基于循环神经网络的车载DR状态估计

由于噪声的不确定性和自身的非线性特征,通过航位推算系统(DR)精确地估计车辆的状态是实际车辆组合导航中最困难的部分。提出了一种基于循环神经网络的方法,和传统的扩展卡尔曼滤波(EKF)方法相比,该方法不仅提高了系统定位的准确性和自适应抗干扰能力;而且不需要模型的具体解析形式,避免了复杂的 Jacobian 矩阵的计算,算法更简单,也更加易于实现。为了检验其有效性,将两种方法分别对车辆 DR 导航系统进行滤波仿真,仿真结果进一步表明该神经网络方法明显优于 EKF 方法,是车载 DR 导航中一种更理想的非线性滤波方法。     

某型无人机GPS/Radio/DR组合导航中的滤波技术研究

针对某型无人机GPS Radio DR组合导航中各子系统的特点,提出一个分散集中化滤波方法。通过建立简化的无人机动力学及运动学模型,利用卡尔曼滤波对磁航向及空速信息进行处理,提高了航位推算(DR)的精度;由于无线电测量雷达中传动机构存在一定间隙,造成方位测量信息包含定频段的干扰,通过采用低通数字滤波器有效地抑制了干扰信号;利用GPS信息分别对滤波后的航位推算和无线电信息进行融合修正。仿真结果表明,经过融合后的无人机航迹精度明显得到了提高。     

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。     

一种基于抗差滤波的行人导航算法研究

行人导航系统(pedestrian navigation system, PNS)通常采用全球定位系统(global positioning system, GPS)和航位推算(dead reckoning, DR)组合导航的方式进行定位,因此其定位精度易受GPS定位误差特别是定位粗差的影响。为了减小这种影响,提高行人导航系统定位精度,采用了一种基于抗差滤波的GPS/DR组合行人导航算法。该算法首先对DR系统误差建模,获得行人导航系统卡尔曼滤波模型,再通过GPS与DR系统观测量之差,估计当前观测噪声与先验统计特性的符合程度,利用等价权实时调整观测权值,以避免观测粗差对组合导航精度的影响。最后通过对实测数据的分析表明,在GPS定位误差较大或含粗差情况下,该方法较卡尔曼滤波算法能明显抑制定位误差的影响,将定位精度提高5 m左右,能够在不增加硬件的基础上有效提高GPS/DR组合行人导航精度。     

光电跟踪系统中两步非线性滤波算法研究

基于非线性最小二乘准则的两步最优估计方法(Two-step optimal estimation, TSE)在第二步中需要计算雅克比矩阵的逆,且其逆的计算经常是不存在的,从而导致滤波结果发散.因此,为改进TSE算法的稳定性,在分析了TSE算法的原理的基础上,提出了改进的TSE算法,并确定了TSE算法的中间状态向量和转换矩阵的选取原则.通过非线性测量光电跟踪系统的仿真实验验证了所提出的改进的TSE算法可以保证算法的稳定性、中间状态向量和转换矩阵的选取原则的正确性,同时也证明了此算法的性能优于扩展卡尔曼滤波和U卡尔曼滤波.     

探测器自主导航的UD-EKF粒子滤波算法研究

用UD分解改进EKF粒子滤波算法,并将其应用于基于星光仰角测量的探测器自主导航方案.UD-EKF是基于递推的UD协方差分解滤波算法,该方法减少了计算舍入误差的影响以及计算机的计算量和数据存储量.用UD-EKF更新粒子,提高了滤波精度,缩短了运行时间,通过计算机仿真证实了其可行性.     

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.     

一种基于SR-UKF的GPS/DR组合定位算法

针对智能车辆机动性运动的定位问题提出了一种基于平方根Unscented卡尔曼滤波的GPS/DR组合定位方案和算法.基于组合定位模型状态方程线性和观测方程非线性的特点,提出了将标准平方根卡尔曼滤波同SR-UKF相结合的非线性滤波算法.该算法在时间更新阶段减少了滤波算法的运算量,提高了滤波算法的效率.仿真结果表明:与基于EKF的非线性滤波算法相比,本算法具有更高的滤波精度和更好的滤波稳定性,同时,同通用SR-UKF相比又具有较高的运算效率,完全适合于资源有限的车载导航系统.     

