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。     

结合自适应滤波和神经网络的GNSS/INS抗差组合导航算法

针对GNSS/INS松组合导航系统观测信息无冗余,而且观测信息可能存在异常的情形,结合自适应滤波算法和神经网络算法,提出了两种GNSS/INS抗差自适应组合导航解算方案,根据观测信息和动力学模型信息异常情况,给出了4种GNSS/INS抗差自适应滤波算法。利用实测数据进行了验证,结果表明,4种抗差自适应滤波算法在观测信息不足的情况下,不但能够抑制动力学模型扰动异常对导航解的影响,而且能够较好地抑制异常观测信息对导航解的影响。     

抗差EKF滤波在GNSS/INS组合导航中的应用

GNSS/INS组合导航中,姿态解算和比力转换精度是影响精度的关键因素,且GNSS观测数据存在粗差,易对组合导航系统产生影响,针对以上问题,本文设计了一种顾及姿态解算精度的组合导航抗差算法,利用罗德里格斯公式进行姿态更新和比力转换,通过引入抗差估计理论,利用观测值和预测值的差值构造抗差因子,重新设计观测量噪声矩阵.一组跑车实验验证,抗差估计可以减弱粗差对组合导航系统的影响,提高在干扰环境下的导航性能.     

支持向量回归辅助的GPS/INS组合导航抗差自适应算法

卡尔曼滤波残差分量受到观测信息误差和动力学模型误差的双重影响,由于GPS/INS松耦合导航系统中观测值个数少于状态参数个数,导致异常检测时难以正确区分误差来源,提出一种支持向量回归辅助的组合导航抗差自适应算法。该算法克服了组合系统观测信息无冗余情况下异常检测的局限性,基于遗传算法参数寻优构建回归模型,预测次优观测值,结合整体异常检验法自主选择抗差或自适应滤波,进而调整观测值或动力学模型对导航解的贡献,进行导航预报。最后利用车载实测数据进行验证,结果表明：该算法能够对存在的异常故障智能判定,减弱观测值异常和动力学模型误差影响,保证组合导航精度,提高导航解可靠性。     

UKF在基于地磁场的自主导航中的应用

本文研究了基于地磁场的自王导航,建立了以卫星轨道动力学方程为基础的系统状态方程,并详细推导了以地磁场矢量为观测量时的观测方程;为了解决系统的非线性问题把常用来解决非线性问题的UKF引入到基于地磁场的自主导航系统中;最后,用Matlab对基于地磁场的自主导航系统进行了仿真,仿真结果表明UKF有很好的收敛性和稳定性.     

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。     

分布式导航星座自主导航算法研究

针对卫星导航系统本身提供的服务中存在可用性、可靠性和地面测站布设不足的缺陷,一些国家和地区相继采用自主导航技术来提升导航星座性能。概要分析介绍了导航星座自主导航技术发展,讨论了EKF和UKF算法的发展情况,对新近发展的多模型自适应卡尔曼滤波、基于神经网络调节的自适应卡尔曼滤波、基于自适应因子的卡尔曼滤波和自适应抗差卡尔曼滤波算法等改进滤波算法进行了综合分析与比较,并对分布式自主导航方法的发展方向进行了展望。     

EKF/UKF在基于地磁场的卫星自主定轨中的应用比较

研究了基于地磁场的自主导航,建立了以卫星轨道动力学方程为基础的系统状态方程,并详细推导了以地磁场矢量为观测量时的观测方程。由于传统的卡尔曼滤波不能解决系统的非线性问题,因此把扩展卡尔曼滤波EKF和无迹卡尔曼滤波UKF引入到系统中;并用Matlab对基于地磁场的自主导航系统进行了仿真。仿真结果表明,UKF有更好的收敛性和稳定性。     

基于当前加速度模型的抗差自适应Kalman滤波

动态导航与定位的质量取决于对动态载体扰动和观测异常扰动的认知和控制。首先介绍机动载体的当前统计模型,分析该模型存在的问题,提出一种基于“当前”加速度模型的抗差自适应卡尔曼滤波算法。跟以往建立的自适应KALMAN滤波进行比较,计算结果表明,该算法不仅可以提高滤波器的精度,而且更能有效地控制观测异常和动态扰动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。     

EKF/UKF在基于地磁场的卫星自主定轨中的应用比较

研究了基于地磁场的自主导航,建立了以卫星轨道动力学方程为基础的系统状态方程,并详细推导了以地磁场矢量为观测量时的观测方程.由于传统的卡尔曼滤波不能解决系统的非线性问题,因此把扩展卡尔曼滤波EKF和无迹卡尔曼滤波UKF引入到系统中;并用Matlab对基于地磁场的自主导航系统进行了仿真.仿真结果表明,UKF有更好的收敛性和...     

