一种多传感器组合导航系统的自适应分布式滤波算法北大核心CSCD

针对联邦滤波器和集中式卡尔曼滤波器在实际应用中存在的问题及组合导航中量测噪声统计特性不准确引起滤波精度下降的问题,提出利用变分贝叶斯估计和分布式估计的多传感器组合导航系统自适应分布式滤波方法。首先,基于集中式卡尔曼滤波技术,推导分布式滤波的一种表达方法,该方法具有估计最优性、故障自动隔离且对导航系统无污染的特点;然后,结合变分贝叶斯估计技术,提出自适应分布式滤波方法,对系统状态和时变的量测噪声方差进行同步实时估计;最后,采用SINS/GNSS/CNS/ADS组合导航系统进行仿真验证。仿真结果表明,本文算法能实时跟踪突变或缓变的量测噪声方差,较联邦滤波算法可有效降低量测噪声统计特性不准确给系统带来的不利影响,进而提高组合导航系统的滤波精度。     

基于序贯UKF的GNSS/CNS/SINS组合导航最优融合算法

组合导航系统在动态环境下具有强非线性,为提高GNSS/CNS/SINS组合导航系统的导航精度,提出一种基于序贯UKF的多传感器最优融合算法。首先,建立GNSS/CNS/SINS组合导航系统的非线性状态方程及2个子滤波器的线性量测方程;然后,对标准UKF的量测更新过程进行简化,简化UKF算法具有与标准UKF算法相同的滤波精度,且具有计算量低的特性;最后,将序贯滤波算法与简化UKF算法结合,提出多传感器组合导航系统的序贯UKF最优融合算法。仿真结果表明,本文序贯UKF算法不仅可提高系统解算的实时性,并且相对于集中线性卡尔曼滤波算法及经典集中线性UKF算法具有较高的滤波精度。     

CNS/SINS组合导航系统的UKF算法研究

天文/捷联惯性（CNS/SINS）组合导航系统采用姿态组合,可使姿态角处于收敛状态,并有效抑制位置及速度的发散。为提高组合导航系统的精度,本文设计了CNS/SINS组合导航系统的UKF算法,在建立CNS/SINS组合导航系统非线性状态方程及线性量测方程的基础上,首先对UKF的量测更新过程进行简化,降低其计算量;然后,基于平台误差角提出系统状态协方差矩阵中姿态角协方差矩阵的计算方法,并推导了UKF算法中姿态量测值一步预测误差对应的平台角误差向量表达式,进而建立CNS/SINS组合导航系统的UKF算法;最后进行仿真实验。结果表明,相对于线性卡尔曼滤波算法及EKF算法,本文算法可明显提高组合导航系统的各导航参数精度,并且本文算法对滤波器初始姿态角误差变化具有较高的鲁棒性。     

一种改进的UKF滤波算法在BDS/SINS组合导航系统中的应用研究

将自适应估计原理引入UKF（unscented Kalman filter）算法中,该改进算法可以自适应地调节系统模型信息在导航解中的比重,从而减少滤波器初值偏差和系统模型异常扰动对导航解的影响。将改进的UKF算法应用于BDS/SINS（北斗/捷联惯导）组合导航系统中,仿真结果验证了其有效性,且该算法可提高组合导航系统的精度。     

顾及时变非高斯噪声的高斯和滤波及其导航应用

高斯和滤波可利用高斯混合模型精化非高斯噪声随机模型来提高估计精度,但导航测量环境的动态性和复杂性使非高斯噪声具有时变性特征,若GMM不随之调整会导致滤波解算失真。针对该问题,本文提出一种基于位移参数自适应估计的高斯和滤波算法。首先分析GMM位移参数对非高斯噪声拟合精度的影响,然后利用位移参数自适应技术修正GMM,进而改善高斯和滤波性能。实验结果表明,当GNSS/SINS量测模型存在时变非高斯噪声时,本文算法的滤波结果较传统高斯和滤波算法的波动小,抗干扰能力强,在实际应用中可进一步改善估计精度和稳定性。     

方差膨胀模型用于GNSS/加速度计融合变形监测

为解决GNSS信号在环境遮挡、多路径误差等影响下监测精度不可靠的问题,基于Huber选权迭代法,将方差膨胀思想引入GNSS/加速度计融合滤波算法中,从随机模型角度对GNSS异常值的量测噪声进行自适应调整,降低GNSS异常观测对Kalman滤波量测更新的影响,提高GNSS/加速度计融合变形监测结果的可靠性。在静态和动态2种场景下进行验证分析,结果表明,改进融合算法能够显著提高复杂多路径环境下的GNSS监测精度,其解算获取的形变位移三维方向RMS均在1.8 cm以内,可为复杂环境高精度变形监测提供参考。     

