共查询到20条相似文献,搜索用时 196 毫秒
1.
基于微分几何的两种曲率——参数影响曲率和固有曲率,给出了定量描述非线性滤波问题的非线性强度的方法,分别采用扩展Kalman滤波方法和Unscented Kalman滤波方法进行了模拟实验。结果验证了这些曲率确实能够度量非线性滤波问题的非线性强度,且能够评估非线性滤波算法的状态估计性能。 相似文献
2.
针对建议分布函数的选择问题,系统地分析比较了改进的粒子滤波算法.在此基础上提出了一种新的粒子滤波算法--自适应渐消扩展Kalman粒子滤波方法.该方法用渐消扩展Kalman滤波产生建议分布函数,由于参数的可在线调节性,使得系统具有更好的自适应性和鲁棒性.与用转移先验、扩展Kalman滤波、自适应扩展Kalman滤波、迭代扩展Kalman滤波以及无迹Kalman滤波产生建议分布函数的粒子滤波方法相比,自适应渐消扩展Kalman粒子滤波进一步提高了粒子滤波的精度.通过对GPS与航位推算(DR)组合导航系统GPS/DR的试验,验证了该方法的有效性. 相似文献
3.
针对建议分布函数的选择问题,系统地分析比较了改进的粒子滤波算法。在此基础上提出了一种新的粒子滤波算法——自适应渐消扩展Kalman粒子滤波方法。该方法用渐消扩展Kalman滤波产生建议分布函数,由于参数的可在线调节性,使得系统具有更好的自适应性和鲁棒性。与用转移先验、扩展Kalman滤波、自适应扩展Kalman滤波、迭代扩展Kalman滤波以及无迹Kalman滤波产生建议分布函数的粒子滤波方法相比,自适应渐消扩展Kalman粒子滤波进一步提高了粒子滤波的精度。通过对GPS与航位推算(DR)组合导航系统GPS/DR的试验,验证了该方法的有效性。 相似文献
4.
5.
6.
基于贝叶斯估计的平滑算法是在事后处理的情况下,依据过去直至现在的观测值去估计过去的历史状态,以有效提高精度。而滤波是依据过去直至现在的观测值去估计现在的状态。从理论上讲,由于平滑用了所求估计时刻之后的观测值,平滑算法应比滤波优异一些。本文设计了2个实验仿真计算,在逼近效果和RMS等方面分别与Kalman滤波和双向滤波加权平均进行了比较。经实验证明,无论是逼近效果还是RMS,平滑算法都要更优一些。 相似文献
7.
基于贝叶斯估计的平滑算法是在事后处理的情况下,依据过去直至现在的观测值去估计过去的历史状态,以有效提高精度。而滤波是依据过去直至现在的观测值去估计现在的状态。从理论上讲,由于平滑用了所求估计时刻之后的观测值,平滑算法应比滤波优异一些。本文设计了2个实验仿真计算,在逼近效果和RMS等方面分别与Kalman滤波和双向滤波加权平均进行了比较。经实验证明,无论是逼近效果还是RMS,平滑算法都要更优一些。 相似文献
8.
Kalman滤波时间尺度算法是一种实时的原子钟状态估计方法,在守时实验室具有重要实用价值。由于原子钟状态模型误差估计存在偏差,Kalman滤波时间尺度算法中状态估计可能出现相应异常扰动,应当对状态模型误差进行实时控制。对此,引入基于渐消因子的改进Kalman滤波时间尺度算法。对状态预测协方差矩阵引入渐消因子,利用统计量实时计算渐消因子的量值,控制状态预测协方差阵的增长,降低了原子钟状态估计的扰动。实验结果表明,相比于标准Kalman滤波时间尺度算法和基于预测残差构造自适应因子的Kalman滤波算法,基于渐消因子的改进Kalman滤波时间尺度算法能够提高原子钟状态估计的准确度,改进时间尺度的稳定度。 相似文献
9.
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. 相似文献
10.
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。 相似文献
11.
12.
This paper preliminarily investigates the application of unscented Kalman filter (UKF) approach with nonlinear dynamic process
modeling for Global positioning system (GPS) navigation processing. Many estimation problems, including the GPS navigation,
are actually nonlinear. Although it has been common that additional fictitious process noise can be added to the system model,
however, the more suitable cure for non convergence caused by unmodeled states is to correct the model. For the nonlinear
estimation problem, alternatives for the classical model-based extended Kalman filter (EKF) can be employed. The UKF is a
nonlinear distribution approximation method, which uses a finite number of sigma points to propagate the probability of state
distribution through the nonlinear dynamics of system. The UKF exhibits superior performance when compared with EKF since
the series approximations in the EKF algorithm can lead to poor representations of the nonlinear functions and probability
distributions of interest. GPS navigation processing using the proposed approach will be conducted to validate the effectiveness
of the proposed strategy. The performance of the UKF with nonlinear dynamic process model will be assessed and compared to
those of conventional EKF. 相似文献
13.
14.
Divided difference filter (DDF) with quaternion-based dynamic process modeling is applied to global positioning system (GPS)
navigation. Using techniques similar to those of the unscented Kalman filter (UKF), the DDF uses divided difference approximations
of derivatives based on Stirling’s interpolation formula which results in a similar mean but different posterior covariance
compared to the extended Kalman filter (EKF) solutions. The second-order divided difference is obtained from the mean and
covariance in second-order polynomial approximation. The quaternion-based dynamic model is adopted for avoiding the singularity
problems encountered in the Euler angle method and enhancing the computational efficiency. The proposed method is applied
to GPS navigation to increase the navigation estimation accuracy at high-dynamic regions while preserving (without sacrificing)
the precision at low-dynamic regions. For the illustrated example, the second-order DDF can deliver about 41–82% accuracy
improvement as compared to the EKF. Some properties and performance are assessed and compared to those of the EKF and UKF
approaches. 相似文献
15.
为满足深空探测器的精确定姿需求,提出了一种惯性测量单元(IMU)辅助的X射线脉冲星定姿方法。该方法用IMU的速率陀螺来估计航天器短时姿态,观测两颗或多颗脉冲星的X射线辐射信号,将拟合得到的观测矢量作为滤波器信息输入,利用这两种测姿手段在时间和空间上的互补特性,提供一种全天候、抗干扰性强的定姿方法。仿真结果表明,相比于EKF,基于UKF的俯仰、横滚和偏航三姿态角的测量精度可提高21.9%、21.1%和31.7%;与仅使用脉冲星或IMU的定姿方法相比,组合定姿方法的俯仰角估计精度分别提高了32.5%和77.6%。 相似文献
16.
17.
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。 相似文献
18.
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. 相似文献
19.
20.
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。 相似文献