神经网络辅助的GPS/INS组合导航自适应UKF算法

GPS/INS组合导航非线性系统最优估计算法中,基于统计信息和假设检验理论的多渐消因子自适应滤波算法的应用前提条件是残差向量为高斯白噪声。本文针对观测异常会影响残差向量的数字特性分布,提出了一种神经网络辅助的多重渐消因子自适应SVD-UKF算法。该算法采用神经网络算法削弱观测异常对残差序列高斯白噪声分布特性的影响,利用奇异值分解抑制UKF中先验协方差矩阵负定性变化,同时构造多重渐消因子对预测状态协方差阵进行调整,使得不同的滤波通道具有不同的调节能力,高效地应用于多变量复杂系统。最后利用车载实测数据进行了验证。结果表明,神经网络算法极大削弱了观测粗差对残差序列高斯白噪声分布特性的影响,拓展了多重渐消因子的应用范围,使其能在观测值含有粗差的条件下自适应调节不同滤波通道,消除滤波状态中的异常,提高组合导航解的精度和可靠性。     

星载GPS卫星定轨的UKF-EKF算法

针对无味Kalman滤波（Unscented Kalman Filter）在卫星定轨应用中存在计算效率和估计精度之间如何平衡的问题,本文提出了一种将无味Kalman滤波和扩展Kalman滤波（Extended Kalman Filter）相结合的新算法。该算法对标准的无味Kalman滤波算法作了两个方面的改进,一方面改进采样策略,以最小偏度单形采样策略代替对称采样策略;另一方面改进算法结构,以无味Kalman滤波和扩展Kalman滤波融合算法代替单纯的无味Kalman滤波算法,系统的强非线性部分采用无味Kalman滤波来处理,弱非线性部分采用扩展Kalman滤波来处理。算例结果表明,新算法估计精度与无味Kalman滤波相当,但计算效率提高了30%左右。     

UKF在惯性/重力组合导航中的应用

将UKF(Unscented Kalman Filter)方法用于惯性/重力组合导航系统。UKF方法设计了少量的呈高斯分布的σ点,在每个更新过程中,σ点随着非线性状态方程和测量方程传播,从而获得滤波值及较高的计算精度,而且避免了对非线性方程的线性化过程。仿真结果表明:UKF方法比传统卡尔曼滤波及其改进的滤波模型都有更高的估计精度,并能有效的克服非线性严重时出现的滤波发散问题。     

UKF在惯性/重力组合导航中的应用

将UKF(Unscented Kalman Filter)方法用于惯性/重力组合导航系统.UKF方法设计了少量的呈高斯分布的σ点,在每个更新过程中,σ点随着非线性状态方程和测量方程传播,从而获得滤波值及较高的计算精度,而且避免了对非线性方程的线性化过程.仿真结果表明:UKF方法比传统卡尔曼滤波及其改进的滤波模型都有更高的估计精度,并能有效的克服非线性严重时出现的滤波发散问题.     

北斗/惯导的快速混合高斯UKF算法

为进一步改善北斗/惯导中无迹卡尔曼滤波的精度,针对导航系统中噪声随机模型本质上的非高斯分布特性,结合有限高斯概率分布可近似任意概率密度函数的理论,以混合高斯UKF滤波为框架,提出了一种快速混合高斯UKF算法。该算法使用奇异值分解替代无迹变换产生采样点中的协方差平方根计算,和迭代中构造有限分量混合高斯模型二次近似后验二阶矩减少子滤波器数量的思路,改善了传统算法子滤波器数量随迭代次数成指数变化而增加计算成本的状况,一定程度上提高了计算的实时性。通过对北斗/惯导紧耦合系统的数据仿真实验,结果分析表明:相对于传统算法,本文提出的新算法在保证滤波精度的同时,计算量较低、实时性较好,适合于处理非高斯非线性北斗/惯导组合导航定位的滤波计算问题。     

