在全球导航卫星系统/惯性测量单元(global navigation satellite systems/inertial measurement units, GNSS/IMU)组合导航的运用中都无法达到系统精度最优。为了指导组合导航系统的数据融合滤波器设计,获取AKF和EKF定位性能的经验数值是十分必要的。首先推导出EKF和一种AKF算法--新息序列自适应估计(innovation based adaptive estimation, IAE)的数学模型和计算公式。然后提出了一种实际数据结合仿真的验证方法。针对不同的干扰程度造成的精度降低的测量值,比较AKF算法跟普通EKF在GNSS/IMU组合导航数据融合中的定位精度性能。试验和仿真得到了在实验所采用的IMU精度条件下,自适应滤波在组合导航方面的定位性能的经验曲线以及IAE与EKF定位精度存在的临界点。     

基于H∞滤波的智能车辆多传感器组合导航研究

为适应自主驾驶智能车辆的高精度、高频率及高可靠性与鲁棒性的导航要求,对智能车辆的多传感器组合导航进行了研究。提出了一种基于H∞滤波的双向光电测速仪和CP-DGPS共同辅助SINS的智能车辆冗余组合导航方法。详细推导并建立了组合系统的滤波模型。仿真结果表明,该组合导航系统具有100Hz的高频输出、厘米级的导航精度以及良好的鲁棒性能与可靠性。即使系统特性发生了显著的变化,组合系统仍能为智能车辆提供可靠的导航信息。     

衰减记忆自适应滤波在惯导系统传递对准中的应用

针对滤波稳定性问题,提出了一种改进的衰减记忆自适应滤波算法。通过引入衰减记忆滤波矩阵,根据残差序列输出的互不相关性,在线自适应地调整衰减因子,从而使衰减记忆滤波工作在最佳状态。将该算法应用于惯导系统的传递对准过程,仿真结果表明在模型和噪声统计特性的先验信息不准确时,该算法优于传统的卡尔曼滤波。     

快速联合H∞滤波在SINS/GPS组合导航中的应用

针对捷联惯导/卫星定位(SINS/GPS)组合导航中联合卡尔曼滤波器对系统模型和噪声统计特性的依赖性和算法运算量大等缺点,提出了新的联合H_∞滤波方法.定义了新的联合H_∞滤波公式,提出了融合信息在子滤波器中自适应分配原则,简化了联合H_∞滤波算法.由于H_∞滤波不需要已知噪声的统计特性,因此新算法具有很强的鲁棒性,同时联合算法又可以有效地增加系统的客错能力.仿真实验证明新算法在稳定性和实时性上都有较大提高.     

基于最大熵方法的鲁棒自适应滤波及其应用

针对过程噪声和量测噪声受到脉冲噪声影响而呈现非高斯分布,且噪声统计特性不精确从而导致估计精度下降的问题,提出一种基于最大熵方法的变分贝叶斯自适应卡尔曼滤波(maximum correntropy variational Bayes adaptive Kalman filter, MCVBAKF)算法,并将其应用于捷联惯导系统(strapdown inertial navigation system, SINS)/全球卫星定位系统(global positioning system, GPS)组合导航系统。首先,使用最大熵鲁棒滤波方法对由脉冲噪声产生的野值问题进行处理;然后,通过改进的变分贝叶斯自适应方法进行后验更新,估计噪声,收敛所估参数的估计值;最后,进行了仿真对比。结果表明, MCVBAKF在复杂环境下可以有效提升滤波精度和稳定性。     

基于SAR的组合导航系统仿真研究

针对地形辅助导航中SAR图像匹配高度通道不可观，及传统Kalman滤波器自适应性差的缺陷，提出引入GPS高度信息及自适应联邦Kalman滤波算法，设计基于自适应联邦滤波的SINS／GPS／TAN／SAR四组合导航系统。该方案能有效地提高系统的自适应性、导航精度和自主性。并且由于方位误差角是直接观测量，使得载体不需机动即可获得良好的惯导空中对准能力。同时，该方案还可以提供SAR系统所需的运动补偿信息，由此构成导舷设备与任务设备互补的双向信息融合系统。     

一种基于自适应粒子滤波的捷联初始对准方法研究

针对传统自适应粒子滤波算法的计算负荷太大问题,在Fox的K-L距离采样的基础上,给出一种新的求解七值的方法,将k值的计算从采样过程中分离出来,大大降低算法的复杂度,减少计算量,避免死循环发生.曩后,将该算法应用到大失准角情况下捷联惯导系统动基座初始对准中,并与扩展卡尔曼滤波算法,标准粒子滤波算法和传统自适应粒子滤波算法进行了比较,仿真结果表明简化的自适应粒子滤波算法在保持高精度的同时,有效地提高了算法的计算速度,因此更适合于捷联惯导系统动基座初始对准.     

改进的Sage-Husa自适应滤波及其应用

为防止滤波发散和提高系统的实时性,提出了一种基于协方差匹配技术的自适应滤波方法。该方法将协方差匹配技术和一种简化的Sage-Husa自适应滤波算法相结合,通过滤波的状态确定量测噪声协方差阵的值,在线估计噪声的统计特性实现自适应滤波。将该算法应用到惯导/双星（INS/DS）组合导航系统中,并和简化的Sage-Husa自适应滤波算法进行仿真比较。仿真结果表明,在滤波精度相当的情况下,新算法简化了运算,提高了实时性。     

