UKF在GPS/INS组合导航系统中的应用

扩展卡尔曼滤波(EKF)是GPS/INS组合导航系统工程实现中常用的一种数据融合方式.但EKF线性化误差在一定程度上影响了GPS/INS组合导航系统精度的提高.Unscented卡尔曼滤波器(UKF)是一种非线性滤波器,它能有效地减小线性化误差对GPS/INS组合导航系统精度的影响.基于四元数法建立了GPS/INS组合导航系统的非线性误差方程模型;最后通过数字仿真验证了UKF组合导航系统应用中的性能.     

GPS/INS组合导航系统抗差滤波器设计

常规Ｋａｌｍａｎ滤波器已经广泛用于ＧＰＳ／ＩＮＳ组合导航系统,其中假设系统动态模型和噪声统计特性是精确已知的。事实上,这种假设是不符合实际情况的。在组合导航系统中,惯性测量器件的质量不稳定,ＧＰＳ测量误差受外界环境的影响,因而对组合导航系统进行抗差设计是十分必要的。本文利用对策论设计了能使不确定噪声下性能最好的极小极大抗差滤波器,并将其应用到ＧＰＳ／ＩＮＳ组合导航系统中。考虑一个ＩＯ状态的ＧＰＳ／     

GPS/INS组合导航系统时间同步方法研究

在设计和实现GPS／INS组合导航系统时,各子系统的时间同步是最关键的问题。首先对GPS／INS组合导航系统的时间同步问题作基本描述,然后在简要分析基于GPS接收机的1 pps脉冲信号同步采样技术的基础上,提出另外一种基于GPS和INS的1 pps脉冲信号的时间比对同步方法,这种方法能较好地解决GPS接收机由于失锁引起的1 pps信号抖动,将晶体振荡器的短期稳定度和GPS时间的长期稳定度结合起来,使各子系统数据在时间上能准确同步。     

GPS/INS组合导航系统时间同步方法综述

导航传感器间的时间同步是保证全球定位系统/惯性导航系统(GPS/INS)组合导航系统实现的重要前提。详细分析了时间异步产生的原因,归纳了GPS/INS组合导航时间同步的实现思路,阐述了现有的典型时间同步方法。为GPS/INS组合导航系统时间同步设计提供重要参考。     

一种迭代的GPS/INS组合导航滤波算法

简要介绍了GPS/INS松组合导航系统状态方程和观测方程.针对标准Kalman滤波算法存在的状态方程截断误差、噪声统计特性的不确定性以及状态扰动异常的影响,给出了一种应用于GPS/INS组合导航系统的迭代滤波算法.该算法采用迭代策略,不断利用观测信息实时修正状态预报值.实测数据计算结果表明,通过对状态预报值的实时修正,该算法能够很好地抑制状态预报信息的不确定性和扰动异常等对导航解的影响.其滤波解精度明显优于标准Kalman滤波.     

GPS/INS组合制导技术在现代战争中的应用及发展趋势

现代战争大量使用精确制导武器,广泛应用先进的GPS／INS组合制导技术。分析了GPS／INS组合制导技术的优势,结合其在军事领域的应用,展望了GPS／INS关键技术的发展趋势。     

联邦滤波理论及其在INS／GPS／RDSS组合导航系统设计中的应用

全面系统地介绍了Calson提出的分布式联邦滤波器理论，给出了完整的信息分配与融合滤波流程及相应公式，讨论两类系统类型和四种设计的特性。首次提出INS／GPS／RDSS组合导航的设想，并对各子系统特点进行了探讨和对INS／RDSS子系统进行了建模，建议在实际开发中采用NR设计，该设计属于A类FKF系统。通过算例验证了NR模式融合结果的最佳性及优良的容错能力。     

一种两步自适应抗差Kalman滤波在GPS/INS组合导航中的应用

当GPS观测可用时,如何提高组合导航的可靠性、连续性以及导航精度是组合导航重要的研究主题。针对伪距、伪距率紧组合导航精度低、姿态角误差修正不精确的缺点,本文从参数可观测性角度提出一种两步自适应Kalman滤波算法。首先简单介绍了紧组合Kalman滤波的过程,然后给出了两步自适应抗差滤波的公式和具体步骤,并且进行了分析和比较。最后用实测算例对提出的算法进行验证。结果表明,相比较于伪距、伪距率紧组合Kalman滤波,两步自适应抗差滤波能够控制动态扰动异常和观测异常的影响;导航精度不会随着组合周期的增长、INS惯性元件误差的增大而降低;在惯性元件误差较大的情形下也能够很好地估计元件误差,提高姿态角精度。     

神经网络辅助的GPS/INS组合导航自适应滤波算法

首先利用预报残差构造的最优自适应因子设计GPS/INS组合导航自适应滤波器。并针对BP神经网络存在的训练速度慢、容易陷入局部极小等问题,给出网络的改进算法。利用神经网络对自适应滤波器状态方程的预报值进行在线修正,给出神经网络辅助的GPS/INS组合导航自适应滤波算法。最后,利用实测数据进行验证。结果表明,改进的神经网络算法明显提高网络收敛速度;两种自适应滤波算法相对标准组合导航算法都能够可靠地反映载体运动轨迹;神经网络辅助的GPS/INS组合导航自适应滤波算法相对GPS/INS组合导航自适应滤波算法在精度和可靠性方面又有明显提高。     