修正扩维无迹卡尔曼滤波算法研究

在脉冲星导航中，角位置误差是主要的误差源之一。因此本文基于X射线脉冲星导航，提出了一种修正扩维无迹卡尔曼滤波（MASUKF）算法进行角位置误差的改进。MASUKF算法在原扩维无迹卡尔曼滤波（ASUKF）算法的基础上加入了Roamer延迟的高阶项，并将其作为误差项，将修改后的误差项代入状态方程与量测方程中，即可进行仿真分析。在仿真中，首先将ASUKF算法与UKF算法进行对比仿真模拟试验，结果显示ASUKF算法能显著地提高约45 m的定位精度，在X、Y、Z 3方向的速度误差估计精度约提高了20%；然后比较ASUKF与MASUKF算法，结果显示MASUKF算法较ASUKF算法的速度误差与位置误差的估计精度均提高2%以上。     

利用信息融合进行月球卫星自主导航

研究了绕月卫星自主导航方法,提出了由星敏感器、紫外月球敏感器和测高仪组成的多源信息组合导航方案。将Unscented Kalman滤波(UKF)应用于非线性导航系统,采用信息融合技术设计了相关的联邦滤波算法,实现了系统的信息互补,完成了卫星轨道的最优估计。利用数学仿真对这种导航系统的有效性进行了验证,并与基于扩展Kal man滤波(EKF)的信息融合算法进行了比较。仿真结果表明,所提出的UKF融合算法具有良好的稳定性,可进一步提高导航系统的精度。     

线性化误差对于UWB系统定位精度影响分析

针对目前常用的超宽带算法,扩展卡尔曼滤波(EKF)在解算过程中产生的线性化误差,对定位结果产生影响,而无损卡尔曼滤波(UKF)算法可以不进行线性化过程进行解算,避免误差的产生。文中首先对UWB定位系统线性化误差进行分析,在此基础上提出UKF和TDOA相结合的定位模型,通过实验比较两种算法的定位精度。实验结果表明UKF算法定位结果相比于EKF算法在U方向上有明显提升,误差稳定在10 cm之内。同时,通过改变初始坐标偏差,来进一步比较两种算法的定位效果,结果表明,初始偏差设置为0.5 m时,UKF算法比EKF算法U方向精度提升15%;初始偏差设置为1 m时,UKF算法U方向精度提升60%以上;初始偏差设置为5 m和10 m时,UKF算法U方向精度提升可以达到90%。EKF算法会产生不可忽略的线性化误差且误差会随着初始偏差增大而增大,UKF算法则可以保持较好的定位精度和稳定性。     

自适应抗差KF-UKF的超宽带导航定位方法

针对超宽带导航定位中量测信息异常误差和非线性滤波问题,该文提出了一种基于自适应抗差卡尔曼滤波-无迹卡尔曼滤波(KF-UKF)的超宽带导航定位算法。该算法首先利用卡尔曼滤波计算预测状态向量及其协方差矩阵,利用无迹卡尔曼滤波进行量测更新;然后利用先验阈值和预测残差构建量测噪声的抗差协方差矩阵,以减少量测信息异常误差的影响,同时利用自适应因子对算法进行调节和修正。结果表明,该算法能有效地抑制并消除超宽带测距中量测信息异常误差的影响,能有效地处理状态模型误差的影响,提高超宽带导航定位的精度和稳定性,同时拥有比无迹卡尔曼滤波算法更高的计算效率。     

一种结合UKF与TLS的GPS机动跟踪算法

在GPS接收机产生机动时,运动模型的不匹配会给跟踪算法带来性能损失。本文提出一种机动检测、Unscented Kalman Filter(UKF)以及总体最小二乘(Total Least Square,TLS)相结合的解算方法用于接收机机动的GPS跟踪解算。首先,通过机动检测算法对目标的机动性进行判别,当目标机动较小时,利用UKF的最优检测性能进行跟踪,而当目标机动较大时,结合TLS的强跟踪性能,采用TLS和UKF联合进行跟踪。从而,在不增加方程维数的情况下,实现机动目标的实时、快速跟踪。仿真结果表明该方法对机动目标具有良好的跟踪性能。