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.     

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。     

一种新的共线方程线性化方法及应用

分析了共线条件方程两种不同形式之间的关系，提出了一种新的共线条件方程线性化方法。该方法不仅使线性化过程通俗易懂，而且线性化后各改正数的系数简单整齐。文中还将这种新的线性化共线条件方程用于空间后方交会实验，取得了与常规方法完全一致甚至更好的结果，从而说明该方法可以用于摄影测量的研究与生产。     

一种新的共线方程线性化方法及应用

分析了共线条件方程两种不同形式之间的关系,提出了一种新的共线条件方程线性化方法.该方法不仅使线性化过程通俗易懂,而且线性化后各改正数的系数简单整齐.文中还将这种新的线性化共线条件方程用于空间后方交会实验,取得了与常规方法完全一致甚至更好的结果,从而说明该方法可以用于摄影测量的研究与生产.     

共线条件方程线性化

给出一种新的共线条件方程线性化方法,使共线条件方程线性化过程简明易懂,便于掌握.     

共线条件方程线性化

给出一种新的共线条件方程线性化方法 ,使共线条件方程线性化过程简明易懂 ,便于掌握。     

GPS导航解算中几种非线性Kalman滤波的理论分析与比较

GPS导航解算中常采用离散线性Kalman滤波模型.由于线性化忽略高次项,加之线性化受初始值精度的影响,导致线性化模型精度很难满足高动态用户需求.为此,分别讨论了扩展Kalman滤波和Bancroft算法以及利用观测信息迭代精化观测方程三种算法,并结合算例进行了比较与分析.     

大旋转角坐标变换非迭代公式

针对求解7参数的过程中,经典的线性化最小二乘法因需线性化、迭代及初值以及存在算法耗时出现不收敛现象的问题,该文对无须迭代的7参数坐标变换公式进行了研究。为避免各类参数间的相关性,采用消去法并按照依次求解旋转参数、比例系数和平移参数的顺序解得坐标变换参数。先利用最小二乘法求解旋转参数,然后通过构建目标函数的方式求解比例系数与平移参数,最终得到无须线性化、无须迭代、无须初值的,可用于大旋转角的7参数坐标变换公式。与线性化最小二乘方法进行相比,该方法具有相当的精度及更高的运算效率,可在一定程度上丰富坐标变换理论。     

随机变量经非线性变换后统计性质的确定

扩展卡尔曼滤波应用于非线性系统的状态估计时，首先要对系统的动力方程进行线性化，这样就给状态的估计带来一定的误差。文中通过对非线性变换的函数进行级数展开，获得了非线性变换后随机变量的真实均值和协方差的表达式，并得到一阶线性化的形式；然后提出了一种精度更高的变换算法，并从理论上证明了该变换算法较之线性化的做法能够更好地逼近非线性变换后的真实均值和协方差，数值试验也证明了这一点。     

随机变量经非线性变换后统计性质的确定

扩展卡尔曼滤波应用于非线性系统的状态估计时,首先要对系统的动力方程进行线性化,这样就给状态的估计带来一定的误差.文中通过对非线性变换的函数进行级数展开,获得了非线性变换后随机变量的真实均值和协方差的表达式,并得到一阶线性化的形式;然后提出了一种精度更高的变换算法,并从理论上证明了该变换算法较之线性化的做法能够更好地逼近非线性变换后的真实均值和协方差,数值试验也证明了这一点.     

正反向Kalman滤波用于动态精密单点定位参数估计

提出了采用正反向Kalman滤波进行动态精密单点定位事后处理参数估计的方法,连续实施两次方向相反的Kalman滤波,第一次滤波结果作为第二次滤波的初始信息,第二次滤波结果作为最终结果。该方法克服了传统Kalman滤波方法在模糊度参数收敛之前定位精度不高的缺陷,同时还具有原理简单、易于实现的优点。实测数据解算实验表明,该方法正确有效,可以获得理想的动态精密单点定位结果。     

扩展卡尔曼滤波的虚拟格网伪距差分算法研究

针对传统伪距差分服务端压力大,以及在复杂环境下进行导航定位,某些历元卫星信号弱、卫星数不足、无法连续定位的问题,该文提出了基于扩展卡尔曼滤波算法的虚拟格网伪距差分方法。该方法充分利用先验信息和动力学模型,解决了复杂环境中动态定位结果不连续、定位精度低等问题。为验证算法的有效性,该文分别进行了动态、静态实验,并与最小二乘结果进行对比,实验结果表明:静态模式下,卡尔曼滤波算法比最小二乘算法的定位精度,在N、E、U方向分别提高48.3%、47.1%、52.5%;动态模式下,卡尔曼滤波算法比最小二乘算法更加稳定,更适合复杂环境定位。     

超宽带双向到达时间测距的室内动态定位方法

针对超宽带室内定位系统中的标准偏差和非视距误差问题,该文设计了一种基于改进卡尔曼滤波动态定位方法。该方法首先针对双向到达时间测距信息进行标定,利用线性拟合剔除测距信息中的标准偏差,针对超宽带平面定位系统中的非线性量测方程推导得到线性化的量测方程,将改正后的测距信息作为改进卡尔曼滤波量测信息,通过设定阈值调整卡尔曼滤波增益,从而剔除非视距误差。实验结果表明,该方法能有效抑制标准偏差和非视距误差的影响,视距环境下能达到厘米级精度,非视距环境下亚分米级精度,实现室内环境下的高精度动态定位。     

