一种自适应两阶段卡尔曼滤波算法

当动力学模型存在未知的随机系统偏差时,两阶段卡尔曼滤波要优于标准卡尔曼滤波。两阶段卡尔曼滤波的基础是准确的知道随机系统偏差的统计特性,这在实际过程中是很难做到的。提出了基于新息向量的自适应两阶段卡尔曼滤波。它不仅能够很好的估计随机系统偏差,而且在随机系统偏差的先验统计特性不准确时也能取得良好的效果。最后通过一个仿真算例,验证了自适应两阶段卡尔曼滤波的适用性。     

鲁棒无迹卡尔曼滤波组合导航定位方法

针对无迹卡尔曼滤波(UKF)在非高斯噪声或统计特性不准确时滤波精度会下降甚至发散等问题,提出了一种基于Huber-M估计的无迹卡尔曼滤波导航算法。首先采用奇异值分解(SVD)迭代计算代替协方差矩阵的迭代变换;然后将Huber方法用于UKF框架中,使先验信息和量测信息进行重构;最终以达到克服传统UKF滤波器稳定性差的问题,提高滤波抗差能力。对提出算法进行GPS/UWB组合导航仿真验证,并与EKF和UKF进行了比较。实验结果表明,加入M估计的SVD-UKF在噪声统计特性不准确时和加入随机观测异常状态下都可以将滤波器性能提高25%～40%,与其他两种算法相比,本文所提算法的定位误差能快速收敛,并保持较高滤波精度。     

抑制卡尔曼滤波发散的组合导航算法研究

卡尔曼滤波是一种递推线性最小方差估计算法,在组合导航数据融合中得到了广泛应用;但由于卡尔曼滤波要求系统模型和噪声统计特性精确已知,而实际中很难做到,因此常常出现滤波发散现象。鉴于此,着重研究了衰减记忆自适应卡尔曼滤波和渐消记忆卡尔曼滤波在INS/GPS组合导航中的应用,并通过对仿真数据的处理,验证了两种滤波算法在抑制滤波发散、提高组合导航系统精度和稳定性方面的可行性。     

自适应渐消卡尔曼滤波及其在SINS初始对准中的应用

卡尔曼滤波常常被用于惯性导航系统初始对准算法,其使用前提是对系统状态进行建模,从而得到比较准确的系统噪声和观测噪声统计特性。在模型失配和观测噪声干扰的情况下,常规卡尔曼滤波会出现精度下降甚至发散,从而影响初始对准精度。针对这一问题,提出了一种新型渐消卡尔曼滤波算法,引入了多重渐消因子对预测误差协方差阵进行调整,设计了基于新息向量统计特性的滤波状态χ2检验条件,使渐消因子的引入时机更加合理,算法的自适应性得到增强。将改进的卡尔曼滤波算法应用到惯性导航系统的初始对准问题中,仿真试验和实测数据试验结果表明,与常规渐消因子滤波算法相比,新算法可以有效提高滤波精度及鲁棒性。     

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.     

卡尔曼滤波在动态测量系统中的应用

文中详细论述卡尔曼滤波的数学模型及其初值确定方法,引入动态测量系统应用实例,通过对数据噪音特性的分析,准确确定了卡尔曼滤波模型,利用matlab编程实现了相应功能。实例分析结果表明,卡尔曼滤波预测精度高,适用于大坝的实时监测与预报。     

车辆导航系统的地图匹配技术研究

常规的地图匹配方法只能消除路段径向的偏差,在分析GPS误差模型的基础上,采用卡尔曼滤波技术对传感测量位置与数字道路地图之间的偏差进行估计,销减了路段平行方向的偏差,从而大大提高了系统的定位精度。仿真试验的结果证明了该算法对于提高车辆定位系统的性能是有效的。     

自适应卡尔曼滤波在大坝形变预报中的应用分析

卡尔曼滤波融合了状态模型和观测模型的信息,具有良好的估计和预报性能,能够较好地描述大坝动态形变的过程.在实际应用中,由于状态噪声和量测噪声无法精确给出,标准卡尔曼滤波的最优性受到破坏.现利用新息约束不断地调整卡尔曼滤波中的过程噪声和测量噪声,使其动态地自适应于真实情况.通过两组大坝实测数据处理,表明自适应卡尔曼滤波能够很好地改善随机模型不准确和形变突变影响下的预报精度,其预报精度优于标准卡尔曼滤波.     

自适应卡尔曼滤波在地表沉降监测中的应用

方差补偿自适应卡尔曼滤波是在对观测数据进行递推滤波的同时,不断的对难以确定的模型参数和噪声进行估计和修正,以减小模型误差,使滤波结果更准确。本文采用方差补偿自适应卡尔曼滤波预测模型,对某矿区首采工作面地表沉降监测数据进行计算,得到相应的预测值,并与标准卡尔曼滤波预测值进行比较。探讨了方差补偿自适应卡尔曼滤波预测模型进行矿区地表沉降预测的可行性。     

用卡尔曼滤波进行GPS动态定位

采用卡尔曼滤波进行GPS单点定位,必须合理地构造系统动态特性,才能使滤波平稳进行。介绍两种确定GPS观测数据方差的方法,然后针对卡尔曼滤波的发散问题进行讨论,并给出一种避免滤波发散的渐消因子改进算法,实现滤波的自适应。最后结合算例验证了该方法的有效性。