UKF在GPS/INS组合导航系统中的应用

扩展卡尔曼滤波(EKF)是GPS/INS组合导航系统工程实现中常用的一种数据融合方式.但EKF线性化误差在一定程度上影响了GPS/INS组合导航系统精度的提高.Unscented卡尔曼滤波器(UKF)是一种非线性滤波器,它能有效地减小线性化误差对GPS/INS组合导航系统精度的影响.基于四元数法建立了GPS/INS组合导航系统的非线性误差方程模型;最后通过数字仿真验证了UKF组合导航系统应用中的性能.     

UKF在GPS/INS组合导航系统中的应用

扩展卡尔曼滤波(EKF)是GPS/INS组合导航系统工程实现中常用的一种数据融合方式。但EKF线性化误差在一定程度上影响了GPS/INS组合导航系统精度的提高。Unscented卡尔曼滤波器(UKF)是一种非线性滤波器,它能有效地减小线性化误差对GPS/INS组合导航系统精度的影响。基于四元数法建立了GPS/INS组合导航系统的非线性误差方程模型;最后通过数字仿真验证了UKF组合导航系统应用中的性能。     

扩展区间Kalman滤波器及其在GPS/INS组合导航中的应用

针对具有不确定动态模型参数的 GPS/INS 组合导航系统,首先介绍一种新型的区间Kalman滤波器,讨论了GPS/INS 组合系统中模型参数不确定性的问题,分析了惯性传感器建模中相关时间常数的区间特性,并建立了适合非线性特性的GPS/INS组合系统的扩展区间卡尔曼滤波器.计算结果表明,扩展区间卡尔曼滤波器对非线性GPS/INS组合系统是很有效的,它能给出组合系统导航误差的上下界,这对组合系统的设计具有指导的意义.     

顾及线性化模型误差补偿的卡尔曼滤波算法

针对扩展卡尔曼滤波（EKF）线性化所产生的线性化模型误差问题,使用非线性预测滤波对线性化所引起的模型误差进行预测,并在标准EKF的解算过程中考虑到预测所得误差的统计特性,使模型更趋于真实情况。通过算例对改进算法的性能进行了验证。     

卡尔曼平滑算法在高精度速度场解算中的应用

为了获得更高精度的速度场,根据卡尔曼平滑估计的原理,该文提出将卡尔曼平滑算法应用到速度场解算中的方法.该方法在卡尔曼滤波的基础上,根据已得滤波估计值进行反向卡尔曼滤波估计,将正向滤波解和反向滤波解进行加权平均,从而提高速度场解算的精度.利用SOPAC网站产出的2017-2019年共3 a的包含全球IGS站点的单 日松弛解H文件,分别采用经典卡尔曼滤波和卡尔曼平滑两种方法进行速度场的解算.结果表明,采用卡尔曼平滑算法较经典卡尔曼滤波在外符合精度上有10.5％的提升,在内符合精度上有10.7％的提升;分析可得,采用将正向滤波解与反向滤波解进行加权平均的卡尔曼平滑算法可提升速度场的解算精度.     

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。     

基于双卡尔曼滤波器的高精度POS算法研究

高精度的位置姿态系统(POS)在测绘领域发挥着重要的作用,数据处理算法是其核心技术之一。本文首先介绍了数据处理流程,提出了一种基于双卡尔曼滤波器的紧组合模式,并详细推导了其状态方程和量测方程,然后利用实测跑车数据对该算法进行了验证,并与IE(Inertial Explore)8.4的处理结果进行了对比分析。结果表明该方法能够达到较高的位置速度和姿态精度,是一种有效的数据处理算法。     

基于模糊逻辑的自适应强跟踪卡尔曼滤波在GPS定位中的应用

当载体速度频繁发生突变时,针对卡尔曼滤波在GPS定位解算中对系统模型依赖性强、鲁棒性差的问题,提出了一种基于模糊逻辑的自适应强跟踪卡尔曼滤波算法。该算法主要利用模糊逻辑自适应控制器监测系统输出的残差均值,并根据模糊规则动态调整弱化因子,从而对强跟踪滤波器中次优渐消因子进行自适应调整,来实现抑制载体突变影响。仿真结果表明,该算法在载体突变的跟踪精度高于扩展卡尔曼滤波和强跟踪卡尔曼滤,其稳定性也有所提高。      

基于强跟踪性能的QEKF组合导航自适应滤波研究

以低成本陆用航姿参考系统（AHRS）/GPS紧耦合系统为研究对象,建立了基于伪距、伪距率、航向角的组合观测数学模型。引入强跟踪滤波（STF）算法,利用渐消因子的作用,增强滤波器对状态快速变化的跟踪能力。同时,针对微惯性器件漂移过大的缺点,采用二阶EKF（QEKF）方法,通过对Hessian矩阵的求解,补偿系统观测方程线性化的二阶截断误差。仿真表明：STQEKF方法可高速准确地逼近系统非线性模型,实现陆地载体导航控制,在传感器精度有限的情况下,使姿态和位置的控制效果较标准EKF分别提高了约8.9%-38.2%和48.7%-54.4%     

改进的迭代EKF算法在伪卫星定位中的应用

首先,针对伪卫星导航系统距离用户较近的特点,对伪卫星定位系统非线性观测方程的线性化进行了误差分析,指出伪卫星数据处理顾及线性化误差影响的必要性。其次,针对迭代EKF(IEKF)算法受观测信息影响较大的问题,基于观测信息等价协方差矩阵原理给出了一种改进的IEKF算法。最后,利用仿真数据验证了改进的迭代EKF算法能够较好地抑制观测信息异常对滤波解的影响。