改进的强跟踪卡尔曼滤波器在MSINS/GPS组合导航中的应用研究

通过深入分析次优渐消因子的解算原理,提出了一种无须先验知识的多时变渐消因子估计方法,用于改进强跟踪卡尔曼滤波算法,并将其应用于MSINS/GPS浅组合中。采用多个次优渐消因子,分别对不同的数据通道进行渐消,可以有效提高滤波算法的跟踪能力。仿真结果表明,改进的强跟踪卡尔曼滤波算法解决了量测相关、初值选取敏感性等问题,可以提高系统的实时性、鲁棒性。     

自适应强跟踪容积卡尔曼滤波算法

提出了一种自适应强跟踪容积卡尔曼滤波算法(ASTSCKF),该算法在平方根容积卡尔曼滤波算法(SCKF)步骤中引入强跟踪滤波器(STF),通过渐消因子在线修正一步预测误差协方差矩阵,强迫输出残差序列正交,使得算法具有应对系统状态突变等不确定因素的能力,增强了算法的鲁棒性;结合改进渐消记忆时变噪声统计估计器,对噪声方差阵进行实时在线估计,有效解决了SCKF算法由于噪声统计不准确、未知或时变性带来的滤波发散问题,使其具有应对噪声变化的自适应能力。仿真实验结果表明：ASTSCKF算法在系统状态发生突变并且噪声变化的情况下,能够表现出良好的滤波性能,较SCKF算法有更强的鲁棒性以及噪声变化的自适应性。     

基于GPS/INS组合导航的改进自适应渐消卡尔曼滤波算法

基于GPS/SINS组合导航系统的模型不准确或者量测噪声多变所产生的滤波发散问题,研究了自适应渐消卡尔曼滤波对于滤波发散的抑制作用,文章提出一种利用新息协方差估计值和量测值实时自适应计算渐消因子的方法,用它调节卡尔曼滤波方程中预测误差协方差阵和增益矩阵,调整历史新息和当前新息的权重达到抑制滤波发散的目的。该算法能有效减少严格收敛判据推导渐消因子的计算量和限制条件,有效利用了当前新息值。仿真验证表明,提出的算法能有效抑制滤波发散,并且比常规卡尔曼滤波效果更佳。     

编队卫星自主相对导航简化强跟踪UKF滤波算法

针对编队卫星自主相对导航过程中存在模型不确定性及噪声统计特性时变导致EKF滤波算法估计精度降低、鲁棒性较差的问题,以STF为理论框架,设计了简化强跟踪UKF(SSTUKF,simplified strong tracking unscented kalman filter)滤波算法。该算法基于STF的等价表示来计算次优渐消因子,避免了计算Jacobi矩阵,通过在线实时调整滤波增益矩阵,确保系统理论模型偏离实际模型时输出残差序列相互正交,增强算法的鲁棒性,并且对时变的噪声统计特性不敏感。结合CW系统模型线性特点,用标准卡尔曼滤波中的时间更新代替相应的UT变换过程,在提高估计精度的同时有效地降低了运算量,增强算法的实时性。仿真结果验证了该算法的有效性。     

容错联邦强跟踪卡尔曼滤波算法在组合导航中的应用研究

提出了一种改进的联邦强跟踪卡尔曼滤波算法,并将其应用于MSINS／GPS浅组合中。采用了三层容错结构,能够有效地检测出数据粗大误差、GPS速度跳变以及滤波器误差估计的故障,及时进行故障隔离,从而使系统具有良好的容错能力。仿真结果表明,联邦强跟踪卡尔曼滤波算法解决了量测相关、GPS速度跳变和初值选取敏感性等问题,可以提高系统的实时性、鲁棒性和容错性能。     

改进的渐消卡尔曼滤波在GPS动态定位中的应用

基于中长基线GPS动态定位模型和渐消卡尔曼滤波理论,提出构建新的渐消因子向量,通过对不同滑动窗口宽度设计一组平行滤波器,利用加权获得优化之后的协方差阵来改善中长基线中动态定位的精度.数据解算结果验证了该方法的正确性和可靠性.     

