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.     

基于自适应因子设计的变形监测滤波算法

利用滤波正常时的残差向量必须服从正态分布的性质,提出1种滤波是否异常的假设检验方法,判断动态模型误差和观测粗差对变形监测滤波解的影响。研究结果表明:当滤波出现异常时,通过给定置信度的假设检验,确定自适应因子来调节误差较大的预报信息,从而较好地消除模型误差的影响;利用自适应抗差滤波解决变形监测数据处理中整体平衡观测信息和预报信息的贡献的问题,并通过实例验证算法的有效性和优良性。     

四轮驱动EV自适应抗差无迹粒子滤波状态估计

针对四轮毂电机驱动电动汽车转矩控制中整车质心侧偏角等关键状态参数无法直接检测及车速等测量值易受到随机误差干扰的问题,建立四轮毂电机驱动电动汽车七自由度动力学模型,进行整车行驶状态参数滤波估计.结合抗差滤波原理及无迹粒子滤波算法,提出一种整车状态滤波估计方法.运用自适应抗差无迹粒子滤波,实现电动汽车行驶过程中纵向速度、侧向速度和质心侧偏角的准确滤波估计.搭建CarSim与Matlab/Simulink联合仿真实验平台对估计算法进行验证.结果表明:所搭建四轮毂电机驱动汽车动力学模型对整车行驶状态具有较高的预测精度;基于自适应抗差无迹粒子滤波算法能实现整车行驶状态估计,能有效对测量参数进行滤波,且具有较高的估计精度.     

Kalman滤波质量控制的一种改进算法

探讨了Kalman滤波中观测粗差和状态方程异常的处理问题,分析了以往处理方法,如Sage自适应滤波法、两步假设检验法及抗差自适应Kalman滤波法等的优点和不足,提出一种改进算法,一方面用拟准检定法检测观测方程中的粗差,另一方面再用Sage自适应方法实时估计状态噪声方差阵,减免状态方程异常对参数估计的影响.通过一个星载GPS低轨卫星定轨算例,验证这种思路是可行的.     

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.     

基于严密Helmert方差分量估计的动态Kalman滤波

针对Kalman滤波模型推导了严密的Helmert方差分量估计公式.在此基础上,构建了方差分量估计辅助的Kalamn滤波解,改进的Kalman滤波与标准Kalman滤波的计算过程基本相同.推导了方差分量估计对Kalman滤波解的影响.理论推导和计算结果均表明,Helmert方差分量估计辅助的Kalman滤波能够合理调控动力学模型误差的影响,合理平衡观测信息与动力学模型信息对Kalman滤波解的贡献,提高状态参数估计的精度;严密Helmert方差分量估计与简化Helmert方差分量估计辅助的Kalman滤波解基本等效.     

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．     

一种基于改进自适应卡尔曼滤波的GNSS/INS组合导航算法

在全球卫星导航系统/惯性导航系统(global navigation satellite system/inertial navigation system,GNSS/INS)组合系统中,状态模型误差和异常扰动的影响严重降低了标准卡尔曼滤波的性能,而基于预测残差自适应的卡尔曼滤波随计算次数的增加滤波效果降低,且使用统一的自适应因子调节不可靠。针对上述问题,提出一种改进算法,利用预测残差建立的统计量调节位置向量和速度向量,避免了其他参数对滤波的平衡作用;通过预测残差的概率密度建立马氏距离进行假设检验,在模型正常时使用标准卡尔曼滤波,模型异常时使用改进滤波算法;采用实测车载数据对标准卡尔曼滤波、单因子自适应滤波和本文的滤波方法进行评估,实验结果表明:改进的自适应卡尔曼滤波的滤波算法效果良好,证明了所提算法的有效性。     

联邦自适应滤波在SINS／北斗／星敏感器组合导航系统中的应用

本以无反馈模式的联邦自适应滤波器为基础，构建了SINS／北斗／星敏感器组合导航系统．由于组合导航的系统模型参数往往与实际的物理参数有偏差，因此在采用常规卡尔曼滤波时，组合的效果往往很差．针对实际系统应用分析了适用于系统噪声阵未知情况下的Salychev O联邦自适应滤波算法，仿真表明，与修正信息分配系数的联邦自适应滤波方法相比，本的方法更适合于系统状态噪声阵未确定时的滤波系统，能有效提高导航精度．     

一种基于离散小波变换的自适应滤波新算法

将小波变换、变换域自适应算法和变步长自适应算法相结合，得出了一种基于离散小波变换的自适应滤波新算法(NDWT-LMS)，该算法可以有效地降低输入信号的自相关程度，克服固定步长因子所导致算法在快的收敛速度和较低的稳态误差之间存在的矛盾。计算机仿真结果表明该算法与LMS算法相比具有更快的收敛速度和更小的失调噪声，可以很好地应用于自适应系统中。     

