天文定位的最优估计方法及其应用

论述了天文定位的最优估计方法及其精度。六分仪观测值与依赖于ＧＭＴ和推算船位的该值的预测值之差，与来自卡尔曼滤波器增益阵的ＫΦ和Ｋλ相乘，可以得到推算船位与最优估计船位的差值ＤΦ和Ｄλ。它们与推算船位的线性组合可以实时地给出最佳船位，即使只有一次观测亦是这样。最优估计方法被应用于作者研制的ＨＸ－１１１３天文导航仪和ＧＰＥＳ１型电子六分仪，海上试用的结果表明，该方法不仅定位方便，而且精度高，中午附近定位误差可达１ｎｍｉｌｅ之内。     

捷联航姿系统航行状态下的组合对准算法研究

由于捷联航姿设备无纬度解算值,导致跨纬度航行时航向误差过大,引入计程仪速度与航姿设备输出姿态、航向一起对纬度值进行计算,航行状态引入计程仪信息后建立数学模型进行初始对准,经航行实验验证,72小时内航向角误差得到了极大的缩小,验证了该数学模型的可行性,可提高设备的精度,具有实际使用意义。     

基于递推最小二乘卡尔曼滤波方法的模糊度解算

针对北斗动态定位,通过使用递推最小二乘方法,采用扩展卡尔曼滤波的方法估计模糊度浮点解,实现了利用多历元载波相位观测信息求解整周模糊度.通过模拟北斗观测数据进行仿真,可以得出扩展卡尔曼滤波的方法精度高,适合动态定位解算.     

汽车质心侧偏角融合估计方法EI北大核心CSCD

基于质心侧偏角的运动学与动力学估计方法,提出了一种新的质心侧偏角融合估计器。它有3个基于不同估计模型的卡尔曼子滤波器,分别独立估计横向车速,并作为初步估计结果送入主滤波器,主滤波器根据信息融合规则,对这些初步估计结果进行融合,得到全局融合估计结果,最后用它算出质心侧偏角。实车试验结果显示,相比于单一估计方法,融合估计器有更高的估计精度和对传感器信号偏差的鲁棒性。     

基于小波变换估计噪声方差的轮速信号卡尔曼滤波器

搭建了针对车轮轮速信号的卡尔曼滤波器,分析了不准确的观测噪声统计特征对该卡尔曼滤波器性能的影响,在此基础上利用小波变换事先估计出了轮速信号的噪声方差值。试验结果表明,该估计算法能适应轮速信号噪声方差的变化,且计算量小,解决了在未知观测噪声条件下卡尔曼滤波的失效问题。     

基于增广卡尔曼滤波并考虑车辆加速度的路面不平度识别

为实现车辆在实际加减速行驶工况下路面不平度的准确识别,提出了一种考虑车辆加速度、基于增广卡尔曼滤波算法的路面识别方法.以车辆纵向加速度作为已知输入,车身垂向振动和俯仰振动响应作为观测向量,设计增广卡尔曼滤波观测器估计路面不平度信息;求取固定位移窗长度内的国际平整度指数,实现了对路面的等级分类.仿真结果表明在典型非匀速工...     

基于自适应信息融合的舰船组合导航系统研究

此文针对组合导航系统在舰船运动中出现的局部滤波器精度下降和滤波发散问题,提出新的自适应信息融合方法,给出滤波结果可信度定义和评价方法,并在此基础上进行信息分配保持全局估计精度和控制发散。     

基于改进UKF的BDS/IMU组合列车定位方法

为提高列车定位的精确性和连续性，采用北斗卫星接收机和惯性测量单元构建车载组合定位系统. 针对多传感器组合定位信息融合估计的非线性和鲁棒性需求，将抗差估计理论的等价权原理应用于标准无迹卡尔曼滤波（unscented Kalman filter，UKF）算法，构造了一种改进的UKF算法，通过对标准UKF算法的噪声协方差进行等价替换，从而起到调节滤波增益的作用，使得滤波算法对传感器观测粗差具有较强的抑制能力. 将改进的UKF算法与标准UKF算法应用于列车组合定位进行仿真比较，结果表明:传感器无观测异常时，改进UKF算法的滤波精度总体上略优于标准UKF算法；当传感器观测值含有随机粗差时，改进UKF算法的滤波精度及稳定性明显优于标准UKF算法，北向、东向位置平均估计误差分别降低了48.5%、48.8%，北向、东向速度平均估计误差分别降低了43.7%、48.9%.