基于GP-SRCDKF的初始对准技术研究

随着对惯性导航系统中对准时间要求的不断提高,初始对准需要在大方位失准角条件下进行,此时需采用非线性滤波方法来实现初始对准。基于此,提出高斯过程回归平方根中心差分卡尔曼滤波算法(GP-SRCDKF)。将高斯过程回归融入到SRCDKF算法中,利用高斯过程得到系统回归模型及噪声协方差,用回归模型代替状态方程和观测方程,对相应的噪声协方差进行实时自适应调整。该算法不仅克服了扩展卡尔曼滤波滤波精度低、需要计算雅可比矩阵的不足,而且可解决传统滤波容易受系统动态模型不确定和噪声协方差不准确的限制。仿真实验结果验证了该算法的有效性和优越性。     

大方位失准角传递对准非线性模型研究

针对惯导系统大方位失准角传递对准的非线性误差方程不准确问题,同时考虑杆臂效应和挠曲变形两种主要误差因素来建立挠曲变形和杆臂效应加速度一体化误差模型,从而完善惯导系统大方位失准角传递对准非线性模型.针对非线性滤波的稳定性和快速性问题,采用比例修正无味卡尔曼(UKF)滤波模型估计姿态失准角,并采用速度匹配算法对模型的正确性和滤波的有效性进行仿真验证.结果表明,该模型在大方位失准角传递对准时可以满足对准精度和时间的要求.     

基于UKF的MEMS捷联惯导传递对准方法

在飞行器导航系统优化问题的研究中,为解决MEMS捷联惯导(SINS)传递对准精度低和对准时间长的问题,提出了一种采用无迹卡尔曼滤波(UKF)的MEMS-SINS传递对准方法.首先利用欧拉平台误差角表示主子惯导坐标系之间失准角的方法,建立MEMS-SINS传递对准的大失准角误差模型.然后对建立的模型采用UKF滤波算法,使用确定性样本的方法来处理传递对准模型的非线性问题.最后对提出的传递对准方法进行仿真验证,并与扩展卡尔曼滤波(EKF)进行比较.仿真结果表明:在传递对准过程中,UKF获得了比EKF更好的对准精度和更短的对准时间,基本满足了战术级导航系统传递对准的精度要求.     

捷联惯导系统方位失准角对准技术研究

研究低成本捷联惯导系统中静基座方位失准角对准问题。传统采用的MIMU精度较低,误差模型的非线性化。为改善方位失准角的对准精度,提出了一种UPF方法的方位失准角对准方法。建立了关于磁强计辅助MIMU的粗对准模型,并将磁强计辅助完成粗对准的方位角偏差引入精对准的线性和非线性误差模型之中,给出了一种简化的UPF递推算法,对比了不同误差模型下的三种滤波方法的效果。仿真结果表明,无论是线性还是非线性误差模型下,UPF都获得了比KF和UKF更优的对准精度和收敛性,具有重要理论意义和应用参考价值。     

迭代容积粒子滤波算法在SINS初始对准中的应用

在大方位失准角误差的条件下,捷联惯导系统(SINS)初始对准误差模型是非线性的,可以采用粒子滤波(PF)方法进行处理.针对标准PF算法中存在的重要性密度函数难以选取的问题,提出了一种新的迭代容积粒子滤波(ICPF)算法.将Gauss-Newton迭代和容积卡尔曼滤波(CKF)算法相结合,得到迭代CKF(ICKF)算法.该算法利用最新量测信息改进迭代过程中产生的新息方差和协方差,可获得较高的估计精度.由ICKF算法获得粒子滤波算法的重要性密度函数,有效地抑制了粒子退化现象.SINS大方位失准角初始对准的仿真结果和实验结果表明:该算法的滤波精度高于标准PF算法和容积PF(CPF)算法,是一种非常有效的非线性滤波算法.     

基于罗经法和CDKF的捷联惯导摇摆基座自对准

针对舰船和舰载武器系统存在风浪的情况下自对准精度下降的问题,提出了一种改进罗经法粗对准和利用中心差分卡尔曼滤波(CDKF)法进行精对准的捷联惯导系统摇摆基座下的自对准方法。利用经典罗经算法在惯性系下对捷联系统进行粗对准,可以在方位角存任意误差时收敛到一个精对准算法可以容忍的范围内,而CDKF精对准算法在存在相对较大的失准角下仍能实现高精度的姿态角误差估计。仿真实验证明:提出的方法对准精度高,速度快,实现简单,适用与各种无机动条件下的捷联惯性系统的自始准。     

基于自抗扰控制技术的捷联罗经对准算法

在大失准角条件下,研究了自抗扰捷联罗经对准算法．基于欧拉平台误差角概念建立了适用于自抗扰控制的二阶水平通道状态空间模型．以水平速度误差作为量测实现水平姿态对准,从稳定的水平通道指令角速度中提取方位失准角信息,完成方位自对准．仿真结果表明,该对准算法可较快地实现大失准角的自对准且对准精度与经典罗经对准法相当．     

