GPS导航中的抗差自适应Kalman滤波算法

GPS导航与定位的质量取决于对动态载体函数模型和随机模型的认知。本文首先基于机动载体的当前统计模型 ,设计了离散系统的Kalman滤波器 ,进而基于方差分量估计给出了一种适合GPS动态定位的抗差自适应卡尔曼滤波算法。该算法模型简单 ,实时性好。实测数据计算结果表明 ,滤波导航解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目标的真实情况     

GPS/INS组合导航系统抗差滤波器设计

常规Ｋａｌｍａｎ滤波器已经广泛用于ＧＰＳ／ＩＮＳ组合导航系统,其中假设系统动态模型和噪声统计特性是精确已知的。事实上,这种假设是不符合实际情况的。在组合导航系统中,惯性测量器件的质量不稳定,ＧＰＳ测量误差受外界环境的影响,因而对组合导航系统进行抗差设计是十分必要的。本文利用对策论设计了能使不确定噪声下性能最好的极小极大抗差滤波器,并将其应用到ＧＰＳ／ＩＮＳ组合导航系统中。考虑一个ＩＯ状态的ＧＰＳ／     

抗差自适应无迹Kalman滤波在GPS/INS组合导航中的应用

全球定位系统(Global Navigation Satellite System,GNSS)与惯性导航系统(Inertial Navigation System,INS)进行组合导航是实现自动驾驶的一种重要组合方式.针对动力学模型本身的非线性特点以及实际环境下存在观测粗差和系统状态异常的情况,提出将无迹Kalman(...     

精密单点定位在GPS/INS组合导航中的应用

分析了精密单点定位(precise point positioning,PPP)技术,提出了PPP/INS组合导航模型,并阐述了两者组合的技术路线及数据处理流程。实测数据采集于新南威尔士大学校园内,分别选用采样率为1s和2s的PPP数据与频率为100Hz的INS数据进行融合实验。将RTK定位解作为参考值,分别用PPP定位解和PPP/INS组合计算的位置与其比较,分析误差分布情况。结果表明,PPP/INS导航解要优于PPP导航解。     

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。     

北斗/INS组合导航关键技术分析

组合导航系统有利于充分利用各导航系统进行信息互补与信息合作,成为导航系统发展的方向。在所有的组合导航系统中,以GPS与惯性导航系统INS组合的系统最为理想,而深组合方式是GPS与惯性导航系统（INS）组合的最优方法。鉴于GPS的不可依赖性,北斗卫星导航系统与INS的组合是组合导航系统的发展趋势,研究其组合模式具有重要意义。通过分析、评述国外INS/GPS深组合导航系统的发展现状,提出我国自主研制INS/北斗深组合导航系统需要解决的关键技术。     

GPS/INS组合系统数据处理方法

在介绍国际和国内GPS／INS组合系统研究动态和热点的基础上，提出采用一个低价格单频伪距差分GPS／INS系统，辅以相位平滑伪距差分，同时施用模拟的多路径效应和多普勒改正，使定位精度达到分米级，运用联邦卡尔曼滤波，可提高系统的可靠性，大大减少计算量。     

抗差方差分量估计在GPS/GLONASS组合导航中的应用

运用GPS/GLONASS组合导航时,由于卫星系统的测距精度不同,需要在组合解算中采用方差分量估计进行合理定权和平差计算。但是,当GPS和GLONASS观测值中含有粗差时,若采用最小二乘方差分量估计则无法抵抗粗差的影响,从而降低平差结果的精度和可靠性。为了提高GPS/GLONASS组合解算的抗差性,本文引入了基于IGGⅢ等价权函数的抗差估计方法,经过对GPS/GLONASS实测数据的计算和分析,证明这是一种可行的和有效的方法。     

抗差卡尔曼滤波在GPS动态定位中的应用

基于Kalman滤波的GPS动态定位中，动态观测量及其相应的动态模型可能存在异常，若数据处理不考虑对这些异常的特别处理，则模糊度的估值及其所提供的动态信息将极不可靠，按抗差估计原理，文中构造了状态向量和观测值对模糊度的影响函数，并由此建立了动态GPS定位的抗差Kalman滤波解法，实际计算验证了该方法的实用性和可靠性。     

多星座组合精密动态定位的抗差扩展Kalman滤波方法研究

扩展Kalman(EKF)滤波算法可有效地进行多卫星系统数据融合处理,但该方法对观测数据的质量要求较高,当观测出现异常时,传统的扩展Kalman方法容易导致滤波失真。为此,利用实测数据,通过虚拟掩模遮挡卫星模拟复杂的GNSS观测环境,研究了基于IGGIII的抗差EKF算法,确定了分位参数的合理经验值,并对其在GPS/GLONASS/BDS组合精密动态定位中的应用进行了分析。结果表明,在遮挡严重的复杂观测环境中,抗差EKF算法可有效地提高组合定位系统的模糊度的固定成功率和定位精度。     

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。     

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     

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。     

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。     

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。     

GPS/INS组合系统中姿态参数估计准确性检验方法探讨

从滤波的关键矩阵——增益阵入手进行分析,发现机动条件下经典组合模型受状态预报模型不准的影响,姿态参数滤波估值及其更新方差阵偏离准确值,指出常用的姿态参数精度衡量指标不合理。提出了利用组合系统输出的载体系中某些方向速度为0的条件对姿态参数估值的准确性进行检验的思想。新的检验方法不需要增加任何额外设备,经济、方便、简单。     

使用复合滤波器实现双差GPS/INS动态组合高精度定位定姿

提出了一种双差载波相位GPS/INS紧密组合的新形式,分析了紧密组合和松散组合的计算形式和特点,进而统一了紧密组合和松散组合的估计状态,并将此紧密组合和松散组合相结合,实现了一个复合滤波器。此滤波器可以根据GPS的实际观测情况动态选择合适的滤波方式,可兼顾滤波器的精度和可靠性。通过处理实测数据,验证了此滤波器在精度和可靠性上都优于任一种单一的组合模式。     

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。     

高精度GPS差分载波相位多普勒/INS新型全组合解算机载TLS外方位元素

在提出单历元解算GPS模糊度技术的基础上,使用INS间接法误差模型,提出了一种GPS双差载波相位多普勒/INS全组合Kalman滤波的新方法,高精度直接解算机载TLS中的外方位元素。仿真数据试验表明,其姿态精度高于10",位置精度高于10cm。