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。     

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.     

伪距GPS/INS组合导航系统的多模型自适应卡尔曼滤波器设计

对多模型自适应估计滤波进行了仿真研究.仿真结果表明,多模型自适应估计滤波可以克服单一模型卡尔曼滤波器在对真实系统状态参数发生变化时的滤波误差过大甚至发散的问题,对于环境的变化具有较强的适应性,整体上可提高组合导航系统的导航精度.     

模糊自适应卡尔曼滤波在惯性/地磁导航中的应用

为了提高自主、无源组合导航系统的精度和可靠性,针对惯性/地磁组合导航系统中滤波发散、量测噪声统计特征随实际情况不同而变化的问题,本文在无迹卡尔曼滤波的基础上,通过监测滤波新息的方差和均值变化,采用模糊自适应滤波算法,"在线"调整模型中的噪声方差阵,来改变滤波器的估计均方误差和滤波增益.通过自适应调整Sigma采样中权值的比例因子α,来解决UT变换的非局部效应,达到提高组合导航的精度的作用.仿真结果表明,模糊自适应卡尔曼滤波器可以有效的提高惯性/地磁组合导航系统,克服了传统滤波算法的缺点和不足,提高了滤波精度.     

一种新的综合滤波在INS/GPS/CNS组合导航系统中的应用研究

针对INS／GPS／CNS组合导航系统的特点，采用了基于H。滤波的神经网络代替传统卡尔曼滤波器，利用INS／GPS、INS／CNS两个局部滤波器的输出值，通过联合滤波器进行线性最优估计，且进行了计算机仿真。仿真结果表明，该算法在满足系统精度和容错性要求的基础上，有效地改善了系统的自适应性、实时性、鲁棒性等性能，是组合导航系统理想的结构模型。     

船用姿态＋水平速度组合SINS／GPS导航系统的研究及实现

阐述了基于卡尔曼滤波器的船用SINS／GPS姿态 水平速度组合系统的设计及实现方法，建立了12维的组合系统状态方程，给出了GPS误差模型，实现了以GPS与SINS输出的航向角以及北向和东向速度之差作为卡尔曼滤波器观测量的低成本SINS／GPS全组合方案，通过计算机仿真和海上试验验证，证明该方案是可行的，能够加快计算速度，实现实时滤波计算，并大幅度提高姿态测量精度，降低系统成本。     

GPS动态定位中自适应卡尔曼滤波模型的建立及其算法研究

采用描述机动载体运动的“当前”统计模型，建立了一种新的ＧＰＳ动态定位自适应卡尔曼滤波模型。为了进一步提高滤波器的动态性能，提出一种改进的自适应滤波算法，大大提高了ＧＰＳ动态定位卡尔曼滤波器的跟踪能力，改善了滤波效果。计算机仿真结果验证了该算法的有效性。     

CAUKF算法在船载导航目标跟踪中的应用

为定量分析内河船舶导航系统的跟踪性能,建立基于GPS/DR组合信息的船载导航系统非线性模型,以该模型作为系统模型,采用附有航向约束参考条件的自适应无迹变换卡尔曼滤波算法,推导得出非线性导航滤波器的滤波方程。按照船载目标的实际非线性模型进行演化时,采用此算法能够较好地实现非线性函数后验信息与估计误差的拟合。仿真结果表明,此算法比以往扩展卡尔曼滤波类算法在减少运算量和提高跟踪效果方面改善明显,具有良好的实用性。     

一种新的自适应估计方法在组合导航系统中的应用

为解决未建模误差所引起的发散问题,组合导航系统常采用多模型卡尔曼滤波器,但采用多模型卡尔曼滤波器时不能给出滤波参数.为此,提出了一种新的基于遗传算法的自适应多模估计方法,该方法利用遗传算法获取最优滤波参数,然后以获取的参数进行状态估计.仿真结果表明,该方法不仅能够给出准确的状态估计值,还能较好地辨识出滤波参数的真实值.     

高速低功耗自适应滤波器的设计

自适应滤波器在通信、雷达、图像和语音处理等领域有着广泛应用，但目前利用可编程逻辑器件实现的自适应滤波器，硬件结构复杂，难以满足高速处理和低功耗的要求。基于分组正则有符号数制（CSD），采用改进的简单符号LMS算法和转置的滤波器结构设计新型自适应滤波器，有效简化了电路，实现高吞吐量和低功耗。经验证，采用改进算法结构的滤波器功耗仅为传统结构的35%。