多模卫星组合导航滤波融合算法

为融合多种模式的卫星导航系统的信息,解决单一卫星系统存在的缺点,研究了多模卫星导航定位技术,提出了一种基于单元级融合方式的导航定位算法.首先,建立了北斗/GPS/GLONASS多模卫星组合导航系统的数学模型,然后为每颗卫星分别设计子滤波器,给出了联邦多重渐消记忆滤波融合算法.试验结果表明,该算法能灵活有效的利用多个卫星系统的卫星进行导航定位,提高了卫星导航系统的精度和可靠性.     

SINS/GNSS/CNS组合导航自适应容错联邦滤波方法

针对子系统发生缓变故障会影响联邦滤波器精度的问题,分析了信息分配因子对子滤波器精度和鲁棒性、全局估计精度以及故障检测效率的影响.在此基础上,研究了一种自适应容错联邦滤波方案.通过对量测噪声阵进行自适应调节来降低未检测出来的故障信息对故障子滤波器和全局估计精度的影响,进而提升无故障子滤波器的精度和系统重构能力;根据子滤波器故障检测函数值来动态调节信息分配因子,可进一步提升故障检测效率.仿真结果表明,相比于传统的容错联邦滤波,该方法能有效降低故障信息对滤波精度的影响,具有较高的全局估计精度.     

北斗双星定位系统上的基于联邦Kalman滤波的组合导航技术

作为常用导航手段的惯性导航、GPS系统等单一的导航设备,已不能满足现代电子战条件下的作战使用需求。因此,目前世界各国广泛采用多设备组合、冗余设计、多功能的组合导航系统。本文设计了基于联邦Kalman滤波的组合导航技术,进行了相应的数据仿真实验,并使用北斗星定位系统上的实际运行数据进行了算法验证,从而验证了在北斗双星定位系统上使用基于联邦Kalman滤波组合导航技术的有效性和可行性,为未来进一步在中国独立自主研究的北斗双星定位系统上进行实际的工程应用和商业应用奠定了良好的基础。     

一种自适应联邦滤波在车载组合导航中的应用

联邦滤波在组合导航的应用中,具有容错性好、滤波精度高、计算量小以及实时性好的特点,但在无法得到准确的系统模型时,使用联邦滤波会出现滤波精度低甚至发散的情况。针对车载组合导航信息融合的高精度、高可靠性等要求,提出了一种组合导航的自适应联邦滤波算法。其主要思想是以判别观测数据中的野值存在与否为算法切换条件,存在野值时采用改进的增益矩阵滤波处理方法,不存在野值时则采用模糊自适应联邦滤波方法。将此方法用于SINS/GPS车载组合导航系统中,实验表明,采用的这种自适应滤波方法,能够有效抑制滤波发散,其滤波精度和收敛速度要优于常规联邦滤波,是一种有效的车载组合导航算法。     

基于联邦滤波的卫星容错组合导航算法

多模卫星组合导航能够充分发挥多种卫星体系的优势,有效提高导航可靠性和精度,已成为导航领域重要的发展方向;为解决多模卫星系统可能存在故障卫星而导致系统定位失效的问题,文中提出一种基于联邦滤波的多模卫星容错组合导航算法,并引入了改进的残差故障检测方法,完成了一种北斗/GPS/GLONASS容错组合导航算法的设计;实验结果验证了该算法对于故障卫星检测和隔离的有效性;该算法对于多模卫星组合导航的应用具有较好的实用价值。     

非线性滤波在组合导航中的应用研究

组合导航系统是现代导航设备的一个主要发展方向,在人类航空、航天等领域被广泛运用.实现高精度、高可靠性、高抗干扰性是任何一种单一的导航系统都难以胜任的.组合导航系统通常以SINS为主导航系统,将GPS等导航定位误差不随时间积累的导航系统作为辅助导航系统,应用传感器信息融合技术和滤波技术,对组合系统的状态变量进行估计,从而给出高精度的导航参数.     

动态捷联惯导/多卫星组合导航自适应联邦滤波算法研究

研究了一种基于动态扰动的滤波算法,用以提高动态扰动情况下捷联惯导/多卫星组合导航系统 的精度和可靠性．该算法采用几何精度因子（GDOP）对量测噪声进行自适应调节,利用卡尔曼滤波器的新息 量对状态噪声协方差阵进行整体控制,同时根据具有时变特性的各子系统误差协方差阵对信息分配系数进行 自适应调节．通过对SINS/GPS/Galileo/北斗组合导航系统的仿真,分析对比了常规联邦滤波、Sage 自适应联邦 滤波和本文所提自适应联邦滤波算法．结果表明,该自适应联邦滤波算法能够有效抑制动态扰动,提高组合 导航系统的精度和可靠性．     

混合联邦-粒子滤波在组合导航系统中的应用

为了解决非线性、非高斯复杂环境下的组合导航系统状态和参数估计问题,针对联邦滤波处理非高斯、非线性系统的不足,提出将粒子滤波引入联邦滤波结构中,形成新的混合联邦-粒子滤波方法.以惯性导航系统/北斗/罗兰C组合导航系统为对象,设计了混合联邦-粒子滤波器,并对所提滤波方法在惯性导航系统/北斗/罗兰C组合导航系统中的应用进行了仿真.仿真结果表明,改进方法能够有效提高系统精度,从而拓宽了联邦滤波的应用范围.     

