动力学模型自适应滤波算法研究

在全球导航卫星系统（global navigation satellite system,GNSS）动态测量中,常采用Kalman滤波进行导航解算。但是,载体运动的不规则性经常会导致动力学模型偏差增大,从而出现定位精度下降的问题。针对此,在实时估计协同转弯模型（coordinated turn,CT）转弯率的基础上提出了两种减弱动力学模型偏差影响的自适应滤波算法。一种是实时估计转弯率的CT模型与改进的椭球约束方程相结合的滤波算法;另一种是通过对载体运动规律的分析,推导了实时估计转弯率的三维转弯模型,提出了一种三维转弯模型与新息向量构造的自适应因子相结合的自适应滤波算法。实验结果表明,这两种算法在不同的机动情况下都能较好地控制动力学模型误差的影响,其精度明显优于标准Kalman滤波和CT模型与常速度模型相结合的滤波算法。尤其是第二种算法,不仅通过自适应估计提高了动力学模型的精确性,还通过自适应因子进一步控制了动力学模型扰动的影响,显著提高了动态导航解的精度和可靠性。     

Kalman滤波模型误差的修复

基于预测残差分析和滤波误差估计,提出了一种新的Kalman滤波模型误差的修正方法。该方法在预测残差分析的基础上,利用观测模型误差和动力学模型误差的相互影响,基于滤波误差估计,从修正观测模型入手,有效地消除了以往历元所有观测模型误差和动力学模型误差对当前历元滤波值的影响。GPS动态导航模拟实验表明,该方法不仅有效地消除了整个Kalman滤波模型误差的影响,而且结果比较理想。     

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     

导航解算中的系统误差及其协方差矩阵拟合

利用Kslman滤波进行导航定位计算不得不涉及观测函数模型和动力学模型,而观测函数模型和动力学模型经常含有系统误差或区域性系统误差.本文提出了一种基于移动窗口的函数模型和随机模型系统误差自适应拟合法.基于相同的窗口给出了相应的观测向量和状态预测向量的协方差矩阵估计方法,其协方差矩阵的估计与现有的Sage滤波不同.利用经系统误差修正后的观测向量和状态预测向量及相应的协方差矩阵,再进行动态导航滤波计算,能有效提高导航解的精度.文中给出了开窗估计系统误差的公式,并利用实测数据验证了该算法的可行性和实用性.计算结果表明该算法能有效地抵制系统误差对导航滤波结果的影响.     

自适应抗差滤波理论及应用的主要进展

近十年来,中国学者建立了一种用于动态导航定位的新自适应抗差滤波理论,该理论应用抗差估计原理抵制观测异常误差的影响,构造自适应因子控制动力学模型误差的影响。本文旨在归纳、总结自适应抗差滤波理论与应用的主要进展。首先介绍自适应抗差滤波的原理;随后给出四种自适应因子模型,包括三段函数模型、两段函数模型、指数函数模型以及选权函数模型;陈列了4种误差学习统计量,包括状态不符值统计量、预测残差统计量、方差分量比统计量以及速度统计量;将新的自适应抗差滤波理论与标准Kalman滤波以及其他自适应滤波理论进行了比较与分析;最后利用两个实际算例展示了自适应抗差滤波在导航中的成功应用。     

双自适应因子滤波算法

抗差自适应滤波算法先求解状态参数抗差解,然后根据抗差解求出的自适应因子来调节动力学模型误差对状态估计的影响。本文针对模型信息不精确和存在观测粗差的情况,提出双自适应因子滤波的思想,采用两个自适应因子分别调节动力学模型信息不精确和观测模型误差对滤波估计的影响,推导出双自适应因子滤波公式,并参考单因子计算方法给出双因子计算公式,最后通过仿真试验比较了双自适应因子滤波算法和抗差自适应滤波算法。仿真结果表明,针对观测粗差,此算法基本能够达到正常观测所得到的状态估值。对于动力学模型短时间内出现的小范围异常误差,此算法可在一定程度上削弱模型不精确对估值的影响。     

