平方根滤波在地形辅助导航中的应用

结合地形辅助导航的特点 ,给出了一个快速的平方根矩阵分解公式 ,应用该公式的平方根滤波地形辅助导航系统 ,不仅可避免由计算机截尾误差的积累和传播使滤波协方差矩阵失去正定性而导致的滤波发散 ,而且还避免了通常对角化平方根分解中不可缺少的求矩阵特征根和特征向量 ,以及特征向量的正交化、单位化等繁琐的计算过程     

卡尔曼滤波地形辅助导航防止发散问题研究

对卡尔曼滤波地形辅助导航的发散原因作了分析,通过地形拟合误差的去相关法采用一种扩充状态变量的系统,实验证明此系统能够有效地减少发散的发生。     

基于Unscented卡尔曼滤波算法在海底地形辅助导航中的应用

为了解决SITAN海底地形辅助导航算法将非线性过程线性化,容易产生不稳定甚至滤波发散的问题,提出了一种基于Unscented卡尔曼滤波的海底地形辅助导航算法,该算法无需对非线性系统的状态方程和观测方程进行线性化,直接采用UT变换(unscented transform,UT)近似非线性函数的概率密度分布,并求取变换后的点集的均值和方差。利用海底地形SEAMAPnew Hill100为真实海底地形数据对算法进行了测试。实验结果表明,该算法较传统算法有较强的精确性和鲁棒性。     

卡尔曼滤波地形辅助导航防止发散问题研究

对卡尔曼滤波地形辅助导航的发散原因作了分析,通过地形拟合误差的去相关法采用一种扩充状态变量的系统,实验证明此系统能够有效地减少发散的发生     

基于RB-GSPF算法的地形辅助导航

为了解决地形辅助导航中面临的高维、强非线性问题,提出了基于Rao-Blackwell框架的RB-GSPF算法。该算法将原系统中的线性Gauss子结构分离出来,使用经典的Kalman滤波器处理,而剩下的强非线性部分通过Gauss和粒子滤波器处理,这种结构上的分解既发挥了Kalman滤波器对于线性Gauss系统的最优性,又利用了GSPF算法结构上的优点。理论及实验分析表明:该算法与粒子滤波器相比,在降维的同时提高了定位精度,减少了粒子数目;与Rao-Blackwellised粒子滤波器(RBPF)相比,其算法结构具有更好的并行性,从而在运算量上具有优势。     

基于分形的地形分类技术及其在导航中的应用

将ｆＢｍ模型引入地形分析中，通过ｆＢｍ模型的参数Ｈ和σ来描述地形的复杂度和起伏程度，以此特征来实现对地形的分类，仿真实验证实了在地形辅助导航中，以Ｈ和σ作为地形的特征参数，可以区别不同种类地形对地形辅助导航的影响，为航迹规划和飞行走廊地形的选取提供了依据和准则。     

非线性容错滤波在基于磁强计自主导航中的应用

地磁场矢量是卫星的位置函数,利用三轴磁强计的测量信息可实现近地卫星的自主导航.当测量值存在野值时,滤波收敛变慢甚至发散.采用基于残差正交性质的EKF容错滤波方法,实现了野值的即时修正和故障诊断,使滤波器具有较强的鲁棒性.仿真结果表明该方法行之有效.     

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。     

基于模糊决策的地形辅助导航区域选择准则

为克服传统的单一评价指标区域选择准则容易导致评价结果不全面的缺陷,提出一种基于模糊决策理论的多指标综合选择准则.该准则结合信息熵和模糊决策理论,综合考虑地形高度标准差、高度熵、粗糙度及其相关系数等反映特定地域内地形的总体起伏、信息量多少、光滑度和相关性强弱的地形参数对地形区域选择的影响,求解出指标的隶属度矩阵和权值,给出区域总的评价指数.仿真结果表明,在评价指标高的区域进行地形辅助导航,其匹配误差将更小.     

平方根滤波在捷联寻的制导系统中的应用研究

针对滚转迫弹,设计了基于数字平台的捷联寻的制导系统.应用等效转动矢量法解算弹体坐标系和惯性坐标系之间的姿态转换矩阵,消除了不可交换误差;利用捷联寻的导引头给出的量测信息,设计了捷联寻的制导系统的H∞平方根滤波器,估计出弹目相对运动等信息,用于迫弹的最优比例制导,导引迫弹飞向目标;基于H∞滚转迫弹非线性气动力模型的仿真结果表明,所设计的基于平方根滤波的捷联寻的制导系统能有效地对付机动目标.     

