基于MRPs估计航天器姿态的IUKF算法及改进

航天器姿态确定的模型具有严重的非线性性。而采样卡尔曼滤波(UKF)通过采用一组确定性采样得到的Sigma点比扩展卡尔曼滤波(EKF)能够更准确地近似初始分布,使滤波在不准确的初始条件下更快地收敛。利用修正罗德里格参数(MRPs)表示姿态,用动力学方程进行角速率的传播,利用UKF的改进算法迭代采样卡尔曼滤波(IUKF)对航天器的姿态进行估计。在分析IUKF性能的基础上进一步对IUKF算法作了改进,通过仿真算例将3种方法进行了比较。结果表明:IUKF及改进IUKF算法姿态参数的滤波精度比UKF更高,同时改进IUKF算法比IUKF的滤波能更快趋于稳定。     

无迹卡尔曼滤波衰减记忆算法研究

无迹卡尔曼滤波算法作为典型的卡尔曼滤波改进算法,有效地解决了线性化时高阶项的舍弃误差和强非线性模型的无法线性化问题。但是常规的无迹卡尔曼滤波对旧的数据和当前数据的利用率是相同的,很容易导致滤波的发散。通过引进衰减因子加强了对当前数据的利用,降低了旧数据对滤波结果的影响。本文基于此提出了衰减记忆无迹卡尔曼滤波算法,并对衰减因子的确定进行了分析。仿真试验分析表明,衰减记忆无迹卡尔曼滤波算法能够提高滤波结果的精度。     

基于MRPs估计航天器姿态的IUKF算法及改进

航天器姿态确定的模型具有严重的非线性性.而采样卡尔曼滤波(UKF )通过采用一组确定性采样得到的Sigma点比扩展卡尔曼滤波(EKF)能够更准确地近似初始分布,使滤波在不准确的初始条件下更快地收敛.利用修正罗德里格参数(MRPs)表示姿态,用动力学方程进行角速率的传播,利用UKF的改进算法迭代采样卡尔曼滤波(IUKF)对航天器的姿态进行估计.在分析IUKF 性能的基础上进一步对IUKF算法作了改进,通过仿真算例将3种方法进行了比较.结果表明:IUKF及改进IUKF算法姿态参数的滤波精度比UKF更高,同时改进IUKF算法比IUKF的滤波能更快趋于稳定.     

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。     

一种提高神经网络泛化能力的自适应UKF滤波算法

给出了利用EKF(extended Kalman)滤波和UKF(unscented Kalman)滤波提高神经网络泛化能力的方法.针对UKF参数选取随意性的问题,采用移动开窗估计法对状态噪声和观测噪声协方差矩阵进行自适应估计,提出了一种新的提高神经网络泛化能力的自适应UKF算法.利用检测样本进行了验证,结果表明,利用EKF、UKF和自适应UKF算法训练神经网络都能提高其泛化能力,其中自适应UKF算法优于其他几种算法.     

基于自适应UKF的BP神经网络及其在高程拟合中的应用

针对BP神经网络收敛速度慢、容易陷入局部极小值点和泛化能力差等问题,基于自适应Kalman滤波理论,提出一种自适应非线性滤波(UKF)训练BP神经网络的方法。该方法采用Kalman滤波框架,引入自适应因子,对神经网络的连接权进行训练,提高了神经网络的学习质量。高程异常拟合算例表明,基于自适应UKF的BP神经网络比标准BP神经网络收敛速度快,泛化能力强,从而证明了该方法是一种有效的连接权训练方法。     

预测残差判别统计量抗差因子在UKF算法中的应用

在UKF滤波中,针对观测信息存在粗差的问题,基于预测残差构建了预测残差判别统计量。结合三段函数组成了一种新的抗差因子函数,并给出抗差UKF算法公式。该算法计算过程无需迭代,实现一步抗差,适合实时滤波估计。计算结果表明,该抗差因子函数不仅能够有效地控制含粗差观测值对滤波结果的影响,得到可靠的滤波解,而且可以提高滤波精度。     