改进抗差自适应EKF算法在GNSS/INS组合导航中的应用

在车载GNSS/INS组合导航中,抗差自适应滤波以其具有控制动力学异常和观测异常的能力成为实现综合PNT的关键技术之一。然而,不合适的决策算法和抗差因子会导致滤波进一步劣化。针对该问题,提出一种双窗口Sage-Husa抗差算法和一种改进的异常新息占比决策方法。采用松组合结构,利用异常新息占比决策对组合过程中出现的模型异常作出判断,针对观测模型异常和动态模型异常分别采用对应的抗差或自适应滤波。利用武汉市城区林荫道、街区多遮挡环境下动态实测数据进行分析。实验结果表明,该方案在复杂多遮挡环境下东、北、天3个方向上位置精度分别提升35.78%、38.94%、66.00%,位置均方根误差达到0.70 m、0.69 m、1.16 m。     

卡尔曼滤波在海洋浮标数据预处理中的应用

【目的】优化自动化数据预处理方法,以提高海洋浮标数据质量。【方法】结合海洋浮标数据特征,提出了一种改进的自适应卡尔曼滤波自动化数据预处理方法,该方法通过箱型图进行异常值的检测,并采用方差受限的方法解决测量噪声导致的滤波发散问题。【结果与结论】海上工程应用和仿真实验结果表明,改进的算法计算开销低且不影响浮标系统的正常采集和数据融合工作,浮标数据采集率达100%,云数据中心数据接收率达97%。浮标采集的原始数据经过异常值修正和滤波降噪处理后,数据曲线更为平滑且符合随时间序列变化的规律,数据预处理效果良好。     

抗差Helmert估计在BDS/GPS组合定位权比分配中的应用

BDS与GPS双系统组合定位时,每个子系统需要进行定权,不同系统间的差异性会导致定权不准确。为提升组合定位精度,本文提出一种基于抗差Helmert方差分量估计的组合定位算法（RH算法）。首先,建立Helmert方差分量后验估计模型,区分多类型、不同精度的观测值,实现系统间权值的动态分配;然后,构建基于IGGⅢ方案的改进等价权函数,调整含粗差观测量的权值,解决观测值易存在粗差导致Helmert模型收敛失真的问题;最后,通过测试实际采集的双系统观测数据,验证算法的有效性和准确性。     

一种顾及有色噪声的四星座GNSS动态导航滤波算法

经典Kalman滤波要求噪声是高斯白噪声,而动态GNSS定位的观测误差和状态预测误差往往是有色噪声。本文提出一种简便的有色噪声函数模型拟合滤波算法,采用前面历元的观测残差和状态残差建立有色噪声模型,削弱有色噪声对动态导航解算的影响。采用四星座GNSS接收机观测数据进行动态导航实验,结果表明,顾及有色噪声的动态导航滤波算法比未顾及有色噪声的经典Kalman滤波算法定位精度更高,三维位置精度提升9%以上。     

基于抗差自适应SITAN算法的水下重力匹配导航方法

针对水下重力匹配导航SITAN算法中动力学模型误差以及重力异常观测数据存在粗差的问题,提出一种抗差自适应匹配算法。通过构建自适应因子和抗差因子来调节状态预测信息与量测信息对滤波贡献的权重,有效抑制粗差和预测信息异常的影响,提高匹配算法的稳定性和可靠性。在南海选取一块重力异常特征变化丰富的海域进行仿真实验,结果表明,与常规SITAN算法相比,该算法能够显著降低异常观测值的影响,系统的定位精度和鲁棒性均有提升。     

基于运动检测的飞行区车辆差分北斗/SINS组合导航

针对机场飞行区车载差分北斗/SINS组合导航系统中卫星信号衰弱、断续和中断时引起导航系统精度降低的问题,提出一种基于运动检测的高精度组合导航方法。该方法基于运动检测的差分北斗/SINS组合导航系统框架,根据车辆运动的特性,利用零速修正与动态零速修正相结合的模式来约束SINS误差;建立系统误差最优估计状态方程和量测方程,并结合惯性测量单元输出的陀螺和加速度计信息以及SINS输出速度来实现车辆运动状态的检测;最后通过车载实验验证该方法的可行性。结果表明,卫星信号有效时,差分北斗/SINS组合导航定位精度优于1 m;相比于传统运动学约束技术,2.5 km信号中断场景下,组合导航系统的经度误差最大值由5.21 m减小为1.35 m。     

结合CEEMDAN的改进小波阈值地下水温观测数据去噪方法

提出一种结合自适应噪声完备集合经验模态分解方法(CEEMDAN)的改进小波阈值降噪算法,用于地下水温观测数据的去噪。在利用该方法与传统的去噪方法分别对仿真信号进行降噪后发现,该去噪方法性能更优,并且在对实际采集到的含有噪声及异常突变的地下水温数据进行处理方面,也展现出比传统单一滤波手段更好的效果。     

