CNS/SINS组合导航系统的UKF算法研究

天文/捷联惯性（CNS/SINS）组合导航系统采用姿态组合,可使姿态角处于收敛状态,并有效抑制位置及速度的发散。为提高组合导航系统的精度,本文设计了CNS/SINS组合导航系统的UKF算法,在建立CNS/SINS组合导航系统非线性状态方程及线性量测方程的基础上,首先对UKF的量测更新过程进行简化,降低其计算量;然后,基于平台误差角提出系统状态协方差矩阵中姿态角协方差矩阵的计算方法,并推导了UKF算法中姿态量测值一步预测误差对应的平台角误差向量表达式,进而建立CNS/SINS组合导航系统的UKF算法;最后进行仿真实验。结果表明,相对于线性卡尔曼滤波算法及EKF算法,本文算法可明显提高组合导航系统的各导航参数精度,并且本文算法对滤波器初始姿态角误差变化具有较高的鲁棒性。     

基于系统误差及其协方差阵拟合的抗差自适应滤波

动态导航数据处理中基于系统误差及其协方差矩阵拟合的自适应滤波算法在一定程度上可以抵制系统误差或区域性系统误差对动态导航定位结果的影响，但无法抵制异常扰动的干扰。考虑到观测模型和动力学模型存在异常扰动时。整体控制状态噪声协方差阵的方法可以减弱扰动异常的影响，因此提出一种基于系统误差及其协方差矩阵拟合的抗差自适应滤波算法。算例结果证实，该算法在减弱系统误差影响的同时，还能有效地抵制观测异常和载体状态扰动异常对动态系统参数估值的影响。     

线性EIV模型的t型估计

将数理统计中的t型估计作为一种抗差估计引入测量平差中,提出线性EIV模型的t型抗差估计及其EM算法。以平面拟合为例,当向观测向量和系数矩阵加入粗差时,选取合适的自由度v,t型估计具有较好的抗粗差能力,求出的参数均值与真值偏差较小。     

基于抗差自适应SITAN算法的水下重力匹配导航方法

针对水下重力匹配导航SITAN算法中动力学模型误差以及重力异常观测数据存在粗差的问题,提出一种抗差自适应匹配算法。通过构建自适应因子和抗差因子来调节状态预测信息与量测信息对滤波贡献的权重,有效抑制粗差和预测信息异常的影响,提高匹配算法的稳定性和可靠性。在南海选取一块重力异常特征变化丰富的海域进行仿真实验,结果表明,与常规SITAN算法相比,该算法能够显著降低异常观测值的影响,系统的定位精度和鲁棒性均有提升。     

基于序贯UKF的GNSS/CNS/SINS组合导航最优融合算法

组合导航系统在动态环境下具有强非线性,为提高GNSS/CNS/SINS组合导航系统的导航精度,提出一种基于序贯UKF的多传感器最优融合算法。首先,建立GNSS/CNS/SINS组合导航系统的非线性状态方程及2个子滤波器的线性量测方程;然后,对标准UKF的量测更新过程进行简化,简化UKF算法具有与标准UKF算法相同的滤波精度,且具有计算量低的特性;最后,将序贯滤波算法与简化UKF算法结合,提出多传感器组合导航系统的序贯UKF最优融合算法。仿真结果表明,本文序贯UKF算法不仅可提高系统解算的实时性,并且相对于集中线性卡尔曼滤波算法及经典集中线性UKF算法具有较高的滤波精度。     

抗差部分岭估计及其在GPS快速定位中的应用

针对GPS快速定位中观测资料含有粗差且因观测信息不足造成设计阵“部分病态”的实际情况,对现有的抗差有偏估计进行改进,提出了一种新的抗差有偏估计——抗差部分岭估计,并讨论了抗差部分岭估计中“部分岭参数”的选择方法。计算结果显示,新估计与现有的抗差有偏估计相比,具有精度高、速度快、稳定性好的特点。     

相关观测值双因子抗差估计的改进算法

由于一个观测值的粗差将影响多个观测值的残差估值,对双因子抗差估计的迭代计算方法作如下改进：当最大标准化残差的检验结果为粗差或者明显是可疑粗差时,只对粗差观测值构建双因子等价权,其他观测值的权不变。除上述两种情况外,可同时对所有观测值构建双因子等价权进行抗差估计,并基于改进的双因子等价权构建方法简化计算步骤。利用GPS控制网的观测数据进行模拟计算分析表明,该改进算法在含有明显粗差时可提高参数估值的精度;在粗差不明显或个数较少时,可在保持参数估计精度的基础上提高计算效率。     

改进抗差自适应EKF算法在GNSS/INS组合导航中的应用

在车载GNSS/INS组合导航中,抗差自适应滤波以其具有控制动力学异常和观测异常的能力成为实现综合PNT的关键技术之一。然而,不合适的决策算法和抗差因子会导致滤波进一步劣化。针对该问题,提出一种双窗口Sage-Husa抗差算法和一种改进的异常新息占比决策方法。采用松组合结构,利用异常新息占比决策对组合过程中出现的模型异常作出判断,针对观测模型异常和动态模型异常分别采用对应的抗差或自适应滤波。利用武汉市城区林荫道、街区多遮挡环境下动态实测数据进行分析。实验结果表明,该方案在复杂多遮挡环境下东、北、天3个方向上位置精度分别提升35.78%、38.94%、66.00%,位置均方根误差达到0.70 m、0.69 m、1.16 m。     

