动态非线性滤波模型非线性强度的曲率度量及其应用

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。     

粒子滤波算法在GPS/DR组合导航中的应用

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.     

粒子滤波算法在GPS/DR组合导航中的应用

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。     

一种基于改进粒子滤波的动态精密单点定位算法

提出一种改进的粒子滤波,试图提高粒子滤波的收敛速度,减弱非线性模型线性化误差和非正态分布随机误差对动态单点定位结果的影响.首先固定单差无电离层模糊度,以减少状态参数向量的维数,提高初始定位的精度和粒子滤波的收敛速度;采用Kalman滤波作为粒子滤波的预滤波,以提高粒子滤波的重点采样效率,并提高采样粒子精度,减缓粒子退化.利用一个实测动态GPS数据验证表明,改进的粒子滤波可以提高动态GPS的定位精度.     

BP神经网络在GPS导航中的应用

Kalman滤波常用于GPS动态数据的处理,由于系统存在的不确定性和非先验性,导致滤波产生较大的估计误差,甚至发散。介绍了BP神经网络算法及其非线性逼近能力,并基于BP神经网络的非线性逼近性能设计了BP神经网络进行GPS导航的新算法。实测数据计算结果表明该算法能够真实地反映载体运动轨迹,其导航解具有良好的精度和可靠性。     

基于贝叶斯估计的平滑算法

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。     

基于贝叶斯估计的平滑算法

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。     

基于渐消因子的改进Kalman滤波时间尺度估计算法

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。     

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。     

基于UKF的GPS非线性动态滤波算法

介绍了一种Unscented卡尔曼滤波算法，它通过确定性采样获得一组采样点，可获得更多的观测假设，对系统状态统计特性的估计更加准确，同时该算法无需对系统方程进行线性化，避免了传统的EKF算法由于线性化引入的误差。本文将UKF算法用于GPS非线性动态滤波技术中，建立了仿真模型并定义了仿真条件，与EKF算法的仿真结果相比，在系统状态统计特性未知的情况下，UKF算法对系统状态的估计更准确，定位精度更高。     

Unscented Kalman filter with nonlinear dynamic process modeling for GPS navigation

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.     

一种新型非线性滤波理论及其应用

研究一种新型的非线性滤波理论,即Unscented卡尔曼滤波（UKF）,同时为了获得更高的计算效率和确保协方差阵的非负定性,研究了平方根UKF。将UKF和平方根UKF应用到星载GPS卫星定轨中,实际算例表明UKF和平方根UKF的性能要优于常用的推广卡尔曼滤波的性能。     

GPS navigation processing using the quaternion-based divided difference filter

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.     

IMU辅助X射线脉冲星的深空探测器精确定姿方法及仿真

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%。     

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。     

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。     

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。     

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。