捷联惯导系统任意失准角双模型快速传递对准

传递对准是机载和舰载装备惯导系统初始对准的首选方案,由于传递对准大多在恶劣的外部环境下进行,使得常规的线性误差模型不能准确的描述传递对准过程中的误差传播特性,所以国内外研究者提出了一系列的非线性误差模型,但是这又带来了非线性系统状态估计时计算量较大的问题。针对这一问题提出了一种双模型快速传递对准方法,在传递对准的初始时刻,失准角较大时,采用基于速度加四元数匹配的非线性误差模型和非线性滤波算法如Unscented卡尔曼滤波进行传递对准状态估计,当失准角的估计达到一定的精度后对子捷联惯导进行一次校准,再切换到基于速度加姿态角匹配的常规线性误差模型和常规卡尔曼滤波,仿真结果表明,该方法能够获得比单独使用线性误差模型或非线性误差模型高的对准精度,并且计算量比采用非线性误差模型时大大减小。     

基于UKF的捷联惯导大失准角初始对准方法

研究自主水下航行器,位置速度匹配中的误差需要补偿.捷联惯导大失准角误差传播特性是非线性的.为了提高捷联惯导大失准角初始对准精度,提出了一种基于UKF的捷联惯导初始对准的方法.由于对大失准角下SINS的非线性误差模型和系统噪声和观测噪声为加性的特点,给出了一种简化的Unscented卡尔曼滤波递推算法,并提出在精对准阶段采用多次精对准提高大初始失准角下SINS对准精度进行仿真.仿真结果表明,在GPS辅助下,使捷联惯导方位角误差减少,采用改进方法,也可获得较高的对准精度.     

捷联惯导大方位失准角快速初始对准

捷联惯导方位角快速性能优化问题,传统大方位失准角初始对准方位角收敛速度较慢,直接影响惯导系统的性能。为此提出一种无重置联邦滤波器的以速度误差和比力输出作为观测量的快速初始对准新算法。给出了捷联惯导系统非线性误差模型,并分析了两种观测量,建立了速度观测子滤波器和比力观测子滤波器,同时采用了相应的状态方程和观测方程。用三种方法进行了大方位失准角初始对准的数字仿真。仿真结果对比表明,新方法不仅使方位失准角收敛速度快,而且在加速度计噪声增大10倍的情况下,仍然具有极高的对准精度。     

基于Sigma点Kalman滤波的车载导航系统状态估计

针对扩展卡尔曼滤波(EKF)在车载组合导航系统状态估计问题中的缺陷,本文介绍了一种新的方法——Sigma点卡尔曼滤波(SPKF)用于车载组合导航系统的非线性状态估计。其思想是基于非线性函数的加权统计线形化,SPKF滤波算法能够给出随机变量非线性变换以后更精确的均值和协方差的估计,从而带来更高的精度。最后通过GPS/DR组合导航模型时间序列的状态估计仿真实例说明:同EKF相比,SPKF的滤波精度和稳定性都显著提高了,还可避免计算烦琐的Jacobi矩阵,是一种良好的非线形滤波方法。     

捷联惯导系统静基座初始对准精度分析及仿真

在利用卡尔曼滤波器对捷联惯导系统（SINS）进行静基座初始对准中，由于系统的不完全可观测性，使得有些状态没有滤波效果，有些状态的估计精度受到限制。对SINS静基座初始对准卡尔曼滤波方程进行了可观测性分析，提出了状态降阶的处理方法，并得到了各状态估计的极限精度公式。最后进行了软件仿真，仿真结果表明：降阶滤波器和全降阶滤波器的估计精度基本相同，但足前者计算量更小，并且在滤波计算中能够消除不可观测状态的不利影响。     

CDKF方法在车辆组合导航中的应用

针对扩展卡尔曼滤波（EKF）在车辆导航中存在着计算复杂、线性化误差大等缺点，将一种新的非线性滤波方法——中心差分卡尔曼滤波（CDKF）用于车辆GPS／DR组合导航中。和普遍采用的EKF方法相比．CDKF方法不仅提高了车辆组合定位的精度和稳定性；而且不需要模型的具体解析形式，避免了复杂的Jacobian矩阵的计算，算法更简单，也更加易于实现。为了检验其有效性，将两种方法分别对车辆GPS／DR组合导航系统进行滤波仿真，仿真结果进一步表明CDKF方法明显优于EKF方法，是车辆组合导航中一种更理想的非线性滤波方法，真正实现了车辆低成本、高精度的实时定位。     