一种改进的平方根滤波在卫星钟差实时解算中的应用

目前普遍采用卡尔曼滤波方法来实现非差法卫星钟差的实时解算。平方根滤波可以增强数值计算的稳定性,避免滤波发散,但矩阵的求逆会耗费较长的计算时间;序贯算法可以避免对矩阵直接求逆,能提升计算效率。综合两种算法的优点,提出一种基于序贯算法的平方根滤波器,并应用于卫星钟差的实时解算,得到的卫星钟差精度优于0.2 ns,且计算时长缩短40%。     

利用Butterworth滤波器平滑加速度计的双天线GNSS/MEMS组合测姿

在双天线GNSS/MEMS组合测姿中,低精度、低成本的MEMS加速度计输出通常包含比较大的噪声,导致由加速度计调平计算得到的水平角观测值精度较低,影响组合测姿的精度和可靠性。不同于传统的时域降噪方法,从频域的角度出发,根据实际车载运动中加速度计输出具有因汽车固有结构产生的高频振动噪声的特点,利用滑动窗口的Butterworth低通滤波器平滑加速度计输出。动态车载实验结果表明,该滤波器降噪效果明显。与滤波前相比,水平角观测值精度提升了约4倍,达到(0.643°,0.546°)。在此基础上,滤波后组合测姿精度也从(0.124°,0.738°,0.532°)提升到(0.122°,0.074°,0.052°),其中水平角精度提升了大约一个数量级,滤波后的测姿结果更加准确可靠。     

一种去除图像中脉冲噪声的自适应滤波算法

针对灰度图像中的脉冲噪声滤波的问题,提出一种具有细节保护的自适应滤波算法.算法分为两步:第一步是对图像中的噪声进行识别,第二步利用噪声点周围的相关信息,对噪声点进行修复.经实验表明算法与其他算法相比,在图像的细节保护,自适应性以及噪声的消除方面具有一定的优势.     

Kalman滤波在GPS/BDS组合伪距差分定位中的应用

随着各国卫星导航系统的蓬勃发展,单一的GPS系统时代正逐步转变为多系统并存且兼容的全球性卫星导航系统(GNSS)时代。相比于单一卫星导航系统,多系统组合将显著增加可视卫星数目、改善卫星空间几何结构,多系统组合导航定位将是必然的发展趋势。滤波算法是减小GNSS定位随机误差的重要方法,利用非线性滤波方法可消除多种随机误差,从而提高导航定位精度。该文实现了基于Kalman滤波的GPS/BDS组合的伪距差分定位,并将其与最小二乘方法进行比较。实验结果表明:基于Kalman滤波的GPS/BDS伪距差分的定位精度能达到分米级,在差分定位解算过程中,多卫星系统伪距差分精度明显优于单卫星系统伪距差分精度,Kalman滤波解算的精度明显优于最小二乘解算的精度。     

基于信噪比检验的双参数岭型Kalman滤波及其在BDS星地联合定轨中的应用

将Kalman滤波病态性诊断与处理相结合,提出基于信噪比检验的双参数岭型Kalman滤波。在分析Kalman 滤波的病态性以及岭型 Kalman 滤波的缺陷后,引入信噪比统计量度量每个待估参数受病态性影响的大小,将待估参数区分为涉扰参数和非涉参数,并利用两个岭参数对两类参数进行不同强度的修正,结合广义岭估计思想给出两个岭参数的选取方法。该算法在降低状态参数估计方差的同时尽量减少岭型Kalman滤波引入的偏差。利用STK仿真5颗GEO卫星+24颗MEO卫星+3颗IGSO卫星的北斗卫星星座并进行分布式自主定轨,结果表明提出的新算法能够有效改善病态性对Kalman滤波的不良影响,且相对于岭型Kalman滤波具有更高的定轨精度。     

核自适应滤波算法在地磁秒数据干扰抑制中的研究

为解决地磁台站受干扰的问题，对不同干扰源进行相应特征与频谱分析发现，多噪声源干扰并无优势频段，并且相互叠加，呈现高度非线性。针对地磁观测信号易受轨道交通噪声、仪器自身噪声、高压直流噪声和行车脉冲噪声等干扰，提出一种能根据外部环境激励而自主调节滤波参数的非线性核自适应滤波算法。通过对实际受干扰地磁信号进行处理，验证核自适应滤波具有抑制台站常见地磁噪声的特性，可为地磁干扰抑制技术提供新方法。     

BDS/GPS差分系统间偏差估计算法及性能分析

基于BDS/GPS单频紧组合相对定位模型,提出联合卡尔曼滤波与粒子滤波估计差分系统间偏差(DISB)的算法,并利用实测短基线数据对比分析卡尔曼滤波算法与本文算法估计DISB的效果。实验表明,载波DISB的整数部分会影响参考卫星站间单差模糊度的估计,从而影响载波DISB小数部分的估计结果;利用本文算法估计并改正DISB后得到的模糊度解算的可靠性和固定解精度均优于卡尔曼滤波,固定解精度最大可提高10%～20%。