一种基于M估计的Robust-ELM滑坡位移预测方法

采用传统ELM算法进行滑坡位移预测时,其网络输出权值由最小二乘估计得出,导致ELM抗差能力较差,从而造成网络训练参数不准确。为此,将M估计与ELM相结合,提出一种基于M估计的RobustELM滑坡变形预测方法。该方法利用加权最小二乘方法来取代最小二乘法计算ELM输出权值,以减少滑坡监测数据中粗差对ELM预测的干扰。分别以链子崖、古树屋滑坡体为例,将Robust-ELM进行了单维、多维粗差的抵御性验证。结果表明,该方法能够有效降低粗差对预测的影响,具有良好的抗差能力。     

基于量子纠缠时钟测量的抗差卡尔曼卫星钟差预报

基于纠缠光子对二阶相关函数的时间特性分析,设计时钟同步测量方案,并考虑传播过程中色散效应及衰减等对精度的影响。该方案可提供均值1 ns、精度0.01 ns的同步信息。利用该方案获得观测数据,结合顾及哈达玛方差的抗差卡尔曼方法估计出卫星钟差模型系数,进行钟差预测。仿真表明,该方案预测精度与IGS预报星历产品精度相当,且钟差初始值更精确。     

��������Ӧ��ζ�����˲�

????????????д?????????????????????????ζ?????????(UPF)?????????????????????????μ???????????ζ?????????(AR??UPF)???÷??????÷???????????????????????????????UKF??????????????????????Э????????????????????????????????·????????Ч??????????????????????????????     

��������ӦUnscented Kalman�������˲�

???????????????????????????????UKF?????????????÷??????????????????Unscented Kalman????????????????????????????????????Э????????????????????Kalman?????????????Kalman?????Unscented Kalman??????????????????????UKF?????????????????????????????     

一种改进的UKF滤波算法在BDS/SINS组合导航系统中的应用研究

将自适应估计原理引入UKF（unscented Kalman filter）算法中,该改进算法可以自适应地调节系统模型信息在导航解中的比重,从而减少滤波器初值偏差和系统模型异常扰动对导航解的影响。将改进的UKF算法应用于BDS/SINS（北斗/捷联惯导）组合导航系统中,仿真结果验证了其有效性,且该算法可提高组合导航系统的精度。     

�������ƽ����ıȽ�

??????????????????????????????????????????????????????Э??????????????????????????????????????????????????????????????????????????????????????????? ?????GPS??????м??????????????Ч????     

�й���½��Ҫ����ˮƽ�˶�Э�����ȷ�������о�

?????С??????????Э????????????????????????????????????????????????????????????????????????????????????????????Э?????????·???????????????????????????????????????????й??????????????????Э????????????????????????????и????????????     

UKF�ڻ��ڵشų������������е�Ӧ�÷���

?о???????????????????????????????????????????????????????????????????????????????????????????????????????UKF???????????????????????С?????Matlab???????????????????????з??棬?????????????????????????UKF?????????????????????UKF?к????????????????     

A homogeneous linear estimation method for system error in data assimilation

In this paper, a new bias estimation method is proposed and applied in a regional ensemble Kalman filter (EnKF) based on the Weather Research and Forecasting (WRF) Model. The method is based on a homogeneous linear bias model, and the model bias is estimated using statistics at each assimilation cycle, which is different from the state augmentation methods proposed in previous literatures. The new method provides a good estimation for the model bias of some specific variables, such as sea level pressure (SLP). A series of numerical experiments with EnKF are performed to examine the new method under a severe weather condition. Results show the positive effect of the method on the forecasting of circulation pattern and meso-scale systems, and the reduction of analysis errors. The background error covariance structures of surface variables and the effects of model system bias on EnKF are also studied under the error covariance structures and a new concept ‘correlation scale’ is introduced. However, the new method needs further evaluation with more cases of assimilation.     

一种SINS/CNS/GNSS组合导航滤波算法

捷联惯性导航系统/天文导航系统/全球导航卫星系统（SINS/CNS/GNSS）构成的组合导航系统可有效提高飞行器的定位精度,而导弹等飞行器常用发射时刻的发射点惯性坐标系作为测量载体飞行的基准。为此,首先在发射惯性坐标系下推导并建立一种简洁的SINS/CNS/GNSS组合导航数学模型,该模型将SINS积分预报姿态四元数误差作为待估量,可避免姿态误差角与数学平台失准角之间的转换;然后分析定位误差导致的引力误差量级并合理简化,推导符合实际的精确测量噪声模型;最后利用扩展卡尔曼滤波器（EKF）实现SINS/CNS/GNSS三种信息的有效融合。算法仿真结果表明该方法的有效性,有利于工程实现。