基于Gauss-Hermite求积分卡尔曼滤波的SINS非线性初始对准方法

为了改善大方位角初始对准精度和缩短收敛时间,在SINS动基座初始对准中引入了简化的Gauss-Hermite求积分卡尔曼滤波(QKF)方法.首先分析了Gauss-Hermite求积分中的单变量Gauss点及其系数配置方法,然后采用直接张量积法将单变量配置扩展后得到多变量Gauss点及其系数配置方法,给出了简化的QKF滤波算法.最后通过数学仿真分析比较了单变量积分点数为3的QKF(3点QKF)与比例对称采样UKF的对准性能,以及单变量积分点数取不同值(3,5和7)对QKF滤波性能的影响.结果表明:在动基座SINS大方位角初始对准中,3点QKF的对准精度远高于UKF的精度,方位角估计收敛速度也快于UKF,并且随着单变量Gauss积分点数的增加,QKF对准精度会进一步提高.     

基于PF-UKF组合滤波的SINS/GPS组合导航系统空中对准方法

针对捷联式惯性导航系统(SINS)/全球定位系统(GPS)组合导航系统模型的误差以及粒子滤波(PF)存在的粒子退化问题,结合无迹卡尔曼滤波(UKF)算法,提出一种基于PF-UKF组合滤波的SINS/GPS组合导航系统空中对准方法.由误差四元数代替姿态角,以SINS和GPS的位置差和速度差作为观测量,建立新的组合导航系统误差方程.所提出的PF-UKF组合滤波算法将采样粒子分为随机粒子和确定粒子,其中随机粒子为概率密度函数所采集,确定粒子为UKF中采集Sigma点后所求取的系统状态值.由此降低了PF处理粒子时的复杂程度以及粒子退化的程度.仿真结果表明：相比于UKF算法,该方法有效提高了组合导航系统的精度,具有较好的鲁棒性.     

基于非线性滤波的捷联惯导系统罗经法对准改进算法

为提高捷联惯导系统初始对准的快速性和精确性,根据传统的平台惯导系统罗经法对准原理,提出包括水平对准和方位对准的捷联式罗经对准算法.给出了导航坐标系下加速度和角速率的修正值,经过姿态矩阵的转换对载体坐标系下的惯性测量组件输出值进行修正补偿.对不同初始姿态角误差和不同初始航向角的仿真表明,初始航向角的改变对系统影响较大,特别在大方位失准角情况下.采用UKF算法对非线性模型滤波的仿真结果显示,最大航向角误差从15′降至6′,证明将罗经法和UKF滤波方法相结合进行捷联系统初始对准是可行有效的.     

基于EPEA的SINS大失准角非线性初始对准方法

基于欧拉平台误差角(EPEA)的概念描述了理论导航坐标系到计算导航坐标系之间的失准角,推导了捷联惯导系统(SINS)在大失准角情况下进行初始对准的非线性误差模型.在系统噪声和量测噪声均为加性噪声且量测方程为线性方程时,给出了带阻尼解算的简化扩展卡尔曼滤波(EKF)算法和简化无迹卡尔曼滤波(UKF)算法,同时分析了不同失准角情况下初始对准过程的异同.静基座状态下的Monte Carlo仿真结果表明,大失准角和大方位失准角情况下,EKF和UKF算法都能满足对准要求,其中UKF算法较EKF算法具有对准时间更快、对准精度更高和适用范围更广的优点;小失准角情况下,由于捷联惯导系统的线性化误差变小,二者的对准时间和对准精度基本相同.     

基于改进型CKF的SINS初始对准方法

针对在晃动基座和大失准角下水下自主航行器(AUV)采用传统对准方法对准精度下降问题,建立捷联惯导系统(SINS)非线性对准模型,采用改进型CKF(ICKF)方法进行滤波,通过采用球面最简相径(SSR)规则选取CKF的容积点,在CKF的时间和量测更新方程之中引入强跟踪滤波(STF)的渐消因子;在CKF的基础上引入高斯-牛顿迭代算法,提高晃动基座下大失准角SIN对准精度.仿真实验表明:该方法对准精度高、鲁棒性强,克服了模型不准确时滤波精度下降甚至发散的问题,更能满足初始对准的要求.     

