抗差自适应EKF在INS/GNSS紧组合中的应用

针对惯性/卫星紧组合导航中卫星观测数据存在粗差,影响组合导航系统定位精度,同时考虑到卫星少于4颗和卫星几何分布不佳对预测残差构造自适应因子的影响,提出了一种抗差自适应EKF紧组合算法。该算法给出惯性/卫星紧组合状态方程与观测方程,抗差等价权因子和预测残差法构造自适应因子的计算公式,并给出卫星少于4颗和卫星几何状态分布不佳情况下自适应因子的计算方法。通过车载实测数据对算法进行验证与分析,实验结果表明,基于抗差自适应EKF的惯性/卫星紧组合算法可有效削弱卫星粗差观测值的影响,在可见卫星数少于4颗和卫星几何分布不佳的状态下,依据该算法获取的系统导航精度得到进一步提高。     

BDS/GPS/Galileo多频观测值精度评估及随机模型精化

随机模型的优劣直接影响GNSS精密定位的精度以及可靠性.通过MEGX观测网CUT0、CUT2和CUTA测站连续10d观测数据,基于短基线单差模型方法求解各系统单差残差的时间序列,并推导出BDS/GPS/Galileo卫星观测值噪声.统计观测值噪声随高度角变化的情况,通过最小二乘拟合方法确定精化的随机模型.结果表明:Galileo的4个频点的伪距观测值精度约20~50cm,E5频点的精度最高,E1最低,E5a和E5b基本相当;载波相位观测值精度约1~3mm,E5频点的精度明显高于E1、E5a和E5b.BDS载波观测值精度约1~3mm,B1、B2、B3精度基本相当,其伪距观测值精度约30~50cm,B1精度最低,B2和B3相差不多.GPS L1伪距观测值精度约63cm,L2伪距观测值精度约42cm,载波相位精度约3mm.基于单差模型对各系统观测值进行精度估计,在短基线情况下,BDS/GPS/Galileo载波相位观测值精度基本相当,而Galileo E5伪距观测值精度明显优于其他卫星系统伪距观测值精度.各类型卫星观测值的残差分析可为定位中随机模型的建立提供依据.     

高斯粒子滤波的惯性／GPS紧组合算法

为提高组合导航系统的可靠性,针对以伪距、伪距率残差为量测信息的紧组合算法会带来线性化误差的缺点,推导了基于伪距、伪距率的非线性紧组合模型.针对紧组合系统状态维数高导致粒子滤波实时性差的问题,提出基于线性非线性结构分解的高斯粒子滤波算法,对状态方程中的非线性和线性部分利用高斯粒子滤波和经典卡尔曼滤波分别进行递推,有效降低了系统的运算量.仿真结果表明,使用改进的紧组合滤波算法系统定位精度相比线性化紧组合算法提高一倍.     

精密单点定位的抗差卡尔曼滤波研究

从卡尔曼滤波的新息出发,推导了卡尔曼滤波残差的新息表达式,并用其构造抗差因子.根据精密单点定位的内部可靠性和观测值的随机性,确定完全可探测的载波相位和伪距粗差,并分别加入相应观测值粗差.通过标准卡尔曼滤波、新息的抗差卡尔曼滤波和残差的抗差卡尔曼滤波3种方案对比,粗差使标准卡尔曼滤波的估计结果产生一定的偏差.当观测值精度不等时,新息的抗差卡尔曼滤波对较高精度观测值的粗差抗差效果较差.而残差的抗差卡尔曼滤波能够实现不等精度观测值粗差的同时抗差.     

伪距、伪距率、航向角观测模型的AHRS/GPS QEKF算法

以微小型航姿参考系统/GPS紧耦合导航系统为研究对象,建立了基于伪距、伪距率、航向角的组合观测数学模型.针对微惯性传感器漂移过大的缺点,引入二阶EKF(QEKF) 方法,代替传统的EKF算法.根据Taylor展开原理,通过对Hessian矩阵的求解,补偿系统观测方程线性化的二阶截断误差.仿真表明,QEKF所建模型符合实际导航系统要求,可使姿态角、位置误差均方差分别控制在90 s和3 m以内,优于相同条件下标准EKF所解算的导航参数.     

GPS监测网动态数据处理抗差Kalman滤波模型

为克服观测向量中的粗差对状态参数滤波值的影响,通过分析其影响规律,并充分顾及到粗差在预测残关或得到全部反映的特点,导出了GPS监测网动态数据处理的抗差卡尔曼滤波模型－该模型对观测空间和设计空间均具有良好的抗差性,通过利用该抗差滤波模型对含有粗差的模拟GPS监测网的计算,与采用标准卡尔曼滤波模型的计算结果相比较,可获得可靠的变形分析结果。     

改进神经网络辅助的GPS/INS组合导航算法

针对全球定位系统(GPS)和惯性导航系统(INS)组合系统中GPS中断时,导航性能会急剧降低的情况,提出了一种改进径向基神经网络结合自适应滤波辅助的组合系统导航算法.该算法探讨了遗传算法参数寻优和最近邻聚类学习算法,解决了径向基神经网络训练中参数合理选取的问题,构建了INS加速度增量、姿态增量与GPS位移增量之间的非线性映射模型.当GPS出现故障时,利用该映射模型和改进的自适应滤波实时预测出GPS伪位置与其对应的协方差,进而计算出预测位置辅助的导航解,利用实测数据对算法进行验证.结果表明:GPS发生故障情况下,改进径向基神经网络算法能够辅助组合系统解算出稳定的次优导航解,其精度明显优于纯INS导航.     

