基于EKF的图像辅助定位算法

介绍几何定位过程,并对其定位误差进行仿真分析。针对几何定位误差很大且与下视角大小密切相关的问题,采用扩展卡尔曼滤波算法(EKF)抑制测量噪声的影响,提高飞行器的定位精度。建立飞行器运动的状态空间模型,针对测量方程的非线性特点,对其进行线性化处理。在此基础上,采用EKF算法实时估计飞行器的空间位置坐标;通过数字仿真对滤波算法的定位效果进行检验;对影响滤波算法定位精度的因素进行分析并对不同飞行高度下的定位误差进行数字仿真。结果表明,算法收敛速度快,定位精度高,可显著减小测量噪声的影响,具有一定的工程应用价值。     

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。     

基于扩展卡尔曼滤波的动态协同定位算法

  目的  针对多自主水下航行器(AUV)上装备的惯性导航系统(INS)和多普勒速度计程仪(DVL)失效或未配备的情况,结合传统的扩展卡尔曼滤波(EKF)估计,提出一种基于双模型的协同定位方法。  方法  建立相对运动模型和双领航状态空间模型,通过水声通信,利用相对运动模型估计跟随AUV的速度信息,再应用双领航模式的多AUV协同定位状态空间模型,进一步提高协同定位系统的鲁棒性和准确性,利用海试数据进行半实物仿真验证。  结果  结果表明,基于双模型的主从式多AUV协同定位方法,能够在跟随AUV上没有INS和DVL的情况下,实时估计跟随AUV的位置。  结论  该方法能够保障协同定位系统定位精度在允许的范围内,降低多AUV协同定位系统的成本。     

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。     

基于改进无迹卡尔曼滤波的动力定位系统状态估计

动力定位（DP）船舶状态估计的准确性是影响其在海面上沿期望航迹运行或位置固定的关键因素。在DP状态估计研究中,当遇到观测噪声反常或噪声协方差与算法不符等情况时,无迹卡尔曼滤波（UKF）无法调整算法参数以适应海洋环境的变化,严重影响着状态估计的精度。鉴于此,提出一种基于误差序列协方差估计的自适应UKF,利用观测变量残差更新观测噪声协方差矩阵R。设计基于自适应UKF的状态估计器,对DP船舶纵荡、横荡和艏摇3个重要状态变量进行估计。数值仿真结果表明,提出的自适应UKF能明显降低纵荡、横荡和艏摇3个状态变量的估计误差,状态估计的准确性和滤波平滑性均优于传统UKF算法。     

基于平方根容积卡尔曼滤波的水面无人艇导航定位算法

针对不含GPS/北斗等外部传感器的水面无人艇自主定位问题,论文提出一种基于平方根容积卡尔曼滤波(square-root cubature kalman filter, SCKF)的水面无人艇定位算法。该算法利用数值拟合获取的给定电机电压和水面无人艇稳态速度(U-u)的非线性函数关系,将其作为系统的观测方程,融合无人艇的线性状态方程实现导航定位。为提升定位精度,在SCKF的观测方程中引入低通滤波器。最后通过试验验证了算法的有效性。     

基于角度变化率的机动目标单站无源定位

机动目标无源定位和跟踪技术在航空、制导等领域都有着非常广泛的应用,一直是人们的研究热点。文章运用了运动学原理,在传统测角定位技术基础上加以改进,增加了角度变化率信息,并采用IMM算法,实现了单站无源机动目标跟踪。计算机仿真验证了该方法的正确性与有效性。     

一种改进的卡尔曼滤波定位算法研究

研究了一种改进的卡尔曼滤波导航信号定位算法:通过测量每次接收机得到的伪距观测量及伪距变化量,估算出接收机的位置、速度,实现无线电导航系统的定位解算.该方法不直接使用卡尔曼滤波器来估计载体的状态,而是用滤波器来确定状态的误差,减小了运算误差,有效提高了定位精度.在进行参数估计时不需要贮存大量的测量数据,能够方便地进行动态测量数据的实时处理.该方法已经应用在导航定位解算中,仿真结果和实际应用验证了该方法具有快的收敛速度和高的定位精度.     

基于卡尔曼滤波的潜器运动状态观测器

该文以某型潜器为研究对象,通过对潜器的运动方程线性化,用卡尔曼滤波预测潜器运动状态量,并根据实际的输出量（量测值）来修正预测值,得到估计的状态量。仿真结果表明,量测输出精度越高、潜器运动状态变化越慢,观测器的估计误差就越小。     

基于扩展卡尔曼滤波的潜艇垂直面运动参数估计

潜艇水下航行环境复杂,现有测试技术无法对潜浮速率和纵倾角速度进行精确测量,论文中以潜艇垂直面非线性运动方程为基础,利用扩展卡尔曼滤波原理,得到潜艇垂直面参数的实时估计方法.仿真结果表明,该方法估计的潜浮速率、纵倾角速度有很高的精度.     