基于EKF永磁同步电机FMRAC方法的仿真研究

结合传统模型参考自适应方法控制性能优越的特性和模糊控制不依赖对象精确数学模型的优势,将模糊控制器植入模型参考自适应控制系统构架中。主模糊控制器用于取代传统模型参考自适应控制中的反馈控制器,模糊逆模型结合自适应调整算法取代复杂的常规自适应规则,利用模糊控制良好的非线性学习特性,构建模糊自适应控制机构。以永磁同步电机为例,在MATLAB/Simulink环境下建立双闭环控制系统,基于扩展卡尔曼滤波设计速度观测器,基于模糊模型参考自适应方法设计速度控制器,仿真结果表明:控制系统运行平稳,速度跟踪快速准确,具有良好的动、静态特性。     

基于非线性观测器的导航过程仿真研究

为解决传统观测器使用范围受假设条件限制的问题,在观测器建立过程中,设计了一种参数投影关系,并加入到观测器中,在不受假设条件约束的条件下使其保持半全局稳定,同时估计过程更加直接,使得非线性条件下的参数估计过程较快收敛。仿真结果表明,非线性观测器的计算量要比乘性扩展卡尔曼滤波减少了近80%。试验结果表明,非线性观测器的估计精度与乘性扩展卡尔曼滤波相当,并且可以有效提高参数估计的实时性,节约了时间,提高了导航效率。     

基于平方根UKF的车辆组合导航

针对扩展卡尔曼滤波(EKF)在车辆导航中存在着计算复杂、线性化误差大等缺点,将一种新的非线性滤波方法--平方根UKF方法(SRUKF)用于车辆GPS/DR组合导航中.和普遍采用的EKF方法相比,SRUKF方法不仅提高了车辆组合定位的精度和稳定性;而且不需要模型的具体解析形式,避免了复杂的Jacobi-an矩阵的计算,算法更简单,也更加易于实现.为了检验其有效性,将两种方法分剐对车辆GPS/DR组合导航系统进行滤波仿真,仿真结果进一步表明SRUKF方法明显优于EKF方法,是车辆组合导航中一种更理想的非线性滤波方法,真正实现了车辆低成本、高精度的实时定位.     

基于UKF的新型北斗/SINS组合系统直接法卡尔曼滤波

针对传统的间接法卡尔曼滤波在北斗/捷联惯导(serial inertial navigation system, SINS)组合导航系统中无法实现较高的定位精度且计算的冗余度大的缺点,提出一种基于无迹卡尔曼滤波（unscented Kalman filter, UKF）的新型组合系统滤波算法。本算法以SINS输出的导航参数及平台误差角等作为系统状态,无源北斗输出的位置速度参数作为量测,采用改进的UKF方法进行数据融合,并直接计算组合系统导航参数的最优估计。实验结果表明,新算法可以降低对伪距误差模型的精确度要求,同时避免非线性系统状态方程的线性化,简化滤波参数的调整过程,从而有效地缩短组合导航系统的解算时间,提高定位精度。     

迭代无味卡尔曼滤波器的算法实现与应用评价

为了对各种迭代无味卡尔曼滤波(iterated unscented Kalman filter, IUKF)算法的应用及性能表现给出较为全面、客观的评价,分别导出并探讨了3种IUKF算法之间的内在联系。多种情况下的仿真应用表明,当观测噪声不太大,且该非线性系统状态的后验密度为可用高斯分布很好近似的单峰形式时,或者说是引起系统非线性的状态量是完全瞬时可观测时,选用恰当的IUKF算法,通过2~3次迭代,就可以在保持滤波一致性的条件下,进一步获得显著的精度收益;否则,IUKF相对于无味卡尔曼滤波(unscented Kalman filter, UKF)的迭代收益就难以保证。     

基于强跟踪UKF的航天器自主导航间接量测滤波算法

针对广义卡尔曼滤波(extended Kalman filter, EKF)和无迹卡尔曼滤波(unscented Kalman filter, UKF)缺乏对系统异常的在线自适应调整能力、导致滤波器精度降低的问题,提出了一种将强跟踪滤波(strong tracking filter, STF)和UKF相结合的滤波算法,并进一步采用部分状态信息作为间接观测量,同时量测噪声方差阵实时调整,从而避免了对观测方程求取Jacobi矩阵的过程,使滤波器的设计得到简化。将该算法应用于航天器自主导航系统中,仿真结果表明,该算法在系统出现突变或缓变异常时,能够迅速检测出异常,在保证较高估计精度的同时,提高了系统的可靠性。     

Unscented extended Kalman filter for target tracking

A new method of unscented extended Kalman filter (UEKF) for nonlinear system is presented. This new method is a combination of the unscented transformation and the extended Kalman filter (EKF). The extended Kalman filter is similar to that in a conventional EKF. However, in every running step of the EKF the unscented transformation is running, the deterministic sample is caught by unscented transformation, then posterior mean of nonlinearity is caught by propagating, but the posterior covariance of nonlinearity is caught by linearizing. The accuracy of new method is a little better than that of the unscented Kalman filter (UKF), however, the computational time of the UEKF is much less than that of the UKF.     

