Kalman 滤波几种异常检验法

为了检测动态导航观测异常和动力学模型异常,采用预测残差构造观测误差和动力学模型误差整体检验法,对观测异常可分别采用以模型为准的观测异常检验、以当前历元可靠观测为基准的异常检验或以Kalman滤波估值为基础的异常检验的方法;对于动力学模型异常检验,可以分别采用状态不符值检验法、以状态参数Kalman滤波估值为基础的动力学模型异常检验或以可靠观测为基础的动力学模型误差整体检验的方法.分析了以上几种检验方法的特点,并用实测数据进行了检验.结果表明:在观测异常或动力学模型异常处,异常检验对导航数据精度有一定程度地提高.     

非高斯有色噪声影响下的高斯混合滤波算法

针对GNSS/SINS紧组合定姿定位系统在非高斯有色噪声环境下直接使用高斯混合扩展卡尔曼滤波（Gaussian mixture extend Kalman filter, GMEKF）出现的随机模型失配现象,提出一种顾及非高斯有色噪声影响的GMEKF优化算法。该算法在高斯混合模型对非高斯噪声近似的基础上,通过状态扩增和量测组差对非高斯噪声序列中的有色噪声成分进行白化处理,从精化随机模型的角度改善了GMEKF算法的性能。实验结果表明,在非高斯有色噪声环境下,相比于GMEKF,该算法对随机模型建模更准确,将其用于受非高斯有色噪声影响的定姿定位场合中可进一步提高导航解算精度。     

联合高频GNSS和强震仪观测获取同震位移

采用动态精密单点定位技术处理高频GNSS数据获取GNSS位移,利用空间叠加滤波法消除其共模误差的影响,基于Kalman滤波将高频GNSS位移和强震观测加速度融合,利用GNSS位移校正强震仪加速度的基线漂移,得到融合同震位移和速度,建立顾及基线偏差改正的高频GNSS和强震仪组合模型。以2016年意大利北部6.0级地震为例,探讨本文模型的有效性。实验结果表明,本文模型具有高精度、宽频带特点,能准确描述地震引起的永久阶跃和震时地表位移变化。     

方差膨胀模型用于GNSS/加速度计融合变形监测

为解决GNSS信号在环境遮挡、多路径误差等影响下监测精度不可靠的问题,基于Huber选权迭代法,将方差膨胀思想引入GNSS/加速度计融合滤波算法中,从随机模型角度对GNSS异常值的量测噪声进行自适应调整,降低GNSS异常观测对Kalman滤波量测更新的影响,提高GNSS/加速度计融合变形监测结果的可靠性。在静态和动态2种场景下进行验证分析,结果表明,改进融合算法能够显著提高复杂多路径环境下的GNSS监测精度,其解算获取的形变位移三维方向RMS均在1.8 cm以内,可为复杂环境高精度变形监测提供参考。     

中国沿海海洋站GNSS坐标时间序列噪声模型的建立与分析

选取中国沿海海洋站中与验潮室并址的22个GNSS基准站近9 a的观测资料,利用最大似然估计法分析各站时间序列的噪声特性,建立最优噪声模型;然后顾及有色噪声,利用最优噪声模型估计测站速度,并与纯白噪声模型和GLOBK获取的速度及误差进行对比分析。结果表明：1）沿海海洋站的GNSS时间序列均含有有色噪声,各分量的噪声特性不完全一致,E方向和U分量均以白噪声+闪烁噪声为主,N分量以白噪声+闪烁噪声和白噪声+一阶马尔科夫噪声+随机漫步噪声为主。2）全国沿海3个海区N、E分量的白噪声和闪烁噪声基本呈现越往南噪声越大的规律,南海海区U分量的白噪声和闪烁噪声最大。3）顾及有色噪声的速度中误差是仅考虑白噪声和GLOBK估计的速度中误差估计值的5～10倍,这种差异比内陆观测站的要大。4）在对海洋站GNSS时间序列进行速度分析时,为获取正确的速度值,应该先准确判断噪声的类型,再顾及有色噪声的影响估计测站速度。     

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。     

含有色噪声的联邦滤波算法

基于联邦滤波算法,通过对状态方程有色噪声的拟合和预报,给出了含有有色噪声的联邦滤波融合算法,并利用模拟数据进行了试算与比较。结果表明,基于含有有色噪声的联邦滤波算法在一定程度上能够提高导航解的精度和可靠性。     