基于当前加速度模型的抗差自适应Kalman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。首先介绍机动载体的当前统计模型,分析该模型存在的问题,提出一种基于“当前”加速度模型的抗差自适应卡尔曼滤波算法。跟以往建立的自适应KALMAN滤波进行比较,计算结果表明,该算法不仅可以提高滤波器的精度,而且更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系统的真实情况。     

顾及系统噪声和观测噪声的分级自适应信息滤波算法

高精度的载体动态导航与定位不仅需要对载体异常扰动和观测异常有良好控制,还需要对状态方程系统噪声及观测噪声的时变特性有准确认识和处理.首先针对包含系统噪声的动力学模型和包含时变观测噪声的导航系统,提出一种基于信息滤波形式的分级自适应滤波算法.然后针对系统噪声的渐变性和突变性,增加了遗忘因子和二段自适应因子,提高了对突变噪...     

联邦滤波的改进算法

分析并综述了联邦滤波算法,以及该算法存在的问题.针对观测信息不足的情况下,结合抗差估计和自适应估计理论对联邦滤波算法进行了改进,给出了联邦滤波在局部传感器观测信息不足情况下的改进算法.由模拟计算结果可知,在局部传感器观测信息不足的情况下,改进的联邦滤波器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,具有很强的的抗差性和自适应性.     

联邦滤波的改进算法

分析并综述了联邦滤波算法,以及该算法存在的问题。针对观测信息不足的情况下,结合抗差估计和自适应估计理论对联邦滤波算法进行了改进,给出了联邦滤波在局部传感器观测信息不足情况下的改进算法。由模拟计算结果可知,在局部传感器观测信息不足的情况下,改进的联邦滤波器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,具有很强的的抗差性和自适应性。     

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。     

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°。     

GOCE卫星重力梯度数据反演重力场的滤波器设计与比较分析

地球重力场和海洋环流探测（gravity field and steady-state ocean circulation explorer,GOCE）卫星重力梯度数据有色噪声和低频系统误差的滤波处理是反演高精度地球重力场的一个关键问题。针对GOCE卫星重力梯度数据的滤波处理,基于移动平均（moving average,MA）方法和CPR(circle per revolution)经验参数方法设计了两类低频系统误差滤波器,并分别将这两类滤波器与基于自回归移动平均（auto-regressive and moving average,ARMA）模型设计的有色噪声滤波器组合起来形成级联滤波器。为了分析滤波器处理的实际效果,基于空域最小二乘法采用70 d的GOCE观测数据,并联合重力恢复与气候实验（gravity recovery and climate experiment,GRACE）数据分别反演了224阶次的重力场模型GOGR-MA(MA+ARMA级联滤波)和GOGR-CPR(CPR+ARMA级联滤波)。将反演模型与采用同期数据求解的第一代GOCE系列模型及GOCE和GRACE联合模...     

面向重大公共卫生事件的位置服务技术: 以COVID-19疫情为例

基于城市三维（three-dimensional, 3D）模型的阴影匹配（shadow matching,SM）方法能有效提高城市峡谷中过街方向的卫星定位精度;但是手机接收的信噪比（signal-to-noise ratio,SNR）波动过大,而且传统方法无法区分位于平行街道的位置,容易引起较大的跨街道误差。提出了一种改进的手机SM定位方法。首先,针对手机采集卫星信号的SNR波动过大的问题,提出采用低通滤波的方法减小SNR波动,从而提高卫星实测信号可见性分类的准确性及稳定性。在此基础上,针对跨街道误差问题,提出了基于SNR滤波的聚类阴影匹配（cluster shadow matching,Cluster-SM）方法,将高分候选点按照位置分组,并根据组内有效点的个数确定点集,从而确定用户的最终位置。实验结果表明,SNR滤波方法将SNR分类的错误率由5%~30%降低至0%~20%;基于SNR滤波的Cluster-SM方法将动态实验中传统卫星定位结果的精度由19.4 m提高至2.1 m,显著地提高了跨街道的手机定位精度,为车辆及行人导航等应用提供了参考。     

