GPS车载导航的交互式多模型算法

GPS动态定位数据的处理广泛采用卡尔曼滤波技术,而应用卡尔曼滤波要求运动模型准确可靠,但由于载体真实运动的复杂多变,任何单一模型都难以全面描述,致使单一模型的滤波都容易出现模型误差.针对这一问题,将机动目标跟踪领域广泛应用的交互式多模型算法引入到车载导航中.通过分析车辆的运动特点,选取匀速直线模型和当前统计模型进行交互;同时考虑到车载终端计算能力有限,将状态变量在各方向解耦.仿真显示,在机动时改进的算法和单一模型的自适应算法基本相当,但在非机动时改进的算法明显占优.     

三、P22大地测量学

CH992481 GPS测量与国际地球参考框架(ITRF)/董鸿闻(国家测绘局大地测量数据处理中心)∥地理信息世界.—1999(1).—30～32 CH992482 改进的车载DR系统自适应扩展卡尔曼滤波模型及仿真研究/房建成(北京航空航天大学第五研究室)…∥东南大学学报.—1999,29(1).—35～39 由于考虑了速率陀螺漂移误差中的马尔可夫过程成分,和采用描述机动载体运动的“当前”统计模型及自适应算法,提高了DR系统模型的准确性。计算机仿真结果表明,应用该模型和算法与改进前相比,DR系统的定位精度得到明显提高。图4参8     

粒子滤波在高动态GPS定位中的应用

针对高动态GPS定位系统的特点,引入了一种基于粒子滤波的高动态GPS定位系统滤波算法。借助于移动目标的速度矢量模型建立了系统状态方程,论文给出了标准的卡尔曼滤波算法模型,重点讨论了粒子滤波算法在高动态GPS定位中的应用,详细描述了算法的推导过程。对算法进行仿真,结果表明当GPS接收机作大范围机动或GPS信号受到干扰时,粒子滤波要优于标准的卡尔曼滤波。     

GPS动态定位中自适应卡尔曼滤波方法的应用研究

采用描述机动载体运动的“当前”统计模型,直接从GPS接收机输出的定位结果入手,建立一种GPS动态定位自适应卡尔曼滤波模型,提出一种改进的自适应滤波算法,对GPS动态定位数据进行滤波。实验结果表明该模型简单,实时性好,滤波后的定位精度得到了提高。     

附有道路信息约束的自适应卡尔曼滤波在车载导航中的应用

基于车辆"当前"统计模型,利用白适应卡尔曼滤波对车载GPS动态数据进行了处理.将制约车辆运动的道路信息引入模型中,作为约束条件引入卡尔曼滤波方程.其思路是在原有滤波的基础上,利用道路信息约束条件对滤波方程中的一步预测值进行修正,以提高滤波结果的精度.实验结果表明,该算法具有实用意义.     

GPS动态相对定位的自适应Kalman滤波算法

GPS动态数据处理中广泛应用卡尔曼滤波,经典Kalman滤波认为预报误差是白噪声,服从零均值的正态分布,并利用动态噪声协方差矩阵来控制它对当前信息的影响,但实际测量定位中难以保证观测对象的规则运动,因而容易出现模型误差。针对GPS动态定位的这一问题,探讨了在实际应用中存在模型误差时的卡尔曼滤波,介绍了一种自适应Kalman滤波算法,该法顾及了载体机动加速及接收机发生周跳时的影响,减少了滤波发散的机会。     

基于椭球GPS/DR导航模型的鲁棒滤波研究

为了获得更精确的运动物体的数学模型,本文建立了GPS/DR组合导航系统的椭球模型,并将含参模型转化为不确定性参数滤波模型,并利用鲁棒卡尔曼滤波算法和鲁棒H∞滤波算法进行了仿真,从滤波的稳健性和效率两个方面进行了分析,得出在椭球GPS/DR导航模型下,鲁棒H∞滤波算法比鲁棒卡尔曼滤波更符合工程实际应用的滤波方法。     