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。     

里程计辅助车载GNSS/INS组合导航性能分析

车载GNSS/INS组合导航中，GNSS信号易受外界干扰而失锁，导致INS独立导航误差迅速累积。为提高车载松组合导航系统的精度和完整性，使用里程计观测信息结合非完整性约束辅助车载组合导航。考虑里程计刻度系数误差和IMU安装角影响，推导出里程计的输出模型，给出基于卡尔曼滤波的里程计辅助GNSS/INS松组合的数学模型。设计GNSS信号中断的数据实验，结果表明，里程计能有效抑制组合导航系统误差发散，在GNSS中断60 s或10 min的情况下，位置精度提高超过90%。     

Kalman滤波在GPS/BDS组合伪距差分定位中的应用

随着各国卫星导航系统的蓬勃发展,单一的GPS系统时代正逐步转变为多系统并存且兼容的全球性卫星导航系统(GNSS)时代。相比于单一卫星导航系统,多系统组合将显著增加可视卫星数目、改善卫星空间几何结构,多系统组合导航定位将是必然的发展趋势。滤波算法是减小GNSS定位随机误差的重要方法,利用非线性滤波方法可消除多种随机误差,从而提高导航定位精度。该文实现了基于Kalman滤波的GPS/BDS组合的伪距差分定位,并将其与最小二乘方法进行比较。实验结果表明:基于Kalman滤波的GPS/BDS伪距差分的定位精度能达到分米级,在差分定位解算过程中,多卫星系统伪距差分精度明显优于单卫星系统伪距差分精度,Kalman滤波解算的精度明显优于最小二乘解算的精度。     

城市复杂环境下GNSS/INS组合导航算法研究

针对城市环境下GNSS车辆导航存在卫星信号易受影响的问题,利用GNSS/INS组合算法提高复杂环境下城市车辆定位性能。基于城市环境下实测GNSS数据评估分析定位结果,使用GNSS/INS组合的常规卡尔曼滤波算法实现卫星失锁区域导航。同时,提出一种基于新息的自适应卡尔曼滤波算法,可有效增强卫星数较少及信号干扰严重区域的车辆导航定位能力。该方法利用量测与预测的关系构造自适应因子,改善定位精度。结果表明,常规卡尔曼滤波可在20 s卫星信号失锁情况下保证亚m级导航精度,自适应卡尔曼滤波算法在卫星信号受到严重干扰时,其定位精度相比于常规卡尔曼滤波算法提高30%,可满足在城市复杂环境下的高精度、高可靠性车辆导航定位服务需求。     

基于动态阈值的移动终端GNSS定位阴影匹配算法

阴影匹配算法可在城市峡谷中较好地提高移动终端GNSS定位精度,但是传统阴影匹配算法中用于判断卫星可见性的信噪比阈值为固定单一阈值,无法保证所有卫星可见性的判断正确,从而影响定位精度。针对以上情况提出基于动态阈值的阴影匹配算法,使每颗卫星的判断阈值随卫星几何可见性和信噪比可见性相互校正而改变。通过对手机GNSS原始定位结果及卡尔曼滤波后的定位结果进行两种阴影匹配算法计算及对比分析,结果表明,动态阈值法相对于单一阈值法平均点位误差在标准单点定位时可降低约15.1%,在卡尔曼滤波后可降低22.4%,定位精度均得到提升。     

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。     

������ɫ����Kalman�˲�����������Ƶ����ȡģ���о�

???????????????????????????￡????GPS???????????????У???????????е???????????????????????????????????????????????????????????????????????????????в????з????????????????????5?????????FFT??????????в??????????????????????????????????????????????е?????????????????????????????FFT????????????????????????????????????????GPS????????????????????????????????     

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。     

����EKF�㷨������GPS/BDS��̬��Զ�λ�е�Ӧ��

???Kalman???????etended Kalman filter??EKF??????????????????????????д?????EKF?????????????????????????????????EKF????????EKF????????GNSS?????λ?е????????????????????EKF??????????Ч????????????????λ?????????EKF??????????????70%??     

���ڿ���EKF��INS/GNSS������㷨Ӧ���о�

???INS/GNSS????????GNSS????????????????о?????????EKF???????????????????INS?????????????μ???????INS/GNSS?????????????????????????????С?????????????????С????в??????????????Э???????????????????????????????????????????????????????????????GNSS?????д???????????????EKF??????????????????????????????????????????????????