R-T-S平滑算法在捷联惯性异航系统初始对准精度事后评估中的应用

捷联惯性导航系统(SINS)通常采用Kalman滤波实现初始对准．由于R-T-S最优固定区间平滑算法的精度比Kalman滤波高，采用R-T-S最优平滑算法通过事后处理SINS对准数据来计算SINS的失准角，作为参考失准角，对SINS初始对准的精度进行事后评估．以船用SINS为例进行了仿真．结果表明，R-T-S最优平滑算法的精度比Kalman滤波精度高，从而说明利用R-T-S平滑算法对SINS初始对准精度进行事后评估是可行的．     

基于SRCKF的水下航行器动基座初始对准技术

针对当海况不佳时,水下航行器即使处于系泊状态下也会产生大幅晃动,从而使得捷联惯性导航系统（SINS）无法快速完成自主初始对准的问题,提出了利用多普勒计程仪（DVL）提供的速度信息来辅助SINS实现运动中对准的方法．同时针对该环境下SINS只能获取粗略的初始方位信息的问题,提出了基于平方根求容积卡尔曼滤波（SRCKF）的动基座对准滤波算法．该滤波算法克服了扩展卡尔曼滤波（EKF）存在的滤波精度低以及须计算雅可比矩阵的不足,并在滤波过程中以协方差平方根矩阵代替协方差矩阵进行迭代更新,从而提高了滤波算法的收敛速度和数值稳定性．仿真结果表明：该方法能够解决水下航行器的动基座初始对准问题,且对准精度高,数值稳定性好．     

ACDKF在SINS大方位失准角初始对准中的应用

将可以估计系统参数、噪声统计特性和修正滤波增益的自适应估计方法引入到CDKF算法中,并将其应用到SINS大方位失准角初始对准中,实现SINS大方位失准角初始对准,解决了噪声特性不准确的非线性问题,避免了线性化误差对滤波精度的影响,克服了噪声统计特性不准确的局限性,进一步提高了导航精度.采用自适应中心差分卡尔曼滤波(ACDKF)进行初始对准,提高了CDKF算法的收敛性和系统的稳定性.仿真结果表明:ACDKF能够克服噪声统计模型不准确对滤波结果的影响,对失准角的估计精度优于CDKF,进一步提高了系统的精度和可靠性.     

高阶SRC-KF SINS对准模型算法

基于SINS初始对准误差参数计算精度要求,利用Gauss-Hermite积分和Gauss-Lagerre积分数值逼近方法,证明了Bayesian最优估计理论的高阶球面径向联合积分数值逼近的五阶SRC-KF算法.通过状态向量坐标变换开展高阶球面径向数值积分逼近计算,根据获得2n2个球面径向采样点,利用高阶矩匹配方法设计采样点权值展开系统状态后验概率密度函数逼近计算,来达到非线性系统状态参数五阶SRC-KF最优估计算法高精度计算目的.采用四元数姿态建模方法构建新型SINS初始对准非线性误差模型,引入Lagrangian乘子算法计算四元数估计加权均值,最后利用SINS粗对准实验数据开展初始对准高阶SRC-KF模型算法仿真验证研究.通过UKF、CKF和五阶SRC-KF算法估计数据比较,五阶SRC-KF算法计算精度较高,数值计算稳定性好,验证了五阶SRC-KF算法的可行性及计算精度优势.     

改进的强跟踪平方根分解UKF算法应用研究

针对一类非线性系统滤波问题,提出了一种改进的强跟踪平方根分解UKF算法.该算法通过引入自适应渐消因子改善了滤波器的鲁棒性,利用改善的平方根分解方法提高了滤波器的计算效率.通过实验仿真验证,该算法相对于传统的强跟踪UKF算法具有相近的估计精度和更快的计算效率,相对于强跟踪滤波器具有更高的精度.     

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.     

UKF和UPF在惯导初始对准中的应用研究对比

捷联惯性导航系统是新型航位推算系统,在惯导系统执行工作任务之前需要进行初始对准,以保证系统的正常运行。对捷联式惯导系统,初始对准就是确定初始时刻的姿态阵,利用惯性元件的输出信息,选用合适的滤波方法,将计算的导航坐标系与真实导航坐标系的失准角估计出来,来修正姿态矩阵,使计算坐标系与真实坐标系尽可能重合。在实际的导航系统中,状态方程和量测方程通常都是非线性的,对于非线性特性,传统的解决方法是利用EKF滤波算法,但它只适用于弱非线性模型的估计,系统的非线性越强,引起的估计误差就越大,甚至会引起滤波发散。为此提出两种滤波算法UKF与UPF,并将两者进行了仿真对比,结果表明UPF算法比UKF算法收敛速度更快,估计精度更高。     

