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。     

改进的迭代EKF算法在伪卫星定位中的应用

首先,针对伪卫星导航系统距离用户较近的特点,对伪卫星定位系统非线性观测方程的线性化进行了误差分析,指出伪卫星数据处理顾及线性化误差影响的必要性。其次,针对迭代EKF(IEKF)算法受观测信息影响较大的问题,基于观测信息等价协方差矩阵原理给出了一种改进的IEKF算法。最后,利用仿真数据验证了改进的迭代EKF算法能够较好地抑制观测信息异常对滤波解的影响。     

改进的衰减记忆UKF算法在伪距定位中的研究

研究伪距定位中衰减记忆无迹卡尔曼滤波(MAUKF)方法,针对衰减记忆UKF滤波器可能因衰减因子引入造成滤波精度降低、滤波收敛速度并没有得到改善的问题,本文依据预测残差的统计量,对衰减记忆UKF滤波算法进行了改进。仿真结果表明,该算法相比衰减记忆UKF算法提高了定位精度和收敛速度。     

方差分量估计在多卫星导航系统联合定位中的应用

随着北斗卫星导航系统的逐步建成和完善,全球卫星导航系统进入多系统联合定位时代。多系统联合定位能明显增加可用卫星数量,保障定位能力。全球定位系统、格洛纳斯卫星导航系统以及北斗卫星导航系统观测值精度存在一定差异,采用赫尔默特方差分量估计确定三个系统观测值的权值比,能进一步提高定位的准确性。为同时减弱系统中较大粗差的影响,研究赫尔默特方差分量估计的抗差解在三系统联合定位中的应用。算例结果表明,此方法不仅能有效解决组合定位中的权值比问题,也能减弱观测值中粗差对定位结果的影响。当观测值含粗差时,比较使用抗差赫尔默特方差分量估计方法前后的定位误差可以得出:北(N)、东(E)、及天顶(U)三个方向上定位精度分别提高了16.5%、41.6%、81.0%。     

一种改进的抗差Kalman滤波方法在精密单点定位中的应用

分析了未能探测到的小周跳或粗差对GPS精密单点定位的影响,提出了一种改进的抗差Kalman滤波方法。该方法通过相位观测值验后残差分析,对传统抗差方案中等价权为0的情况进行周跳处理,能同时兼顾相位观测值中的粗差和小周跳问题。利用实测数据和模拟数据进行实验,结果表明,该方法不但可以显著改善未能探测的周跳对于定位结果的影响,同时避免了传统抗差方案中出现的后续历元相位残差持续增大的情况。     

自适应抗差联邦滤波算法

简要介绍了抗差估计理论；在顾及扰动异常的情况下，把自适应抗差Kalman滤波应用到联邦滤波上，对联邦滤波进行了改进，提出了一种自适应抗差联邦滤波算法。由计算结果可知，自适应抗差联邦滤波能较好地抑制载体观测异常和状态扰动异常对动态系统参数估值的影响，较好地提高导航解的精度。     

GPS导航中的抗差自适应Kalman滤波算法

GPS导航与定位的质量取决于对动态载体函数模型和随机模型的认知。本文首先基于机动载体的当前统计模型 ,设计了离散系统的Kalman滤波器 ,进而基于方差分量估计给出了一种适合GPS动态定位的抗差自适应卡尔曼滤波算法。该算法模型简单 ,实时性好。实测数据计算结果表明 ,滤波导航解能有效地控制观测异常和动态扰动异常对导航解的影响 ,使导航解更能反映导航目标的真实情况     

伪卫星技术及其在导航定位中的应用分析

卫星导航系统可以在任何时间、任何地点为用户提供导航服务,即只要用户能够接收到良好的卫星导航信号,就能确定自身的准确位置。但是当卫星工作异常或因受到建筑物或地形遮挡而信号不佳时,用户定位将受到很大影响。作为一种新型的导航定位技术,伪卫星技术应用于现有的卫星导航系统中,可以大大提高导航系统的定位精度、完备性和有效性。在论述伪卫星技术及其应用的同时,重点对伪卫星技术在已有导航系统星座几何布局改善、差分定位解算等方面进行了分析与验证,为我国卫星导航系统的后续建设及其应用拓展提出了建设性意见。     

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。     

自适应抗差联邦滤波算法

简要介绍了抗差估计理论;在顾及扰动异常的情况下,把自适应抗差Kalman滤波应用到联邦滤波上,对联邦滤波进行了改进,提出了一种自适应抗差联邦滤波算法.由计算结果可知,自适应抗差联邦滤波能较好地抑制载体观测异常和状态扰动异常对动态系统参数估值的影响,较好地提高导航解的精度.     

