动态定位有色噪声影响函数--以一阶AR模型为例

动态定位的精度和可靠性除受观测偶然误差和系统误差的影响外，还受时间相依的有色噪声的影响。任何基于高斯白噪声假设而忽略实际有色噪声影响的数据处理理论和方法均不能保证估计结果的实际可靠性。基于动态数据处理的2种主要方法，即序贯平差法和Kalman滤波法，将有色噪声分为有色观测噪声和有色状态噪声分别进行讨论。结果表明，有色噪声对状态参数的影响是明显的，由影响函数所计算的结果是可靠的。     

一种新型自适应滤波在时变有色噪声中的研究

针对紧耦合导航滤波中量测噪声模型表现出时变有色噪声特性的状况,本文提出了一种基于变分贝叶斯学习的新型自适应滤波算法。该算法考虑有色噪声和滤波随机模型不准确的影响,与变分贝叶斯学习优化技术相结合,将噪声二阶矩与状态参数进行联合估计。试验结果表明,新算法性能在时变有色噪声影响下具有较好的鲁棒性,精度比基于新息自适应滤波略高,但计算效率提高了约12%,在导航算法实时性研究上具有一定的工程价值。     

多传感器融合导航方法的比较

多源传感器融合导航有多种算法，但不同算法之间存在理论和计算方面的差异。本文试图从理论上探讨联邦滤波融合法、动静态滤波融合法、基于观测信息的融合法以及基于各传感器几何导航解融合法的基本原理，分析各种方法的优劣，为多传感器融合导航的应用打下基础。     

有色观测噪声下的无迹卡尔曼滤波算法

传统的无迹卡尔曼滤波算法(UKF)要求噪声是高斯白噪声,但在实际应用中,噪声往往呈现非高斯特性。本文在有色观测噪声满足一阶AR模型的条件下,基于观测信息扩增法及最小方差估计准则,通过Unscented变换(UT变换)计算出非线性状态后验均值,进而得出一类具有处理有色观测噪声的无迹卡尔曼滤波处理算法。通过实际数据验证了该算法能有效控制有色噪声的影响。     

基于噪声随机模型的加权观测融合方法

信息融合技术中,在各局部传感器的有色观测噪声为一阶AR模型的情况下,可以利用观测扩增方法消除有色噪声的影响,得到最优加权观测融合方程,从而实现状态的最优滤波解。对于有色观测噪声为MA或ARMA模型的情况,观测扩增方法不再适用。提出了基于有色观测噪声随机模型级数展开的方法,求解出各局部传感器有色观测噪声的方差,并利用该方差对加权观测融合滤波器进行了构造。通过计算实例证明,该方法不仅适用于观测噪声为AR模型,同时适用于噪声MA或ARMA模型。     

一步相关卡尔曼滤波估计

传统的Kalman滤波方法只适用于白噪声数据处理,然而在实际应用中,数据噪声多为有色噪声,使得Kalman滤波精度和适用性受到严重制约。针对该问题,顾及有色噪声相邻历元间的相关性特性,本文提出一种有色噪声的一步相关卡尔曼滤波算法。数值仿真结果表明,本文所提算法能有效减弱有色噪声对卡尔曼滤波的影响,其滤波精度较传统的卡尔曼滤波方法有显著提高。     

融合TOA/AOD的5G/SINS紧组合导航定位算法分析

针对5G定位和捷联惯性导航单一定位方式的可靠性和定位精度较差的问题,本文以扩展卡尔曼滤波为基础,提出了融合5G信号到达时间和信号离开角的5G/SINS紧组合导航算法。该算法首先利用惯性传感器输出信息解算用户的位置、速度和姿态,在此基础上利用已知的基站坐标反算出一组虚拟的5G观测值,然后使用该观测值和实际的5G测量值建立统一的观测方程进行滤波解算。仿真试验结果表明,5G/SINS紧组合的定位成功率可达99%以上,且能够有效改善惯导航位推算的发散问题,其定位精度相比单纯的5G定位有了大幅提高,相比5G/SINS松组合受基站数量和基站几何分布的影响较小。融合TOA/AOD的5G/SINS紧组合导航的定位结果有超过99%的历元在3 m以内。在5G观测值中存在系统误差时,5G/SINS紧组合的定位表现优于5G定位和5G/SINS松组合导航。     

