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.     

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。     

一种两步自适应抗差Kalman滤波在GPS/INS组合导航中的应用

当GPS观测可用时,如何提高组合导航的可靠性、连续性以及导航精度是组合导航重要的研究主题。针对伪距、伪距率紧组合导航精度低、姿态角误差修正不精确的缺点,本文从参数可观测性角度提出一种两步自适应Kalman滤波算法。首先简单介绍了紧组合Kalman滤波的过程,然后给出了两步自适应抗差滤波的公式和具体步骤,并且进行了分析和比较。最后用实测算例对提出的算法进行验证。结果表明,相比较于伪距、伪距率紧组合Kalman滤波,两步自适应抗差滤波能够控制动态扰动异常和观测异常的影响;导航精度不会随着组合周期的增长、INS惯性元件误差的增大而降低;在惯性元件误差较大的情形下也能够很好地估计元件误差,提高姿态角精度。     

结合自适应滤波和神经网络的GNSS/INS抗差组合导航算法

针对GNSS/INS松组合导航系统观测信息无冗余,而且观测信息可能存在异常的情形,结合自适应滤波算法和神经网络算法,提出了两种GNSS/INS抗差自适应组合导航解算方案,根据观测信息和动力学模型信息异常情况,给出了4种GNSS/INS抗差自适应滤波算法。利用实测数据进行了验证,结果表明,4种抗差自适应滤波算法在观测信息不足的情况下,不但能够抑制动力学模型扰动异常对导航解的影响,而且能够较好地抑制异常观测信息对导航解的影响。     

一种顾及观测质量信息的自适应抗差Kalman滤波方法

针对观测数据含有异常粗差且无多余观测的应用情形,提出一种顾及观测质量信息的自适应抗差Kalman滤波方法。该方法两步计算得到自适应因子和抗差等价权矩阵,即首先利用顾及观测质量信息的抗差Kalman滤波得到消除观测粗差影响的参数估计值,然后根据该值构造动力学模型误差判别统计量并计算自适应因子。以某边坡GPS变形监测数据序列处理为例,利用RPDOP(Relative Position Dilution of Precision)值作为观测质量信息进行处理分析,结果表明该方法能够有效控制动力学模型误差和观测粗差对滤波估值的影响。     

观测卫星不足时的GPS/INS紧组合抗差自适应滤波

常规GPS/INS紧组合抗差自适应滤波只适用于卫星数≥4的情况,且预测残差构造自适应因子要求观测值可靠。针对该局限性,对常规抗差自适应滤波算法做出两点改进:1)采用两步滤波,用第1步常规EKF滤波残差构造第二步抗差算法的粗差判别量;2)在第2步滤波用预测残差构造自适应因子时,剔除异常观测值对应的预测残差和预测残差协方差,以削弱观测异常对自适应因子的不良影响。实验结果表明,常规抗差算法在卫星数4时不适用。常规自适应滤波算法在观测值存在异常的情况下无法正确修正模型异常。改进后的抗差自适应滤波算法在组合系统观测卫星数4且观测值存在异常的情况下,仍能正确修正观测粗差和动力学模型异常,能够达到良好的导航精度。     

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。     

基于模糊理论的抗差Kalman滤波算法

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质量。在实践中,观测向量及其动态模型信息均可能存在异常,此时若仍利用标准Kalman滤波,则状态滤波解将极不可靠。在标准Kalman滤波原理的基础上,结合模糊控制理论,提出了一种基于模糊理论的抗差Kalman滤波算法。该方法是依据滤波处理后的数据残差,利用模糊理论构造等价权,从而有效控制粗差对导航解的影响,并用算例验证了该方法的可行性和有效性。     

三频BDS/INS紧组合的抗差自适应Kalman滤波

构建了适合北斗三频信号的北斗/惯性紧组合模型。针对三频模糊度解算算法的错误整数解可能对滤波结果造成"污染"这一问题,应用了抗差自适应Kalman滤波算法,优化了所建的模型。车载组合导航实验结果表明:三频模糊度解算算法得到的模糊度正确率平均值为99.84%,直接用于紧组合模型将造成最高达0.7 m的天向位置误差;抗差自适应Kalman滤波算法能消除错误模糊度整数解的影响,东、北、天三个方向的位置最大偏差值在厘米级。此外,载体姿态和速度频繁变化造成的状态预测误差也被自适应处理校正,组合导航的位置均方根误差为东向0.007 m,北向0.014 m,天向0.023 m。研究表明,在三频信号条件下,所采用的抗差自适应Kalman滤波能够增强所构建的紧组合模型的可靠性。     

