自适应滤波在GPS测速中的应用

GPS定位以及测速误差中包含有卫星星历误差、电离层、对流层延迟以及多路径效应等多种误差,对GPS的测速精度有着十分重要的影响,减小其误差的一种重要的方法即为卡尔曼滤波。由于GPS测速难以确定动态噪声和观测噪声,因此,标准卡尔曼滤波往往不能时时满足假设条件,而致发散。采取自适应的滤波方法对其进行改进并进行了比较,取得了较好的结果。     

一种新的自适应滤波及在单频GPS精密动态单点定位的应用

应用扩展卡尔曼滤波(EKF)进行单频GPS精密动态单点定位时,只有当动力学模型和随机模型准确无误时,卡尔曼滤波才能提供系统状态向量的最优解。而实际上,卡尔曼滤波解会受到许多因素的影响。尝试利用支持向量机来辅助卡尔曼滤波,先选择具有全局意义的样本,把信息向量作为支持向量机的输入,输出是相应的滤波解差值。然后在动态定位中,在线利用训练好的支持向量机预测出当前历元的滤波解差值,实时地修正滤波解,从而提高定位精度。最后通过一个实际算例验证该算法的适用性。     

GPS非差相位动态定位中Sage自适应滤波算法的研究及软件实现

介绍了GPS非差定位中的卡尔曼滤波模型,详细分析了滤波发散的原因.研究并给出了一种改进的自适应滤波,在此基础上编制了相应的软件,结合实例分析了该方法的有效性.     

动态定位自适应滤波解的性质

自适应抗差滤波具有控制观测异常及状态方程信息异常干扰的能力。着重研究自适应滤波解的性质。首先推导了动态自适应滤波与经典Kalman滤波解的解差，继而给出了状态向量估值的数学期望和均方误差，并分析了在自适应因子调控下解的偏差和均方误差的变化规律。由状态解向量的数学期望和均方误差的表达式可以看出，自适应因子能够控制状态异常对状态估值和均方误差的影响。     

GPS动态定位自适应卡尔曼滤波算法研究

Sage-Husa滤波和强跟踪滤波是2种常规的自适应卡尔曼滤波,有各自的优缺点。综合2种滤波的特点,给出一种抗粗差的修正算法,实验效果比较好,能有效抑制少部分粗差带来的影响,计算结果表明效果比较理想。     

改进的Sage—Husa自适应滤波在GPS动态导航定位中的应用

本文利用Kalman滤波方法对动态测量进行数据处理,由于高动态的GPS测量,不易确定系统动态噪声和观测噪声.同时标准的Kalman滤波在应用过程中由于状态模型确定的误差存在,滤波效果不佳.因此本文结合动态导航的实时性和高动态性,建立了动态导航系统中滤波状态方程和观测方程,采用改进的Sage-Husa自适应滤波对来进行实时定位数据处理,利用已有测量数据进行了实例分析.改进的Sage-Husa自适应滤波在计算过程中计算量小,结果稳定,有较强的自适应性.     

GPS动态相对定位的自适应Kalman滤波算法

GPS动态数据处理中广泛应用卡尔曼滤波,经典Kalman滤波认为预报误差是白噪声,服从零均值的正态分布,并利用动态噪声协方差矩阵来控制它对当前信息的影响,但实际测量定位中难以保证观测对象的规则运动,因而容易出现模型误差。针对GPS动态定位的这一问题,探讨了在实际应用中存在模型误差时的卡尔曼滤波,介绍了一种自适应Kalman滤波算法,该法顾及了载体机动加速及接收机发生周跳时的影响,减少了滤波发散的机会。     

GPS/DR组合导航自适应Kalman滤波算法

针对GPS/DR组合导航Kalman滤波的异常扰动影响问题,引入了自适应滤波算法。给出了由预测残差确定自适应因子的过程。利用实测数据进行验证,结果表明无论是单因子自适应滤波还是多因子自适应滤波都能够很好地控制状态异常对滤波估值的影响,滤波精度均优于标准Kalman滤波导航解;而且因为多因子自适应滤波避免损失可靠的状态参数信息,较单因子自适应滤波,精度又有明显提高。     

改进的粒子滤波及其在GPS动态定位中的应用

针对城市环境中GPS动态定位系统的特点,提出了一种基于粒子滤波的GPS动态定位算法。与传统卡尔曼滤波算法相比,该算法利用观测伪距误差分布建立重要的密度函数,能够处理噪声符合非高斯分布的情况,且无需对观测方程线性化,提高了GPS动态定位的精度。通过实际算例分析,验证了该算法的有效性。     

抗差自适应卡尔曼滤波在GPS精密单点定位中的应用

卡尔曼滤波是GPS精密单点定位中最常用的参数估计方法.理论上讲,随着观测数据的增多,通过卡尔曼滤波可以得到更精确的状态估值,但有时由于状态异常或发生大的周跳等原因,使得状态估值与实际状态之间的误差较大,滤波会发生发散现象,为此,本文提出了将抗差自适应滤波模型运用到精密单点定位中,通过算例分析显示,该方法将显著提高定位结...     

附加方位约束的GPS/INS组合系统选权自适应卡尔曼滤波

单天线GPS/INS经典组合模型存在的明显不足是：由于状态参数不仅包含INS的位置、速度误差,而且还包含INS的姿态误差和元件误差,存在观测信息不足,间接可测参数难以准确估计。在深入分析常用GPS/INS组合模型及滤波算法中参数估值的特性基础上,提出从两方面改善这类滤波结果：①在运动条件下的组合观测模型中附加GPS单天线测方位角约束,建立观测值与间接可测参数之间的联系;②将选权自适应卡尔曼滤波方法拓展到GPS/INS滤波中,以提高参数估计的精确性。通过对滤波结果的增益阵、位置差、速度差及姿态估计结果的分析可知,该方法的滤波结果更趋准确、合理。     

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。     

改进的高动态GPS定位自适应卡尔曼滤波方法

本文针对高动态ＧＰＳ不易确定动态噪声和观测噪声的特点,提出了一种适用于高动态ＧＰＳ定位的改进的自适应卡尔曼滤波方法。该方法具有数值稳定性好,存储量小的优点,克服了发散的缺点,具有较强的自适应性。     

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。     

具有坐标函数约束的动态定位算法

在单历元阻尼LAMBDA算法的基础上,采用两种处理方案,分析了一些简单的坐标函数约束对解算模糊度的作用,并用两个实际算例验证了坐标约束在单历元定位中的应用效果。     

Adaptive Kalman Filtering for INS/GPS

After reviewing the two main approaches of adaptive Kalman filtering, namely, innovation-based adaptive estimation (IAE) and multiple-model-based adaptive estimation (MMAE), the detailed development of an innovation-based adaptive Kalman filter for an integrated inertial navigation system/global positioning system (INS/GPS) is given. The developed adaptive Kalman filter is based on the maximum likelihood criterion for the proper choice of the filter weight and hence the filter gain factors. Results from two kinematic field tests in which the INS/GPS was compared to highly precise reference data are presented. Results show that the adaptive Kalman filter outperforms the conventional Kalman filter by tuning either the system noise variance–covariance (V–C) matrix `Q' or the update measurement noise V–C matrix `R' or both of them. Received: 14 September 1998 / Accepted: 21 December 1998     

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。