一种基于改进自适应卡尔曼滤波的GNSS/INS组合导航算法

在全球卫星导航系统/惯性导航系统(global navigation satellite system/inertial navigation system,GNSS/INS)组合系统中,状态模型误差和异常扰动的影响严重降低了标准卡尔曼滤波的性能,而基于预测残差自适应的卡尔曼滤波随计算次数的增加滤波效果降低,且使用统一的自适应因子调节不可靠。针对上述问题,提出一种改进算法,利用预测残差建立的统计量调节位置向量和速度向量,避免了其他参数对滤波的平衡作用;通过预测残差的概率密度建立马氏距离进行假设检验,在模型正常时使用标准卡尔曼滤波,模型异常时使用改进滤波算法;采用实测车载数据对标准卡尔曼滤波、单因子自适应滤波和本文的滤波方法进行评估,实验结果表明:改进的自适应卡尔曼滤波的滤波算法效果良好,证明了所提算法的有效性。     

改进的基于奇异值分解的抗差容积卡尔曼滤波算法在全球定位导航中的应用

非线性动态系统存在非线性和噪声不确定的问题,容积卡尔曼滤波对解算该类系统有较好的精度,为了提升导航系统对异常观测值的稳定性,对采样数据进行均值滤波处理,降低干扰较大的采样数据对于滤波结果的影响.用奇异值分解代替Cholesky分解,改善滤波稳定性,避免先验协方差非正定而降低滤波性能.最后通过引入抗差因子调节观测协方差矩...     

基于DR／激光测距组合导航算法研究

航位推算（DR,Dead—Reckoning）是一种常用的导航定位技术。由于其推算过程是一个累加过程,其传感器的误差随时间的延长而积累,为此,将航位推算与激光测距组合起来用于智能车辆导航,确保系统能在任何时候都能为运动智能车辆提供较为准确的导航信息。而且扩展卡尔曼滤波（EKF,Extend）作为一种非线性滤波器,是智能车辆组合导航系统中一种有效的数据融合方法。本文将EKF方法用于智能车辆组合导航的状态估计,仿真实验结果表明,EKF滤波能够有效地提高智能车辆的导航精度。     

基于改进强跟踪滤波器的微小型水下机器人船位推算

针对微小型水下机器人低速航行时的水下导航问题,提出一种基于改进强跟踪滤波器的船位推算方法.引入Sage-Husa量测噪声估计器以及自适应调节因子,通过改善渐消因子的大小,使得微小型水下机器人在机动性能较低情况下仍能加强滤波器的跟踪能力,提高滤波精度.以SY-1载体为研究对象进行的仿真试验验证了该方法的可行性和有效性.     

Maneuvering target tracking algorithm based on cubature Kalman filter with observation iterated update

Reasonable selection and optimization of a filter used in model estimation for a multiple model structure is the key to improve tracking accuracy of maneuvering target.Combining with the cubature Kalman filter with iterated observation update and the interacting multiple model method,a novel interacting multiple model algorithm based on the cubature Kalman filter with observation iterated update is proposed.Firstly,aiming to the structural features of cubature Kalman filter,the cubature Kalman filter with observation iterated update is constructed by the mechanism of iterated observation update.Secondly,the improved cubature Kalman filter is used as the model filter of interacting multiple model,and the stability and reliability of model identification and state estimation are effectively promoted by the optimization of model filtering step.In the simulations,compared with classic improved interacting multiple model algorithms,the theoretical analysis and experimental results show the feasibility and validity of the proposed algorithm.     

强跟踪滤波器在高动态GPS信号跟踪中的应用

为解决在高动态环境下GPS接收机跟踪环路中频信号失锁的问题,提出了一种基于线性强跟踪卡尔曼滤波器(STKF)理论的GPS信号跟踪环路.此跟踪环路以码鉴相器和载波鉴相器输出作为观测量,利用线性强跟踪卡尔曼滤波器对高动态环境下的码相位误差、载波相位误差、多普勒频率误差以及多普勒频率变化率误差进行估计,并将估计结果反馈给跟踪环路的数控振荡器,从而产生准确的本地载波和本地码.仿真结果表明,在GPS信号载噪比为45 dBHz时,线性强跟踪卡尔曼滤波器跟踪环路在多普勒频率变化率为5.0 kHz/s时仍能可靠跟踪,而传统的基于PLL/DLL和环路滤波器的跟踪环路在1.8 kHz/s时已经失锁.     

基于AR模型的非线性目标跟踪自适应算法

针对Jerk模型中各参数设置不合理对跟踪系统所造成的影响,提出一种基于自回归（AR）模型的Jerk参数自适应改进算法,实时估计并调整系统的参数,提高系统的跟踪精度及稳定性;同时,针对非线性目标跟踪系统扩展卡尔曼滤波算法（EKF）计算复杂跟踪精度低,提出采用平方根容积卡尔曼滤波器（SRCKF）进行状态估计,保证跟踪系统的精度和鲁棒性,为Jerk模型参数自适应提供良好条件.仿真结果验证了算法的有效性.     