基于模糊理论的抗差Kalman滤波算法

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质量.在实践中,观测向量及其动态模型信息均可能存在异常,此时若仍利用标准Kalman滤波,则状态滤波解将极不可靠.在标准Kalman滤波原理的基础上,结合模糊控制理论,提出了一种基于模糊理论的抗差Kalman滤波算法.该方法是依据滤波处理后的数据残差,利用模糊理论构造等价权,从而有效控制粗差对导航解的影响,并用算例验证了该方法的可行性和有效性.     

Robust Kalman filtering with constraints: a case study for integrated navigation

When certain constraints in the kinematic state parameters of a multi-sensor navigation system exist, they should be taken into account for the improvement of the positioning accuracy and reliability. In this paper, two types of robust estimators for integrated and two stages of Kalman filtering with state parameter constraints are derived based on the generalized maximum likelihood Lagrangian condition, respectively. The properties of the two estimators are discussed. The changes of the state estimates and their covariance matrices as well as the residual vector caused by the constraints are derived and analyzed. It is shown by a simulated example that the precision of the state estimates provided by the Kalman filtering with constraints is better than that provided by the Kalman filtering without considering the state parameter constraints; and the robust Kalman filtering with constraints further improves the reliability and robustness of the state estimates.     

基于双因子抗差卡尔曼滤波在动态导航中的应用

针对动态导航卡尔曼（Kalman）滤波的异常扰动影响问题,根据观测量中的粗差对状态向量滤波值的影响规律,引入了双因子算法,导出基于预报残差的抗差卡尔曼滤波模型,该模型具有良好的抗差性,利用实测数据加模拟粗差进行验证,结果表明：抗差卡尔曼滤波可以很好的控制状态对滤波估值的影响,精度相对于标准卡尔曼滤波有明显的提高。     

用于GIS道路信息修测的动态GPS自适应滤波试验

利用车载GPS进行GIS道路信息修测与更新已在西安地区进行了试验。试验中使用了三种动态定位算法 ,即GPS接收机的随机软件、Sage滤波算法及新发展起来的抗差自适应滤波算法。试验表明 ,新的自适应抗差滤波不仅计算简单 ,而且能控制GPS伪距观测和载体状态异常扰动的影响。     

多源传感器动、静态滤波融合导航

首先给出联邦滤波各局部输出量之间的相关协方差矩阵，进而给出了基于各传感器独立观测信息的动、静态滤波解法，这种解法避免了重复使用载体状态方程信息的问题，保证了多传感器数据融合的最优性，而且很容易扩展到抗差滤波和自适应滤波融合。     

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。     

粒子滤波在高动态GPS定位中的应用

针对高动态GPS定位系统的特点,引入了一种基于粒子滤波的高动态GPS定位系统滤波算法。借助于移动目标的速度矢量模型建立了系统状态方程,论文给出了标准的卡尔曼滤波算法模型,重点讨论了粒子滤波算法在高动态GPS定位中的应用,详细描述了算法的推导过程。对算法进行仿真,结果表明当GPS接收机作大范围机动或GPS信号受到干扰时,粒子滤波要优于标准的卡尔曼滤波。     

一种迭代的GPS／INS组合导航滤波算法

简要介绍了GPS/INS松组合导航系统状态方程和观测方程。针对标准Kalman滤波算法存在的状态方程截断误差、噪声统计特性的不确定性以及状态扰动异常的影响,给出了一种应用于GPS/INS组合导航系统的迭代滤波算法。该算法采用迭代策略,不断利用观测信息实时修正状态预报值。实测数据计算结果表明,通过对状态预报值的实时修正,该算法能够很好地抑制状态预报信息的不确定性和扰动异常等对导航解的影响。其滤波解精度明显优于标准Kalman滤波。     

基于多传感器观测信息抗差估计的自适应融合导航

首先利用抗差估计原理构造了基于观测信息的融合导航解，再利用动力学模型信息进行自适应融合，最后利用模拟算例进行多种方案的计算与比较。     

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。