无人机组合导航系统的自适应算法研究

无人机组合导航滤波器的设计需要考虑器件和外部环境不稳定带来的影响。同时在飞行过程中也面临着组合导航系统噪声和量测噪声统计特性不确定问题,从而导致滤波精度低、稳定性差,还有可能发散。采用常规卡尔曼滤波无法解决此问题。为此研究了一种基于UKF的自适应卡尔曼滤波算法。在系统噪声统计特性未知时,此算法能自动平衡状态信息与观测信息在滤波结果中的权比,实时调整状态向量和观测向量的协方差,从而提高系统的性能。仿真结果显示,使用自适应UKF算法与普通的UKF算法相比,可以获得更优的导航精度和稳定性。     

一种限定记忆的自适应扩展Kalman滤波器

为解决扩展卡尔曼滤波器(EKF)鲁棒性差,且无法实时精确跟踪系统突变状态的问题,研究一种基于限定记忆滤波的自适应EKF算法。算法将EKF与限定记忆滤波器相融合,减小旧量测数据对滤波效果的影响,提高估计精度;引入自适应因子与渐消因子,通过实时调节新旧滤波增益阵以及预测状态值,精确地跟踪系统突变状态。仿真实例表明,强跟踪算法与经典EKF算法相比,自适应EKF算法鲁棒性好,滤波精度高,能够有效地跟踪系统突变状态。     

基于联邦滤波的惯性导航姿态组合算法

为了充分利用姿态量测信息来提高组合导航系统的姿态精度，以联邦滤波为基础，研究了以姿态、位置和速度信息作为观测量的多信息融合导航技术，分析并提出了适合工程使用的联邦滤波器的原理结构与算法实现，深入推导了基于联邦滤波的姿态组合算法的观测矩阵的具体形式，最后给出了仿真和实测数据的验证．结果表明，基于联邦滤波的姿态组合滤波算法能够有效地提高惯导系统的姿态精度，对方位角的改善尤为明显．     

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.     

一种变步长LMS算法及其Matlab仿真

对变步长自适应滤波算法进行了讨论，对VS—LMS算法进行了改进，建立了步长因子μ与误差信号e（n）之间另一种新的非线性函数关系．理论分析和计算机仿真结果表明，该关系不仅具有原有算法收敛速度快的优点，而且在低信噪比环境下比原有算法具有更好的抗噪声性能．     

露天矿边坡移动的动态预报

本文根据监测及数据处理理论,讨论了边坡移动的统计判别方法。利用动态观测系统理论,建立了相应的动态预报模型和动态自适应预报模型。根据所得到的位移场和速度场,讨论了边坡破坏模式的判别方法。     

GPS／INS组合系统自适应滤波算法

研究了GPS/INS组合系统在高动态运动目标定位中的应用。根据组合系统建立状态方程，GPS观测量构成观测方程。自适应滤波过程中，通过观测数据对观测噪声进行估计，再用Sage-Husa算法在对动态噪声进行估计的同时实现状态滤波估计。计算机仿真验证了这种滤波算法的有效性。     

基于Kalman滤波的带相关噪声系统最优白噪声估值器

基于 Kalman 滤波,提出了带相关噪声定常系统的统一的白噪声估值器。它们由输入白噪声估值器和观测白噪声估值器组成,且可统一处理白噪声滤波、平滑和预报问题,可用于石油地震勘探信号处理和状态估计。一个 Bernoulli-Gaussian 白噪声平滑器的仿真例子说明它们的有效性。     

带有色观测噪声系统统一的Wiener状态估值器

通过对观测方程的线性变化,将带有色观测噪声系统化为带白色观测噪声的系统。基于自回归滑动平均（ARMA）新息模型,由稳态最优Kalman估值器导出了渐近稳定的Wiener状态估值器,可统一处理滤波、平滑和预报问题。一个仿真例子说明它们的有效性。     

改进的基于奇异值分解的抗差容积卡尔曼滤波算法在全球定位导航中的应用

非线性动态系统存在非线性和噪声不确定的问题,容积卡尔曼滤波对解算该类系统有较好的精度,为了提升导航系统对异常观测值的稳定性,对采样数据进行均值滤波处理,降低干扰较大的采样数据对于滤波结果的影响.用奇异值分解代替Cholesky分解,改善滤波稳定性,避免先验协方差非正定而降低滤波性能.最后通过引入抗差因子调节观测协方差矩阵,再次减少观测异常值对于滤波结果的影响.采用仿真实验进行分析,改进的抗差容积卡尔曼滤波算法对于减弱异常观测值影响有良好的效果.