基于噪声随机模型的加权观测融合方法

信息融合技术中,在各局部传感器的有色观测噪声为一阶AR模型的情况下,可以利用观测扩增方法消除有色噪声的影响,得到最优加权观测融合方程,从而实现状态的最优滤波解.对于有色观测噪声为MA或ARMA模型的情况,观测扩增方法不再适用.提出了基于有色观测噪声随机模型级数展开的方法,求解出各局部传感器有色观测噪声的方差,并利用该方差对加权观测融合滤波器进行了构造.通过计算实例证明,该方法不仅适用于观测噪声为AR模型,同时适用于噪声MA或ARMA模型.     

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。     

一种基于渐消因子的区间卡尔曼滤波器方法

在噪声环境中,运动目标发生稳态突变会降低卡尔曼滤波器的滤波性能,进而导致组合导航的可靠性降低,导航系统抗干扰能力下降,影响导航的精确度。为了提高卡尔曼滤波器性能,提高抗干扰能力和导航精度,在采用基于卡尔曼滤波器的超紧耦合同时,提出一种新型的基于渐消因子的区间卡尔曼滤波器算法。该算法通过引入渐消因子和区间矩阵对滤波器增益矩阵进行实时调整,并利用区间运算中的交集运算将各种误差源约束到交集区间,进而保证在区间运算中保真集合映射的完备性并取得最优化。结果显示,该算法能够克服原有滤波器算法的缺陷,在噪声环境中提升对稳态突变目标的跟踪能力,且在噪声中滤波器效果提高,算法计算量没有明显增加。     

处理有色噪声的现代时间序列分析法

在动态导航定位中,目前绝大多数数据处理理论和软件都假设系统状态误差和观测模型误差为高斯白噪声。但在实际应用中,由于卫星轨道误差、大气环境等因素的干扰,使得观测误差和动力学模型误差往往不属于白噪声序列,而是具有一定时间相关或空间相关性的有色噪声。本文将有色噪声归为随机模型进行研究,采用多项式长除法将有色噪声模型展开成级数形式,再根据误差理论求取有色噪声的方差,由该方差修正有色噪声的随机模型,利用现代时间序列分析理论求出状态参数的最优估计值。为了说明该方法的正确性和有效性,用一组动态GPS实测数据进行验证,计算结果表明该方法能有效地抑制有色噪声对动态系统参数估值的影响。     

有色噪声对动态寻北的影响

在动态定位测量中,有色噪声的存在严重影响着动态滤波的精度和可靠性。为了分析有色噪声对动态寻北中参数估计的影响,本文在一阶自回归AR模型的假设下推导了有色噪声对参数最小二乘估值的影响函数,分析了其影响性质。利用观测残差建立了有色噪声的一阶AR模型,对有色噪声进行了拟合与预报,并利用改正后的观测信息进行了参数估计。计算结果表明,当陀螺信号中包含有色噪声时,采用一阶AR模型对有色噪声进行拟合与预报,能够有效削弱有色噪声的影响。采用一次启动漂移稳定性为0.03°/h的动调陀螺,在4min 之内系统寻北精度优于0.3′,远高于不考虑有色噪声影响得到的精度。     

有色噪声作用下的卡尔曼滤波

利用GPS载波相位三差观测量进行动态定位(或精密导航),就必须研究有色噪声滤波的理论问题.根据需求,推导了动态噪声、观测噪声为有色噪声的线性系统滤波公式,并证明白噪声卡尔曼滤波是有色噪声卡尔曼滤波的特例,或者说有色噪声的卡尔曼滤波是白噪声卡尔曼滤波的推广.     