基于XPNAV和SINS的容错组合导航系统

提出一种基于脉冲星导航和捷联惯导的容错组合导航系统.捷联惯导具有自主性和不间断性的优点,可弥补脉冲星导航滤波周期较长的缺陷;脉冲星导航的长期稳定度好,可抑制捷联惯导的误差随时间发散.该系统根据轨道动力学模型和SINS估计航天器的状态,利用脉冲星导航的观测量分别修正估计误差,通过相位残差检测天体遮挡等因素引起的故障,利用联邦扩展卡尔曼滤波融合导航信息.仿真实验结果表明:同脉冲星导航方法相比,该方法具有更高的精度和更短的滤波周期,且不受天体遮挡的影响.     

基于变分贝叶斯原理的SINS/GPS组合导航VB-CKF滤波算法

系统量测噪声统计量不准确能引起组合导航系统滤波精度下降甚至发散,在变分贝叶斯原理的基础上,以容积卡尔曼滤波(CKF)为基础滤波器,导出基于变分贝叶斯的自适应容积卡尔曼滤波(VB-CKF)算法,仿真结果表明：在SINS/GPS组合导航系统中,VB-CKF算法较CKF算法能有效减少系统量测噪声统计量变化对滤波精度的影响,是一种具有广泛应用前景的SINS/GPS组合导航滤波算法。     

一种基于IDDF的多AUV协同导航算法研究

为提高多自主水下航行器(AUV)协同导航效果,克服由于水声通信限制引起的协同更新频率低,进而导致的先验估计误差大、协同导航效果差,以及大初始化误差条件下协同收敛速度慢的问题,提出一种基于迭代插值滤波(IDDF)的多AUV协同导航算法.该算法将迭代滤波技术与插值滤波(DDF)算法相结合,不仅降低了传统EKF(扩展卡尔曼滤波)算法模型截断化误差对滤波精度的影响,而且通过量测信息的迭代更新,保证了系统在弱可观测条件下量测信息的充分融合.仿真结果表明该算法明显改善了系统的协同导航效果,证明了该算法对于多AUV协同导航系统的有效性.     

Distributed cubature Kalman filter based on observation bootstrap sampling

Aiming at the adverse effect caused by observation noise on system state estimation precision,a novel distributed cubature Kalman filter(CKF) based on observation bootstrap sampling is proposed.Firstly,combining with the extraction and utilization of the latest observation information and the prior statistical information from observation noise modeling,an observation bootstrap sampling strategy is designed.The objective is to deal with the adverse influence of observation uncertainty by increasing observations information.Secondly,the strategy is dynamically introduced into the cubature Kalman filter,and the distributed fusion framework of filtering realization is constructed.Better filtering precision is obtained by promoting observation reliability without increasing the hardware cost of observation system.Theory analysis and simulation results show the proposed algorithm feasibility and effectiveness.     

一种基于卡尔曼滤波的压缩跟踪算法研究

根据道路交通监控视频的特点,采用压缩跟踪(CT)算法进行运动车辆的检测与跟踪。在摄像头变化较大、运动车辆尺度变化和背景变化等情况下,CT算法均具有很强的鲁棒性。但是当车辆被遮挡时,跟踪算法容易失效。为了解决这一问题,提出使用卡尔曼滤波对遮挡的车辆进行轨迹预测。卡尔曼滤波能根据CT算法跟踪目标的轨迹,有效地预测目标遮挡时的轨迹。实验结果表明,本算法不但可以较好地处理跟踪车辆尺寸变化的问题,在车辆丢失或被部分遮挡时,能准确而稳定地跟踪车辆,而且具有很好的实时性,满足了工程应用的需求。     

Maneuvering target tracking algorithm based on CDKF in observation bootstrapping strategy

The selection and optimization of model filters affect the precision of motion pattern identifica-tion and state estimation in maneuvering target tracking directly.Aiming at improving performance of model filters, a novel maneuvering target tracking algorithm based on central difference Kalman filter in observation bootstrapping strategy is proposed.The framework of interactive multiple model ( IMM) is used to realize identification of motion pattern, and a central difference Kalman filter ( CDKF) is selected as the model filter of IMM.Considering the advantage of multi-sensor fusion method in improving the stability and reliability of observation information, the hardware cost of the observation system for multiple sensors is adopted, meanwhile, according to the data assimilation technique in Ensemble Kalman filter( EnKF) , a bootstrapping observation set is constructed by in-tegrating the latest observation and the prior information of observation noise.On that basis, these bootstrapping observations are reasonably used to optimize the filtering performance of CDKF by means of weight fusion way.The object of new algorithm is to improve the tracking precision of ob-served target by the multi-sensor fusion method without increasing the number of physical sensors. The theoretical analysis and experimental results show the feasibility and efficiency of the proposed algorithm.