一种提高神经网络泛化能力的自适应UKF滤波算法

给出了利用EKF(extended Kalman)滤波和UKF(unscented Kalman)滤波提高神经网络泛化能力的方法。针对UKF参数选取随意性的问题,采用移动开窗估计法对状态噪声和观测噪声协方差矩阵进行自适应估计,提出了一种新的提高神经网络泛化能力的自适应UKF算法。利用检测样本进行了验证,结果表明,利用EKF、UKF和自适应UKF算法训练神经网络都能提高其泛化能力,其中自适应UKF算法优于其他几种算法。     

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。     

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.     

基于非线性滤波的单频GPS精密单点动态定位

研究在低动态情况下利用廉价的单频GPS接收机进行精密单点动态定位,处理动态数据时运用一种新的非线性滤波估计方法。通过试验表明,该方法可行,定位结果比较稳定,并具有较高的定位精度。     

UKF算法及其在GPS卫星轨道短期预报中的应用

分析了GPS卫星预报星历,在比较分析EKF和UKF优缺点的基础上,将UKF引入GPS卫星轨道预报研究中。数值模拟和结果分析表明,UKF方法预报更稳定,能有效地提高轨道预报精度和稳定性。     

一种结合UKF与TLS的GPS机动跟踪算法

在GPS接收机产生机动时,运动模型的不匹配会给跟踪算法带来性能损失。本文提出一种机动检测、Unscented Kalman Filter(UKF)以及总体最小二乘(Total Least Square,TLS)相结合的解算方法用于接收机机动的GPS跟踪解算。首先,通过机动检测算法对目标的机动性进行判别,当目标机动较小时,利用UKF的最优检测性能进行跟踪,而当目标机动较大时,结合TLS的强跟踪性能,采用TLS和UKF联合进行跟踪。从而,在不增加方程维数的情况下,实现机动目标的实时、快速跟踪。仿真结果表明该方法对机动目标具有良好的跟踪性能。     

基于Monte Carlo采样策略的UKF算法应用

UKF算法中,Sigma采样点体现对均值和方差的传递精度.文中利用一种新的采样策略——蒙特卡洛模拟法采样策略,生成Sigma点集,再对每个Sigma点进行非线性变换,变换后仍通过非线性卡尔曼滤波公式计算,利用一个仿真算例验证采样策略的适用性.     

一种基于Bancroft算法的GPS动态抗差自适应滤波

基于抗差自适应滤波的思想,结合非线性Bancroft算法的特点,提出了一种基于Bancroft算法的GPS动态抗差自适应滤波。计算表明,该算法不仅在一定程度上减弱了由于线性化忽略高次项对导航解的影响,而且再次证实抗差自适应滤波在控制扰动异常的有效性和合理性。     

基于增强型GPS的自适应UKF实时星间相对定位方法

高精度的星间实时相对定位是卫星编队飞行的一项关键技术。本文以双星编队为例,提出一种基于GPS双频P码、双频载波相位以及星间距离观测信息的自适应UKF、实时相对定位方法。仿真结果表明:相比传统的EKF方法,该算法能有效地提高滤波稳定性及相对定位精度,而且,星间测距信息的引入能大大减少整周模糊度判定所需的历元数。     

GPS动态数据处理中的快速Kalman滤波算法

根据GPS数据处理中的Kalman滤波状态转移矩阵和设计矩阵大量存在零元素的特点,将其构造成特定稀疏矩阵。再利用稀疏矩阵乘法,同时结合矩阵对称性、矩阵求逆降维等方法,可大大减少Kalman滤波的乘法次数。在非差C/A伪距情况下,该算法乘法总次数不到传统算法的1/3;在双差伪距P1,P2 双差载波情况下,该算法乘法总次数甚至不到1/6;其耗时也只有传统算法的1/3左右,因而大大提高了Kalman滤波的计算效率。     

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.     

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.     

利用在线向量机和Unscented Kalman滤波进行降水序列滤波研究

针对短周期降水序列模型估计困难、滤波误差不确定问题提出了在线向量机与Unscented Kalman滤波相结合的降水时间序列预测与滤波方法。从理论推导到真实数据的实验以及详细的误差分析证明了本方法对短周期降水序列滤波有较好的合理性和有效性。相比传统Kalman滤波方法和向量机滤波方法,该方法有更好的滤波性能和实用性。     

GPS非差相位动态定位中Sage自适应滤波算法的研究及软件实现

介绍了GPS非差定位中的卡尔曼滤波模型,详细分析了滤波发散的原因.研究并给出了一种改进的自适应滤波,在此基础上编制了相应的软件,结合实例分析了该方法的有效性.     

扩展区间Kalman滤波器及其在GPS/INS组合导航中的应用

针对具有不确定动态模型参数的 GPS/INS 组合导航系统,首先介绍一种新型的区间Kalman滤波器,讨论了GPS/INS 组合系统中模型参数不确定性的问题,分析了惯性传感器建模中相关时间常数的区间特性,并建立了适合非线性特性的GPS/INS组合系统的扩展区间卡尔曼滤波器.计算结果表明,扩展区间卡尔曼滤波器对非线性GPS/INS组合系统是很有效的,它能给出组合系统导航误差的上下界,这对组合系统的设计具有指导的意义.     

基于卡尔曼滤波方法的BDS/GPS动态伪距单点定位算法研究

为了解决在单系统动态过程中伪距单点定位精度不足的问题,提出了一种基于卡尔曼滤波并顾及多普勒频移的双系统伪距单点定位算法。通过实测数据的处理发现,在静态和慢动态两种测试环境下,基于卡尔曼滤波方法并顾及多普勒频移算法定位精度要优于最小二乘算法。     

UKF滤波器性能分析及其在轨道计算中的仿真试验

讨论了UT(unscented transform)变换的性质,给出了一种新的扩展型卡尔曼滤波器UKF(unscentedKalman filter),它不仅具有较高的精度,而且不必计算偏导数阵。仿真分析的结果表明,UKF有良好的状态估计性能,使用简便,适合于非线性系统状态估计。     

抗差卡尔曼滤波在GPS动态定位中的应用

基于Kalman滤波的GPS动态定位中，动态观测量及其相应的动态模型可能存在异常，若数据处理不考虑对这些异常的特别处理，则模糊度的估值及其所提供的动态信息将极不可靠，按抗差估计原理，文中构造了状态向量和观测值对模糊度的影响函数，并由此建立了动态GPS定位的抗差Kalman滤波解法，实际计算验证了该方法的实用性和可靠性。