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。     

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。     

GPS和伪卫星组合定位技术及其在形变监测中的应用研究

GPS作为当今最先进的测量手段之一,其精密定位理论和技术已在大地测量、地壳运动监测、精密工程测量等诸多领域得到了广泛的应用.但受GPS系统本身的因素限制,GPS在垂直方向上的定位误差通常为水平方向的2～3倍;并且在水电工程深峡谷遮蔽严重的区域,GPS定位精度会迅速下降,甚至完全无法定位.在水下、地下、室内和隧道内也还无法采用GPS定位.     

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。     

论动态自适应滤波

动态导航与定位的质量取决于对动态载体扰动和观测异常扰动的认知和控制。本文首先介绍了目前广泛使用的Sage自适应滤波，讨论了自适应滤波的残差向量、新息向量及状态参数预报值残差向量的解析关系，以及它们之间的协方差矩阵之间的关系；分析了基于新息向量、残差向量和状态参数预报值残差向量的自适应协方差估计存在的问题。对新近发展起来的抗差滤波、Sage自适应滤波及抗差自适应滤波进行了综合比较与分析，结果表明抗差自适应滤波解算理论与方法除自适应地估计载体状态预报向量的协方差矩阵外，还能自适应地估计任意历元观测量的权。计算结果证实，抗差自适应滤波不仅计算简单，而且能有效地控制观测异常和载体状态扰动异常对动态系统参数估值的影响。     

地基伪卫星区域导航系统快速布设算法

现有的几种地基导航伪卫星布局优化算法时间复杂度过高,无法满足应急场景下的伪卫星导航系统布设需求,为此提出了基于最大凸多面体准则的快速优化算法。该算法利用最大凸多面体准则,对所有可能布设伪卫星的位置进行评估,评估依据为能否对降低多用户几何精度因子加权均值产生较大贡献,评估结果将可布设伪卫星位置分为高贡献度顶星位置、高贡献度底星位置和低贡献度可剔除位置3类。评估后穷举高贡献度的顶星、底星组合,找到最优伪卫星布局。将该算法应用于常见不规则地形的伪卫星布设问题中,仿真结果表明,该算法能够得到全局最优解,且解算耗时较现有算法大幅减少,能够满足应急场景下伪卫星导航系统布设的实际应用需求。     

神经网络辅助的GPS/INS组合导航自适应UKF算法

GPS/INS组合导航非线性系统最优估计算法中,基于统计信息和假设检验理论的多渐消因子自适应滤波算法的应用前提条件是残差向量为高斯白噪声。本文针对观测异常会影响残差向量的数字特性分布,提出了一种神经网络辅助的多重渐消因子自适应SVD-UKF算法。该算法采用神经网络算法削弱观测异常对残差序列高斯白噪声分布特性的影响,利用奇异值分解抑制UKF中先验协方差矩阵负定性变化,同时构造多重渐消因子对预测状态协方差阵进行调整,使得不同的滤波通道具有不同的调节能力,高效地应用于多变量复杂系统。最后利用车载实测数据进行了验证。结果表明,神经网络算法极大削弱了观测粗差对残差序列高斯白噪声分布特性的影响,拓展了多重渐消因子的应用范围,使其能在观测值含有粗差的条件下自适应调节不同滤波通道,消除滤波状态中的异常,提高组合导航解的精度和可靠性。     

改进遗传算法及其在抗差估计中的应用

针对抗差估计的选权迭代法(IRLS)对迭代初值敏感的问题,提出了将抗差估计问题看作求全局最优化问题,利用具有全局收敛性和局部搜索能力的遗传算法(GA)进行求解;并对遗传算法的变异算子步长进行改进。最后通过实例验算,证明了GA抗差估计法的有效性和优越性。