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。     

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。     

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。     

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。     

基于卡尔曼滤波方法的BDS动态伪距差分定位算法研究

针对北斗卫星导航系统(BDS)最小二乘伪距差分方法定位精度及稳定性不足的问题,提出了一种基于卡尔曼滤波方法的伪距差分算法,并进行了静态以及人行慢动态两种条件下的实验.对实测数据结果的处理分析表明,卡尔曼滤波方法在静态条件下,东、北、高三个方向精度分别提升55%、23%、48%.在动态条件下,东、北、高三个方向精度分别提升71%、49%、33%.     

卡尔曼滤波技术在伪距法动态定位中的应用探讨

本文对动态定位数据处理中应用卡尔曼滤波方法进行研究，通过模拟数据和实测数据采用自编软件进行数据处理，并对成果进行统计分析，最后，讨论了采用卡尔曼滤波方法的缺点，得出了一些有益的结论。     

基于卡尔曼滤波的北斗伪距单点定位算法研究

为了提高北斗伪距单点定位的精度,提出了一种基于多普勒频移和伪距观测值的北斗卡尔曼滤波单点定位算法,并利用实测数据对该算法的可行性与稳定性进行了验证。试验结果表明,该算法在一定程度上提高了伪距单点定位的定位性能。其中,静态定位在平面方向提高42%,高程提高22%;动态定位在平面方向提高33%,高程提高21%。     

GPS伪距单点定位算法的综合比较

本文对目前国际上所有的GPS伪距单点定位算法,即线性最小二乘法、非线性最小二乘法、格网搜索法、kleus法的基本原理及程序实现步骤进行了阐述,并从算法的可靠性、准确性及作业效率等方面进行了综合比较分析。     

COMPASS系统的伪距单点定位算法研究

根据COMPASS系统特点,通过对伪距单点定位原理的研究,设计了COMPASS系统伪距单点定位算法,验证了COMPASS系统伪距单点定位的可用性,可为北斗卫星导航定位系统在我国导航定位领域的推广应用和科学研究提供参考。     

扩展卡尔曼滤波的虚拟格网伪距差分算法研究

针对传统伪距差分服务端压力大,以及在复杂环境下进行导航定位,某些历元卫星信号弱、卫星数不足、无法连续定位的问题,该文提出了基于扩展卡尔曼滤波算法的虚拟格网伪距差分方法。该方法充分利用先验信息和动力学模型,解决了复杂环境中动态定位结果不连续、定位精度低等问题。为验证算法的有效性,该文分别进行了动态、静态实验,并与最小二乘结果进行对比,实验结果表明:静态模式下,卡尔曼滤波算法比最小二乘算法的定位精度,在N、E、U方向分别提高48.3%、47.1%、52.5%;动态模式下,卡尔曼滤波算法比最小二乘算法更加稳定,更适合复杂环境定位。     

Application of unscented Kalman filter in satellite orbit simulation

IntroductionAs is well known,the Kal manfilter(KF) is al-ways usedto deal withthe system whose dynam-ics and observation models are linear , and theextended Kal manfilter(EKF) is the most widelyused esti mator for nonlinear systems . In theEKFthe kal man …     

Application of unscented Kalman filter in satellite orbit simulation

A new estimate method is proposed, which takes advantage of the unscented transform method, thus the true mean and covariance are approximated more accurately. The new method can be applied to nonlinear systems without the linearization process necessary for the EKF, and it does not demand a Gaussian distribution of noise and what's more, its ease of implementation and more accurate estimation features enables it to demonstrate its good performance in the experiment of satellite orbit simulation. Numerical experiments show that the application of the unscented Kalman filter is more effective than the EKF.     

改进的UKF在GPS/INS组合导航中的应用

在GPS/INS组合导航中,传统UKF(Unscented Kalman Filter)计算量大,无法满足实时性要求。而且当动力学模型受到异常扰动误差影响时,其精度与稳定性易受到影响。针对以上问题,利用最小偏度单形采样策略降低UKF计算量以提高精度;通过自适应调整过程噪声以降低动态异常扰动误差对UKF精度与稳定性的影响。由此提出了一种改进UKF算法,用于GPS/INS组合导航。仿真实验结果表明,改进UKF算法用于GPS/INS组合导航的精度要优于UKF算法。     

UKF在GPS/INS组合导航系统中的应用

扩展卡尔曼滤波(EKF)是GPS/INS组合导航系统工程实现中常用的一种数据融合方式。但EKF线性化误差在一定程度上影响了GPS/INS组合导航系统精度的提高。Unscented卡尔曼滤波器(UKF)是一种非线性滤波器,它能有效地减小线性化误差对GPS/INS组合导航系统精度的影响。基于四元数法建立了GPS/INS组合导航系统的非线性误差方程模型;最后通过数字仿真验证了UKF组合导航系统应用中的性能。     

基于自适应UKF的BP神经网络及其在高程拟合中的应用

针对BP神经网络收敛速度慢、容易陷入局部极小值点和泛化能力差等问题,基于自适应Kalman滤波理论,提出一种自适应非线性滤波(UKF)训练BP神经网络的方法。该方法采用Kalman滤波框架,引入自适应因子,对神经网络的连接权进行训练,提高了神经网络的学习质量。高程异常拟合算例表明,基于自适应UKF的BP神经网络比标准BP神经网络收敛速度快,泛化能力强,从而证明了该方法是一种有效的连接权训练方法。     

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。     

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。     

一种基于改进UKF滤波的GPS+PDR组合定位方法

针对接收信号质量恶化的环境,提出了一种适用于信号遮蔽环境的改进GPS+PDR组合定位算法。该方法用短时间内的陀螺仪积分数据校正数字罗盘的航向偏差,在一定程度上消除了数字罗盘受到的偶发干扰。采用约束残差的无迹卡尔曼滤波（UKF）算法对GPS和行人航迹推算（PDR）定位信息进行融合处理,有效克服了PDR定位中累积航向误差产生的位置漂移问题,提高了算法的定位精度和稳定性。试验结果表明,改进算法能有效抑制数字罗盘的漂移误差,航向相对误差平均降低56%;行人步行时,GPS定位标准误差为2.67 m,单纯PDR定位标准误差为6.83 m;随机给予若干点GPS数据辅助定位,标准误差降至3.12 m;全程融合GPS与PDR定位,标准误差可降至1.94 m。     

基于SUT-EKF的DGPS/DR 组合定位算法

针对基于DGPS/DR的移动机器人组合定位问题,采用一种尺度无迹变换扩展卡尔曼滤波(SUT-EKF)算法,由于组合定位系统中的状态方程是非线性的,并且观测方程是线性的特点,将SUT预测移动机器人位姿,利用EKF融合最新观测值更新机器人位姿,该算法在状态预测阶段避免了计算Jacobian矩阵,从而有效地减小了线性化对非线性系统误差的影响。仿真结果表明,该算法具有较好的滤波精度和稳定性,为实现DGPS/DR组合定位系统提供了一种有效可靠的途径。