自适应卡尔曼滤波在GPS/DR组合导航中的应用

针对在观测条件较差的情况下卡尔曼滤波的鲁棒性较差,本文设计了一种自适应卡尔曼滤波模型。通过实际车载GPS/DR组合导航试验,结果表明该模型在观测质量较差的情况下能够抑制较大的偏差,相对于标准卡尔曼滤波模型,其平面定位精度提高了近一倍,达到2～3m。因此,在观测环境较差的情况下建议采用渐消自适应卡尔曼滤波模式进行组合导航。     

基于模糊隶属函数的参数稳健估计

参数估计过程经常遇到2个主要问题:一个是最小二乘与稳健估计不能兼顾最优无偏性和稳健性;另一个是非线性模型参数估计进行线性近似处理中带来的模型误差导致对粗差的错误鉴别和定位。针对以上2个问题,提出了基于模糊隶属函数的稳健估计方法。该方法通过隶属度加权来削弱个别粗差污染数据对参数估计结果的影响,从而达到提高参数估计稳健性的目的。分别用线性回归模型和非线性回归模型对该算法进行了验证,结果表明,该算法对粗差具有较好的抵抗能力,能够对参数进行稳健估计。     

卡尔曼滤波-灰色组合模型及其在变形监测中的应用

建筑物变形监测数据呈现出典型的时变、非平稳和小样本特征,导致传统单一模型难以获得满意的预测精度。针对该问题,本文提出将卡尔曼滤波与灰色模型结合构建一种组合预测模型。首先利用卡尔曼滤波对原始监测数据进行平滑滤波,对数据中所含随机干扰误差进行动态抑制;之后利用灰色模型拟合数据中隐含的变形趋势信息,从而在小样本情况下获得较长时间的预测能力。基于实际建筑物变形数据开展试验,结果表明：与传统小波分析、灰色模型相比,该方法的预测精度明显提升,并且在小样本情况下具有更高的稳健性。     

DLG数据模糊综合评判隶属度函数的确定

由于DLG数据的质量内涵、评价指标和评价方法等原因,质量实际上具有模糊属性。模糊综合评价方法,受样本的局限较少,可有效避免由于样本点选择的不同导致同一产品的质量评价等级不同的结论。作为评判因子精度处于良好的状态程度的隶属度函数,它影响模糊评价的结果。本文通过属性测度的概念对模糊隶属度函数进行确定,达到评判的清晰化和合理化。     

GPS/DR组合导航在中国公路网测绘工程中的应用

针对中国公路网GPS测绘工程实施过程中存在的问题,根据GPS／DR组合导航系统的原理和特点,研究了GPS／DR组合导航系统在公路网GPS测绘工程运用的实现及其作用。     

GPS/DR组合导航在中国公路网测绘工程中的应用研究

针对中国公路网GPS测绘工程实施过程中存在的问题,把GPS/DR组合导航系统引入到中国公路网GPS测绘工程,研究GPS/DR组合导航系统在公路网GPS测绘工程运用的实现及其作用。     

多星座组合卫星导航系统覆盖仿真分析

组合中国北斗(BDS)、美国GPS、俄罗斯GLONASS和欧盟GALILEO 4个全球卫星导航系统,通过仿真数据对比GPS单一系统、当前组合系统、未来完整组合系统在全球不同纬度地区几何精度衰减因子和导航精度的变化情况,分析组合卫星导航系统的优势。     

卡尔曼滤波与H∞滤波在INS／GPS组合导航中的应用

组合导航利用惯性导航（INS）和全球定位系统（GPS）较强的非相似性和互补性,将两者组合,可以取长补短,充分发挥各自的优点,提高导航系统性能。利用卡尔曼滤波能够有效提高其精度,但卡尔曼滤波的应用要求函数模型和随机模型已知,符合实际,这在实际应用中是很难保证的,一般都是通过经验信息确定。H滤波则具有很强的鲁棒性,抗干扰性强。通过仿真数据处理,结果表明：H滤波比卡尔曼滤波在噪声特性未知时更适用,精度更高。     

顾及基坑施工影响的地铁区间隧道结构卡尔曼滤波预报模型

将有限元分析计算得到的基坑开挖对地铁隧道结构变形的影响结果作为控制变量引入卡尔曼滤波模型,同时设计了以工程进度为依据的控制变量矩阵参数选取方法。以某地铁侧方基坑开挖项目为实例,分别进行了短期和较长期预报。对于短期预报,一般卡尔曼滤波模型和本方法均能较好地预报变形趋势;在较长期的预报方面,本方法的预报结果与实际观测结果更加吻合。     

抑制卡尔曼滤波发散的组合导航算法研究

卡尔曼滤波是一种递推线性最小方差估计算法,在组合导航数据融合中得到了广泛应用;但由于卡尔曼滤波要求系统模型和噪声统计特性精确已知,而实际中很难做到,因此常常出现滤波发散现象。鉴于此,着重研究了衰减记忆自适应卡尔曼滤波和渐消记忆卡尔曼滤波在INS/GPS组合导航中的应用,并通过对仿真数据的处理,验证了两种滤波算法在抑制滤波发散、提高组合导航系统精度和稳定性方面的可行性。     

