多传感器融合导航方法的比较

多源传感器融合导航有多种算法，但不同算法之间存在理论和计算方面的差异。本文试图从理论上探讨联邦滤波融合法、动静态滤波融合法、基于观测信息的融合法以及基于各传感器几何导航解融合法的基本原理，分析各种方法的优劣，为多传感器融合导航的应用打下基础。     

一种基于分步式滤波的多传感器组合导航系统算法研究

提出了一种多传感器组合导航系统的分步滤波算法。当所有传感器的观测值到来时,首先对该时刻的系统状态进行预测,然后利用常规卡尔曼滤波器和各导航传感器的观测值依次对该时刻的状态向量估计值进行更新,进而得到该时刻状态向量基于全局信息的最优融合估计。最后利用GPS/SST/高度表/SINS多组合导航系统对上述算法进行验证。仿真结果表明,该算法与集中式卡尔曼滤波算法的估计精度相同,但计算量得到降低。     

联邦滤波的改进算法

分析并综述了联邦滤波算法,以及该算法存在的问题。针对观测信息不足的情况下,结合抗差估计和自适应估计理论对联邦滤波算法进行了改进,给出了联邦滤波在局部传感器观测信息不足情况下的改进算法。由模拟计算结果可知,在局部传感器观测信息不足的情况下,改进的联邦滤波器能较好地抑制载体观测异常和状态扰动异常对动态系统参数估值的影响,具有很强的的抗差性和自适应性。     

联邦滤波的改进算法

分析并综述了联邦滤波算法,以及该算法存在的问题.针对观测信息不足的情况下,结合抗差估计和自适应估计理论对联邦滤波算法进行了改进,给出了联邦滤波在局部传感器观测信息不足情况下的改进算法.由模拟计算结果可知,在局部传感器观测信息不足的情况下,改进的联邦滤波器能较好地抑制载体观测异常和状态扰动异常对动态系统参数估值的影响,具有很强的的抗差性和自适应性.     

基于方差分量估计的自适应融合导航

多源传感器观测信息的精度一般不一致,利用方差分量估计理论可以合理地顾及各传感器观测信息在融合导航解中的权比.首先给出基于多源观测信息的融合导航解算模式,进而基于方差分量估计讨论了各传感器观测信息在融合导航解中的合理平衡问题,然后应用自适应因子顾及动力学模型预报信息的贡献,给出了计算过程,并利用模拟数据进行了试算与比较.     

GPS/DR组合导航自适应Kalman滤波算法

针对GPS/DR组合导航Kalman滤波的异常扰动影响问题,引入了自适应滤波算法。给出了由预测残差确定自适应因子的过程。利用实测数据进行验证,结果表明无论是单因子自适应滤波还是多因子自适应滤波都能够很好地控制状态异常对滤波估值的影响,滤波精度均优于标准Kalman滤波导航解;而且因为多因子自适应滤波避免损失可靠的状态参数信息,较单因子自适应滤波,精度又有明显提高。     

一种迭代的GPS/INS组合导航滤波算法

简要介绍了GPS/INS松组合导航系统状态方程和观测方程.针对标准Kalman滤波算法存在的状态方程截断误差、噪声统计特性的不确定性以及状态扰动异常的影响,给出了一种应用于GPS/INS组合导航系统的迭代滤波算法.该算法采用迭代策略,不断利用观测信息实时修正状态预报值.实测数据计算结果表明,通过对状态预报值的实时修正,该算法能够很好地抑制状态预报信息的不确定性和扰动异常等对导航解的影响.其滤波解精度明显优于标准Kalman滤波.     

一种迭代的GPS／INS组合导航滤波算法

简要介绍了GPS/INS松组合导航系统状态方程和观测方程。针对标准Kalman滤波算法存在的状态方程截断误差、噪声统计特性的不确定性以及状态扰动异常的影响,给出了一种应用于GPS/INS组合导航系统的迭代滤波算法。该算法采用迭代策略,不断利用观测信息实时修正状态预报值。实测数据计算结果表明,通过对状态预报值的实时修正,该算法能够很好地抑制状态预报信息的不确定性和扰动异常等对导航解的影响。其滤波解精度明显优于标准Kalman滤波。     

GNSS/里程计组合定位抗差估计法

利用Kalman滤波进行GNSS/里程计组合定位难以实现两种传感器的最优利用。针对轮轨相对运动时里程计数误差增大的情况,提出了对GNSS位置导出里程、速度导出里程和里程计输出里程使用抗差最小二乘求取最优里程;并使用中位数求取抗差迭代初值。增加GNSS测速里程观测值,提高了观测冗余,有利于计算抗差初值。抗差等价权能够平衡3种观测值的比重,增强鲁棒性。计算结果表明,引入速度信息的抗差解法优于单一传感器定位解;也优于传统滤波解法。     

