抗差自适应Sage滤波及其在组合导航中的应用

针对卡尔曼滤波需要精确已知状态数学模型及其统计特性的问题,提出一种抗差自适应Sage滤波算法.该方法以Sage滤波为基本框架,吸收了抗差估计和自适应滤波的优点,利用Sage滤波开窗法求得观测残差向量和新息(预测残差)向量的协方差阵,由抗差估计方法确定观测噪声协方差矩阵,利用自适应因子调整动力学模型噪声协方差矩阵,以控制观测异常和动力学模型噪声对导航精度的影响.将提出的算法应用到捷联惯性导航(SINS)/合成孔径雷达(SAR)组合导航系统中,并与Kalman滤波和Sage滤波进行比较分析,仿真结果表明,提出的新算法不但能有效地控制观测异常和动态模型异常对状态参数估值的影响,而且能够抵制状态扰动,提高组合导航系统的滤波精度.     

基于GPS/地图匹配的车辆跟踪算法研究

采用地图辅助位置择近和速度择角的算法来修正车辆定位数据.结果表明,利用地图匹配估计对GPS定位数据进行修正后,使系统具有高精度定位的同时,也具备了一定的导航功能.     

循环中值平均滤除遥测地形粗差

对于地形遥测数据中引入的脉冲噪声,传统的滤波算法往往需要选择滤波门限,自适应能力不强,或者不能在滤除噪声的同时有效地保护信号数据,或者运算复杂。针对以上问题,文中提出了一种快速的脉冲噪声自适应滤除算法,该算法基于数理统计思想,对局部数据(滤波窗口)进行均值和方差估计,并根据估计结果自动选择检噪门限,进而实现噪声检测和平滑。实验结果显示,在脉冲噪声密度小于5%时,该算法的滤波信噪比增益远高于常用滤波算法和其他同类算法;对平稳变化信号的处理效果较好。     

基于AR-SRCKF的SINS/GPS深耦合抗转发式干扰研究

转发式干扰转发真实的卫星信号导致伪距信息错误,能不被察觉地使捷联惯导系统（SINS）和全球定位系统（GPS）的深耦合组合导航解算错误。根据深耦合中信号处理的特点,将错误的伪距视为粗差,提出一种基于自适应抗差平方根容积卡尔曼滤波（AR-SRCKF）的融合算法。该方法采用自适应抗差滤波作为算法的框架,提高系统对转发式干扰的鲁棒性,同时为了避免线性化误差造成滤波性能的下降,采用平方根容积卡尔曼滤波（SRCKF）解决非线性滤波问题以及确保协方差阵的对称性和半正定性。最后,深耦合系统下的仿真分析验证了其对转发式干扰具有良好的鲁棒性。     

基于LEA-5H GPS模块的导航定位算法研究

为提高无人直升机的控制性能,依托卫星导航定位技术,设计了一个基GPS模块的无人直升机导航系统.利用最优化自回归数据处理算法思想,提出了一个GPS数据扩展kalman滤波算法,该算法从与被提取信号有关的观测量中估计出所需信号,有效地去除噪声,提高了数据的可靠性和精度.实验数据表明.经过扩展Kalman滤波算法处理后的数据更加适用于无人机精确导航,此外,该导航系统还可以应用于其他领域,如位置测量、导航和运动控制等.     

基于线性约束最小方差的全球定位系统抗干扰技术

针对全球定位系统（ GPS）接收机在强宽带干扰下无法正常工作的情况,采用自适应调零天线,利用信号和干扰的入射空间角度不同进行空域滤波,可提高其抗干扰能力。理论分析和仿真结果表明,基于线性约束最小方差（ LCMV）准则的自适应滤波算法简单有效,在牺牲一个干扰抑制自由度的条件下,可对高仰角卫星导航信号进行较好的保护。     

中值小波阈值混合滤波在粗对准中的应用

捷联惯性导航系统的粗对准过程是实现精确初始对准的前提,也是装备精确导航定位的保证。受外界环境影响,粗对准过程存在着时间长、精度低等问题,初始对准过程的对准时间和精度也受到一定影响。通过分析陀螺和加速度计在粗对准过程中受到的干扰因素,采取中值滤波和小波阈值滤波相结合的混合滤波方法来实现信号消噪。仿真和实验证明,在外界干扰严重的前提下,采用混合滤波方法,粗对准方位姿态角标准差由47°提高至1.588°,为后续的精对准过程提供更好的数据支撑,且缩短了对准时间,提高了装备的快速反应能力。     

