基于联邦SR-UKF算法的GPS/INS导航数据融合算法

为提高导航系统数据融合的稳定性和容错性,将一种基于方根分解形式的Unscented卡尔曼滤波(SR-UKF)算法和分散式滤波技术相结合,建立了新的联邦滤波器SR-UKF算法并应用于GPS/INS组合导航系统中.数值仿真实验表明, 联邦SR-UKF 比联邦UKF 有更好的滤波精度、更高的稳定性和容错性, 是一种理想的非线性GPS/INS组合导航滤波方法.     

联邦卡尔曼滤波在INS＼GPS组合导航中的应用

介绍了INS＼GPS组合导航系统的优点;根据联邦卡尔曼滤波原理,设计了INS＼GPS组合导航系统的滤波算法;对该组合系统的联邦卡尔曼滤波算法进行了仿真;仿真结果表明,在INS＼GPS组合导航系统中采用联邦卡尔曼滤波,不仅提高了定位精度,而且保证了滤波的快速性.     

基于联邦粒子滤波器的多传感器信息融合算法

提出了一种新的SINS/CNS/GPS组合导航观测方程,并给SINS/CNS/GPS组合导航系统设计了一种新的联邦式数据融合结构。使用粒子滤波器对联邦滤波子系统的多源数据进行融合处理,从而摆脱了经典卡尔曼滤波器的限制。仿真结果表明所提算法在SINS/CNS/GPS组合导航系统的信息融合中是有效性的。     

INS／GPS导航中联邦卡尔曼滤波算法

根据INS（惯性导航系统）和GPS（全球定位系统）不同的特点，将两者组合起来，在阐述联邦卡尔曼滤波原理基础上。设计了INS／GPS组合导航系统的滤波算法。对该组合系统的联邦卡尔曼滤波算法进行了仿真，仿真结果表明：在INS／GPS组合导航系统中采用联邦卡尔曼滤波，不仅提高了定位精度。而且保证了滤波的快速性。     

一种基于组合导航的快速联邦滤波算法

通过对传统联邦滤波算法的研究,根据其存在的固有缺陷,提出了一种基于组合导航的快速联邦滤波算法.然后应用矩阵范数理论,推导出了令Neumann展开式收敛的强化条件,并且利用信息分配因子的选取加快了滤波的收敛速度.最后通过与传统联邦滤波算法的仿真对比,验证了本算法的鲁棒性和快速性.     

基于UKF的北斗/INS组合导航

扩展卡尔曼滤波(EKF)是工程中常用的滤波算法,然而EKF是次优的贝叶斯估计,这会影响到估计的精度;用不敏卡尔曼滤波算法(UKF)取代EKF构建了北斗/INS组合导航系统,实验结果表明:UKF相对于EKF,各项参数的误差均有10%以上的减少量。     

多传感器组合导航联邦滤波技术研究

文中对多传感器组合导航联邦滤波技术进行了研究,并通过实例进行了仿真计算.得出了联邦滤波器比各子滤波器的估计精度高,比集中式滤波技术的计算量小,而且联邦滤波技术与集中式滤波技术的估计精度相差不大的结论.     

无重置联邦滤波及在组合导航中的应用

对联邦滤波器的结构及联邦滤波器的无重置融合算法进行讨论,并建立了组合导航系统联邦滤波模型.以SINS/GPS/TAN组合导航系统为例进行了仿真研究.结果表明,文中给出的无重置联邦滤波器与集中卡尔曼滤波器的精度相差无几,解算速度更快,容错性更好,可应用于对实时要求较高的组合导航系统中.     

基于低成本传感器的航弹组合导航算法

为了降低航弹成本、提升装备效费比,以低成本航空制导炸弹的组合导航系统为研究对象进行算法研究.利用扩展卡尔曼滤波算法构建以MEMS陀螺和加速计为核心,GPS辅助的低成本、高精度组合导航系统,采用无人机飞行试验对该系统的导航性能进行评估,得出误差数据,并与纯惯性导航结果相对比.实验结果表明:该导航系统定位精度能达到2 m以内,系统解算精度满足航空制导炸弹飞行要求,对常规航弹制导化改造具有工程实际意义.     

