一种Kalman滤波系统误差及其协方差矩阵的半参数估计方法

提出用半参数估计理论来解决系统误差对Kalman滤波解的影响问题。即用半参数模型中的非参数分量表达观测模型和动力学模型中未知的系统误差,在移动的窗口内,基于观测残差和状态向量预测残差拟合模型系统误差,进而修正相应的观测向量和状态预测向量的协方差矩阵,以消除系统误差对滤波的影响。同时这种方法还有明显的优点,就是在滤波过程中不需要对系统误差做任何假设。文中推导了基于正则核估计来解算导航系统半参数模型的相应公式,并根据一个模拟的算例,证明了算法的有效性。     

带有未知物理信息的边坡监测滤波算法

为合理利用边坡的几何信息和物理信息,控制几何观测异常对形变参数估计的影响,建立了一种带有未知系统误差的滤波模型,并给出了一种基于移动窗口的系统误差自适应拟合法,同时给出了相应的状态预测向量的协方差矩阵估计方法。GPS监测网的计算结果表明,该算法可以通过拟合地球物理信息来减弱观测异常所带来的影响,提高形变参数解算精度。     

Sage-Husa随机加权无迹卡尔曼滤波及其在导航中的应用

在吸收Sage-Husa滤波和无迹卡尔曼滤波优点的基础上,利用随机加权估计算法将传统的定义在线性系统上的Sage-Husa噪声估计器推广到非线性系统中,提出一种非线性Sage-Husa随机加权无迹卡尔曼滤波算法。该算法首先利用Sage滤波的开窗平滑方法求得观测残差向量和新息(预测残差)向量的协方差阵;然后用随机加权自适应因子对观测残差和预测残差进行调节;最后对状态预报向量的协方差矩阵进行自适应随机加权估计,以控制观测残差和预测残差对导航精度的影响。计算结果表明,提出的非线性Sage-Husa随机加权无迹卡尔曼滤波算法,滤波精度明显优于无迹卡尔曼滤波和自适应无迹卡尔曼滤波算法,能够提高组合导航的解算精度。     

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。     

自适应抗差KF-UKF的超宽带导航定位方法

针对超宽带导航定位中量测信息异常误差和非线性滤波问题,该文提出了一种基于自适应抗差卡尔曼滤波-无迹卡尔曼滤波(KF-UKF)的超宽带导航定位算法。该算法首先利用卡尔曼滤波计算预测状态向量及其协方差矩阵,利用无迹卡尔曼滤波进行量测更新;然后利用先验阈值和预测残差构建量测噪声的抗差协方差矩阵,以减少量测信息异常误差的影响,同时利用自适应因子对算法进行调节和修正。结果表明,该算法能有效地抑制并消除超宽带测距中量测信息异常误差的影响,能有效地处理状态模型误差的影响,提高超宽带导航定位的精度和稳定性,同时拥有比无迹卡尔曼滤波算法更高的计算效率。     

神经网络辅助的GPS/INS组合导航自适应UKF算法

GPS/INS组合导航非线性系统最优估计算法中,基于统计信息和假设检验理论的多渐消因子自适应滤波算法的应用前提条件是残差向量为高斯白噪声。本文针对观测异常会影响残差向量的数字特性分布,提出了一种神经网络辅助的多重渐消因子自适应SVD-UKF算法。该算法采用神经网络算法削弱观测异常对残差序列高斯白噪声分布特性的影响,利用奇异值分解抑制UKF中先验协方差矩阵负定性变化,同时构造多重渐消因子对预测状态协方差阵进行调整,使得不同的滤波通道具有不同的调节能力,高效地应用于多变量复杂系统。最后利用车载实测数据进行了验证。结果表明,神经网络算法极大削弱了观测粗差对残差序列高斯白噪声分布特性的影响,拓展了多重渐消因子的应用范围,使其能在观测值含有粗差的条件下自适应调节不同滤波通道,消除滤波状态中的异常,提高组合导航解的精度和可靠性。     

组合导航抗差自适应卡尔曼滤波

针对组合导航系统的定位精度与稳定性要求不断提高的现状,该文引入一种观测噪声协方差与抗差自适应相结合的Kalman滤波算法。利用新息向量和移动窗口协方差分析法,动态自适应修正观测噪声协方差阵;通过分析基于状态不符值、方差分量的统计量构造的自适应因子所存在的问题,提出一种由预测残差向量构造的自适应因子。仿真结果表明,该方法能够有效抑制观测异常对组合导航定位精度的影响。     

GNSS星载原子钟性能评估

Kalman滤波时间尺度算法是一种实时的原子钟状态估计方法,在守时实验室具有重要实用价值。由于原子钟状态模型误差估计存在偏差,Kalman滤波时间尺度算法中状态估计可能出现相应异常扰动,应当对状态模型误差进行实时控制。对此,引入基于渐消因子的改进Kalman滤波时间尺度算法。对状态预测协方差矩阵引入渐消因子,利用统计量实时计算渐消因子的量值,控制状态预测协方差阵的增长,降低了原子钟状态估计的扰动。实验结果表明,相比于标准Kalman滤波时间尺度算法和基于预测残差构造自适应因子的Kalman滤波算法,基于渐消因子的改进Kalman滤波时间尺度算法能够提高原子钟状态估计的准确度,改进时间尺度的稳定度。     

