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。     

Sage-Husa随机加权无迹卡尔曼滤波及其在导航中的应用

在吸收Sage-Husa滤波和无迹卡尔曼滤波优点的基础上,利用随机加权估计算法将传统的定义在线性系统上的Sage-Husa噪声估计器推广到非线性系统中,提出一种非线性Sage-Husa随机加权无迹卡尔曼滤波算法。该算法首先利用Sage滤波的开窗平滑方法求得观测残差向量和新息(预测残差)向量的协方差阵;然后用随机加权自适应因子对观测残差和预测残差进行调节;最后对状态预报向量的协方差矩阵进行自适应随机加权估计,以控制观测残差和预测残差对导航精度的影响。计算结果表明,提出的非线性Sage-Husa随机加权无迹卡尔曼滤波算法,滤波精度明显优于无迹卡尔曼滤波和自适应无迹卡尔曼滤波算法,能够提高组合导航的解算精度。     

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。     

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。     

一种组合导航的直接法滤波算法

提出了一种基于直接法无迹卡尔曼粒子滤波的组合导航系统滤波方法。以惯性导航系统参数和平台误差角作为系统状态,惯导力学编排方程及姿态误差方程作为系统状态方程,卫星导航接收机输出的导航信息作为观测值,采用粒子滤波方法对导航参数进行估计。仿真结果表明,无迹卡尔曼粒子滤波算法可简化滤波参数的调整过程,有效地解决了系统非线性复杂性问题、简化了滤波过程并提高了定位精度。     

一种提高导航精度的改进滤波方法

卡尔曼滤波技术是目前GPS/IMU组合导航中应用最广的误差估计关键技术之一。本文在捷联式惯导系统正向导航滤波算法与逆向导航滤波算法基础之上,提出一种将二者有机结合的组合滤波算法,用于事后IMU/GPS联合解算中,以提高组合导航的精度,并通过实际的机载飞行试验数据解算结果验证该方法的可行性。组合滤波后的位置精度达到厘米级,速度误差小于0.02 m/s,航向角精度约为0.2°。     

平方根 UKF及其在 GNSS多径估计中的应用

针对一般的加性高斯白噪声系统,结合平方根无迹卡尔曼滤波和加性噪声无迹卡尔曼滤波的优点,提出了无须增广变量的加性高斯白噪声系统的平方根无迹卡尔曼滤波方法,并给出了其详细算法.该算法较传统方法具有较小的运算负担,较高的精度,并能有效克服滤波的发散.该方法应用于卫星导航系统动态多径估计问题,能够高效准确地得到直射信号与多径信号的各个参数的估计,从而抑制多径的影响.仿真试验表明,该方法在诸多方面改进了已有方法,是一种高效准确的非线性滤波方法.     

多传感器行人航位推算方法和UKF融合算法

针对利用惯性测量单元进行行人航位推算（PDR）时,其定位误差会随时间累积的问题,提出了一种基于多传感器融合的室内行人航位推算方法;对于智能移动设备的低成本多传感器,设计了基于无迹卡尔曼滤波（UKF）的初始对准,设定4种阈值条件进行步伐状态检测;在行走过程中,针对步长和航向角误差累积的问题,利用基于UKF的零速度更新（ZUPT）对速度误差进行修正,零角速率更新（ZARU）和磁力计融合对航向角误差进行修正,从而有效提高了行人最终的位置精度。试验结果表明：使用该方法可以有效提高PDR位置精度,平均位置偏差占总路程的1.5%左右。     

智能车辆中MEMS/BD组合导航数据融合算法

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。     

改进的STUKF及其在多传感器信息融合中的应用

针对卫星导航信号不可用时引起组合导航性能降低问题,设计了适用于飞行器进近的卫星导航/捷联惯导/摄影定位(GNSS/SINS/Photogrammetry)组合系统。针对飞行器着陆时对系统位姿精度和自主性高的要求及其存在加减速、转弯等高动态的特性,以及采样点初始信息的不确定性导致UKF滤波器误差变大或者发散的问题,各子滤波器的状态估计采用改进的强跟踪无迹卡尔曼滤波(STUKF)方法。数字仿真表明,与传统UKF算法相比,改进的算法对载体的位姿估计精度更高,且只需一次UT变换,无需求解雅可比矩阵;计算复杂度降低对飞行器进近的过程有一定适应性。     