Real-time estimation of riser's deformed shape using inclinometers and Extended Kalman Filter

The real-time monitoring of underwater risers, cables, and mooring lines by multiple sensors is in great demand but still very challenging. In this study, a new real-time riser monitoring method based on an Extended Kalman Filter (EKF) is proposed. It estimates the overall shape of riser in real-time utilizing the measured signals from multiple bi-axial (inclination and heading) inclinometers along the riser. The novel EKF algorithm is shown to be robust against sensor noises and successfully reproduces the actual riser profiles at each time step, which has been verified by multiple tests through numerical simulations. For verification, a turret-moored FPSO (Floating Production Storage and Offloading) with a SCR (Steel Catenary Riser) is employed in four different random waves and currents. Subsequent algorithms are also developed so that the corresponding bending and axial stresses along the riser can also be estimated in real time from the obtained riser shape, which can further be used for the real-time estimation of fatigue-damage accumulation.     

基于UT变换改进多模型滤波的水下航行器导航方法

为了提高水下航行器组合导航系统的精度,针对滤波算法存在较大的截断误差和累积误差等问题,提出了一种基于无迹变换改进多模型滤波算法,并利用辅助信息对估计结果进行修正。首先通过无迹变换产生Sigma点对非线性测量方程进行近似,构造伪观测量进行偏差估计,然后利用基于加权因子的辅助信息融合算法,消除累积误差,进一步提高系统估计精度,最后给出算法的实现过程。仿真结果表明:与常规的多模型滤波算法相比,本文方法提高了估计精度。     

基于多基阵信息融合的目标定位仿真实验

为了有效提高被动自导作用距离和目标参数的估计精度,针对水下航行器的多个基阵,采用信息融合方法,从波形级融合和波束级融合2个方面,对多个基阵的目标被动定位方法进行仿真实验研究,并给出了各种融合方法的统计性能分析。仿真结果表明,多个基阵的信息融合可有效提高目标的定位精度,使低信噪比时的检测能力提高1～3 dB,从而提高被动自导的有效作用距离。     

UKF和PF融合算法在动力定位船舶状态估计中的应用研究

针对船舶动力定位状态估计时使用扩展卡尔曼滤波导致模型失配而产生滤波精度不高甚至滤波发散的问题,设计一种融合无迹卡尔曼滤波和粒子滤波的动力定位船舶状态估计算法.该算法以粒子滤波作为整体框架,运用无迹卡尔曼滤波对粒子状态的每次更新进行最优化估计,从而最优化了每个粒子的状态,再根据每个粒子的重要性分布,得出船舶复合运动中的低频状态.Matlab仿真结果表明,该方法能够从含有高频和噪声干扰的测量信息中估计出的船舶低频运动状态,相比于直接使用UKF,该方法的滤波精度更高,滤波性能也比较稳定.     

基于扩展卡尔曼滤波的船舶SCR脱硝系统状态估计

如今,选择性催化还原法(SCR)是船舶尾气脱硝的主流方法。为了实现SCR脱硝系统的闭环控制,准确获取系统各个状态变量的值十分重要。但是其中的氨覆盖率θNH3无法直接用传感器测量,即存在不可测的问题。并且,由于受到实际运行时的噪声影响,NH3和NOx浓度传感器的测量值并不精确。考虑到扩展卡尔曼滤波(EKF)算法能减弱噪声、实现状态变量的最优估计,设计了基于3状态SCR脱硝系统模型的EKF状态观测器。为了考察该观测器的性能,在船舶柴油机排气参数剧烈变化的工况下进行仿真试验。结果表明,该EKF观测器的估计值与参考值的吻合度十分良好。     

一种基于甚低频系统的舰船综合导航方法与仿真

介绍了阿尔法导航系统的特点,提出了一种基于阿尔法信息的舰船综合导航方法,具体阐述了卡尔曼滤波数学模型的建立和滤波实现,并利用M atlab软件进行了仿真和结果分析。     

Underwater simultaneous localization and mapping based on forward-looking sonar

A method of underwater simultaneous localization and mapping (SLAM) based on forward-looking sonar was proposed in this paper. Positions of objects were obtained by the forward-looking sonar, and an improved association method based on an ant colony algorithm was introduced to estimate the positions.In order to improve the precision of the positions, the extended Kalman filter (EKF) was adopted. The presented algorithm was tested in a tank, and the maximum estimation error of SLAM gained was 0.25 m. The tests verify that this method can maintain better association efficiency and reduce navigation error.