新颖的GPS动态滤波算法及其在船舶导航中的应用研究

本文首先建立起ＧＰＳ动态定闰的数学模型，然后运用一种新颖的滤波算法对ＧＰＳ信号进行处理，最后研究了ＧＰＳ定位技术在船舶导航中的应用。     

动力定位系统自适应滤波技术

与普通船舶相比,耙吸挖泥船变吃水作业动力定位的滤波器设计,不仅需要考虑到模型偏差,还需要考虑到模型的时变性和突变性。本文采用Sage-Husa自适应滤波和强跟踪卡尔曼滤波相结合的改进自适应滤波算法,前者滤波精度高但自适应能力有限,后者应对突变的能力较强但精度有限。由仿真实验可以看出,二者的有机结合很好地解决了耙吸挖泥船变吃水作业动力定位的滤波问题。     

船舶动力定位系统滤波器设计及仿真

针对船舶动力定位系统中单一滤波器的滤波性和稳定性差的问题,设计了基于Sage-Husa自适应滤波算法和强跟踪卡尔曼滤波算法相结合的自适应滤波算法,建立了动力定位船舶的数学模型,并根据此船舶设计了滤波器以及相应的算法,通过和实船测试数据的比较,两者的结论几乎一致,而且在工程上是可行的。     

多模型估计理论

研究利用多模型来逼近系统的动态性能，基于多模型设计组合导航系统的多模型自适应卡尔曼滤波器。通过仿真研究表明，在多模型自适应估计和交互式多模型滤波均克服了单一滤波由于外部扰动所造成的滤波误差过大甚至发散的问题。多模卡尔曼滤波器对组合导航系统能达到理想的控制精度、跟踪速度以及稳定性。研究表明，运用多模卡尔曼滤波能改善系统的瞬态响应，覆盖大范围的参数不确定性。     

微机械陀螺随机误差补偿研究

为了提高微机械陀螺使用精度,研究了随机漂移误差补偿方法。对静态陀螺输出数据进行预处理,提取出随机漂移数据,采用时序分析方法对其建立AR模型。基于模型设计Kalman滤波器,进行静态和动态仿真。结果表明：静态条件下滤波效果显著;动态条件下,滤波效果变差。针对此问题设计了标量因子时变的自适应Kalman滤波器,试验表明,此算法能够有效降低微机械陀螺的随机漂移。     

机动目标滤波的最小二乘方法

基于最小二乘滤波精度分析的解析表达式，得出了最小二乘滤波器记忆长度的优化方法，提出一种目标运动加速度的在线实时估计方法，据此可实现最小二乘滤波器记忆长度的实时优化，形成一种适用于机动目标的基于最小二乘的自适应滤波方法。最后进行数值仿真，验证理论分析与算法的正确性。     

基于LMS算法的卫星通信回波抵消方法

分析卫星通信中回波的产生原因及两种消除回波的方法．采用LMS算法优化回波抵消器中的自适应滤波器，来改善卫星通话质量，并对基于该算法的滤波器滤波效果进行MATLAB仿真。     

船舶远程监控数据的动态采集方法

为了提高对船舶的远程监控能力,提出一种基于多传感器组网及融合跟踪识别的船舶远程监控数据动态采集方法,构建船舶远程监控数据采集的无线传感器网络模型,进行传感器节点的自适应分布式优化定位设计,采用量化融合跟踪方法进行船舶远程监控数据挖掘和特征提取,构建反馈均衡滤波器进行数据采集后的抗干扰滤波处理,提高数据采集的干扰抑制能力,结合数据挖掘算法实现对船舶监控数据的动态采集。仿真结果表明,采用该方法进行船舶远程监控数据采集的准确性好,抗干扰能力较强,输出信噪比较高。     

基于快速DFT及RLS自适应滤波器的谐波电流提取

本文提出一种基于智能Goertzel算法和自适应RLS滤波器的谐波提取算法，用于控制有源电力滤波器。快速Goertzel算法可用于从负载电流中提取特定次谐波的幅值和相位信息，再利用递归最小二乘法滤波器进行滤波可得到参考谐波电流值。这种混合FG-RLS控制算法可适应不平衡负载及突变负载的补偿工作。本文通过仿真验证了这种算法的优越性能。     

多模型估计理论

研究利用多模型来副近系统的动态性能,基于多模型设计组合导航系统的多模型自适应卡尔曼滤波器.通过仿真研究表明,在多模型自适应估计和交互式多模型滤波均克服了单一滤波由于外部扰动所造成的滤波误差过大甚至发散的问题.多模卡尔曼滤波器对组合导航系统能达到理想的控制精度、跟踪速度以及稳定性.研究表明,运用多模卡尔曼滤波能改善系统的瞬态响应,覆盖大范围的参数不确定性.     

GPS在移动机器人导航定位系统中的应用

为了获得移动机器人定位数据的真实性，减少各种随机误差对定位精度的影响，通过运动载体当前统计模型，取位置作为观测量建立移动机器人动态定位模型，同时针对传统卡尔曼滤波的不足进行了分析，提出自适应卡尔曼滤波算法，该算法始终保持噪声模型接近于真实模型，从而较好地解决了GPS动态定位中状态噪声与观测噪声建模不准确和时变问题，在此基础上，通过模拟噪声和轨迹曲线，进行了仿真，结果显示效果显著。     

基于自适应平方根 CKF 的多传感器混合融合算法(英文)

