多传感器信息融合技术在舰船组合导航系统中的应用

介绍了舰船惯导系统的误差模型,针对该模型,提出了基于信息融合原理的联合卡尔曼滤波器的结构及算法。理论分析与仿真结果表明,该舰船INS／GPS／Loran-C组合导航系统的设计合理,算法具有全局最优性,能够满足系统的精度要求,且应用该联合卡尔曼滤波器可提高系统的容错性能。     

多传感器信息融合技术在舰船组合导航系统中的应用

介绍了舰船惯导系统的误差模型,针对该模型,提出了基于信息融合原理的联合卡尔曼滤波器的结构及算法.理论分析与仿真结果表明,该舰船INS/GPS/Loran-C组合导航系统的设计合理,算法具有全局最优性,能够满足系统的精度要求,且应用该联合卡尔曼滤波器可提高系统的容错性能.     

船舶动力定位控制系统的非线性观测器设计

针对船舶动力定位系统高度耦合非线性的特点,设计了一种基于无迹卡尔曼滤波的改进算法。该算法利用统计线性化技术,将非线性映射直接作用于采样点,根据映射后的点集重建统计变量,并且对非线性函数的概率密度分布进行拟合。结合动力定位船舶系统,进行了无迹卡尔曼滤波器和卡尔曼滤波器的对比仿真实验,仿真结果表明论文设计的无迹卡尔曼滤波器有较高的计算精度和较强的适用性。     

卡尔曼滤波对舰船导航系统精确性研究

本文将联合卡尔曼滤波器应用于舰船导航系统中。联合卡尔曼滤波器中的全局滤波器将获得的舰船导航系统的信息,按照信息分配系数,分给系统中的2个局部滤波器,以此来降低系统计算量,这种方式容错性强,提高了舰船导航系统的精度性和稳定性。     

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。     

卡尔曼/粒子滤波器在船用组合导航中的应用

采用将全球定位系统GPS（Global Positioning System）与捷联惯性导航系统SINS（Strapdown Inertial Navigation System）进行组合导航的方式,组合后系统性能将优于GPS或SINS单独使用时的任一系统。介绍了基本粒子滤波器算法原理并对卡尔曼/粒子组合滤波器在船用GPS/SINS组合导航中的实现形式及算法特点进行了研究。仿真结果表明,对于船用SINS/GPS组合导航问题,卡尔曼/粒子组合滤波器能够获得较高的滤波精度,满足实际船用导航要求。     

船舶永磁同步电机在线惯量辨识研究

针对船舶永磁同步电机推进系统的转动惯量和负载转矩存在扰动的问题,提出基于梯度校正法与扩展卡尔曼滤波器结合的在线惯量辨识算法,采用梯度校正法对转动惯量进行辨识,利用扩展卡尔曼滤波器观测负载转矩,辨识的惯量值对滤波器的系数矩阵进行修正,同时观测的负载转矩作为梯度校正法的输入参数以及作为电流环的前馈补偿。仿真和实验验证了惯量辨识算法的可行性,以及系统对于负载转矩变化的抗扰动性能。     

基于一种改进粒子滤波算法的目标跟踪研究

为了解决非线性、非高斯系统目标跟踪问题,研究了一种新的滤波方法——高斯粒子滤波算法。通过基于重要性采样和蒙特卡罗模拟方法得到一高斯分布来近似未知状态变量的后验分布。并讨论了此算法在机动目标非线性转弯运动中的跟踪应用,与粒子滤波算法相比,其优点是不需要重采样步骤。在闪烁噪声下比较了高斯粒子滤波器、粒子滤波器和扩展卡尔曼滤波器在滤波精度、运算时间等方面的差异,仿真结果表明该算法性能优于其他算法。     

自适应滤波器在组合导航系统中的应用

为克服传统卡尔曼滤波器过于依赖模型先验噪声知识的不足，针对计程仪／SINS组合系统提出基于信息更新序列为反馈的自适应滤波器，建立相应模型。仿真结果表明，这种自适应滤波器算法简单，并能有效提高组合系统的精度。     

卡尔曼滤波器在舰载雷达目标跟踪中的实现

舰载雷达目标追踪系统可以探测和跟踪海面、水下和空中的目标,为船舶导航等提供重要的目标数据,保障船舶安全和正常航行。卡尔曼滤波器(CKF)是基于容积卡尔曼滤波算法设计的一种典型非线性滤波器,近几年来获得了广泛的关注。本文利用容积卡尔曼滤波器,对传统舰载雷达系统进行鲁棒性和近似线性的优化,提高舰载雷达目标追踪的效率和精度。     

