模糊自适应Kalman滤波在INS／GPS组合导航系统中的应用

针对INS／GPS组合导航系统中因量测噪声的复杂多变造成的发散问题,引人了一种基于新息方差匹配技术的自适应模糊控制Kalman滤波算法,通过模糊控制器在线调整量测噪声方差,抑制滤波器发散,从而提高导航系统的精度。仿真结果表明该算法具有比常规Kalman滤波更高的精度。     

水下航行器导航系统的模糊自适应多模型滤波方法

为了提高水下航行器组合导航系统的精度,针对系统模型和量测噪声随实际工作环境的不同而变化的特点,提出了一种基于模糊自适应改进多模型滤波的算法。首先依据多模滤波的思想,对系统进行离散化建模;然后基于协方差匹配技术,利用滤波信息的统计方差和计算方差的偏差作为模糊系统输入,设计模糊推理系统调节量测噪声方差,最后给出算法的实现过程。仿真结果表明,所提方法可增强估计算法的抗干扰能力,提高了估计精度。     

平方根求容积卡尔曼滤波的组合导航算法

以全球定位系统与航位推算(GPS/DR)相结合的组合导航系统为研究对象.为解决在GPS/DR组合导航研究中传统扩展卡尔曼滤波(EKF)算法的滤波精度和稳定性差问题,引入了平方根求容积卡尔曼滤波算法.作为一类sigma点滤波方法,SCKF有效避免了EKF计算雅可比矩阵,提高了估计精度.仿真结果表明,对于船用GPS/DR组合导航问题,该算法能获得更好的性能指标,更符合实际船用组合导航要求.     

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.     

结合GPS的快速运动船舶定位方法研究

单独利用DR方法经常出现误差累积效应,导致船舶定位速度过慢。针对上述问题,提出一种结合GPS的快速运动船舶定位方法。通过快速状态方程和快速观测方程建立一个DR/GPS组合数学模型,采用计算过程更为简单的加权平均滤波算法实现数值快速融合,并设定一个高效率的船舶定位流程,实现船舶的快速定位。对比结果表明:结合了GPS的DR定位方法与单独使用DR方法相比,能够更为快速实现对船舶的定位,速度提高了20%。     

一种基于INS/GPS/CNS的全信息导航滤波算法

为解决INS/GPS两组合导航系统因观测信息不完整造成的姿态误差发散、系统稳定性较弱的问题,本文利用CNS搭建了基于INS/GPS/CNS的全观测信息导航系统。通过建立以位置误差、速度误差及平台失准角误差为观测量的系统数学模型,提出一种基于INS/GPS/CNS的全信息导航滤波算法,提高了系统的导航精度,改善了系统的稳定性。试验结果表明,本文所提算法相较于传统两组合滤波算法,各导航参数的精度在不同程度上得到改善,长航时条件下姿态误差收敛、稳定性较高。     

TDOA/DR组合系统定位算法及仿真研究

GPS/DR组合导航在户外GPS信号较好的情况下,可以提供精度较高的定位导航,但人的活动范围不仅仅是户外,会经常穿梭、停留于各种建筑物中。此时,GPS信号几乎无法获得,DR会因长时间得不到修正而导致发散,因此,GPS/DR系统无法在室内提供长时间高精度的导航信息。基于上述原因,文章研究基于到达时间差（TDOA）的定位算法,利用超声传感器实现室内TDOA定位,并与DR系统进行组合,校正并改善DR系统误差发散问题,以增强导航系统的定位能力。     

导航滤波中观测值方差阵的动态求解

在进行位置势导航滤波时，观测值的方差阵是影响导航滤波精度的重要因素。对于海上运动的舰船，由于观测值是动态变化的。提出了一种无需设置参考系统求解观测值方差阵的动态方法。     

舰船组合导航系统的顺序滤波融合算法

舰船组合导航系统Kalman滤波的集中式融合与分布式融合方法存在滤波精度与计算性能、容错性不可兼顾的缺点.且船舶运动受海洋环境等的影响,其噪声基于白噪声建模过于理想化.针对上述问题,提出了舰船组合导航系统的顺序滤波融合算法.该算法的基本思想是采用一阶Markov过程建立舰船运动的噪声模型,并用状态扩维方法将状态方程转化为符合标准Kalman滤波的基本方程,然后每一时刻检查各导航子系统的有效性,对有效的导航子系统引入顺序滤波融合思想实现导航定位.与传统的顺序滤波融合算法相比,新算法在保留与集中式融合同样高的滤波精度、计算性能好的优点的基础上,新增了实用性强、容错性好的优点.理论分析和舰船SINS/GPS组合导航仿真结果表明了新算法的有效性和优越性.     

基于BP神经网络的舰船组合导航算法研究

针对GPS/惯导组合导航系统的滤波定位算法,文章提出利用BP神经网络,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。通过仿真试验表明滤波的效果对导航精度有所提高,同时也说明了该方法是可行的、正确的。     

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。     

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...     

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。     

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。     

无迹卡尔曼滤波及其在三维水下目标跟踪系统中的应用

无迹卡尔曼滤波算法(UFK)以少量的采样点表示随机变量的分布,通过非线性系统传播,能以三阶精度获得非线性变换的均值和协方差的估计．文章将其应用于三维水下目标跟踪系统中．通过系统的Mome Carlo仿真,验证了该滤波算法比传统的扩展卡尔曼滤波具有更高的滤波精度．     

改进UKF算法在双基阵纯方位目标跟踪中的应用

传统算法在解决纯方位目标跟踪时存在有偏、收敛速度慢或发散等不足,无迹卡尔曼滤波（UKF）虽然改善了系统线性化误差,但并没有明显改善卡尔曼滤波器容易发散的问题。文章在扩展卡尔曼滤波和UKF算法的基础上,提出一种衰减记忆UKF算法（MAUKF）,引进衰减因子加强对当前测量数据的利用,减小历史数据对滤波的影响。理论分析和仿真结果表明,MAUKF算法在纯方位目标跟踪中的滤波精度、稳定性和收敛时间都优于EKF、UKF算法。     

基于DSP的船舶电力推进系统滤波装置控制器设计

小型船舶电力系统中非线性负载多、谐波污染严重。针对这一情况,本文设计一款基于DSP的电力系统滤波装置控制器,该控制器结构简单,稳定性好,实验证明该控制器能有效降低谐波污染,具有一定实用价值。     

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。     

融合浮标与潜标的水声定位噪声测量系统

融合浮标与潜标的水声定位噪声测量系统,可实现对监测水域内不同噪声辐射量级目标的全天候噪声测量。高精度时钟及GPS的加入保证该系统能精确预测各时刻水下目标的运动轨迹。该系统在进行噪声测量时,为保证系统精度,使用频谱补偿修正算法,显著提高时延计算精度。该系统的主控软件可显示待测目标的轨迹,并可融合时间、位置、声学测量信息等对水下目标的噪声进行处理,获取噪声功率谱密度等特性。湖上试验的结果表明,该系统定位结果稳定可靠。