抗差模型预测Unscented卡尔曼滤波算法研究

随着状态维数的增加,UKF算法的计算量迅速增大,且UKF算法对模型误差较敏感,不适用于噪声为非高斯分布的系统模型。针对此问题,在研究抗差估计、模型预测滤波和UKF的基础上,提出了一种抗差模型预测Unscented卡尔曼滤波算法。该算法利用扩维方法将驱动噪声加入系统状态中,增加了系统的状态信息,采用模型预测滤波(MPF)抑制模型误差,利用抗差估计增强系统的鲁棒性,弥补了UKF算法对模型误差敏感的缺陷。将提出的算法应用于SINS/BNTS/CNS组合导航系统并进行仿真,与自适应EKF和抗差自适应UKF算法比较,结果表明,提出的算法能有效抑制位置误差和速度误差,滤波性能明显优于自适应EKF算法和抗差自适应UKF算法。     

混合SRUKF在GPS/INS组合导航中的应用

建立了GPS/INS(Global Positioning System/Inertial Navigation System)紧组合模式下的线性/非线性模型,针对SRUKF(Square Root Unscented Kalman Filter)不能与该模型达到最佳匹配的问题,提出一种基于混合滤波思想的SRUKF.将时间更新分为两个阶段:利用线性状态方程得到状态的一步预测并根据该值构造Sigma点,求取Sigma点加权和以实现对量测值的一步预测.新的算法省去了线性状态方程的UT(Unscented Transform)环节,在保证滤波精度的前提下,降低了计算量.将改进的算法应用于已建立的模型,仿真实验表明,相比于UKF(Unscented Kalman Filter)及SRUKF,该算法不仅能够有效获得导航参数的精确估计,还具有较强的实时性,发挥出了算法的最佳性能.     

基于UPF的GPS/SINS组合导航系统设计

建立了GPS/INS非线性误差模型,利用UPF滤波算法实现了该组合系统定位功能,一方面针对UKF估计误差协方差极易非正定的问题进行了正定化处理;另一方面在粒子滤波环节针对重采样导致的粒子多样性降低的问题,增加了MCMC移动步骤.实验结果表明:应用UPF实现的组合导航系统定位精度明显优于EKF和UKF,且定位误差波动幅度较小,既能够满足非线性系统的导航精度要求,又能够满足定位系统对滤波稳定性的要求.     

自适应平方根球型无迹卡尔曼滤波算法

针对传统无迹卡尔曼滤波器存在跟踪精度低、数值稳定性差、鲁棒性弱等缺点, 提出了一种基于球型无迹变换的自适应平方根UKF滤波算法（Adaptive Square Root UKF Filtering Algorithm Based on Spherical Unscented Transform, ASRS-UKF）。该算法在标准的平方根UKF算法上,首先改用了球型无迹变换对权系数以及sigma点进行计算选取;其次改进了平方根UKF中平方根矩阵的分解方法;同时在预测误差协方差矩阵中引入了自适应衰减因子。最后,通过将该算法同平方根UKF以及强跟踪UKF算法进行仿真对比,结果表明,ASRS-UKF算法在减少计算量、加快计算速度的同时还提高了滤波精度和稳定性,而且对于系统模型匹配不佳的情况下,仍具有良好的跟踪性能。     

自适应UKF算法在GNSS/INS深组合系统中的应用

针对强非线性和时变噪声统计特性不明的高动态运动环境下全球卫星导航系统/惯导系统(GNSS/INS)深组合导航系统滤波精确度较差甚至发散的问题,提出一种自适应混合无迹卡尔曼滤波(UKF)算法。该算法以UKF算法为基础,采用混合滤波思想对UKF滤波算法进行简化;并根据高动态下系统量测噪声时变,且易快变、突变的特点,设计了一种基于渐消记忆指数加权的自适应量测噪声估计器,实时估计和修正噪声统计量并自适应调节估计周期。仿真结果表明,在量测噪声变化的情况下,相比于常规UKF算法,本文算法各向定位测速精确度均有所提升,水平方向精确度提升60%以上,效果明显;此外,算法耗时减少18.64%,说明本文算法能够在提升滤波精确度的同时减少部分计算量。     

基于强跟踪AUKF的目标跟踪算法

针对无迹卡尔曼滤波器在递推过程中不具有对测量条件变化和系统模型不确定性的自适应性,在模型不准确或出现不良测量条件时跟踪效果不佳的问题,提出一种新的目标跟踪算法,即基于改进强跟踪的自适应无迹卡尔曼滤波器(STF-AUKF)。该算法一方面基于自适应滤波的思想,利用新息协方差匹配原理,建立对不良测量具有鲁棒性的自适应UKF;另一方面,依据改进强跟踪滤波的思想,采用时变渐消因子实时调节矩阵增益以此应对模型突变,保证跟踪效果。仿真结果表明,STF-AUKF算法在目标突发机动时仍然具有较好的稳定性和跟踪效果。     

