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。     

改进的Sage自适应滤波方法

本文首先介绍了 Sage自适应滤波方法 ,分析了基于新息向量、残差向量和状态参数预报值改正向量的协方差自适应估计所存在的问题 ,提出了改进 Sage自适应滤波的新方法。结果表明 ,该方法能有效地控制状态方程异常对动态系统参数估值的影响     

噪声协方差矩阵加权估计的Sage自适应滤波

介绍了经典 Kalm an滤波和目前广泛使用的 Sage自适应滤波 ,分析了基于新息向量、残差向量和状态改正数向量的自适应协方差估计存在的问题 ,提出了一种改进 Sage自适应滤波的新方法。计算结果表明 ,该方法能有效地控制观测异常和动态扰动异常对噪声协方差估计的影响 ,在高动态 GPS数据处理中具有较强的数值稳定性和自适应性。     

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。     

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.     

Adaptive fitting of systematic errors in navigation

To use Kalman filtering for kinematic positioning and navigation, we have to deal with both observational and kinematic models. Both of the functional models may contain global or local systematic errors. The influence functions of the systematic errors on the estimates of kinematic states are derived. An adaptive fitting method for systematic errors of the observations and kinematic model errors is presented. The systematic errors are fitted with a mean or a weighted mean by using the residuals of observations and residuals of predicted states within a chosen time window. The covariance matrices of the modified observations and the predicted states are estimated within the same window. The estimation formulae and calculation strategy, as well as a real example, are given. It is shown by theory and calculations that Kalman filtering based on the adaptive fittings of the systematic errors and covariance matrices can, to some degree, resist the influences of systematic errors on the estimated states of navigation.     

多种有色噪声自适应滤波算法的比较

将控制有色噪声影响的自适应滤波算法分为函数模型补偿滤波和随机模型补偿滤波两类。在介绍各种自适应滤波理论和模型的基础上，重点分析了各种自适应滤波算法的优缺点，并用实际算例进行了验证。     

利用部分状态不符值构造的自适应因子在GPS/INS紧组合导航中的应用

提出了一种通过部分状态不符值来构造自适应因子的方法。实测算例结果表明,当观测无异常时,由预测残差构造的自适应因子和由部分状态不符值构造的自适应因子都能够较好地抑制动态模型误差的影响,相比于标准Kalman滤波精度都有所提高,并且这两种自适应滤波的精度相当;但是当观测存在异常时,由预测残差构造的自适应因子不能分辨模型误差和观测误差,而由部分状态不符值构造的自适应因子能够抵制观测异常的影响,因此,滤波结果优于由预测残差构造的自适应因子的滤波结果。     

顾及框架点坐标误差的三维基准转换严密模型

框架点坐标是由观测数据通过平差得到的,不可避免地受到观测误差的影响。针对原框架和目标框架坐标均存在误差、非公共点与公共点间存在相关性,以及转换系数矩阵中仅部分元素存在误差的实际情况,提出了同时考虑框架内误差以及转换点间相关性的基准转换严密模型,该模型将公共点和非公共点联合处理,同时计算坐标转换参数和所有点的坐标转换值,推导出了新的严格坐标转换公式,该公式为传统坐标转换公式基础上增加一改正量的形式;进一步,推导了原框架和目标框架坐标的方差不一致情况下的坐标转换模型的自适应解法;最后,利用"陆态网络工程"2000个区域站的实测坐标进行坐标转换验证,结果表明,这种严密模型较传统坐标转换模型具有更高的坐标转换精度。     

Lq估计的渐近方差-协方差矩阵及其特点

针对由独立同分布误差膨胀而成的独立不等精度误差,根据未知参数的M估计的Bahadur型线性表达式,本文导出了由观测量、残差向量、参数估计量和观测量平差向量组成的基本向量的Bahadur型表达式.进一步地,根据方差传播定律导出了M估计的基本向量的渐近方差-协方差矩阵,该矩阵由3个多余参数决定,第三多余参数由本文定义.对Lq范估计,分别计算了误差分别为正态分布和q范分布时的3个多余参数,以及相应的基本向量的方差协方差矩阵.对最小二乘估计,残差向量与参数估计量和观测量的平差向量统计独立,相应的协方差矩阵为零,这一性质与误差分布无关.对正态分布的Lq估计,残差向量与参数估计量和观测量平差向量的协方差不为零;而对q范分布的Lq估计,即是相应的极大似然估计,残差向量与参数估计量和观测量平差向量的协方差为零.文中所得公式和结论可用于统计分析.     