基于GPS的动态目标定位滤波方法

现代车辆导航一般采用GPS单板定位方法,但是GPS卫星信号容易受到大气电离层和地面建筑等的干扰,从而影响定位精度和跟踪性能。为了解决上述问题,结合实际,设计了一种简单实用的GPS定位滤波方法,根据车辆等载体的运动特性建立GPS单板定位导航系统的系统模型和观测方程,并推导了卡尔曼滤波算法。仿真分析表明,该方法算法简单,能够在不增加额外的硬件系统前提下,具有较高定位精度,良好的跟踪性能,在汽车导航应用中具有较高的实用价值。     

一种GPS软件接收机的频域粗同步算法研究

粗同步时间是衡量同步算法的重要指标之一,为了在较短的时间内完成粗同步,达到对导航信号的精同步的目的,在对时域粗同步算法工作机理深入研究的基础上,提出了一种GPS软件接收机的频域粗同步算法,并通过仿真得出在两种算法都能正确捕获导航信号的前提条件下,频域粗同步算法较时域粗同步算法同步时间短的结果,从而进一步验证了该算法的时效性、合理性,为今后开发GPS接收机应用平台提供了现实依据.     

改进粒子滤波算法在导航系统中的应用

研究全方位导航,针对实时精确定位问题,为了提高全球定位系统(Global Positioning System,GPS)的定位精度和可靠性,提出了一种基于改进自举粒子滤波(Bootstrap Particle Filtering,BPF)的GPS定位系统算法.根据GPS输出的参数之间的相互联系建立了系统的状态方程,并应用改进BPF算法对GPS接收数据进行滤波处理.GPS导航系统中采用DSP对GPS接收机的输出信号进行译码和滤波仿真.结果表明GPS信号受到干扰时,改进BPF能很好的处理这种观测样本出现异常的情况,表明能减少运算量,并能很好的提高GPS定位精度,具有一定的鲁棒性.     

非完整约束下滤波算法在组合导航中的应用

MEMS IMU/GPS组合导航系统的应用环境愈来愈复杂,对其精度的要求也愈来愈高,只使用普通卡尔曼滤波不能满足精度和稳定性要求。针对此问题,将Sage-husa自适应卡尔曼滤波算法和非完整约束应用到前向导航滤波算法和后向导航滤波算法中,并将前向滤波和后向滤波结果加权组合,提出了一种非完整约束下加权组合滤波算法,用于事后IMU/GPS联合解算中,用来提高组合导航的精度。并利用实验室设备进行车载实验,通过实测车载数据解算结果来验证该方法的可行性。实验结果表明非完整约束下加权组合滤波后的经纬度误差小于1.4 m,航向角误差小于1.0°,满足MEMS IMU/GPS车载组合导航系统的精度要求。     

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。     

UTP/DR组合导航算法研究

针对UUV水下作业时航位推算存在导航误差积累的问题,研究了水下应答器辅助航位推算组合导航算法。采用"当前"统计模型作为航位推算模型,更准确地描述了航行器的运动状态。利用水下应答器与航位推算算法相组合,对航位推算导航误差进行校正。为获得更好的滤波效果,采用平方根容积卡尔曼滤波算法作为组合导航系统的滤波算法,并将其与EKF滤波算法进行比较。仿真实验表明,平方根容积卡尔曼滤波算法较EKF算法具有更好的滤波精度;UTP/DR组合导航算法有效避免了因导航误差积累而导致的导航定位误差发散问题,获得了较好的导航定位效果。     

联邦滤波车载组合导航系统算法改进研究

精度和可靠性为车载组合导航系统重要的性能指标,基于输出校正的无重置联邦滤波算法在航位推算/惯性导航/GPS(DR/INS/GPS)车载导航系统中具有最高的容错性能,但长时间导航误差发散。采用局部反馈对无重置滤波算法进行改进,研究改进算法的主滤波器权值矩阵构造问题,两局部滤波器相互独立,可以实现容错性能最佳,局部反馈则可提高车载导航系统的子滤波器精度。三组车载导航试验结果证明,改进算法长时间导航精度优于基于输出校正的无重置联邦滤波算法。     

基于MLP神经网络改进组合导航算法

为解决GPS信号失锁条件下,GPS/INS(inertial navigation system)组合导航系统解算精度降低甚至发散的问题,提出采用多层感知机神经网络(multilayer perceptron neural networks,MLPNN)来辅助组合导航系统.在GPS信号有效时对神经网络进行训练,在GPS...     