利用相位差变化率的机载无源定位跟踪改进算法

为解决基于空频域信息的机载无源定位中高精度角速度参数难以获取的问题,论文利用相位差变化率对角速度的放大作用,通过2维相位干涉仪布局建立了一种新的无源定位观测模型,实现了对空中运动目标的定位。针对UKF(Unscented Kalman Filter)滤波中误差协方差矩阵负定导致滤波不稳定的问题,引入平方根UKF滤波算法并进行改进,采用简化球形分布的SSUT(Simplex Spherical distribution Unscented Transform)变换进行Sigma点采样,通过减少采样点个数减小了滤波的计算量。仿真表明:在较低的参数测量精度条件下,新观测模型位置和速度跟踪误差降低,采用改进的平方根UKF算法能够在保证稳定跟踪的同时,提高算法效率。     

RLG INS/GNSS极区组合导航方法

针对航空飞行器跨极区飞行,导航坐标系转换导致滤波器结构变化,进而影响导航精度的问题,提出了基于协方差变换的环形激光陀螺惯导/全球导航卫星系统算法(Ring Laser Gyroscope Inertial Navigation System/Global Navigation Satellite System,RLG INS/GNSS).通过建立地理坐标系、格网坐标系下系统误差状态及其协方差的转换关系,设计了具有全纬度适用性的组合导航滤波器,并通过跑车实验以及半实物仿真实验对算法的有效性进行了验证.实验结果表明,协方差变换算法可以有效解决导航坐标系转换导致的滤波不稳定问题,相较于无协方差变换,系统状态误差减小一个数量级.     

基于UKF的单站无源定位改进算法

针对在单站无源定位中UKF算法由于数值计算的舍入误差带来的滤波发散以及计算量较大问题,文中提出了一种采用奇异值分解和超球体采样的UKF滤波算法。该算法将标准UKF算法中的协方差矩阵进行奇异值分解,避免算法在递推过程中,由于计算舍入误差而引起协方差矩阵失去正定性,而导致算法失效的问题。并且新算法采用超球体采样策略,减小了采样点的数量,提高了计算效率。仿真实验结果证明了该算法的有效性。     

大失准角下SINS的KF/EKF2混合滤波对准

针对捷联惯导系统(SINS)大失准角下滤波对准过程中非线性滤波器状态维数过大的问题,提出了一种基于模型分解的卡尔曼滤波/二阶扩展卡尔曼滤波(KF/EKF2)混合滤波方法,将基于欧拉平台误差角的非线性滤波模型分解为线性部分和非线性部分,分别采用线性KF滤波和非线性EKF2滤波处理,并且设计了混合滤波的滤波步骤。实验结果表明,KF/EKF2混合滤波算法在计算量、实时性及精度等方面优于最常用的无迹卡尔曼滤波(UKF)和EKF2滤波。     

基于无迹卡尔曼滤波的iBeacon/INS数据融合定位算法

针对微机电惯性导航系统(MEMS-INS)定位解算存在积累误差及低功耗蓝牙技术iBeacon指纹定位存在跳变误差等问题,该文提出一种基于无迹卡尔曼滤波器(UKF)的iBeacon/MEMS-INS数据融合定位算法。该算法对iBeacon锚点与定位目标的距离进行解算,利用加速度计和陀螺仪的数据实现姿态阵和位置解算。将蓝牙锚点位置向量、载体速度误差信息等组成状态量,将惯性导航定位信息和蓝牙定位距离信息等组成观测量,设计无迹卡尔曼滤波器,实现iBeacon/MEMS-INS数据融合定位。实验测试结果表明,该算法有效解决MEMS-INS存在较大积累误差及iBeacon指纹定位存在跳变误差的问题,可以实现1.5 m内的定位精度。     

UKF在GPS/INS伪距、伪距率组合导航中的应用

扩展卡尔曼滤波（EKF）是GPS／INS组合导航系统中常用的数据融合方式。但是EKF的线性化会带来截断误差,从而影响系统定位精度。不敏卡尔曼滤波（UKF）是一种新的非线性滤波的方法,它能减少线性化截断误差对系统定位精度的影响。文中在线性状态方程的条件下,主要研究了伪距、伪距率的非线性对系统定位性能的影响。UKF采用非线性观测方程,EKF采用线性观测方程。仿真结果表明UKF能明显改善位置项的定位精度。     

一种基于多普勒频率变化率单站无源定位的改进跟踪滤波算法

IMM-PF算法巨大的计算量影响跟踪的实时性,IMM-UKF由于线性化误差使得精度不高.针对这些问题,本文在基于多普勒频率变化率的单站无源定位问题的基础上提出了一种改进的交互式多模型滤波算法（IMMEK-UKFPF）,利用不同的模型匹配不同类型的滤波器,充分发挥了卡尔曼滤波和无迹卡尔曼滤波以及粒子滤波各自的优点.仿真结果表明该算法减少了跟踪定位所用时间,提高了计算效率,同时具有良好的跟踪性能和较强的鲁棒性.     

