IMU/GPS组合导航系统自适应Kalman滤波算法

给出了IMU在地固坐标系中的误差方程,介绍并分析了自适应滤波和渐消Kalman滤波算法原理,然后将渐消因子引入到自适应滤波算法中,并将其应用到IMU/GPS松组合导航系统中,最后利用一个实际算例证明了该组合导航系统的有效性。     

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。     

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。     

IMU/GPS组合导航系统自适应Kalman滤波算法

针对基于指纹库的WiFi定位存在的点位重积、回跳,行人航位推算算法中误差积累的问题,提出了并实现了通过一种自适应加权扩展卡尔曼滤波对两种定位算法进行松耦合。首先给出了WiFi无线定位和行人航位推算进行位置解算的原理,采用渐消因子的自适应加权EKF算法实现了两者的融合,最后通过实测数据验证算法的有效性。试验表明,该方法在保持了WiFi定位单次定位高精度的特性的同时,继承了航位推算的连贯性,不仅减少了WiFi定位所存在的重复堆积点以及回跳点,并在一定程度上削弱了行人航位推算所存在的积累误差,提高了融合算法的效率,大大提高了室内定位的精度与稳定性。     

非完整约束的OD/SINS自适应组合导航方法

在地面车载组合导航GNSS/OD/SINS中,全球导航卫星系统（GNSS）信号容易受到环境的干扰甚至发生中断,将非完整性约束（NHC）应用于里程计（OD）/捷联惯性导航系统（SINS）组合,可以有效抑制GNSS信号中断期间组合导航系统的误差发散。通常NHC的噪声设定基于固定的经验值,然而在实际运动过程中,车辆运行轨迹复杂多变,其运动状态不能完全满足NHC前提假设,经验给定的噪声无法准确反映车辆实际运动情况。为此,本文分析了NHC噪声与车辆运动状态的关系,构建了一种基于车辆运动状态的NHC噪声自适应方法。通过所选场景的实测数据验证表明：采用噪声自适应的NHC/OD/SINS组合导航结果相比于固定噪声的NHC/OD/SINS组合,在GNSS信号中断110 s、车辆连续转弯的情况下,最大水平位置误差减小了68.4%;在GNSS信号中断74 s、车辆直线行驶的情况下,最大水平位置误差减小了87.3%;能较好地抑制GNSS中断期间组合导航系统的误差发散。     

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。     

强跟踪抗差自适应滤波算法及其在无人机导航定位中的应用

针对Sage-Husa自适应滤波算法在无人机导航定位应用中存在滤波发散和定位精度低的问题,本文提出一种强跟踪抗差自适应滤波算法.该算法在Sage-Husa自适应滤波算法基础上,引入强跟踪技术,通过自适应渐消因子降低历史数据对当前滤波的影响,从而抑制滤波发散,增强算法的稳健性;结合量测噪声和系统噪声进行实时估计,并且在估...     

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。     

CNS/SINS组合导航系统仿真分析

天文导航和捷联惯性导航(CNS/SINS)相结合构成的组合导航系统,实现导航优势的互补,提高导航的精度和可靠性。文中阐述在惯性系下,以弹道导弹为研究对象而建立CNS/SINS组合导航的数学模型,并利用MATLAB编程设计基于离散型卡尔曼滤波的组合导航系统仿真,对比SINS和CNS/SINS对载体位置误差、速度误差以及姿态角估计的影响,进而验证CNS/SINS组合导航系统的可靠性。     

基于Kalman滤波的动力学模型误差估计算法

本文分析介绍了模型误差对滤波解和预报残差影响的表达式.随后,针对GPS/INS松组合导航系统观测信息无冗余的情况,给出了基于Kalman滤波的动力学模型误差估计算法.最后利用一个车载实测数据证明了算法的有效性.     

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。     

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。     

基于自适应 Kalman 滤波的边坡变形预测研究

研究Kalman滤波和自适应Kalman滤波算法,结合边坡监测点的运动模型将其应用于边坡变形监测动态数据变形预测。利用小湾水电站二号山梁高边坡GPS监测数据进行实验研究。结果表明,自适应Kalman滤波在边坡三维形变预测及变形速率估算方面有很好的预测结果。     

面向低成本车载IMU的安装姿态估计

车载IMU相对于车体的安装姿态信息是应用车辆非完整约束的必需条件,而车辆非完整约束可以有效解决GNSS信号长时间中断的情形下低成本INS+GNSS组合导航系统精度降低的问题。本文针对车载场景下的低成本消费级IMU,基于卡尔曼滤波和粒子滤波提出了一种估计IMU安装姿态的算法。该算法无需限制IMU相对于车体的姿态为小角度;随后,基于仿真平台对低成本消费级IMU进行建模,利用生成的若干组不同安装姿态的IMU数据对算法进行验证;最后进行车载测试。仿真结果和车载测试结果都表明,该算法可以准确地估计IMU相对于车体的安装姿态,对于低成本INS+GNSS组合导航系统精度的提高具有实际意义。     

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组合制导技术在现代战争中的应用及发展趋势

现代战争大量使用精确制导武器,广泛应用先进的GPS／INS组合制导技术。分析了GPS／INS组合制导技术的优势,结合其在军事领域的应用,展望了GPS／INS关键技术的发展趋势。     

GPS/DR/MM组合导航中的车辆定位精度研究

本文介绍了GPS/DR/MM的工作模式和地图匹配的原则和方法,探讨了将车辆位置匹配到路段上的两种方法,即利用地图数据库或GPS点直接向路段投影。本文从理论角度提出提高车辆路段定位精度的方法,并利用公式进行了推导证明。推导结果表明,利用上述两种方法对车辆位置进行最佳估计,所获得的车辆位置的不确定性大大降低,为组合导航提供了理论依据。     

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。     

Design of minimax robust filtering for an integrated GPS/INS system

The problem of navigation systems with uncertain noise is considered. A minimax robust filtering which can minimize the worst performance under noise uncertainties using the game theory is proposed. This new filter is applied to an integrated GPS/INS navigation system. A high dynamics aircraft trajectory is designed to test the new filter. The results show that minimax robust filtering performs better than standard Kalman filtering when noise parameters of an inertial measurement unit change their statistical properties. Received: 21 October 1997 / Accepted: 26 May 1999     

顾及动力学模型误差影响的GPS/INS组合导航自适应滤波算法

在顾及动力学模型随机误差的情况下,设计了一种GPS/INS自适应滤波算法。针对BP神经网络存在的训练速度慢、易陷入局部极小值等问题,对神经网络学习算法进行了改进。利用神经网络进一步减小系统误差对导航解的影响,给出了顾及动力学模型随机误差和系统误差的GPS/INS自适应滤波算法,并利用实测数据验证了算法的有效性。