一种改进的UKF算法在捷联惯导初始对准中的应用

Unscented卡尔曼滤波具有精度高、稳定性好、实用性强等特点,因此UKF算法逐渐成为处理非线性滤波问题的有效方法和导航系统中数据处理与信息融合技术的研究热点。但是UKF具有计算量大、效率低等缺点,因此限制了UKF在实时导航中的应用。针对这一缺点,本文提出了一种改进的UKF算法,该算法可以减少UT变换中Sigma点的计算数量,从而提高运算效率;推导了改进的算法公式,给出了适合该算法的初始对准非线性模型,并分析了其精度,用实测数据进行了验证。结果显示,改进的UKF算法性能与传统UKF相当,但效率提升了40%左右。     

UKF的改进算法及其在伪卫星定位中的应用

首先介绍了伪卫星导航系统的观测方程和动力学模型方程。然后,分析了基于UT变换的UKF算法,针对该算法存在的问题,结合迭代滤波思想和抗差估计原理提出了一种新的抗差UKF算法。并与EKF和UKF算法进行了比较。计算结果表明,该算法不仅可以提高滤波器的精度,而且能够更有效地控制观测异常对导航解的影响,使导航解更能反映导航系统的真实情况。     

关联概率密度加权重力异常UKF滤波匹配导航算法

无味卡尔曼滤波(UKF)是一种通过采样来近似非线性分布,从而对非线性问题进行次优估计的滤波方法。利用实时观测得到的重力异常以及航行区域参考重力异常图,可以建立基于重力异常的UKF滤波匹配导航算法,以此校正惯性导航系统的漂移误差。针对选取与UT变换相同权系数来求取预测观测值而可能导致求得的预测观测值为伪观测值的问题,提出了利用关联概率密度函数对采样观测值进行加权的重力异常UKF滤波匹配导航算法。通过对某实验区域的实验进行计算分析,结果表明,基于关联概率密度加权重力异常UKF滤波算法能够克服传统加权预测观测值带来伪观测信息的问题,将惯性导航系统经纬向漂移误差降低至1.1 n mile以内,均优干传统加权算法和纯惯性导航系统的定位精度。     

利用接收机钟差建模提升PPP收敛速度及精度

提出了一种利用接收机钟差建模提升精密单点定位PPP收敛速度及精度的方法。传统PPP模型中通常将接收机钟差与位置同时作为参数逐历元估计。这种处理方法带来了两种参数之间的高度相关性,从而限制了PPP收敛速度及精度。利用Kalman滤波对接收机钟差进行建模,实验结果表明该方法建立的钟差模型更为准确,并降低了钟差与位置参数的相关性,PPP收敛速度加快了约67%;北方向和东方向精度分别提高了18%和22%,天顶方向精度提高了43%。     

基于衰减因子的虚拟应答器信息融合方法研究

针对虚拟应答器(VB)信息融合时使用Kalman滤波易出现滤波发散的问题,提出了基于改进Sage-Husa自适应滤波算法的信息融合方法. 首先采用自适应滤波动态调节噪声统计特性参数,抑制滤波发散,在预测误差方差矩阵中引入衰减因子,减小陈旧数据的影响进而提高滤波精度,最后进行仿真实验,将所提出的滤波算法与Kalman滤波和Sage-Husa自适应滤波在VB的位置误差和速度误差上进行对比. 仿真结果证明:在相同的时间内,本文所述算法在VB的定位误差上具有显著优势,具有较好地稳定性.      

基于卡尔曼滤波的时间序列影像背景估计

文章将卡尔曼滤波理论应用于时间序列影像的背景估计,引入衰减记忆因子解决滤波的发散问题,最终实现了对背景信号的估计。     

基于高度角的多路径改正模型在BDS相对定位中的应用

伪距观测值的精度对相对定位解算的收敛速度有很大影响。相关研究发现BDS伪距观测值中存在与高度角相关的多路径偏差,严重降低了伪距观测值的精度。通过EMD滤波和多项式拟合建立基于高度角的多路径改正模型对这类误差进行消除。实验结果表明,基于高度角的多路径改正模型可以有效提高伪距观测值精度,加快相对定位结果收敛速度,改正后四个时段的2 h定位结果精度分别提高了64.1％、43.9％、35.3％、66.0％。      