基于MCS-SCKF的超宽带室内定位算法

针对传统超宽带（UWB）室内定位中非线性跟踪问题,基于当前统计（CS）模型和容积卡尔曼滤波（CKF）,本文提出了一种新的定位算法。即采用奇异值分解（SVD）代替标准CKF算法中的Cholesky分解,提高了算法的稳定性,构造了奇异值分解容积卡尔曼滤波器（SCKF）。首先在CS模型的基础上改进了先验参数的函数形式,得到改进的CS模型（MCS）,实现模型参数的自适应调整;然后将MCS模型引入SCKF滤波器,实现滤波算法的自适应调整;最后利用MCS-SCKF算法对UWB定位系统模型进行解算,从而得到移动目标位置。仿真和试验结果表明,该算法优于CS模型-卡尔曼滤波算法（CS-KF）和CS模型-SCKF算法（CS-SCKF）,提高了UWB室内定位的定位精度。     

组合导航中一种新息自适应卡尔曼滤波算法

全球定位系统/航位推算组合导航定位中,由于目标运动的不确定性,GPS接收机与DR器件接收的数据存在噪声,使预置目标运动模型通常很难得到较高跟踪精度,针对应用常规卡尔曼滤波进行组合导航解算由于噪声统计特性未知而引起滤波不稳定的问题,本文提出了一种基于新息序列的量测计算进行自适应估计的卡尔曼滤波算法。该算法通过对新息方差强度进行极大似然估计,将新息计算引入卡尔曼滤波器的增益计算,达到控制发散的目的。最后对改进的算法与一般卡尔曼滤波算法做了对比仿真试验分析,结果表明了改进算法的有效性。     

快速交互式多模型算法的导航定位解算

针对卫星导航定位中单模型在急速转弯条件下出现较大偏差和交互式多模型系统运算量大的问题,该文提出了一种快速的交互式多模型算法。该算法先对CS模型进行改进,然后利用CV模型和改进的CS模型构成多模型系统,结合修正的滤波发散判据与次优的极大后验估计,根据载体实际的运动状态自行调整扩展卡尔曼滤波采用的运动模型,从而弥补了单模型描述复杂运动的不足。实验结果表明:与单模型相比,该方法有效解决了急速转弯误差大的问题;与标准交互式多模型相比,该方法对位置的估计精度提高了39.4%,而运算时间却缩短了47.4%。     

基于小波分析的Kalman滤波动态变形模型研究

对GPS动态形变测量信号的性质进行了分析 ,采用小波分析对GPS动态变形数据滤波、变形特征提取和不同变形频率分离。与Kalman滤波方法相结合 ,首次提出基于小波分析的Kalman滤波动态变形分析模型 ,研究其参数设计和算法 ,并用MATLAB与C语言在微机上编程实现。对比大坝实测数据的处理结果可知 ,通过对原始观测值进行小波分析与Kalman滤波的联合处理 ,能克服只使用单一方法进行GPS数据噪声处理的不足。     

基于卡尔曼运动模型模糊图像恢复技术研究

提出了一种基于卡尔曼运动模型进行运动模糊图像退化过程分析的方法 ,设计了基于卡尔曼运动质量退化模型的运动模糊图像恢复算法 ,该方法逼近实际的运动模型。通过对火车称重系统中的模糊影像恢复实验 ,表明了该恢复技术的有效性     

多模型卡尔曼滤波在地磁场航海测量中的应用

由于卡尔曼滤波对模型精度有很强的依赖性,因此实际的地磁场测量系统中,宜采用多模型自适应卡尔曼滤波,以提高状态估计的准确度。针对并行子滤波器间的数据融合问题,提出了"距离"意义下的数据融合新算法,应用结果表明算法具有实用性。探讨了通过检验并行子滤波器状态估计一致性的模型误差识别方法,并将其应用于监测地磁场测量系统中船舶磁化参数的变化。     

Real-time estimation of satellite clock offset using adaptively robust Kalman filter with classified adaptive factors

In order to estimate the satellite clock offset in a real-time mode, a new algorithm of adaptively robust Kalman filter with classified adaptive factors for clock offset estimation is proposed. Compared with standard Kalman filter clock offset model, the new method can detect and control outliers and clock jumps automatically in real-time. Moreover, the clock model parameters, which contain the clock offset, clock speed and clock shift, are classified to decide the adaptive factors in the new model. Thus, clock jumps with different characteristics can be distinguished more effectively. Meanwhile, the dynamic noise characteristics of clock offset series are used for stochastic modeling. An actual numerical example is presented, which shows that the proposed filter can give a better performance than other commonly used filters.     