IMU/GPS组合导航系统自适应Kalman滤波算法

给出了IMU在地固坐标系中的误差方程，介绍并分析了自适应滤波和渐消Kalman滤波算法原理，然后将渐消因子引入到自适应滤波算法中。并将其应用到IMU／GPS松组合导航系统中，最后利用一个实际算例证明了该组合导航系统的有效性。     

海洋测深数据的抗差Kalman滤波

从线式测深模式要求出发,构建了海洋水深测量过程中的测船位置滤波模型和深度数据的滤波模型,并在此基础上,给出了测线上位置数据和深度数据Kalman滤波的一般解和抗差解,并结合海洋水深测量特点,构建了满足水深数据剔除异常值的截断权函数和滤波方案,实例分析表明,抗差滤波方法能够有效地控制测船位置粗差,在选择截断权函数情况下,抗差滤波方法能够有效地剔除水深跳点和假水深。     

抗差估计在多站多星卡尔曼滤波精密定轨中的应用

针对在多站多星卡尔曼滤波定轨中,粗差探测判断标准选择不合适时会影响卡尔曼滤波解精度的问题,采用放宽粗差探测阈值并在滤波阶段采用抗差估计的方法来控制滤波的精度。利用IGS站和BD站的观测数据,分别计算了GPS、BD卫星单天弧度的定轨结果,并与IGS精密星历、武大精密星历作比较。结果表明,利用抗差卡尔曼滤波方法轨道精度得到了提高。     

基于多传感器观测信息抗差估计的自适应融合导航

首先利用抗差估计原理构造了基于观测信息的融合导航解，再利用动力学模型信息进行自适应融合，最后利用模拟算例进行多种方案的计算与比较。     

Design of minimax robust filtering for an integrated GPS/INS system

The problem of navigation systems with uncertain noise is considered. A minimax robust filtering which can minimize the worst performance under noise uncertainties using the game theory is proposed. This new filter is applied to an integrated GPS/INS navigation system. A high dynamics aircraft trajectory is designed to test the new filter. The results show that minimax robust filtering performs better than standard Kalman filtering when noise parameters of an inertial measurement unit change their statistical properties. Received: 21 October 1997 / Accepted: 26 May 1999     

利用改进的Kalman滤波算法进行GNSS单历元姿态测量

传统G PS单历元姿态解算中存在没有利用历元间的相互关系以及不能有效抵制粗差影响等问题,而Kalman滤波则可一定程度上解决这些问题。结合稳健估计理论对GPS单历元姿态解算提出了一种改进的Kalman稳健估计算法,通过实验及与传统的最小二乘解算方法相比较,该算法能够较好地消除历元间计算结果中出现的跳变值,使得解算结果更稳健。     

新型自适应滤波算法在惯导/双星组合中的应用

在系统模型误差和噪声统计特性未知时,为防止滤波发散和提高系统的实时性,提出了一种模糊自适应Kalman滤波算法。该算法利用滤波异常判据获得一个滤波状态因子,进而利用模糊推理系统在线调整量测噪声协方差阵的值,使滤波实现自适应。将该算法应用到惯导/双星组合导航系统中,并和简化的Sage-Husa自适应滤波算法进行仿真比较。仿真结果表明：在滤波精度相当的情况下,该算法简化了运算,提高了实时性。     

星敏感器/GNSS定姿系统的联合非线性预测滤波算法

提出一种联合式非线性预测滤波算法,解决该系统在姿态动力学模型误差非高斯分布条件下的多敏感器信息融合问题。从算法结构和估计准则两个方面证明非线性预测滤波(NPF)与Kalman滤波的等效性,分析联合式NPF的算法流程,讨论模型误差方差矩阵的计算方法,给出加权系数矩阵的设计准则;介绍星敏感器和全球卫星导航系统(GNSS)的定姿原理,推导星敏感器/GNSS组合姿态确定系统的联合式NPF滤波模型,分析系统的算法实现流程;进行数值仿真试验,结果表明联合式NPF算法融合NPF与联邦滤波的优良品质,可有效解决姿态动力学模型误差非高斯分布条件下无陀螺姿态确定系统的多敏感器信息融合问题。     

一种基于抗差自校正Kalman滤波的GPS导航算法

为减弱异常观测值对自校正Kalman滤波精度的影响,引入抗差M估计的等价权函数,建立了抗差自校正Kalman滤波算法,并用实例进行了验证。计算表明,该自适应滤波算法在完全未知噪声统计的情况下,不仅能够自适应地求解状态参数,而且还能在一定程度上有效地抵制观测异常对导航解的影响。     

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。