In the normal operation condition, a conventional square-root cubature Kalman filter (SRCKF) gives sufficiently good estimation results. However, if the measurements are not reliable, the SRCKF may give inaccurate results and diverges by time. This study introduces an adaptive SRCKF algorithm with the filter gain correction for the case of measurement malfunctions. By proposing a switching criterion, an optimal filter is selected from the adaptive and conventional SRCKF according to the measurement quality. A subsystem soft fault detection algorithm is built with the filter residual. Utilizing a clear subsystem fault coefficient, the faulty subsystem is isolated as a result of the system reconstruction. In order to improve the performance of the multi-sensor system, a hybrid fusion algorithm is presented based on the adaptive SRCKF. The state and error covariance matrix are also predicted by the priori fusion estimates, and are updated by the predicted and estimated information of subsystems. The proposed algorithms were applied to the vessel dynamic positioning system simulation. They were compared with normal SRCKF and local estimation weighted fusion algorithm. The simulation results show that the presented adaptive SRCKF improves the robustness of subsystem filtering, and the hybrid fusion algorithm has the better performance. The simulation verifies the effectiveness of the proposed algorithms.     

基于模型预测扩展卡尔曼滤波的动力定位状态估计

针对传统扩展卡尔曼滤波由于动力定位系统过程噪声不能自适应更新,导致滤波精度下降的问题,提出了一种模型预测扩展卡尔曼滤波算法。该算法通过比较一段时间内的量测值和预测值,估计系统噪声参数,从而实时修正系统过程噪声方差。仿真结果表明,当系统的过程噪声未知的情况下,模型预测扩展卡尔曼滤波的滤波性能明显优于传统扩展卡尔曼滤波。     

舰船综合导航系统的联合卡尔曼滤波器设计

针对由惯性导航系统,全球定位系统及天文导航设备组成的舰船综合导航系统的特点,设计了联合卡尔曼滤波器,并给出了联合卡尔曼滤波器的结构及其算法。理论分析与仿真结果表明,该算法具有全局最优性,能够满足系统的精度要求,且应用该联合滤波可提高系统的容错性能。     

置信检验自适应联邦卡尔曼滤波及其水下机器人组合导航应用

[目的]为解决载体受到扰动时组合导航精度下降的问题,提出一种基于置信检验自适应联邦卡尔曼滤波(CC-AFKF)框架.[方法]首先,将电子罗盘(EC)、全球定位系统(GPS)与惯性导航系统(INS)相结合;其次,构建置信检验模型,有效滤除INS/GPS和INS/EC子系统中低置信度的量测值,保证量测值的准确性;最后,提出...     

潜航器轨迹跟踪与航向预测算法

海况条件较差时,基于水下单点GPS定位系统的潜航器实时定位有较大测量误差,不利于潜航器的轨迹跟踪与航向预测。针对误差服从高斯分布的水下单点GPS定位系统,提出基于改进型扩展卡尔曼滤波算法的GPS跟踪方法和基于回归分析算法的航向预测方法。通过测试与仿真,对定位设备采集到的数据进行对比分析,试验结果表明,上述算法显著提高了轨迹测量精度与航向跟踪能力,准确绘制出了潜航器的实时航行轨迹与航向预测线,可应用于潜航器的轨迹跟踪项目中。     

基于渐消记忆自适应滤波的船舶动力定位算法仿真

由于船舶在海上运动的复杂性和非线性,精确的船舶动力定位系统数学模型难以建立.为了实现有效的动力定位控制,需要应用一定的状态估计滤波算法得到所需的船舶运动低频信号.采用常规的Kalman滤波,状态变量的新测量值对预测值的修正作用下降,旧测量值的影响随着计算步数的累积而相对提高,这是引起滤波发散的主要原因之一.文章针对船舶动力定位系统中使用常规的Kalman滤波而存在的模型不精确、 不能准确表达系统噪声和测量噪声等问题,采用渐消记忆自适应滤波估算低频运动信息,在状态估计算法中引入渐消记忆因子,减小旧测量值对状态估计值的影响权重,从而增大新测量值的作用;并根据滤波发散判断准则,选择适当的渐消记忆因子值来抑制滤波器的发散,使控制器输出较为平稳,从而降低推力系统不必要的能耗.仿真实验表明,所设计的自适应滤波器的收敛性、跟踪性优于常规的Kalman滤波,有效地提高了系统的定位精度和稳定性.     

一种基于航位推算的水下机器人导航算法

本文针对智能水下机器人(AUV)导航信息较少的特点,进行了基于航位推算的AUV导航系统研究.首先利用传感器信息进行了航位推算,然后建立了基于一阶时间相关函数的辛格模型,利用强跟踪卡尔曼滤波算法对推算结果进行了次最优估计,提高了系统的跟踪能力,改善了导航精度,同时对GPS数据进行了野值剔除.松花湖上的试验结果验证了算法的有效性.     

推算船位／罗兰C（GPS）组合导航系统的研究及其海上试验

该文研究了推算船位／罗兰Ｃ（ＧＰＳ）组合导航系统的组合模式和推广的非线性卡尔曼滤波算法在该组合模式中的应用，详细推导了舰船运动的七状态数学模型及其机械编排。该文还给出了该组合系统在南海进行试验时的舰船轨迹及定位误差曲线，并进行了比较分析。结果表明：组合系统克服了推位系统的积累误差，抑制了罗兰Ｃ（ＧＰＳ）的随机定位误差，有效地改善了导航定位精度，滤波方案正确，算法稳定。该组合系统已成功地装备于多种型号的舰船上。     

神经网络在组合导航定位算法中的应用研究

针对无源北斗1号/惯导组合导航系统滤波定位算法,文章提出并设计了神经网络及其训练算法RLS,用其输出修正组合导航滤波输出结果,提高组合导航系统的定位精度。通过仿真验证了此方案的可行性,并能有效提高北斗1号组合导航系统的定位精度。