H∞滤波在惯导/GPS组合导航应用的比较分析

为分析H∞滤波算法在惯性导航系统INS/GPS组合导航应用中对动态环境的自适应能力,选用卡尔曼滤波算法和Sage-Husa算法作为对照,并改进了Sage-Husa算法,构造了较为全面的惯导系统误差模型、扰动数据情形和飞行轨迹,比较分析了三种算法的自适应能力.仿真结果表明:在这种验证环境中,H∞滤波算法可调参数受到的约束较多,与改进的Sage-Husa算法相比,卡尔曼增益和估计协方误差与量测值变化的相关性较弱,导致自适应能力较弱.在这类模拟动态环境中H∞滤波算法的自适应能力要低于改进的Sage-Husa算法.方法和结果对于鲁棒的INS/GPS组合导航算法的工程化应用有较高的实用价值.     

基于有向图切换的INS/GPS组合导航VSMM算法

INS/GPS组合导航系统量测噪声统计特性随着载体机动、外界扰动等影响发生变化,传统的卡尔曼滤波方法对于这种量测噪声变化系统的滤波精度不高,甚至会出现发散现象。针对上述问题,将机动目标跟踪中的变结构多模型滤波算法引入INS/GPS组合导航滤波中,提出了一种基于有向图切换的变结构多模型INS/GPS组合导航算法,并对此算法进行了仿真。仿真结果表明:该算法能够适应系统量测噪声变化,定位误差小于交互式多模型算法,并有效地降低了滤波过程中的计算量。     

对GPS/INS超紧耦合导航对抗的干扰源配置分析

GPS/INS组合技术广泛应用于精确制导武器导航中,随着GPS/INS组合导航超紧耦合方式的逐渐成熟,整个导航系统的抗干扰能力显著提升。为了对采用GPS/INS超紧耦合精确制导武器有效实施导航对抗,以GPS接收机不同环节的性能下降指标将干扰形成的威力区用受扰区、半失效区和失效区来进行划分,结合接收机工作过程和GPS/INS超紧耦合对接收机跟踪环结构设计的影响,推导分析了在匹配谱干扰下P(Y)码和M码信号捕获、跟踪和解调性能指标降至划分临界值时接收机射频前端所需的干扰功率。考虑干扰来向与接收天线增益的关系,仿真得到干扰源在不同高度下各威力区发射功率随有效距离的变化关系。在此基础上,对GPS/INS超紧耦合精确制导武器的导航对抗连续压制作用距离进行仿真分析,进而完成对干扰源数量和部署位置的建模求解。分析和解算结果可为载荷和高度受限的升空干扰源在GPS/INS超紧耦合精确制导武器导航对抗中的实际运用提供借鉴和参考。     

基于抗差EKF的GNSS导航模型研究

给出了扩展卡尔曼滤波（extended Kalman filter,EKF）的原理,通过分析粗差在EKF模型中的传递特性,建立了新的抗差EKF模型．该模型根据多余观测分量及预测残差统计特性,构造抗差等价增益矩阵,通过迭代给出了全球导航卫星系统（GNSS）抗差导航解．结合统计模型,对存在粗差的观测历元进行抗差估计,进一步提高模型实时运行效率．通过模拟6PS／GAL—LIEO／GLONASS多卫星导航星座及接收机平台的动态轨迹,采用加速度导航方程验证模型,对不同模型运行的时间进行比较．结果表明：在粗差存在的情况下,该模型仍能正确导航,并且改进后的模型能明显提高实时导航的效率．     

基于T分布变分贝叶斯滤波的SINS/GPS组合导航

为了解决组合导航中由于野值存在而导致传统滤波算法性能下降的问题,针对SINS/GPS组合导航系统模型提出基于T分布的变分贝叶斯高斯滤波算法,充分考虑野值所导致的噪声厚尾特性,将观测噪声建模为T分布.对系统状态和自举变量进行估计,并且在每个滤波时刻借助变分贝叶斯学习对状态估计进行迭代,以逼近真实后验分布.针对噪声存在野值的场景进行仿真验证,结果表明,在SINS/GPS组合导航系统中,当噪声存在野值时,基于T分布的变分贝叶斯组合导航滤波方法具有一定的鲁棒性,并且精度优于传统组合导航滤波方法.     