ARS辅助SINS/BDS组合导航系统性能仿真分析

捷联惯导／北斗双星定位组合系统（SINS／BDS）可采用间段组合的方式以避免“北斗”系统有源定位暴露目标的缺点；多普勒主动雷达导引头（ARS）可利用波束速度连续辅助惯导，弥补“北斗”系统无速度信息、不能全程使用的缺点。以巡航导弹为应用对象构建了SINS／BDS／ARS卡尔曼组合导航滤波器，探讨利用ARS提高SINS／BDS组合系统精度的潜力。研究表明ARS辅助可降低BDS接收机关闭期间SINS导航误差的增长速度，加快BDS接收机工作期间SINS／BDS组合速度信息的收敛速度，转向机动时辅助效果更好。利用该方法可在不增加设备和成本的前提下提高SINS／BDS组合导航系统精度，降低惯性器件的精度，缩减BDS接收机工作时间，具有一定的应用潜力。     

基于Simulink高精度组合导航系统研究与仿真

建立了基于MATLAB/Simulink的组合导航系统仿真模型,并将系统分解成一系列功能相对独立的模块,如轨迹发生模块,捷联惯导解算模块,卡尔曼滤波器模块等.研究并设计了SINS/GPS(RDSS)/CNS/SAR组合导航算法,利用无重置联邦型卡尔曼滤波技术,将各子滤波器输出的系统状态局部最优估计值送入主滤波器,采用全局最优融合算法计算得到系统状态的全局最优估计值;通过每15分钟对导航系统进行重置,有效抑制了无重置联邦滤波器在长时间运行时的发散问题,并进行了仿真验证,仿真结果表明,该组合导航系统具有很高的导航精度,定位精度为5米,姿态精度为0.5角分,仿真模型建立正确,方法采用得当、有效.     

连续时滞模糊系统的H∞滤波

研究了一类非线性连续时滞系统的H∞滤波器的设计问题。基于T-S模糊模型来设计模糊H∞滤波器,该滤波器能确保滤波误差系统的渐近稳定并能满足给定的H∞性能指标。在设计过程中考虑了系统的时滞,从而降低了滤波器设计的保守性,根据线性矩阵不等式(LMI)给出线性滤波器存在的充分条件。通过仿真算例验证了设计方法的有效性。     

基于扩展LMI的鲁棒H2和H∞滤波

研究凸多面体不确定连续系统的鲁棒H2和H∞滤波问题。借助于线性矩阵不等式(LMI)技术,提出了扩展的连续系统H2和H∞性能准则。基于该性能准则,推导出新的鲁棒H2和H∞滤波器存在的充分条件,并将滤波器设计问题转化为一个具有LMI约束的拟凸优化问题。仿真结果表明,与现有方法相比,所提方法具有较低的保守性。     

不确定离散时滞系统的鲁棒H∞滤波与仿真

研究了一类不确定离散时滞系统的鲁棒H∞滤波问题，其中不确定性存在于系统的状态矩阵和输入矩阵当中，且满足范数有界条件，对于所有容许的参数不确定性，构造一个线性滤波器，使得滤波误差系统渐近稳定且满足一定的H∞性能指标，给出了滤波器存在的充分条件，并通过矩阵变换得到了设计滤波器的LMI方法。 为了使得滤波器具有良好的稳态性能，本文考虑了LMI的优化问题。通过求解一组LMI，可以得到最优滤波器。最后，仿真结果很好地说明了本文方法的有效性。     

参数不确定的非线性随机时滞系统的H∞滤波

研究了一类带有参数不确定性的非线性随机时滞系统的鲁棒H∞滤波问题.假设参数不确定性是范数有界的并且系统的动态方程是由伊藤微分方程所描述的.对所有容许的参数不确定性以及外界干扰,构造一个线性、无时滞、不确定性及独立的状态滤波器,使滤波误差动态系统是指数均值稳定并且独立于时滞的.针对单时滞系统和多时滞系统两种情况,基于线性矩阵不等式(LMI)方法给出了保证鲁棒H∞滤波存在的充分性条件.最后,数值仿真结果很好地说明了该方法的有效性.     

基于UKF的低成本SINS/GPS组合导航系统滤波算法

针对MIMU的精度不高,会带来较大的初始对准误差角,如果继续采用传统的小干扰线性方程就会给滤波带来很大误差,甚至发散。针对这个问题,对低成本SINS/GPS组合导航系统建立了基于四元数误差模型的非线性滤波方程,并采用了UKF非线性滤波方法。针对四元数误差模型单纯使用UKF方法无法估计加计零偏和陀螺漂移的问题,提出将UKF和EKF相结合的算法,仿真结果表明,比起扩展卡尔曼滤波以及采用传统小干扰线性方程的卡尔曼滤波,这种方法能够提高姿态误差角特别是方位误差角的估计精度。     

基于H∞设计法的非线性舵鳍联合控制系统仿真研究

建立了首摇、横荡、横摇三个自由度的船舶运动方程。给出了随机海浪波高、横荡力、横摇力矩、艏摇力矩的仿真算法。介绍了干扰抑制的H^∞线性系统设计方法。把非线性船舶舵鳍联合控制系统设计问题化为以二次型性能指标为目标函数的干扰抑制的H^∞线性系统设计问题；基于H^∞系统设计方法，进行舵鳍联合控制系统的设计。并用MATLAB语言完成了控制器的设计与仿真，仿真结果表明基于H^∞设计法的舵鳍联合控制器在保证航向控制的同时，达到较高的减摇效果。     

不确定模糊时滞系统的鲁棒H∞滤波

研究了一类带有时滞的不确定离散时间模糊系统的鲁棒H∞滤波问题。模糊H∞滤波器的设计建立在T-S模糊模型上并能确保滤波误差系统的渐近稳定和给定的H∞性能指标。考虑了时滞的存在使得滤波器有更小的保守性,由线性矩阵不等式（LMI）给出滤波器存在的充分条件。最后,仿真算例验证了给出方法的有效性。