平方根滤波在捷联寻的制导系统中的应用研究

针对滚转迫弹,设计了基于数字平台的捷联寻的制导系统.应用等效转动矢量法解算弹体坐标系和惯性坐标系之间的姿态转换矩阵,消除了不可交换误差;利用捷联寻的导引头给出的量测信息,设计了捷联寻的制导系统的H∞平方根滤波器,估计出弹目相对运动等信息,用于迫弹的最优比例制导,导引迫弹飞向目标;基于H∞滚转迫弹非线性气动力模型的仿真结果表明,所设计的基于平方根滤波的捷联寻的制导系统能有效地对付机动目标.     

地磁滤波导航技术的研究现状

变化磁场是地磁导航的主要误差来源之一,选择合适的滤波算法消除变化磁场干扰是提高导航精度的关键。本文分析了运动平台上磁场观测系统的物理特征,综述了地磁滤波导航技术的研究现状,针对存在的问题提出了解决方法,并展望了地磁滤波导航技术的发展趋势。     

基于分形的地形分类技术及其在导航中的应用

将ｆＢｍ模型引入地形分析中,通过ｆＢｍ模型的参数Ｈ和σ来描述地形的复杂度和起伏程度,以此特征来实现对地形的分类．仿真实验证实了在地形辅助导航中,以Ｈ和σ作为地形的特征参数,可以区别不同种类地形对地形辅助导航的影响,为航迹规划和飞行走廊地形的选取提供了依据和准则     

基于BP网络的Kalman滤波在GPS导航中的应用

卡尔曼滤波是导航系统中最常用的数据处理方法。由于传统卡尔曼滤波导航定位的方法定位精度不高,针对导航系统中存在的不确定性和非先验性,导致滤波产生较大的估计误差,甚至发散。提出了将BP神经网络嵌入到该滤波器中的方法。通过实测数据计算结果表明该算法能够真实反映载体运动轨迹,具有良好的精度和可靠性。     

惯导初对准中的平方根无轨迹卡尔曼滤波

针对无轨迹卡尔曼滤波(UKF)在递推过程中,有些情况下出现状态协方差逐渐失去正定性,导致计算发散现象,对状态协方差进行矩阵分解,在滤波中用其平方根进行计算,保证其正定性.采用平方根无轨迹卡尔曼滤波(SRUKF)对大失准角情况下惯性导航系统初始对准非线性ψ角模型进行估计.蒙特卡罗仿真结果表明,SRUKF与UKF在滤波精度和收敛速度上基本一致,SRUKF的数值稳定性优于UKF.     

蚁群算法在辅助导航重力匹配中的应用

重力匹配算法是实现重力辅助惯性导航系统的关键技术之一。针对传统重力匹配方法由于复杂度高、应用范围小等缺陷而导致很难实现精确、快速匹配的问题,将改进的蚁群优化算法应用于重力匹配的搜索过程,并将多普勒测速仪提供的速度信息作为限制条件对蚁群搜索过程进行约束,异常精度一定的条件下,可降低误配率。仿真结果表明,该匹配算法在重力特征显著的区域具有较高的匹配率,收敛性更好,可以达到更加精确的匹配定位,从而实现重力辅助导航。     

抗差与自适应组合的卡尔曼滤波算法在动态导航中的研究

针对观测信息不充足时,无法使用现有的一些抗差自适应滤波的问题,提出一种组合抗差滤波和自适应滤波的方法.该方法利用基于m估计实现的抗差滤波和基于新息向量马氏距离平方服从卡方分布而构造的自适应滤波,同时采用2次对检验统计量进行判别的方法,可以在单个历元实现在标准卡尔曼滤波、自适应卡尔曼滤波和抗差卡尔曼滤波之间选择一种当前时刻的最优滤波,因此,采用该方法也能构成抗差自适应卡尔曼滤波.仿真结果表明,在观测信息不足且滤波模型出现异常时,该方法能有效控制动力学模型误差和观测异常对导航解的影响,使导航解更能反映导航系统的真实情况.     

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.     

基于简化差分插值滤波的编队卫星相对导航

将一种基于Stirling内插公式的非线性差分插值滤波(Divided Difference Filter-DDF)算法的简化形式(Simplified Divided Difference Filter-SDDF)应用到编队卫星相对导航中.该算法通过对非线性系统方程进行多项式展开并取有限差分插值项进行近似.数值仿真结果表明:该算法相对于EKF(Extended Kalman Filter)算法有明显的优势,有较高的滤波精度、更快的收敛速度和较好的稳定性,其中相对位置估计相比EKF提高79%、相对速度提高52%,对编队卫星相对导航具有一定应用价值.     

新型抗差Kalman滤波及其在GPS动态导航中的应用

目前,抗差Kalman滤波一般采用独立等价权形式,观测值相关时等价权的确定是一个难题.从抗差估计的原始定义出发,首先直接对观测残差进行限制,然后利用观测残差与状态预报值残差的关系对状态预报值残差进行限制,这样可同时消除观测模型误差和状态模型误差的影响.此外,本方法无需考虑观测值是独立的还是相关的.最后给出了算例,结果表明,该方法是切实可行的.