基于自适应无迹粒子滤波的目标跟踪算法

为解决复杂场景中目标跟踪问题,提出了一种噪声未知情况下的自适应无迹粒子滤波(A-UPF)算法。算法采用改进的Sage-Husa估计器对系统未知噪声的统计特性进行实时估计和修正,并与无迹Kalman粒子滤波器相结合产生优选的建议分布函数,降低系统估计误差的同时有效提升了系统的抗噪声能力。实验结果表明,本文方法对于复杂条件下的目标跟踪问题具有较高的精度和较强的鲁棒性。     

Modified Unscented Kalman Filter for a Multirate INS/GPS Integrated Navigation System

Instead of the extended Kalman filter, the unscented Kalman filter (UKF) has been used in nonlinear systems without initial accurate state estimates over the last decade because the UKF is robust against large initial estimation errors. However, in a multirate integrated system, such as an inertial navigation system (INS)/Global Positioning System (GPS) integrated navigation system, it is difficult to implement a UKF‐based navigation algorithm in a low‐grade or mid‐grade microcontroller, owing to a large computational burden. To overcome this problem, this letter proposes a modified UKF that has a reduced computational burden based on the basic idea that the change of probability distribution for the state variables between measurement updates is small in a multirate INS/GPS integrated navigation filter. The performance of the modified UKF is verified through numerical simulations.     

北斗组合动态定位算法稳定性分析

该文针对北斗卫星定位系统和惯性导航系统提出组合导航卡尔曼滤波定位算法,对组合导航滤波算法的可控性、可观性进行了分析,并用数值分析方法从可观性定义出发分析了各个状态的可观测度,从稳定性的定义出发分析了组合算法的稳定性和渐进稳定性.由于双星时不能对钟差滤波,所以对滤波定位观测模型进行了改进,引入伪距率和惯性器件输出的加速度作为观测量.仿真表明改进方案大大提高了组合定位系统的工作稳定性,抗突发性误差的能力提高了一个数量级,而且双星的情况下可以对钟差滤波.     

基于自适应信息融合的导航系统构成与算法研究

由于组合导航系统应用环境的不确定性,给噪声统计特性的准确描述带来困难,这将造成Kalman滤波器不稳定甚至发散,目前常用的解决办法是直接估计系统噪声与量测噪声的方差阵 Q及R ,进行自适应滤波.但方程的增加将使计算量加大、实时性不能保证.本文在对基于信息融合的INS/GPS组合导航系统进行分析和设计的基础上,探讨了通过ARMA模型自适应参数辨识求解可变增益K,从而求出状态估计值的方法,并对辨识误差协方差的防饱和算法进行了研究.计算机仿真结果表明:该算法对提高导航精度和运算速度是行之有效的,所得结论有一定的工程实用价值.     

一种两步式相关极值重力匹配算法

针对相关极值重力匹配算法实时性较差且要求初始误差较小的问题,该文提出一种两步式相关极值重力匹配算法。首先使用快速均方差相关(MSD)算法进行粗匹配,然后提取合适的粗匹配结果作为刚性变换的基准,将惯性导航系统(INS)轨迹变换到实际轨迹附近,产生新的待匹配轨迹,最后在新待匹配轨迹附近进行精确搜索,寻找代价最小路径。通过仿真实验验证了两步式匹配算法效果。两步匹配结合2种方法的优势,使重力匹配法适应于INS初始误差较大的情况,提高效率和实时性,同时保持匹配结果的高精度。     

采用UKF的光学捷联导引头刻度尺误差补偿方法

针对光学捷联导引头刻度尺误差带来的隔离度问题,提出了一种基于无迹卡尔曼滤波(UKF)的刻度尺误差实时补偿方法.分析了刻度尺误差引起隔离度问题的机理,由弹目相对运动方程以及光学捷联导引头量测方程建立了考虑刻度尺误差影响的非线性滤波模型,采用UKF滤波算法,对刻度尺系数进行估计,并用所提出的补偿方法进行实时补偿,最后进行了数学仿真及半实物仿真验证.仿真结果表明:所提方法能够有效地估计出刻度尺系数,经补偿后改善了系统的稳定性,同时提高了制导精度.