基于渐消因子的改进Kalman滤波时间尺度估计算法

Kalman滤波时间尺度算法是一种实时的原子钟状态估计方法,在守时实验室具有重要实用价值。由于原子钟状态模型误差估计存在偏差,Kalman滤波时间尺度算法中状态估计可能出现相应异常扰动,应当对状态模型误差进行实时控制。对此,引入基于渐消因子的改进Kalman滤波时间尺度算法。对状态预测协方差矩阵引入渐消因子,利用统计量实时计算渐消因子的量值,控制状态预测协方差阵的增长,降低了原子钟状态估计的扰动。实验结果表明,相比于标准Kalman滤波时间尺度算法和基于预测残差构造自适应因子的Kalman滤波算法,基于渐消因子的改进Kalman滤波时间尺度算法能够提高原子钟状态估计的准确度,改进时间尺度的稳定度。     

大地测量相关观测抗差估计理论

相关观测异常诊断、质量控制是测量数据处理领域亟待解决的难题之一。分别从方差膨胀模型和相关权元素压缩模型入手研究了相关观测的质量控制理论和方法；给出了误差影响函数；构造了方差膨胀函数和权因子收缩函数；利用观测量的等价协方差阵和等价权矩阵讨论了相关观测质量控制的计算方法。该等价协方差矩阵和等价权矩阵不仅保持了原有协方差矩阵和权矩阵的对称性，而且保持了原有协方差矩阵的相关性不变。计算结果表明异常观测的方差膨胀法和等价权法能有效地控制异常观测对参数估值的影响。     

Adaptive fitting of systematic errors in navigation

To use Kalman filtering for kinematic positioning and navigation, we have to deal with both observational and kinematic models. Both of the functional models may contain global or local systematic errors. The influence functions of the systematic errors on the estimates of kinematic states are derived. An adaptive fitting method for systematic errors of the observations and kinematic model errors is presented. The systematic errors are fitted with a mean or a weighted mean by using the residuals of observations and residuals of predicted states within a chosen time window. The covariance matrices of the modified observations and the predicted states are estimated within the same window. The estimation formulae and calculation strategy, as well as a real example, are given. It is shown by theory and calculations that Kalman filtering based on the adaptive fittings of the systematic errors and covariance matrices can, to some degree, resist the influences of systematic errors on the estimated states of navigation.     

先验协方差阵误差对动态Kalman滤波解的影响

分别讨论当标准Kalman滤波动力学模型的状态参数协方差阵、状态噪声的协方差阵及观测噪声的协方差阵含有误差时,对滤波结果的影响并导出相应的解式。利用GPS/INS紧组合导航系统的实测数据对上述分析进行了实验,结果表明,动力学模型信息的协方差阵和观测信息的协方差阵在滤波中具有一个理想的平衡点,该平衡点能够合理分配动力学模型信息和观测信息对滤波解的贡献,从而可以得到可靠的滤波解。     

基于移动开窗法协方差估计和方差分量估计的自适应滤波

基于移动窗口协方差估计和方差分量估计,提出了一种新的自适应Kalman滤波技术。计算结果证实,该方法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。     

利用预测残差和选权滤波构造的分类因子在GPS/INS组合导航中的应用

针对组合导航观测个数少、采用单因子自适应滤波会损失间接可测参数精度的问题,利用预测残差和选权滤波思想构造了分类自适应因子。实测算例计算结果表明,该算法不仅能够很好地控制状态扰动异常影响,而且还能避免损失间接可测参数的精度,进一步提高了导航精度。     

利用部分状态不符值构造的自适应因子在GPS/INS紧组合导航中的应用

提出了一种通过部分状态不符值来构造自适应因子的方法。实测算例结果表明,当观测无异常时,由预测残差构造的自适应因子和由部分状态不符值构造的自适应因子都能够较好地抑制动态模型误差的影响,相比于标准Kalman滤波精度都有所提高,并且这两种自适应滤波的精度相当;但是当观测存在异常时,由预测残差构造的自适应因子不能分辨模型误差和观测误差,而由部分状态不符值构造的自适应因子能够抵制观测异常的影响,因此,滤波结果优于由预测残差构造的自适应因子的滤波结果。     

简化自协方差最小二乘噪声估计的SINS静基座初始对准

目的 研究了观测噪声统计特性未知的情况下,简化的自协方差最小二乘噪声估计方法在捷联惯性导航系统静基座初始对准中的应用。该算法采用迭代计算的策略,同时进行噪声估计和初始姿态修正,估计精度较高。通过数值方法对此算法的正确性和有效性进行了验证。     

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.     

利用固定模糊度的动态精密单点定位算法

首先,采用序贯最小二乘法计算无电离层组合观测值的模糊度;然后,固定宽巷组合模糊度;再固定窄巷组合模糊度;最后,得到无电离层组合观测值的模糊度最终解。谱密度的取值影响状态参数预测值的协方差矩阵元素的大小,因此,采用自适应滤波进行处理。利用机载GPS数据进行验证,结果表明,与其他方案相比,利用固定模糊度的自适应滤波加快了收敛速度,提高了动态精密单点定位的解算精度;无论谱密度取何值,自适应滤波都能够得到较稳定的解。