改进的UKF在GPS/INS组合导航中的应用

在GPS/INS组合导航中,传统UKF(Unscented Kalman Filter)计算量大,无法满足实时性要求。而且当动力学模型受到异常扰动误差影响时,其精度与稳定性易受到影响。针对以上问题,利用最小偏度单形采样策略降低UKF计算量以提高精度;通过自适应调整过程噪声以降低动态异常扰动误差对UKF精度与稳定性的影响。由此提出了一种改进UKF算法,用于GPS/INS组合导航。仿真实验结果表明,改进UKF算法用于GPS/INS组合导航的精度要优于UKF算法。     

一种迭代的GPS／INS组合导航滤波算法

简要介绍了GPS/INS松组合导航系统状态方程和观测方程。针对标准Kalman滤波算法存在的状态方程截断误差、噪声统计特性的不确定性以及状态扰动异常的影响,给出了一种应用于GPS/INS组合导航系统的迭代滤波算法。该算法采用迭代策略,不断利用观测信息实时修正状态预报值。实测数据计算结果表明,通过对状态预报值的实时修正,该算法能够很好地抑制状态预报信息的不确定性和扰动异常等对导航解的影响。其滤波解精度明显优于标准Kalman滤波。     

Adaptive Kalman Filtering for INS/GPS

After reviewing the two main approaches of adaptive Kalman filtering, namely, innovation-based adaptive estimation (IAE) and multiple-model-based adaptive estimation (MMAE), the detailed development of an innovation-based adaptive Kalman filter for an integrated inertial navigation system/global positioning system (INS/GPS) is given. The developed adaptive Kalman filter is based on the maximum likelihood criterion for the proper choice of the filter weight and hence the filter gain factors. Results from two kinematic field tests in which the INS/GPS was compared to highly precise reference data are presented. Results show that the adaptive Kalman filter outperforms the conventional Kalman filter by tuning either the system noise variance–covariance (V–C) matrix `Q' or the update measurement noise V–C matrix `R' or both of them. Received: 14 September 1998 / Accepted: 21 December 1998     

利用SVM的GPS/INS组合导航滤波发散抑制方法研究

为验证导航模型在GPS信号更新频率较低的情况下的导航能力,给出了GPS/INS组合导航滤波模型。载体运动过程中,分别使信号中断5s、10s、15s。通过实验得出,GPS信号中断时间过长(10s以上),GPS信号恢复后,Kalman滤波器会产生发散现象。引入支持向量机,提出利用SVM内插GPS信号提高信息更新频率消除组合导航滤波器的发散。结果表明,GPS信号中断时间过长导致组合导航系统滤波发散的情况下,通过SVM内插GPS数据提高GPS更新频率,可以有效地抑制滤波发散,提高导航的准确性。     

粒子滤波算法在GPS/DR组合导航中的应用

针对建议分布函数的选择问题,系统地分析比较了改进的粒子滤波算法。在此基础上提出了一种新的粒子滤波算法——自适应渐消扩展Kalman粒子滤波方法。该方法用渐消扩展Kalman滤波产生建议分布函数,由于参数的可在线调节性,使得系统具有更好的自适应性和鲁棒性。与用转移先验、扩展Kalman滤波、自适应扩展Kalman滤波、迭代扩展Kalman滤波以及无迹Kalman滤波产生建议分布函数的粒子滤波方法相比,自适应渐消扩展Kalman粒子滤波进一步提高了粒子滤波的精度。通过对GPS与航位推算(DR)组合导航系统GPS/DR的试验,验证了该方法的有效性。     

卡尔曼滤波与H∞滤波在INS／GPS组合导航中的应用

组合导航利用惯性导航（INS）和全球定位系统（GPS）较强的非相似性和互补性,将两者组合,可以取长补短,充分发挥各自的优点,提高导航系统性能。利用卡尔曼滤波能够有效提高其精度,但卡尔曼滤波的应用要求函数模型和随机模型已知,符合实际,这在实际应用中是很难保证的,一般都是通过经验信息确定。H滤波则具有很强的鲁棒性,抗干扰性强。通过仿真数据处理,结果表明：H滤波比卡尔曼滤波在噪声特性未知时更适用,精度更高。     

观测卫星不足时的GPS/INS紧组合抗差自适应滤波

常规GPS/INS紧组合抗差自适应滤波只适用于卫星数≥4的情况,且预测残差构造自适应因子要求观测值可靠。针对该局限性,对常规抗差自适应滤波算法做出两点改进:1)采用两步滤波,用第1步常规EKF滤波残差构造第二步抗差算法的粗差判别量;2)在第2步滤波用预测残差构造自适应因子时,剔除异常观测值对应的预测残差和预测残差协方差,以削弱观测异常对自适应因子的不良影响。实验结果表明,常规抗差算法在卫星数4时不适用。常规自适应滤波算法在观测值存在异常的情况下无法正确修正模型异常。改进后的抗差自适应滤波算法在组合系统观测卫星数4且观测值存在异常的情况下,仍能正确修正观测粗差和动力学模型异常,能够达到良好的导航精度。     

扩展区间Kalman滤波器及其在GPS/INS组合导航中的应用

针对具有不确定动态模型参数的 GPS/INS 组合导航系统,首先介绍一种新型的区间Kalman滤波器,讨论了GPS/INS 组合系统中模型参数不确定性的问题,分析了惯性传感器建模中相关时间常数的区间特性,并建立了适合非线性特性的GPS/INS组合系统的扩展区间卡尔曼滤波器.计算结果表明,扩展区间卡尔曼滤波器对非线性GPS/INS组合系统是很有效的,它能给出组合系统导航误差的上下界,这对组合系统的设计具有指导的意义.