BDS/GPS短期ISB建模和预报的Kalman滤波方法

ISB是多系统PPP数据处理中必须要考虑的一项误差,因此有必要对BDS/GPS短期ISB建模和预报进行研究。为了提高ISB预报精度,针对等权LS(least square)估计ISB模型参数时忽略了拟合数据权重不同的问题,提出了采用Kalman滤波对模型参数进行估计,并根据ISB拟合数据距预报时刻的远近调整Kalman滤波拟合数据的方差。本文采用7d的ISB数据进行建模,根据所建模型预报第8天的ISB值,并对预报精度和定位结果进行了验证。进行试验的4个测站Kalman拟合模型的ISB预报精度比LS拟合模型分别提高了29.7%、11.5%、43.5%和32.0%。采用Kalman拟合模型的ISB预报值作为先验约束,PPP平均定位精度在E和U方向上比采用LS拟合模型预报值分别多提高了2.7%和0.9%,比不加ISB先验约束在E、N、U方向分别提高了10.6%、26.3%和3.4%。     

The stochastic estimation of satellite clock correction information in WADGPS

1 IntroductionChnventional DGPS is limited by the range overwhich the differential corrections are valid due tothe rapid decorrelation of the error sources with in-creasing distance from the reference station to user.In wide area differential GPS (WWPS) errorsources in GPS measurements are medeled sepa-rately,on the basis of a limited number of referencestaitOns, to overcome this drawback. The main er-ror sources are regarded as broadcast ephemeris er-ror,atmospheric refraction and satel…     

移动机器人SLAM位姿估计的改进四元数无迹卡尔曼滤波EI北大核心CSCD

在全自主运动控制的移动机器人系统中,自身位姿的估计和校正对于移动机器人的运动至关重要。卡尔曼滤波是解决移动机器人同步定位与地图构建(SLAM)常用方法。相较于卡尔曼滤波,无迹卡尔曼滤波(UKF)无须对复杂的非线性函数进行雅可比矩阵运算。本文基于无迹卡尔曼滤波,根据先验协方差的平方根选择sigma点,计算协方差以及加权均值。用四元数表示姿态,将四元数矢量转换为旋转空间进行矩阵运算,在此基础上设计了一种位姿估计算法——基于四元数平方根的无迹卡尔曼滤波(QSR-UKF)算法。试验将EKF、QSR-UKF、SR-UKFEKF 3种算法的位姿估计结果进行仿真分析,并通过相关定量指标进行了描述,验证了本文算法的有效性。     

一种用于RSS提取的改进粒子滤波算法

针对室内WiFi指纹位置定位中取RSS的平均值作为其定位特征值在室内环境的复杂性和动态性不能准确地反映RSS信号真值的问题,以及卡尔曼滤波和粒子滤波算法等用于RSS信号的提取只针对线性噪声或非线性噪声中的一种,在室内动态多变、干扰复杂多样的环境下鲁棒性不理想的问题,结合卡尔曼滤波和粒子滤波,提出一种用于RSS提取的改进的粒子滤波算法。给出了算法实现的步骤,并且在不同地点不同环境条件(静态环境和动态环境)下分别进行了指纹定位在线端的数据采集实验。实验结果表明:基于改进粒子滤波的RSS提取算法的定位精度和鲁棒性均优于均值算法、卡尔曼滤波算法、粒子滤波算法等已有算法。     

应用预测滤波估计卫星姿态

本文推导了预测滤波法的基本原理,应用了预测滤波作为卫星姿态状态预报算法,并与经典卡尔曼滤波进行了比较。实验表明采用预测滤波法对不同姿态角均能得出较好的估计结果,克服了经典卡尔曼滤波法进行估计存在的估计模型误差和推广卡尔曼滤波(EKF)的线性化误差。     

状态约束卡尔曼滤波的导航定位精度分析

针对满足一些状态约束的线性系统,通常的卡尔曼滤波未能有效利用状态约束信息,从而限制了导航定位解算性能的问题,该文将线性系统的状态约束条件融入卡尔曼滤波中,充分利用状态约束信息,对比分析了准确测量法、估计投影法、系统投影法和滑动时域估计法4种状态约束下的卡尔曼滤波方法,以提高卡尔曼滤波的导航状态估计精度。以陆地车辆导航定位的状态估计为对象,对比分析了非约束卡尔曼滤波和带有状态约束的卡尔曼滤波的状态估计精度,结果表明,状态约束卡尔曼滤波可以明显提高导航定位精度。     

抗差自适应卡尔曼滤波在GPS精密单点定位中的应用

卡尔曼滤波是GPS精密单点定位中最常用的参数估计方法.理论上讲,随着观测数据的增多,通过卡尔曼滤波可以得到更精确的状态估值,但有时由于状态异常或发生大的周跳等原因,使得状态估值与实际状态之间的误差较大,滤波会发生发散现象,为此,本文提出了将抗差自适应滤波模型运用到精密单点定位中,通过算例分析显示,该方法将显著提高定位结...