有色噪声作用下的抗差卡尔曼滤波

根据用GPS载波相位三差观测量进行动态定位或精密导航的需求,推导了动态噪声、观测噪声为有色噪声的抗差卡尔曼滤波公式。白噪声的抗差卡尔曼滤波是有色噪声的抗差卡尔曼滤波的特例,有色噪声的抗差卡尔曼滤波为白噪声的抗差卡尔曼滤波的推广。     

GNSS+INS组合定位在矿山无人驾驶卡车的应用

面向矿山无人驾驶卡车场景,针对GNSS定位不连续且容易被干扰、INS存在累计误差的缺点,本文提出了一种基于GNSS+INS组合的导航算法,该算法融合了两种算法的优点,提高了定位的精度和可靠性。分别将RTK算法和组合导航算法结果与开源软件RTKLIB和NovAtel板载输出结果对比。试验结果表明,本文算法在精度上与NovAtel板载输出结果基本持平,明显优于RTKLIB软件。本文算法平面和高程误差均值及STD均优于5 cm,姿态误差均值和STD优于1°,可以满足矿用无人驾驶卡车的定位精度需求。     

基于改进卡尔曼滤波的卫星导航定位精度优化

为解决卫星导航定位信号因遮挡而出现非视距传播模式,导致定位精度低的问题,研究基于改进卡尔曼滤波的卫星导航定位精度优化方法。改进蛙跳算法寻优设置,优化支持向量机,分类提取存在遮挡信息的卫星导航信号;设计基于改进卡尔曼滤波的卫星导航定位精度提升算法,动态估计存在遮挡信息的卫星导航信号观测噪声协方差,自适应调节信号滤波增益,全面去除信号中的无效定位信息,获得精准卫星导航定位结果。研究结果显示：所提方法使用后,卫星导航定位结果实际位置高度匹配,定位精度明显提升。     

一种道路网信息几何差异检测算法

道路网信息几何差异的检测在导航电子地图数据更新,数据压缩和质量检查中具有重要的现实意义。针对道路网信息和道路信息几何差异检测的实际应用特点,对传统的平面扫描线算法进行改进,提出一种新的计算道路网信息几何差异的高效算法。该方法的计算复杂度为O((n s)logn),n表示输入数据大小,s表示线段交点的个数;并且在实际地图生产中得到应用,结果表明该算法效率高,符合应用需求,可靠性好。     

基于熵权重的水下载体导航信息融合方法

针对水下载体动态导航定位中状态方程和观测方程噪声增加引起的卡尔曼滤波发散问题,提出了一种以高斯混合模型为框架,基于信息熵计算导航融合权重的新方法。首先给出了水下组合导航系统的整体结构和各子滤波器的状态方程以及观测方程;然后研究了各子滤波器输出信息熵值的计算方法,并且定义了熵积的概念用于计算高斯混合模型中各分量的权重;最后总结出了用于水下载体导航信息融合的熵权高斯混合模型滤波算法的计算流程。仿真实验表明,相比于传统的加权卡尔曼滤波算法,新方法的计算精度更高,对噪声引起滤波发散的抑制能力也更强。     

基于容错型联邦强跟踪滤波的多星座组合导航算法研究

在多星座组合导航应用于高动态场景时,由于受加速度变化范围大、动态噪声和观测噪声难以准确预测等因素影响,常规联邦滤波估计精度将会严重下降甚至发散。针对这一问题,提出将强跟踪滤波算法应用到容错型联邦滤波器中,构成容错型联邦强跟踪滤波器。对COMPASS/GPS/GLONASS组合导航系统进行的仿真结果表明:该算法设计灵活,容错性强,对高动态目标有较强的跟踪能力,能够显著提高导航定位的精度和可靠性。同时,由于组合应用了无重置联邦滤波结构和渐消矩阵一步次优算法、残差χ2检验算法等实用算法,使得该算法整体计算量适中,易于实现,具有一定的工程实用价值。     

高纬度GNSS时间序列的自适应分析与速度误差估算

针对当前高精度地球参考框架动态维持技术研究中，国内外缺少高纬度地区GNSS测站的非线性特征专题研究的现状，采用改进的HHT算法CEEMD和自相关函数准则组合形成一套自适应信噪分析方法，分析了南北半球22个高纬度地区测站的周期特征和噪声特性，并估算了速度场误差。结果显示：N方向具有比E方向更明显的半年周期，垂直方向上，南半球比北半球具有更明显半周年和周年运动，水平方向和垂直方向上分别主要表现为纯白噪声和单纯的闪烁噪声，如果不采用合适的噪声模型，速度误差在水平和垂直方向上可分别低估15.5倍和10～1 500倍，北半球受影响高于南半球。研究表明，高纬度地区大部分测站水平方向速度场可仅顾及纯白噪声，但不能忽略有色噪声的个别影响，垂直方向上则应顾及有色噪声的影响。