SPKF滤波算法在紧耦合GPS/INS组合导航系统中的应用

根据SPKF滤波理论,建立捷联惯导系统在地理坐标系中的误差方程和GPS导航定位的误差模型,设计了GPS/INS的SPKF滤波器。该系统中含有位置误差、速度误差、平台误差角、陀螺漂移、加速度计偏差等17维状态。利用伪距、伪距率的观测信息对全部状态进行观测。对组合导航系统进行了动态仿真,仿真结果表明系统估计状态的导航精度高,系统的鲁棒性好。     

基于无迹卡尔曼滤波算法的弹道落点预测方法

为解决靶场理论弹道和外测飞行目标实时信息预测落点预测时间长,不能清晰及时预测飞行轨迹等问题, 提出一种改进的弹道落点预测方法。从弹道模型出发建立基准模型坐标系,将外测设备参数配置于基准模型坐标系, 实时采集的外测设备数据采用无迹卡尔曼滤波(unscented kalman filtering,UKF)算法滤波处理后获得融合轨迹,并 通过Runge-Kutta 算法进行外推计算以进行落点预报。经Matlab 仿真分析和实际效果验证,该方法的结果更加精确 且适用性更强。     

基于UKF的星光角距卫星自主导航方法研究

介绍了星光角距卫星自主导航的方法,该方法利用高精度的CCD星敏感器结合红外地球敏感器直接测算出星光与地心夹角(星光角距),从而实现对卫星的精确导航.通过仿真计算,比较了分别采用EKF(Extended Kalman Filter)和UKF(Unscented Kalman Filter)估计卫星位置及速度的滤波效果.结果表明,UKF收敛快,精度高.这是由于卫星自主导航系统是非线性系统,UKF利用UT变换完成时间更新,应用最小方差估计进行量测更新,不存在EKF中由于线性化而带来的较大的高阶截断误差.     

基于小波熵的组合定位系统数据融合

文中提出了一种基于小波熵的组合定位系统数据融合方案。对于两个子系统北斗/罗兰C的实测定位数据,先用小波多尺度变换将信号在多个频率段展开,再根据小波熵判别法进行消噪和融合。结果用平均误差证明了这种方法的优越性,确保了组合系统所用样本的可信度及其数据融合中权值的合理性。     

基于SUKF算法的组合导航方法

合成孔径声纳（SAS）运动补偿是其信号处理的重要环节,运动补偿需要水下导航数据,文中研究了基于捷联惯导（SINS）和多普勒声速剖面仪（ADCP）等设备的水下导航方法。针对大姿态误差角情况下的导航,论文建立了基于四元数的SINS／ADCP的非线性误差模型,并采用比例无迹卡尔曼滤波（SUKF）滤波算法进行了仿真。仿真结果表明,在SAS复杂运动情况下,采用非线性误差模型的SUKF方法优于传统线性误差模型的卡尔曼滤波方法,在一定程度上提高了SAS的导航精度。     

UKF及其在INS/TAN组合导航中的应用

将UKF应用于INS/TAN组合导航系统中.仿真证明,该滤波方法有效地克服了地形的非线性特性和惯导误差对组合导航结果的影响.     

一种新型的改进UKF在MIMU/GPS组合导航系统中的应用

对于MIMU/GPS组合导航系统,采用传统UKF进行滤波时,其Sigma点集的MSE会随系统维数的增大而不断增大,导致估计精度越来越差,尤其是姿态误差角的估计会出现较大偏差.针对这一问题,提出了一种基于超立方体代表点的改进UKF算法并将其应用于低成本MIMU/GPS组合导航系统.仿真结果表明,改进的UKF算法对于高维强非线性组合导航系统的估计精度优于传统UKF,更适用于大角度姿态误差的准确估计.     

基于无迹卡尔曼滤波的单站混合定位跟踪算法

针对移动台的单站跟踪问题,以"到达时间和与到达时间差(TSOA/TDOA)"新型混合定位技术作为基础,提出一种基于"到达时间和与到达时间差"混合被动单站定位模型的无迹卡尔曼滤波跟踪算法。该算法以观测到的有噪信息为基础,引入"到达时间和与到达时间差"观测模式,使用受随机加速影响的匀速运动状态作为跟踪算法的状态模型,将无迹卡尔曼滤波(UKF)算法应用在移动台的定位跟踪上,实现了对移动台的位移和速度的同步跟踪。仿真结果表明:无迹卡尔曼滤波算法应用移动台跟踪系统是有效的;与扩展卡尔曼滤波相比,其跟踪算法的滤波精度、稳定性更优。