对偶四元数捷联惯性导航系统初始对准方法

采用对偶四元数将捷联惯性导航系统坐标系间的转动和平移统一考虑,以降低初始对准的模型复杂度和计算复杂性.给出了对偶四元数捷联惯性导航系统初始对准过程的粗对准模型,在此基础上,分别获得了基于加性和乘性对偶四元数误差的精对准模型.以航向角估计为例进行仿真分析,结果表明,采用该方法的收敛速度比传统方法加快了约40%,对准精度提高约0.01°.     

基于平方根UKF的伪卫星动态跟踪定位算法

为了解决传统Kalman滤波在处理非线性系统时的局限性,以及扩展Kalman滤波（EKF）在处理强非线性系统时发散性和精度较差的问题,结合动态导航系统中的目标跟踪定位问题,在不敏Kalman滤波（UKF）算法的基础上,提出了一种基于平方根UKF的动态跟踪定位算法,在递推运算过程中采用协方差矩阵的平方根代替传统算法计算过程中的协方差矩阵。MATLAB仿真结果表明,平方根UKF算法的精度比EKF提升了54.7%,比UKF提升了14.8%。所提出的算法解决了Kalman处理非线性系统的局限性以及传统EKF和UKF算法精度不高的问题,为伪卫星系统的高精度定位研究提供了有力支撑。     

基于四元数的捷联惯导惯性系晃动基座自对准算法

为提高捷联惯导系统在晃动基座下初始对准的快速性和精度,提出了一种基于四元数的捷联惯导惯性系晃动基座自对准算法.该算法利用惯性坐标系下的姿态更新来实时地反映载体在晃动干扰下的姿态变化,通过四元数推导将初始姿态的最优估计转化为Wahba姿态确定问题,以消除角晃动干扰的影响;并根据惯性系下重力矢量和晃动干扰加速度不同频的特点,引入小波阈值消噪以消除线振动干扰的影响,从而提高算法在晃动基座下的对准精度.仿真结果表明,该算法不需要进行粗对准,具有角晃动干扰隔离能力和线振动干扰抑制能力,能够实现晃动基座下的快速、精确自对准.     

一种主／被动雷达协同探测跟踪算法

为了提升地面防空武器系统对干扰目标的探测跟踪能力,结合装备武器系统主/被动雷达的技术特点,以及其良好的优势互补性,研究设计了一种主/被动雷达协同探测跟踪模式,并基于交互式多模型算法和不敏滤波算法在处理强机动目标和非线性问题上的优势,以及系统实时性要求的考虑,提出了一种改进的自适应交互式多模型不敏滤波算法.通过Monte Carlo仿真,与主/被动雷达单独跟踪效果相比较,其性能得到了较大改善,也进一步验证了主/被动雷达协同探测跟踪模式及改进算法的有效性和优越性.     

基于极大后验估计的STUKF算法跟踪再入弹道目标

针对弹道导弹再入阶段飞行受力情况复杂多变,状态噪声未知时变的非线性跟踪问题,提出基于极大后验估计的STUKF非线性滤波跟踪算法。该算法采用最小偏度单行采样策略,在保证跟踪精度的同时,提高实时性;引入带有多重次优渐消因子的强跟踪算法,在线调整状态一步预测均方误差阵,提高系统对突发机动跟踪的稳定性;采用指数加权的方法,利用次优无偏MAP时变噪声统计估计器,在线估计未知系统过程噪声的统计特性,提高系统应对噪声变化的能力。仿真结果表明:该算法具有比不敏卡尔曼滤波算法(UKF)和扩展卡尔曼滤波算法(EKF)更好的跟踪性能。     

用于状态估计的自适应粒子滤波

分析了粒子滤波的性能关键,提出了一种新的自适应粒子滤波算法．该算法采用一种新提议分布,即将UKF（Unscented Kalman Filter）与自适应强跟踪滤波器（STF）相结合．新提议分布通过UKF构造粒子群,而粒子群中的每个粒子中的每个sigma点用STF来更新,它可以在线调节因子而使得算法自适应．非线性状态估计仿真试验证实了改进的粒子滤波算法的有效性．