GPS/INS组合系统的多重渐消鲁棒容积卡尔曼滤波

在对适用于GPS/INS组合导航非线性模型的容积卡尔曼滤波进行深入研究的基础上,提出了一种改进的多重渐消H∞鲁棒容积卡尔曼滤波算法.基于系统状态的可观测性给出多重渐消因子矩阵求解过程,提高滤波算法的稳定性,抑制滤波发散;引入H∞鲁棒思想,构造多重渐消H∞鲁棒容积卡尔曼滤波器;提出采用一种奇异值分解的矩阵分解策略代替标准容积卡尔曼滤波中的Cholesky分解,进一步提高算法的数值稳定性.结果表明:改进的多重渐消H∞鲁棒容积卡尔曼滤波算法不仅能有效抑制滤波发散,提高算法的稳定性,还对观测异常值具有更高的鲁棒性;提出的新算法与标准容积卡尔曼滤波算法相比,X,Y,Z3个方向的位置精度分别提高了55.8%,46.6%和39.7%.     

伪卫星空中基站定位高性能算法研究

伪卫星作为卫星导航系统的重要增强手段,能够克服卫星系统在导航定位及武器精确制导方面存在的缺点。针对伪卫星空中基站位置不易精确确定的问题,设计了临近空间伪卫星空中基站定位SINS/CNS/SAR组合导航系统,建立了组合导航非线性数学模型;在吸收抗差自适应滤波、高斯滤波和粒子滤波优点的基础上,提出了一种抗差自适应高斯混合Sigma点粒子滤波算法。将提出的算法应用于SINS/CNS/SAR自主导航系统进行计算仿真,并与Unscented卡尔曼滤波和粒子滤波比较,结果表明:提出的新算法能够满足伪卫星空中基站自主导航定位的需求,导航精度明显高于Unscented卡尔曼滤波和粒子滤波算法。     

GPS形变监测网的数据处理模型

为确保ＧＰＳ监测网变形分析结果的正确性,提出了３种平差方法,并采用基于标准化残差的抗差估计模型来识别观测值中的粗差;利用坐标系统转换方法统一了变形分析的基准,通过对具有粗差的模拟ＧＰＳ监测网的分析计算,取得了满意的结果。     

H∞滤波在GPS／INS组合导航系统中的应用研究

根据H∞鲁棒滤波理论,提出了基于H∞滤波技术的GPS／INS全组合导航系统,利用了GPS和INS提供的位置、速度和姿态信息,并对该系统的滤波算法进行仿真。仿真结果表明,在GPS／INS组合中采用H∞滤波,不仅保证了组合系统导航精度,提高了滤波的鲁棒性,而且能够防止滤波发散。     

带状态切换自适应滤波算法及其在GPS/INS中的应用

针对GPS/INS组合导航系统中观测噪声通常未知、导致卡尔曼滤波算法不稳定、滤波精度降低的问题,提出一种改进的自适应滤波算法.改进的自适应算法结合了简化的Sage-Husa滤波算法、滤波器发散判断依据和渐消滤波的思想,使得滤波器对量测噪声变化的鲁棒性变强,同时解决了简化的Sage-Husa滤波器容易发散的问题.通过建立GPS/INS组合导航系统状态方程和观测方程,对改进的新算法进行仿真测试.仿真结果表明,新算法对量测噪声未知的情况具有更好的适应性,提高了滤波器估计精度,表现出良好的滤波稳定性.     

GPS/DR组合导航系统故障探测与剔除(FDI)的容错设计

目前车辆组合导航系统存在的主要问题以及研究的重点是解决GPS多路径误差的干扰和DR传感器实时修正的问题。本文介绍了利用硬件余度方法和残差序列剔除粗差观测量的几种方法。综合2种思想，提出了一种适用于GPS／DR组合导航具有容错能力的自适应滤波设计方法。实验结果表明：本文给出的剔除GPS／DR组合系统粗差和自适应滤波的方法具有较好的效果。     

GNSS/INS组合系统的抗差卡尔曼滤波

为了有效探测和修复组合系统中存在的缓慢增长误差和异常值,从连续时间系统模型入手,推导出卡尔曼模型的动力学状态方程,并给出组合系统的状态方程和观测方程.在分析粗差对卡尔曼模型影响机理的基础上,得出抗差卡尔曼模型.针对传统抗差卡尔曼模型抗差参数需要在一定范围内主观确定的缺点,提出一种根据给定的错误预警率和故障探测率确定抗差参数的改进方法.利用改进方法对成熟软件产生的全球导航定位系统/惯性导航系统(GNSS/INS)的模拟数据和MonteCarlo方法产生的模拟单、多和缓慢增长误差模型进行实验研究.实验结果表明:用给定错误预警率和故障探测率确定抗差参数的抗差卡尔曼模型能够有效修复单或多异常值误差和缓慢增长误差,模型通过卡方检验.     

动力学模型系统误差的随机加权估计

提出用新兴的随机加权估计算法对动力学模型系统误差进行估计,以控制动态模型噪声异常对状态参数估值的影响.该算法根据实际需要对动力学模型误差和状态预报值向量的协方差阵进行随机加权,以控制残差向量协方差阵和新息向量协方差阵的大小,削弱模型误差对状态参数向量的影响,提高动态导航解算的滤波精度.仿真结果表明,提出的随机加权估计算法的估计精度,明显优于经典Kalman滤波和抗差自适应Kalman滤波,能提高飞行器动态导航定位的精度.