改进的GNSS/SINS组合导航系统自适应滤波算法

GNSS/SINS(global navigation satellite system/strapdown inertial navigation system)组合导航系统已得到广泛的应用与研究,当处于复杂环境时,GNSS输出容易出现误差均方差突变、误差均方差缓变、硬故障和软故障4种现象,进而影响组合导航系统滤波精度及载体的导航安全。为了解决上述问题,提出了一种改进的GNSS/SINS组合导航系统自适应滤波算法。首先,利用滤波过程中的观测异常检验统计量与滤波器门限值构建观测因子,然后,将变分贝叶斯原理与抗野值滤波方法结合,设计了改进的组合导航系统自适应滤波算法。仿真实验表明,相较于传统算法,当GNSS输出误差均方差发生变化时,所提算法可将位置精度及速度精度提高11.8%及13.7%;在GNSS输出发生硬故障时,所提算法可将位置精度及速度精度提高70.8%及69.6%。实验结果表明,所提算法具有较强的自适应性,可提升复杂环境下组合导航系统的精度和连续可用性。     

函数模型误差弹性自适应滤波修正

多源导航信息融合过程中,观测模型和动力学模型随时间和空间变化复杂,高精度的动态载体导航与定位需要观测模型和动力学模型具有准实时或实时修正的能力。针对包含观测模型误差以及动力学模型误差的滤波系统,提出了一种基于信息滤波的弹性自适应滤波算法。所提算法以不含模型误差的标准信息滤波器为主滤波器,分别构造了观测函数模型及动力学函数模型误差补偿滤波器,对两类模型误差进行补偿。所提方法强调模型补偿项的弹性自适应估计和状态参数的弹性组合,提高了时变模型误差估计的稳定性。半物理仿真实验结果表明,基于函数模型补偿的弹性自适应滤波算法可以有效地估计观测模型和载体动力学模型误差项,水下拖体的三维位置偏差在0.2 m以内,两类模型误差的影响基本消除,明显提高了载体动态参数的估计精度。     

一种快速的集中式自主定轨新算法

针对导航星座自主定轨,提出一种提高集中式算法效率的新思路,即充分利用高频、高精度的星间链路测距信息,在短弧内将卫星最优轨道与长期预报轨道的差异用多次曲线描述,得到卫星位置和速度的最佳估值。此方法无需动力学建模和计算状态转移矩阵,因此算法极为简洁。同时,对于自主运行期间缺乏空间基准,提出约束轨道升交点赤经的方法,以减小对地面系统的依赖程度。仿真结果表明,导航星座自主运行60 d,不考虑地球自转参数(EOP)长期预报误差,在无锚固站的情况下,链路数不少于5条时能够达到轨道URE优于1 m,位置3 m,速度毫米级的定轨精度。最后,通过比对验证了新算法比已有EKF分布式自主定轨算法的效率更高。     

Using Allan variance to improve stochastic modeling for accurate GNSS/INS integrated navigation

MEMS-based integrated system of a global navigation satellite system (GNSS) and an inertial navigation system (INS) has been widely used in various navigation applications. However, such integration encounters some major limitations. On the one hand, the noisy MEMS-based INS undermines the accuracy with time during the frequently occurring GNSS outages caused by signal blockage or attenuation in certain situations such as urban canyon, tunnels, and high trees. On the other hand, the model mismatch between actual GNSS error and the assumed one would also degrade the obtained accuracy even with continuous GNSS aiding. To improve the overall performance for GNSS/MEMS-INS, better error models can be obtained using Allan variance (AV) analysis technique for modeling inertial sensor errors instead of the commonly recommended auto-regressive processes, and on the other hand, the measurement update in Kalman filter is improved using innovation filtering and AV calculation. The performance of each method and the combined algorithm is evaluated by a field test with either differential GNSS (DGNSS) or single-point positioning (SPP) as external aid. In addition to the considerable navigation enhancement brought by each method, the experimental results show the combined algorithm accomplishes overall accuracy improvements by about 18% (position), 8% (velocity), and 38% (attitude) for integration with DGNSS, and by about 15% (position), 75% (velocity), and 77% (attitude) for that with SPP, compared with corresponding traditional counterparts.     