Double-filter model with modified Kalman filter for baseband signal pre-processing with application to ultra-tight GPS/INS integration

In federated design of ultra-tight GPS/INS integrated system, the baseband signal pre-processing is completed in a single pre-filter assigned for each channel. As the state space model of this single pre-filter includes the code tracking errors coupled with carrier tracking errors, ionospheric errors and normalized signal amplitude, the carrier tracking process may be destroyed. Also, the measurement noises are not independent any longer after passing through the code and carrier discriminators. Therefore, we propose a double-filter-based pre-filter model that distributes the carrier and code tracking into two independent filters: a conventional pre-filter, where the normalized signal amplitude is excluded from the state space and tracks only the code signal, and a 3-dimension state filter, tracking the carrier signal. The measurement information from both filters is a scalar quantity, which removes most of the noise correlation. To further improve the performance of the double-filter-based pre-filter model, we propose a modified Kalman filter algorithm. Simulation and field tests have been conducted, and the performance analysis has been done for the following configurations in a vector-tracking mode: double-filter model with modified Kalman filter, double-filter model with conventional Kalman filter and traditional single-filter model. The preliminary analysis indicates that the double-filter model with modified Kalman filter shows the best performance in tracking and navigation domains, while the traditional single-filter model shows a sub-optimal performance.     

Kalman滤波异常误差检测

为检测动态导航观测异常和动态模型异常误差，本文利用状态方程预测残差二次型构造了整体误差检验法，即观测误差和动力学模型误差整体检验法；讨论了三种观测异常检测法，即以模型为基准的观测异常检验，以当前历元可靠观测为基准的异常检验，以状态Kalman滤波估值为基础的观测异常检验；分析了三种动力模型异常检测法，即状态不符值检验法，以状态参数Kalman滤波估值为基础的动力模型误差检验法，以可靠观测为基础的动力模型误差整体检验法。并对这几种异常检测法进行了简单分析。     

动态系统的抗差Kaliman滤波

离散历元的动态观测量及其相应的动态模型可能存在异常，若数据处理模型不考虑对这些异常的特别处理，则动态模型参数估值及其所提供的动态信息将极不可靠。基于贝叶斯统计和抗差估计原理，我们构造了一种抗差滤波算法。该算法考虑观测分布和参数验前分布均为污染分布。并利用一个实测网验算该算法和模型的可靠性。     

基于卡尔曼滤波算法卫星数不足情况下的连续定位

介绍了卡尔曼滤波模型,采用C#编程语言建立了程序模块,并将其作为参数估计方法对一组动态数据进行了伪距单点定位解算;将部分历元时刻卫星数设置为少于4颗进行解算,并比较了其定位结果与原始结果的差异。实验结果表明,采用卡尔曼滤波模型能够在卫星数不足的情况下在一定时间内保持定位的连续性,并能保证一定精度。     

动态定位的模型偏差检测与校正

动态定位的数据处理中广泛应用卡尔曼滤波,而卡尔曼滤波的应用要求动态模型(函数模型)和随机模型可靠和切合实际,但实际测量定位中难以保证观测对象的规则运动,因而容易出现模型误差.探讨在实际应用中存在模型误差时的卡尔曼滤波,研究动态定位时卡尔曼滤波的模型检测与校正,给出一种偏差分离估计方法.由于不存在状态增广,因而该方法计算效率高.最后以一数字仿真(模拟)实验论证方法的可行性.     

基于AR（p）的卡尔曼滤波在GPS变形监测中的应用

由于AR（p）模型结构比较简单且计算比较方便，在变形分析中，目前常采用此模型建立变形模型。然而单纯的AR模型把模型参数作为定值，变形数据拟合误差及变形预测误差可能会比较大。介绍了将卡尔曼滤波引入AR模型，利用观测数据建立AR模型，即建立观测方程；以AR模型的参数为状态向量建立状态方程。从而形成动态系统的卡尔曼滤波函数模型，动态计算出AR模型的参数以便预测。此方法快速、实时，且占有较少内存，充分利用了AR模型和卡尔曼滤波二者的优点。