车载GPS/DR/MM组合导航定位算法研究应用

虽然GPS/DR组合定位比单独用GPS或航迹推算DR(Dead Reckoning)定位有更高的定位精度,但由于累积误差的产生,长时间使用仍可能出现较大的偏差,不利于车辆导航.对此,提出一种基于模糊逻辑的地图匹配算法,利用模糊逻辑评判规则和相应的隶属度函数对地图匹配可信度进行综合评判,最终确定车辆当前行驶道路和车辆的位置.实验数据表明,地图匹配MM(Map Matehing)技术进一步修正了GPS/DR组合导航系统的定位结果,有效地提高了系统定位精度.由于不增加硬件设施,GPS/DR/MM组合导航定位使低成本高精度的车辆导航成为可能.     

基于不确定融合的GPS/INS 组合导航滤波算法

针对实际车载组合导航系统测量中不确定噪声的问题,提出一种基于不确定融合估计的GPS/INS组合导航滤波算法,建立了导航系统的状态方程和观测方程;通过多信源不确定融合估计,得到多传感器的等效测量值以及误差方差阵;对系统方程进行滤波处理,得到车辆的准确位置。车载系统的实测数据表明,不确定噪声下的融合估计结果优于独立白噪声假设下的融合估计,并验证了所提出算法的有效性和实用性。     

组合导航系统滤波器截断误差抑制方法

组合导航系统作为重要的定位和姿态测量的技术手段,其基本设计思想是将GPS和SINS等导航设备输出的信息经过滤波器进行最优估计。但在采用Riccati方程更新协方差矩阵和计算Kalman增益过程中,截断误差随着迭代次数的增大而累积,破坏协方差矩阵的正定性和对称性,降低滤波器计算的数值稳定性,严重时导致组合系统故障发散。本文建立了Riccati方程一阶误差模型,从理论上分析截断误差对滤波器估计性能的影响,引入基于Bierman算法和Thorton算法的Kalman滤波器进行更新方法,解决了截断误差引起的滤波器数值稳定性的问题。通过强实时半物理仿真系统验证表明,相比于基于Kalman滤波器的系统,基于Bierman-Thorton算法的组合导航系统有更强的数值稳定性和较高的导航精度。     

列车组合导航系统研究与仿真

提出了一种列车组合导航系统.首先,采用低精度的惯性传感器构成简易惯性测量装置(IMU),设计了该简易IMU的安装结构,并给出了其导航定位解算方法.然后,将简易IMU与GPS构成组合导航系统,分析了IMU和GPS各自的误差源,并建立了组合系统误差模型,从而利用卡尔曼滤波技术设计了IMU/GPS列车组合导航算法.仿真结果表明,该IMU/GPS列车组合导航系统具有精度高、可靠性好、成本低等显著优点,非常适用于列车导航定位.     

变增益联邦KF组合导航定位算法研究

GPS接收模块解算出的伪距误差是GPS/INS组合导航系统的主要误差,采用一种二级联邦卡尔曼滤波组合导航算法加以削弱,将卫星接收模块解算出的伪距信息和多普勒频移信息在第一级卡尔曼滤波后,再通过主滤波器与INS模块解算出的信息进行修正处理,得到校正量和定位位置最优估计。随着滤波步数增加,系统预测误差方差阵逐渐趋于零,状态估计会过分依赖旧量测值,从而导致滤波发散,影响系统定位精度。为有效提高新量测值的修正作用,在联邦卡尔曼滤波组合导航算法中引入一种可变加权系数。仿真结果表明,改进后的变增益联邦卡尔曼滤波算法具备联邦卡尔曼滤波的优点,并且该算法滤波效果有较明显的改善,能有效抑制滤波发散,提高系统的定位精度。