改进Sage-Husa算法在飞机组合导航中的应用

针对机载组合导航系统,考虑不同飞行阶段的气压高度,提出一种改进的Sage-Husa自适应滤波算法,以提高组合导航系统定位精度.该算法通过引入气压高度,实时计算并修正滤波异常判定的调节因子,以满足飞机不同飞行阶段的滤波需求.通过捷联式惯性导航系统(SINS)、全球卫星导航系统(GNSS)定位误差特性仿真、卡尔曼滤波组合算...     

一种基于跳距修正的物联网中节点定位算法

针对传统的DV-Hop算法存在较大定位误差的问题,提出基于狮群优化算法的节点定位(NLLSO)算法. NLLSO算法从估计最小跳数、修正平均跳距误差和定位算法三方面进行改进,进而降低定位误差. NLLSO算法用不同通信半径传递Beacon包,进而提高估计最小跳数值的精度.同时,通过引入权值参数修正平均跳距的估计值.最后,通过狮群优化算法(LSO)估计未知节点位置.仿真结果表明:NLLSO算法的定位精度高于传统的DV-Hop算法.     

多关节深海航行器组合导航算法

为解决多关节水下航行器定位问题,本文提出了基于捷联惯导+航位推算的组合导航算法。该方法利用捷联惯导系统测量航行器的位置,采用航位推算的方法得到航行器在下一时刻的位置,然后将测得的信息采用Kalman滤波处理,得到高精度的位置信息。通过Matlab/SIMULINK平台对比其他两种单一导航系统的性能,仿真结果表明,采用捷联惯导+航位推算算法时,位置误差可控制在5 m以内,满足多关节水下航行器的定位需求。     

非差导航卫星实时/事后精密钟差估计

研究了导航卫星精密钟差的估计算法,实现了基于非差载波相位观测值的实时和事后精密卫星钟差的解算,并与IGS分析中心提供的精密钟差产品进行了比较。结果表明,采用自编软件解算的事后精密卫星钟差与IGS最终精密钟差产品具有较好的一致性,其互差仅为0.05ns左右;实时估计结果与CODE提供的事后钟差产品符合较好,二者差异为0.1ns左右。     

视觉辅助下的室内惯导位姿修正

惯性导航系统可以短期内提供连续的高精度信息,但是误差会随时间增大,不能长期独立工作。而在大型仓库、地下停车场等室内卫星信号薄弱的场景中,传统的惯导+卫星组合方法也不再适用。针对该问题,本文提出了一种视觉与惯导组合定位的方法。本文研究的惯导+视觉组合的定位方法中,采用基于合作目标的单目视觉定位方法对惯导误差进行修正。对于惯导误差的修正方法,本文利用视觉定位的位姿信息建立量测方程,进行卡尔曼滤波,并选取合适的试验设备,通过实际试验对比验证了该算法对惯导系统误差的修正具有良好的效果。     

空间目标三维姿态估计方法

针对运动车辆的姿态角传统估计方法成本较高、模型复杂等问题,提出一种低成本、高效率、高精度的基于载波相位时间差分(time-differenced carrier phase, TDCP)的车辆航向角和俯仰角估计模型。该模型利用一台全球卫星导航系统(global navigation satellite system,GNSS)接收机的观测数据,使用复杂度低的TDCP算法得到精确的车辆位移矢量,进而估计车辆航向角和俯仰角;为了提高估计效率,对传统载波相位时间差分算法进行了优化。基于中国香港连续运行参考站(continuously operating reference stations,CORS)数据的静态实验和基于车载数据的动态实验结果表明,优化的载波相位时间差分较一般载波相位时间差分效率更高,所提出的航向角和俯仰角估计模型能提供精确的航向角和俯仰角估计值,其均方根误差小于0.2°,最大误差小于1.5°。