Variants of extended Kalman filtering approaches for Bayesian tracking

We provide a tutorial for a number of variants of the extended Kalman filter (EKF). In these methods, so called, sigma points are employed to tackle the nonlinearity of problems. The sigma points exactly represent the mean and the variance of the state distribution function in a dynamic state equation. The initially developed EKF variant, that is, unscented Kalman filter (UKF) (also called sigma point Kalman filter) shows enhanced performance compared with that of conventional EKF in the literature. Another variant, which is not well known, is central difference Kalman filter (CDKF) whose way to approximate the nonlinearity is based on the Sterling's polynomial interpolation formula instead of the Taylor series. Endeavor to reduce the computational load resulted in the development of square root versions of both UKF and CDKF, that is, square root unscented Kalman filter and square root central difference Kalman filter (SR‐CDKF). These SR‐versions are supposed to be numerically more stable than their original versions because the state covariance is guaranteed to be positive definite by avoiding the step of matrix decomposition. In this paper, we provide the step‐by‐step algorithms of above‐mentioned EKF variants with their pros and cons. We apply these filtering methods to a number of problems in various disciplines for performance assessment in terms of both mean squared error (MSE) and processing speed. Furthermore, we show how to optimize the filters in terms of MSE performance depending on diverse scenarios. According to simulation results, CDKF and SR‐CDKF show the best MSE performance in most scenarios; particularly, SR‐CDKF shows faster processing speed than that of CDKF. Therefore, we justify that SR‐CDKF is the most efficient and the best approach among the Kalman variants including the EKF for various nonlinear problems. The motivation of this paper targets at the contribution to the disseminative usage of the Kalman variants approaches, particularly, SR‐CDKF taking advantage of its estimating performance and high processing speed. Copyright © 2016 John Wiley & Sons, Ltd.     

H∞滤波和Kalman滤波在初始对准中的比较研究

摇摆状态下的捷联惯导初始对准,由于动基座情况下干扰较大,造成对准精度下降.推导了大失准角误差模型,设计了相关的H∞滤波器和Kalman滤波器,并比较了二者的性能.通过静基座和摇摆动基座初始对准仿真试验分析,得出静基座条件下,Kalman滤波性能较好;而在外界干扰较大或系统模型不准确的环境中,Kalman滤波性能恶化,H∞滤波的对准精度优于Kalman滤波,且实时性好,适合于工程应用.     

捷联惯导静基座初始对准技术仿真

捷联惯导在初始对准时,按载体的运行状态来分,可以分为静基座和动基座对准。从静基座捷联惯导初始对准的原理出发,推导了捷联惯性导航系统静基座初始对准的误差动态方程和量测方程,构成了卡尔曼滤波模型。最后将卡尔曼滤波模型应用于静基座初始对准,并进行了仿真。     

强跟踪CDKF 及其在组合导航中的应用

针对扩展卡尔曼滤波器(EKF)在组合导航系统模型不确定时存在滤波精度下降甚至发散的问题,提出一种具有强跟踪性能的中心差分卡尔曼滤波器(CDKF).强跟踪CDKF基于强跟踪滤波器(STF)的理论框架,采用中心差分变换代替STF中的雅可比矩阵计算,兼具STF鲁棒性强,CDKF滤波精度高和实现简单的优点,有效克服了EKF在系统模型不确定时滤波失效的缺点.仿真结果验证了强跟踪CDKF的有效性.     

车载战术导弹传递对准仿真研究

研究了车载战术导弹发射前的传递对准问题。提出了将主惯导安装于导弹发射架上,利用导弹发射前发射架的俯仰运动作为激励加快传递对准过程的方法。推导了弹载子惯导的误差方程和用于传递对准的量测方程。根据推导的方程设计了卡尔曼滤波器实现速度加姿态匹配传递对准。针对导弹发射前载车的典型运动情况进行了仿真。仿真结果表明,在载车运动过程中弹载子惯导的水平姿态误差角估计误差可在30 s内减小到2’以内,通过导弹竖起过程中角运动的激励,航向误差角估计误差迅速减小到3’以内。     

基于H∞的低精度捷联惯导系统初始对准方法

由于低精度捷联惯导系统的陀螺精度较低,初始对准时方位失准角的估计精度往往不高;另外,进行初始对准的常用方法是采用Kalman滤波技术,但在实际应用时,其鲁棒性不高,因此迫切需要一种能够改善低精度捷联惯导系统方位失准角的估计精度且兼具鲁棒性的初始对准方法。提出了一种将H∞滤波用于引入磁航向的低精度捷联惯导系统的初始对准方法,能够解决上述问题。建立了一种引入磁航向的捷联惯导系统初始对准的误差模型,通过可观测性和可控性分析,得出可观可控系统,利用H∞滤波方法对其进行了仿真分析,仿真结果表明,能够改善低精度捷联惯导系统方位失准角的估计精度,并能有效抑制有色噪声及建模误差的影响,将其应用于低精度捷联惯导系统的初始对准是切实可行的。