自适应闭环H1滤波在组合导航系统中的实现研究

针对常规H∞滤波在组合导航系统中滤波精度不高的问题,采用闭环反馈的方法对滤波加以改进;并在闭环H∞滤波迭代方程中引入遗忘因子,利用量测噪声的变化自适应调整滤波增益,构成自适应闭环H∞滤波.理论分析表明,该改进的滤波算法降低了噪声十扰,但不影响H∞滤波本身的鲁棒性.无源北斗/SINS组合导航系统跑车数据的半物理仿真进一步表明,自适应闭环H∞滤波下的组合导航精度明显优于采用开环H∞滤波或不带有遗忘因子的闭环H∞滤波算法的导航精度,从而验证了改进滤波算法的有效性.     

多模卫星组合导航容错滤波算法

多模卫星组合导航技术目前是导航领域重要的发展方向.针对多模卫星系统可能存在故障卫星而导致系统定位失效的问题,提出了一种基于联邦滤波的多模卫星容错组合导航算法,并提出了一种改进的残差故障检测方法,完成了一种北斗/GPS/GLONASS容错组合导航算法的设计.通过仿真验证了该算法对于故障卫星检测和隔离的有效性.     

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.     

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。     

联合卡尔曼滤波及其在舰船综合导航系统中的应用

针对ＩＮＳ／ＧＰＳ／ＣＮＳ舰船综合导航系统的特点,设计了用于该系统的联合卡乐意轻滤波器,该联合卡尔曼滤波器具有全局最优性,其结构遵循信息分配原则,其算法改善了数值计算的稳定性和系统的容错性,并减少了信息舆量与计算量,理论分析及仿真结果表明,该联合滤波器能够满足系统精度和容错性的要求。     

组合导航系统故障检测方法的比较研究

对组合导航系统故障检测方法进行了对比研究。除介绍了X^2检验法、数据变化率检验法,还提出了一种基于模糊综合评价的故障检测方法．它以模糊综合评价算法为基础,对组合导航系统中的每个子系统的测量值进行综合判断,以确定该子系统的工作状态。最后,利用GPS／INS组合导航系统对上述三种故障检测方法进行了对比研究。实验结果表明,X^2检验法对于软故障不敏感,数据变化率检验法对连续长时间出现的故障无法判断．而基于模糊综合评价的故障检测方法针对具体的组合导航系统,通过适当调整参数,对所有类型的故障都能很好地检测。     

SINS/GPS组合导航系统Kalman滤波仿真研究

为提高捷联惯导系统SINS和全球定位系统GPS的精度和可靠性,研究了SINS和GPS的原理,建立了SINS/GPS系统的状态方程和位置速度误差量测方程;并采用卡尔曼滤波算法实现了SINS/GPS的组合导航.Matlab仿真结果证明,采用Kalman滤波实现SINS/GPS组合导航,其精度得到大大提高;且采用SINS/GPS组合导航系统,克服了SINS惯性导航难以长时间独立工作的缺点,解决了GPS易失锁、难以实时控制的不足,保证了导航系统的实时性及较高的精度和可靠性.     

联合H∞滤波算法及其在组合导航系统中的应用研究

针对联合卡尔曼滤波器对系统模型和系统噪声先验知识依赖性过强的局限性，基于H∞滤波对系统模型和噪声等不确定性因素具有极强的鲁棒性能的特点，介绍了一种H∞滤波的分散化技术，并在此基础上提出了联合H∞滤波算法，给出了信息分配方式，并对其性能作了详细的分析．指出该算法能有效解决局部滤波器测量更新之间的相关性问题。对MIMU／GPS／HMR组合导航系统进行了计算机仿真，仿真结果表明，该联合H。滤波算法虽然不是最优的，但是其状态估计精度仍然要优于分散H∞滤波器的估计精度。     

A Filtering Approach Based on MMAE for a SINS/CNS Integrated Navigation System

This paper explores multiple model adaptive estimation (MMAE) method, and with it, proposes a novel filtering algorithm. The proposed algorithm is an improved Kalman filter-multiple model adaptive estimation unscented Kalman filter (MMAE-UKF) rather than conventional Kalman filter methods, like the extended Kalman filter (EKF) and the unscented Kalman filter (UKF). UKF is used as a subfilter to obtain the system state estimate in the MMAE method. Single model filter has poor adaptability with uncertain or unknown system parameters, which the improved filtering method can overcome. Meanwhile, this algorithm is used for integrated navigation system of strapdown inertial navigation system (SINS) and celestial navigation system (CNS) by a ballistic missile's motion. The simulation results indicate that the proposed filtering algorithm has better navigation precision, can achieve optimal estimation of system state, and can be more flexible at the cost of increased computational burden.      

基于粒子滤波的AUV组合导航方法

讨论了粒子滤波器和RB(Rao-Blackwellised)粒子滤波器两种滤波方法在组合导航中的应用,给出了组合导航算法用于自治水下航行器(AUV)的具体数学模型,并且与拓展卡尔曼滤波器的导航结果进行比较.利用AUV湖上试验验证了3种算法的导航性能,试验结果表明RBPF组合导航算法能够获得最好的导航精度;然而通过对算法进行分析,发现其计算复杂度高于其余两种滤波算法.