共查询到20条相似文献,搜索用时 140 毫秒
1.
2.
3.
4.
5.
6.
7.
智能车辆技术已成为国家优先发展的高新技术,以智能车辆组合导航数据融合算法为研究背景,利用无迹卡尔曼滤波(UKF)处理组合导航系统模型的非线性问题。在卡尔曼滤波过程中加入区间平滑技术,对既定区间的状态估计量进行平滑处理,校正滤波运算数据,提高非线性系统的导航精度。通过仿真实验验证了新算法能够较好地解决系统非线性问题,利用区间平滑技术得到更高精度的状态估计,提高导航精度,具有更好的鲁棒性。 相似文献
8.
9.
10.
为了获得更高精度的速度场,根据卡尔曼平滑估计的原理,该文提出将卡尔曼平滑算法应用到速度场解算中的方法.该方法在卡尔曼滤波的基础上,根据已得滤波估计值进行反向卡尔曼滤波估计,将正向滤波解和反向滤波解进行加权平均,从而提高速度场解算的精度.利用SOPAC网站产出的2017-2019年共3 a的包含全球IGS站点的单 日松弛解H文件,分别采用经典卡尔曼滤波和卡尔曼平滑两种方法进行速度场的解算.结果表明,采用卡尔曼平滑算法较经典卡尔曼滤波在外符合精度上有10.5%的提升,在内符合精度上有10.7%的提升;分析可得,采用将正向滤波解与反向滤波解进行加权平均的卡尔曼平滑算法可提升速度场的解算精度. 相似文献
11.
多源传感器动、静态滤波融合导航 总被引:12,自引:2,他引:12
杨元喜 《武汉大学学报(信息科学版)》2003,28(4):386-388,396
首先给出联邦滤波各局部输出量之间的相关协方差矩阵,进而给出了基于各传感器独立观测信息的动、静态滤波解法,这种解法避免了重复使用载体状态方程信息的问题,保证了多传感器数据融合的最优性,而且很容易扩展到抗差滤波和自适应滤波融合。 相似文献
12.
一种基于分步式滤波的多传感器组合导航系统算法研究 总被引:2,自引:1,他引:1
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。 相似文献
13.
Adaptive Kalman Filtering for INS/GPS 总被引:69,自引:0,他引:69
After reviewing the two main approaches of adaptive Kalman filtering, namely, innovation-based adaptive estimation (IAE)
and multiple-model-based adaptive estimation (MMAE), the detailed development of an innovation-based adaptive Kalman filter
for an integrated inertial navigation system/global positioning system (INS/GPS) is given. The developed adaptive Kalman filter
is based on the maximum likelihood criterion for the proper choice of the filter weight and hence the filter gain factors.
Results from two kinematic field tests in which the INS/GPS was compared to highly precise reference data are presented. Results
show that the adaptive Kalman filter outperforms the conventional Kalman filter by tuning either the system noise variance–covariance
(V–C) matrix `Q' or the update measurement noise V–C matrix `R' or both of them.
Received: 14 September 1998 / Accepted: 21 December 1998 相似文献
14.
一种基于抗差自校正Kalman滤波的GPS导航算法 总被引:1,自引:1,他引:1
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。 相似文献
15.
16.
卡尔曼滤波常常被用于惯性导航系统初始对准算法,其使用前提是对系统状态进行建模,从而得到比较准确的系统噪声和观测噪声统计特性。在模型失配和观测噪声干扰的情况下,常规卡尔曼滤波会出现精度下降甚至发散,从而影响初始对准精度。针对这一问题,提出了一种新型渐消卡尔曼滤波算法,引入了多重渐消因子对预测误差协方差阵进行调整,设计了基于新息向量统计特性的滤波状态χ2检验条件,使渐消因子的引入时机更加合理,算法的自适应性得到增强。将改进的卡尔曼滤波算法应用到惯性导航系统的初始对准问题中,仿真试验和实测数据试验结果表明,与常规渐消因子滤波算法相比,新算法可以有效提高滤波精度及鲁棒性。 相似文献
17.
IMU/GPS组合导航系统自适应Kalman滤波算法 总被引:10,自引:0,他引:10
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。 相似文献
18.
为进一步提高卫星导航定位精度和性能,介绍和讨论了卡尔曼滤波延时平滑方法,并建立了一种卡尔曼滤波延时平滑定位模型与算法。与经典卡尔曼滤波类似,该算法同样具有状态系统与测量系统两类方程,能够根据后续历元测量值及定位结果向前进行逆向预测与更新,从而达到对整体定位过程再次平滑的目的,更大程度地获得定位结果跟随性与平滑性之间的平衡。通过多种不同情况下的GPS实测试验,对方法的正确性和可行性进行了分析与验证。结果表明,卡尔曼滤波延时平滑定位方法能够适用于多种静态、动态导航应用领域,使输出结果更为平滑和准确,在有效提高定位精度的同时具有更强的抗多径和抗干扰性。 相似文献
19.
在噪声环境中,运动目标发生稳态突变会降低卡尔曼滤波器的滤波性能,进而导致组合导航的可靠性降低,导航系统抗干扰能力下降,影响导航的精确度。为了提高卡尔曼滤波器性能,提高抗干扰能力和导航精度,在采用基于卡尔曼滤波器的超紧耦合同时,提出一种新型的基于渐消因子的区间卡尔曼滤波器算法。该算法通过引入渐消因子和区间矩阵对滤波器增益矩阵进行实时调整,并利用区间运算中的交集运算将各种误差源约束到交集区间,进而保证在区间运算中保真集合映射的完备性并取得最优化。结果显示,该算法能够克服原有滤波器算法的缺陷,在噪声环境中提升对稳态突变目标的跟踪能力,且在噪声中滤波器效果提高,算法计算量没有明显增加。 相似文献
20.
针对超宽带(ultra wideband,UWB)室内导航中非视距(non line of sight,NLOS)测距误差会大幅降低导航精度以及系统噪声的不确定性导致滤波精度不高的问题,提出了一种基于新息向量的抗差Kalman滤波方法。该方法在UWB室内导航线性化模型的基础上,利用单个新息值构造抗差因子矩阵,从而消除非视距测距误差的影响,同时对系统噪声协方差矩阵进行实时估计和修正。实验结果表明,该方法不但能有效地消除非视距测距误差对导航解算的影响,而且能进一步提高导航解算的精度和稳定性。 相似文献