自适应抗差Kalman滤波在多天线原始观测值瞬时姿态确定中的应用

由载波相位观测值直接解算姿态能实现观测及姿态约束信息的最优利用。本文推导了基于失准角及乘性误差四元数的载波相位观测模型,分别建立了有外部角速度传感器和无外部传感器辅助下姿态参数估计的状态模型;利用自适应抗差滤波估计姿态误差,借鉴分类自适应因子的思想,分别确定模糊度和姿态误差参数的自适应因子,其中姿态自适应因子由Ratio值构造的三段函数确定。自适应抗差滤波能够充分利用约束信息和历史信息,将其融合在浮点解计算过程中,极大提高模糊度浮点解精度及其协方差的结构,在此基础上使用整数最小二乘模糊度降相关平差法(least-squares ambiguity decorrelation adjustment,LAMBDA)方法即能快速搜索出固定解,满足实时性需求。采用实测舰载GNSS 3天线测姿算例对方法进行了验证,结果表明,基于自适应抗差滤波的观测值直接定姿方法效率高、可靠性好。     

Integrated Navigation Based on Robust Estimation Outputs of Multi-sensor Measurements and Adaptive Weights of Dynamic Model Information

IntroductionMulti-sensor combinationis a main tendencyinnavigation and positioning. The measurementsof the multi-sensors usually have different typesof systematic errors . The integrated navigationsystem can provide redundant information toweaken the influences of the systematic errorsand to detect the measurement outliers and thedisturbances of the kinematic model . As a re-sult ,the whole accuracy and reliability of navi-gation and positioning will be i mproved.In the application of multi-s…     

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...     

Approximating covariance matrices estimated in multivariate models by estimated auto- and cross-covariances

Quantities like tropospheric zenith delays or station coordinates are repeatedly measured at permanent VLBI or GPS stations so that time series for the quantities at each station are obtained. The covariances of these quantities can be estimated in a multivariate linear model. The covariances are needed for computing uncertainties of results derived from these quantities. The covariance matrix for many permanent stations becomes large, the need for simplifying it may therefore arise under the condition that the uncertainties of derived results still agree. This is accomplished by assuming that the different time series of a quantity like the station height for each permanent station can be combined to obtain one time series. The covariance matrix then follows from the estimates of the auto- and cross-covariance functions of the combined time series. A further approximation is found, if compactly supported covariance functions are fitted to an estimated autocovariance function in order to obtain a covariance matrix which is representative of different kinds of measurements. The simplification of a covariance matrix estimated in a multivariate model is investigated here for the coordinates of points of a grid measured repeatedly by a laserscanner. The approximations are checked by determining the uncertainty of the sum of distances to the points of the grid. To obtain a realistic value for this uncertainty, the covariances of the measured coordinates have to be considered. Three different setups of measurements are analyzed and a covariance matrix is found which is representative for all three setups. Covariance matrices for the measurements of laserscanners can therefore be determined in advance without estimating them for each application.     

Improved adaptive filter with application to relative navigation

An improved adaptive Kalman filter algorithm is presented to model error and process noise uncertainty. The adaptive algorithm for model error is obtained by using an upper bound for the state prediction covariance matrix. The process noise is estimated at each filter step by minimizing a criterion function, which was determined by measurement prediction. A recursive algorithm is provided for solving the criterion function. The proposed adaptive filter algorithm was successfully implemented in GPS relative navigation for spacecraft formation flying in high earth orbits with real orbit perturbations. Software simulation results indicated that the proposed adaptive filter performed better in robustness and accuracy compared with previous adaptive algorithms.     

神经网络辅助的GPS/INS组合导航自适应滤波算法

首先利用预报残差构造的最优自适应因子设计GPS/INS组合导航自适应滤波器。并针对BP神经网络存在的训练速度慢、容易陷入局部极小等问题,给出网络的改进算法。利用神经网络对自适应滤波器状态方程的预报值进行在线修正,给出神经网络辅助的GPS/INS组合导航自适应滤波算法。最后,利用实测数据进行验证。结果表明,改进的神经网络算法明显提高网络收敛速度;两种自适应滤波算法相对标准组合导航算法都能够可靠地反映载体运动轨迹;神经网络辅助的GPS/INS组合导航自适应滤波算法相对GPS/INS组合导航自适应滤波算法在精度和可靠性方面又有明显提高。     

组合导航抗差自适应卡尔曼滤波

针对组合导航系统的定位精度与稳定性要求不断提高的现状,该文引入一种观测噪声协方差与抗差自适应相结合的Kalman滤波算法。利用新息向量和移动窗口协方差分析法,动态自适应修正观测噪声协方差阵;通过分析基于状态不符值、方差分量的统计量构造的自适应因子所存在的问题,提出一种由预测残差向量构造的自适应因子。仿真结果表明,该方法能够有效抑制观测异常对组合导航定位精度的影响。     

基于移动开窗法协方差估计和方差分量估计的自适应滤波

基于移动窗口协方差估计和方差分量估计，提出了一种新的自适应Kalman滤波技术。计算结果证实，该方法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。     

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。