Fault tolerant navigation method for satellite based on information fusion and unscented Kalman filter

An effective autonomous navigation system for the integration of star sensor, infrared horizon sensor, magnetometer, radar altimeter and ultraviolet sensor is developed. The requirements of the integrated navigation system manager make optimum use of the various navigation sensors and allow rapid fault detection, isolation and recovery. The normal full fusion feedback method of federated unscented Kalman filter (UKF) cannot meet the needs of it. So a no-reset feedback federated Kalman filter architecture is developed and used in the autonomous navigation system. The minimal skew sigma points are chosen to improve the calculation speed. Simulation results are presented to demonstrate the advantages of the algorithm. These advantages include improved failure detection and correction, improved computational efficiency, and reliability. Additionally, its’ accuracy is higher than that of the full fusion feedback method.     

基于AEKF的高速自旋飞行体组合导航方法

针对高速自旋飞行体运行过程中噪声特性无法准确获取的问题, 提出了基于改进自适应扩展卡尔曼滤波(adaptive extended Kalman filter, AEKF)算法对量测噪声进行自适应调节, 并在扩展卡尔曼滤波(extended Kalman filter, EKF)的基础上提出了一种基于对状态变量新的建模方式的EKF算法, 提高算法的实时性。采用北斗/捷联惯性导航系统(strapdown inertial navigation system, SINS)组合导航方案, 在EKF的基础上, 引入带遗忘因子的噪声估计器, 通过AEKF对组合导航数据进行融合, 对量测噪声进行估计。仿真结果表明, 所提出的组合导航方法对高速自旋飞行体的姿态和位置定位误差较小, 与无改进的AEKF相比, 具有更好的收敛性。     

Phase noise filtering and phase unwrapping method based on unscented Kalman filter

This paper presents a new phase unwrapping algorithm based on the unscented Kalman filter(UKF) for synthetic aperture radar(SAR) interferometry.This method is the result of combining an UKF with path-following strategy and an omni-directional local phase slope estimator.This technique performs simultaneously noise filtering and phase unwrapping along the high-quality region to the low-quality region,which is also able to avoid going directly through the noisy regions.In addition,phase slope is estimated directly from the sample frequency spectrum of the complex interferogram,by which the underestimation of phase slope is overcome.Simulation and real data processing results validate the effectiveness of the proposed method,and show a significant improvement with respect to the extended Kalman filtering(EKF) algorithm and some conventional phase unwrapping algorithms in some situations.     

Pulsar/CNS integrated navigation based on federated UKF

In order to improve the autonomous navigation capability of satellite, a pulsar/CNS (celestial navigation system) integrated navigation method based on federated unscented Kalman filter (UKF) is proposed. The celestial navigation is a mature and stable navigation method. However, its position determination performance is not satisfied due to the low accuracy of horizon sensor. Single pulsar navigation is a new navigation method, which can provide highly accurate range measurements. The major drawback of single pulsar navigation is that the system is completely unobservable. As two methods are complementary to each other, the federated UKF is used here for fusing the navigation data from single pulsar navigation and CNS. Compared to the traditional celestial navigation method and single pulsar navigation, the integrated navigation method can provide better navigation performance. The simulation results demonstrate the feasibility and effectiveness of the navigation method.     

基于鲁棒EKF的MEMS-INS/GNSS/VO组合导航方法

针对传统惯导/卫导组合导航在复杂环境下易受干扰,观测量异常从而影响导航性能的问题,提出了基于鲁棒扩展卡尔曼滤波(extended Kalman filter, EKF)的组合导航方法。设计了基于微惯性导航系统(micro-electro-mechanical system-inertial navigation system, MEMS-INS)、全球导航卫星系统(global navigation satellite system, GNSS)及视觉里程计(visual odometry, VO)的融合框架,给出了在GNSS信号失效情形下的导航滤波模型,并将EKF与Huber方法结合,克服观测量受噪声干扰时对导航性能的影响,以提升系统鲁棒性。经仿真和KITTI数据集验证,MEMS-INS/GNSS/VO组合导航方法在GNSS信号失效时仍能输出较高精度导航结果,且可以较好克服异常观测值对系统的影响,具有较高可靠性和鲁棒性。