数据融合技术在船舶组合导航中的应用研究

随着船舶导航系统的组合应用,有必要对组合导航信息进行数据融合以提供高可靠性的导航信息。在简单分析了船舶导航信息主要的数据融合方法的基础上,针对联邦滤波器的结构设计了传感器本地多次数据融合决策算法,并对融合了传感器本地决策数据融合算法的容错性进行了分析,对于推动数据融合在船舶组合导航中的应用具有一定借鉴意义。     

基于UKF和线性优化的改进粒子滤波算法

针对标准粒子滤波算法存在的粒子退化问题,提出了一种改进的粒子滤波算法,该算法将不敏卡尔曼滤波算法（UKF）、线性优化的思想和基本粒子滤波算法相结合,运用不敏卡尔曼滤波算法获得重要性概率密度函数,提高了粒子的使用效率;运用线性优化的思想,保证了所有粒子都以一定的概率对状态估计作出贡献,提高了粒子的多样性。仿真结果表明,改进的算法很好的解决了基本粒子滤波存在的粒子退化问题,具有更高的状态估计精度。     

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...     

一种改进的Kalman滤波在野值点去除中的应用

在工程实践中,Kalman滤波采用了递归滤波的方法和线性无偏最小方差准则,因而在理论上是一种最优估计,并因为这一良好的数学性质得到了广泛的应用。但是在实际测量中,在野值的影响下,Kalman滤波新息的特性遭到破坏,滤波不再准确甚至发散。针对此一现象,提出了基于＂新息＂序列和对新息序列进行Kalman预测的方法对测量数据进行处理的新算法。该算法利用＂新息＂序列进行野值点判别,利用Kalman预测的方法对野值点处的＂新息＂进行预测修复。仿真证明,该算法可使状态估计、野值点判别和野值点修复同时进行,并能很好地抑制滤波的发散。     

容错组合导航系统中的联邦滤波器应用研究

文章通过对联邦滤波器的结构和工作流程的介绍,分析了其特点和容错性能,对容错组合导航设计的方法进行了研究。指出NR结构是容错型联邦滤波结构,同时对联邦滤波器的四种结构进行了比较,提出了联邦滤波器应用研究领域的发展思路。     

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。     

自主式水下航行器水下回收融合引导技术方案及算法

[目的]为解决母艇携载的自主式水下航行器（AUV）在水下自主回收和对接的问题,基于惯导（INS）、声学超短基线定位（USBL）、光学等信号引导的多源数据融合,提出一种面向移动平台的AUV水下回收对接引导方法。[方法]为此,设计融合多传感器信息的扩展联邦卡尔曼滤波器,采用分散滤波并再经信息融合方法以提高滤波精度。分别以INS和USBL及光学探测信号作为子滤波器的输入信息,结合AUV水下回收对接过程中的5个阶段分别建立运动方程,最终得到适用于移动平台搭载的AUV水下对接引导系统的多源数据融合导航算法。[结果]仿真结果表明,所提方法具有可行性、系统鲁棒性和控制精度,[结论]可满足母艇水下回收作业对接的工程要求,以及作为AUV水下自主回收操作的技术参考。     

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。     

基于改进的联邦UKF无人艇组合导航系统设计

针对无人艇在高海况下长航时,大幅度作业滤波精度较低的问题,提出一种基于联邦结构的无迹卡尔曼滤波（Unscented Kalman Filtering,UKF）算法,将其应用于自主研制的无人艇组合导航系统中。建立系统误差方程和量测方程;引入渐消因子、基于量测值与预测量测值差值的可变因子和自适应最优信息分配因子对联邦UKF算法进行改进,保持信息的强跟踪特性和组合导航系统的信息融合精度,得到全局最优估计值。 开展湖试试验,验证该组合导航系统的有效性,结果表明该系统实时性、稳定性好,抗干扰能力强,能有效提高导航精度。该方法不仅能为无人艇作业提供安全保障,而且可供其他组合导航系统设计参考。     

基于分数低阶统计量的卡尔曼滤波目标跟踪算法

针对杂波干扰环境中的非高斯特性,发现海杂波噪声、闪烁噪声等具有显著尖峰的非高斯噪声,可以采用α稳定分布建立更符合实际的噪声模型。根据统计信号处理最新理论和技术,利用p阶分数相关和分数低阶协方差替代传统相关和协方差来改进Kalman滤波器,优化获得基于分数低阶统计量的Kalman滤波目标跟踪新算法(FLOS-KF)。仿真验证了FLOS-KF滤波跟踪新算法可以更好地适应非高斯复杂环境,得到稳健的跟踪效果。