黄土高原滑坡灾害形成动力学机制

受多路径等未模型化误差影响,全球卫星导航系统（global navigation satellite system,GNSS）监测序列中出现的一些异常波动现象会对精准预警产生干扰,甚至造成漏警、误警等严重后果。针对滑坡灾害体的状态特征信息在GNSS解算过程中未被充分利用的问题,分析了GNSS灾害监测中的状态空间模型,提出了一种顾及灾害体状态特征的实时滤波算法,通过滑动窗口大小的自适应调整,对监测点历史历元解算结果进行状态方程建模,并在当前历元参数估计时进行卡尔曼滤波的状态更新,得到更加可信的实时解算序列。黄土滑坡实验表明,与常规结果相比,该算法的浮点解+固定解精度分别在东、北、天方向提升了97.6%、87.5%、89.6%;单固定解精度分别提升了50.0%、14.3%、18.8%;模糊度固定率由97.1%提升至99.9%。该算法在提高解算结果精度的同时,也提升了模糊度的固定率,有效降低了异常序列波动对灾害监测与预警的影响。     

一种多尺度自适应点云坡度滤波算法

点云坡度滤波算法原理简单、易于实现,为进一步提升坡度滤波算法的自适应性,提出了一种多尺度自适应点云坡度滤波算法.首先,在数据预处理的基础上引入虚拟网格对点云数据进行分割;然后,利用距离加权的方式逐次计算网格点的坡度角,结合k均值聚类和正态分布自适应确定滤波阈值;最后,使用多尺度策略逐级缩小网格尺寸实现点云数据的精细滤波...     

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...     

面向多波束测深数据的双向布料模拟自动滤波算法

针对现有多波束测深数据的滤波算法需要人工干预且难以实现自动滤波的问题,在布料模拟滤波基础上,提出了一种基于双向布料模拟(bidirectional cloth simulation filtering, BCSF)的多波束测深数据滤波算法。首先,基于二次曲面（Levenberg-Marquardt）算法拟合构建传递式迭代趋势面,消除海底负异常数据;然后,构建BCSF修正模型,确定最终海底滤波面,解决海底凹凸地形或具有成簇噪点的复杂海域地形容易产生的过度滤波问题;最后,对分类海底点与非海底点的距离阈值进行了自适应优化与估计,进一步提高BCSF滤波结果的准确性。将所提算法应用于实测多波束测深数据,实验结果表明,与布料模拟滤波相比,所提算法不仅克服了过度滤波的缺陷,而且实验区域的整体测试数据的噪点剔除率从12.87%下降到0.76%,局部测试数据的噪点剔除率从15.29%下降到1.09%;与基于不确定度理论的多波束测深滤波相比,所提算法更加简洁,易于技术实现,人工干预很少,保留了更多的地形细节,具有较好的鲁棒性和应用前景。     

北斗三号卫星观测信息高度角相关随机模型统计特性分析

观测信息随机模型在参数估计、质量控制和精度评定过程中具有重要作用,准确的观测信息随机模型是北斗精密定位的基础。首先,利用简化的Helmert方差分量估计方法估计北斗三号卫星观测信息精度,并拟合模型系数;然后,利用全局检验和ω检验对基于分段函数、正弦函数、余弦函数和指数函数的随机模型进行统计检验,分析随机模型统计特性;最后,利用精密单点定位（precise point positioning,PPP）检验各随机模型对定位性能的影响。实验结果表明,北斗三号卫星的伪距和载波相位观测值精度均与高度角相关,且观测类型不同,相关程度不同;基于指数函数的随机模型在拟合误差、全局检验和ω检验中均表现出最优的性能,全局检验浮点解和固定解的误警率仅为5.1%和4.9%,ω检验伪距和载波相位最大误警率分别为5.8%和6.8%,PPP收敛时间最短,定位精度最高。基于指数函数的随机模型能够准确描述北斗观测信息精度,提高北斗三号卫星精密定位结果的精度和可靠性。