相位平滑伪距GNSS PPP/INS紧耦合算法

针对在导航实践中低成本MEMS使用传统紧耦合方法计算精度受到限制的问题,提出了一种采用载波相位平滑伪距GNSS PPP/INS紧耦合的算法。实验表明,使用相位平滑伪距的GNSS PPP/INS紧耦合方法后低精度的MEMS和GPS组合位置精度为dm级,速度精度为cm/s甚至mm/s,比传统C/A码紧耦合定位精度高,有较好的收敛性;其次当增加相位平滑的历元数后精度也相应提高。当出现GPS信号中断时,该方法能够加速中断以后滤波收敛的速度,将导航精度控制在中高精度惯导作业要求范围内。该方法节约了导航作业的设备成本,具有一定实际意义。     

GNSS/INS紧组合最大熵卡尔曼滤波算法

针对实际环境中量测噪声易被野值污染而呈现非高斯分布,进而导致传统卡尔曼滤波(KF)算法性能降低的问题,提出了最大熵卡尔曼滤波(MCKF)算法. 该算法基于最大熵准则(MCC)和M估计的思想推导得到. 与KF相比,所提算法能够给异常量测值分配较小的权重以减轻其对于状态估计的影响,与基于Huber函数的卡尔曼滤波(HKF)算法相比,其能够更有效地利用量测信息,因此所提算法相比于KF和HKF而言更加鲁棒. 在全球卫星导航系统(GNSS)与惯性导航系统(INS)的紧组合模式下进行车载实测实验,由于GNSS的伪距与伪距率等原始量测信息质量不佳,因此KF和HKF的性能均受到影响,而所提MCKF算法能够有效地抑制异常量测值的影响,能够更快地收敛且得到更高的估计精度.      

GRACE时变重力场滤波方法

针对GRACE时变重力场模型高阶项误差较大导致的"南-北"条带噪声,该文利用模拟的GRACE数据分析了去相关滤波、Gaussian滤波、组合滤波和平滑先验信息滤波方法对噪声的滤除效果和对真实信号的衰减程度。实验表明:4种滤波算法均能有效降低条带噪声,但单独使用去相关滤波时效果较差,需与其他算法结合使用;Guass滤波和组合滤波在减小噪声条带的同时,也在一定程度上牺牲了空间分辨率;平滑先验信息滤波在移除噪声、保留有效信号方面比其他3种算法有较为明显的优势。     

基于GPS／BDS组合的浅海AUV定位性能分析

针对水下机器人在浅海工作时定位误差大的问题,在浅海电磁波信号衰减不大的情况下,文中重点介绍一种基于GPS/BDS双模组合定位技术的浅海水下机器人高精度定位导航系统,为了比较双模定位系统的定位性能,设置了GPS和BDS单模定位系统作对比,提出了使用中值滤波算法和卡尔曼滤波算法相结合的定位数据处理方法,通过对双模定位系统测试数据的滤波处理,得出系统的定位性能。测试结果表明,双模定位系统的定位精度要高于单模定位系统;中值滤波和卡尔曼滤波相结合算法的应用能够明显提高双模定位系统的定位精度。      

同波束干涉测量在月面相对定位中的应用

基于同波束干涉测量原理和观测模型,针对月面目标特性,推导了给定着陆器先验位置的差分时延、差分时延率观测方程。引入指定高程约束、月球数字地形模型等约束方程,提出巡视器相对位置确定的卡尔曼滤波算法。通过仿真数据进行了验证和评估,表明该算法可快速、较高精度地确定月面巡视器相对着陆器的位置。     

北斗/GPS抗差移动窗口定权位移探测

蠕变状态下Kalman定位精度通常与观测值方差有极大关系,BDS(BeiDou Navigation Satellite System)/GPS组合观测值方差易受观测值权比精确度的影响。为了提高位移探测精度、缩短初始坐标收敛时间及降低监测成本,本文采用时钟同步双天线BDS/GPS接收机,在构建单频单差组合定位模型基础上,分别对GPS和BDS观测值等价权进行抗差处理,利用引入时间相关遗忘因子的Helmert方差估计,精确确定GPS与BDS观测值权比,最后通过实时更新观测值方差,实现扩展Kalman滤波的逐历元定位。试验结果表明,针对短基线(1km),BDS/GPS抗差精密定权Kalman方法可显著缩短初始坐标收敛时间,位移探测精度可达到亚毫米级,位移收敛速率与移动窗口参数基本成反比关系,适用于具有蠕变特征形变体的监测。