组合导航中一种新息自适应卡尔曼滤波算法

全球定位系统/航位推算组合导航定位中,由于目标运动的不确定性,GPS接收机与DR器件接收的数据存在噪声,使预置目标运动模型通常很难得到较高跟踪精度,针对应用常规卡尔曼滤波进行组合导航解算由于噪声统计特性未知而引起滤波不稳定的问题,本文提出了一种基于新息序列的量测计算进行自适应估计的卡尔曼滤波算法。该算法通过对新息方差强度进行极大似然估计,将新息计算引入卡尔曼滤波器的增益计算,达到控制发散的目的。最后对改进的算法与一般卡尔曼滤波算法做了对比仿真试验分析,结果表明了改进算法的有效性。     

地固系下四元数和卡尔曼滤波方法的惯导初始精对准研究

从地心地固系中卡尔曼滤波方程的推导入手,设计了一个12状态滤波器,对失准角进行估计,在地心地固坐标系中完成了惯导的初始精对准。模拟计算证明了此算法的正确性与有效性,并讨论了对准的精度。     

附有道路信息约束的自适应卡尔曼滤波在车载导航中的应用

基于车辆“当前”统计模型,利用自适应卡尔曼滤波对车载GPS动态数据进行了处理。将制约车辆运动的道路信息引入模型中,作为约束条件引入卡尔曼滤波方程。其思路是在原有滤波的基础上,利用道路信息约束条件对滤波方程中的一步预测值进行修正,以提高滤波结果的精度。实验结果表明,该算法具有实用意义。     

改进的UKF在GPS/INS组合导航中的应用

在GPS/INS组合导航中,传统UKF(Unscented Kalman Filter)计算量大,无法满足实时性要求。而且当动力学模型受到异常扰动误差影响时,其精度与稳定性易受到影响。针对以上问题,利用最小偏度单形采样策略降低UKF计算量以提高精度;通过自适应调整过程噪声以降低动态异常扰动误差对UKF精度与稳定性的影响。由此提出了一种改进UKF算法,用于GPS/INS组合导航。仿真实验结果表明,改进UKF算法用于GPS/INS组合导航的精度要优于UKF算法。     

UKF在惯性/重力组合导航中的应用

将UKF(Unscented Kalman Filter)方法用于惯性/重力组合导航系统.UKF方法设计了少量的呈高斯分布的σ点,在每个更新过程中,σ点随着非线性状态方程和测量方程传播,从而获得滤波值及较高的计算精度,而且避免了对非线性方程的线性化过程.仿真结果表明:UKF方法比传统卡尔曼滤波及其改进的滤波模型都有更高的估计精度,并能有效的克服非线性严重时出现的滤波发散问题.     

UKF在惯性/重力组合导航中的应用

将UKF(Unscented Kalman Filter)方法用于惯性/重力组合导航系统。UKF方法设计了少量的呈高斯分布的σ点,在每个更新过程中,σ点随着非线性状态方程和测量方程传播,从而获得滤波值及较高的计算精度,而且避免了对非线性方程的线性化过程。仿真结果表明:UKF方法比传统卡尔曼滤波及其改进的滤波模型都有更高的估计精度,并能有效的克服非线性严重时出现的滤波发散问题。     

一种基于分步式滤波的多传感器组合导航系统算法研究

提出了一种多传感器组合导航系统的分步滤波算法。当所有传感器的观测值到来时,首先对该时刻的系统状态进行预测,然后利用常规卡尔曼滤波器和各导航传感器的观测值依次对该时刻的状态向量估计值进行更新,进而得到该时刻状态向量基于全局信息的最优融合估计。最后利用GPS/SST/高度表/SINS多组合导航系统对上述算法进行验证。仿真结果表明,该算法与集中式卡尔曼滤波算法的估计精度相同,但计算量得到降低。     

利用随机系数矩阵的GNSS/INS组合导航Kalman滤波算法

在动力学模型可靠的情况下,为避免观测异常对滤波结果的影响,建立处理观测异常的观测模型集合,以观测模型集合中系数矩阵的期望来代替观测方程的系数矩阵,利用随机系数矩阵Kalman滤波算法来控制观测信息异常的影响。算例结果表明,该算法可以有效地控制观测值异常对滤波结果的影响。     

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。     

惯性／双星组合导航系统的滤波与仿真

介绍了惯性导航系统和双星导航系统各自的运行方式和优缺点；详细推导了组合导航系统的误差方程和量测方程；介绍了Kalman滤波的整个过程并最后进行了仿真计算。仿真结果显示，惯性导航系统和双星导航系统的组合弥补了各自的不足，具有较好的精度和可靠性。