联邦滤波的改进算法

分析并综述了联邦滤波算法,以及该算法存在的问题。针对观测信息不足的情况下,结合抗差估计和自适应估计理论对联邦滤波算法进行了改进,给出了联邦滤波在局部传感器观测信息不足情况下的改进算法。由模拟计算结果可知,在局部传感器观测信息不足的情况下,改进的联邦滤波器能较好地抑制载体观测异常和状态扰动异常对动态系统参数估值的影响,具有很强的的抗差性和自适应性。     

自适应抗差联邦滤波算法

简要介绍了抗差估计理论；在顾及扰动异常的情况下，把自适应抗差Kalman滤波应用到联邦滤波上，对联邦滤波进行了改进，提出了一种自适应抗差联邦滤波算法。由计算结果可知，自适应抗差联邦滤波能较好地抑制载体观测异常和状态扰动异常对动态系统参数估值的影响，较好地提高导航解的精度。     

自适应抗差联邦滤波算法

简要介绍了抗差估计理论;在顾及扰动异常的情况下,把自适应抗差Kalman滤波应用到联邦滤波上,对联邦滤波进行了改进,提出了一种自适应抗差联邦滤波算法.由计算结果可知,自适应抗差联邦滤波能较好地抑制载体观测异常和状态扰动异常对动态系统参数估值的影响,较好地提高导航解的精度.     

基于当前加速度模型的抗差自适应Kalman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。首先介绍机动载体的当前统计模型,分析该模型存在的问题,提出一种基于“当前”加速度模型的抗差自适应卡尔曼滤波算法。跟以往建立的自适应KALMAN滤波进行比较,计算结果表明,该算法不仅可以提高滤波器的精度,而且更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系统的真实情况。     

两种渐消滤波与自适应抗差滤波的综合比较分析

给出了两种渐消滤波解及其相应的原则，介绍了自适应抗差滤波原理和相应的解，分别从原理和解的表达式上分析了两种渐消滤波和自适应抗差滤波解算的基本性能。利用一个实际算例比较了渐消滤波与自适应抗差滤波解在控制状态异常影响方面的能力。     

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     

噪声协方差矩阵加权估计的Sage自适应滤波

介绍了经典 Kalm an滤波和目前广泛使用的 Sage自适应滤波 ,分析了基于新息向量、残差向量和状态改正数向量的自适应协方差估计存在的问题 ,提出了一种改进 Sage自适应滤波的新方法。计算结果表明 ,该方法能有效地控制观测异常和动态扰动异常对噪声协方差估计的影响 ,在高动态 GPS数据处理中具有较强的数值稳定性和自适应性。     

非线性自适应抗差滤波定轨算法

讨论了应用卡尔曼滤波进行卫星精密定轨所遇到的一些问题,提出了一种新的非线性自适应抗差滤波定轨算法。该方法首先采用非线性滤波来提高定轨精度,避免了模型线性化误差的影响。另外,采用双因子方差膨胀模型来自适应地调节观测噪声的协方差阵,以控制观测异常对定轨结果的影响;通过自适应因子实时调节状态噪声协方差阵,以降低状态异常对定轨结果的影响。通过CHAMP卫星定轨计算,验证了新方法的可行性和有效性。     

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。     

改进的迭代EKF算法在伪卫星定位中的应用

首先,针对伪卫星导航系统距离用户较近的特点,对伪卫星定位系统非线性观测方程的线性化进行了误差分析,指出伪卫星数据处理顾及线性化误差影响的必要性。其次,针对迭代EKF(IEKF)算法受观测信息影响较大的问题,基于观测信息等价协方差矩阵原理给出了一种改进的IEKF算法。最后,利用仿真数据验证了改进的迭代EKF算法能够较好地抑制观测信息异常对滤波解的影响。     

多源传感器动、静态滤波融合导航

首先给出联邦滤波各局部输出量之间的相关协方差矩阵,进而给出了基于各传感器独立观测信息的动、静态滤波解法,这种解法避免了重复使用载体状态方程信息的问题,保证了多传感器数据融合的最优性,而且很容易扩展到抗差滤波和自适应滤波融合。     

一种改进的抗差Kalman滤波方法在精密单点定位中的应用

分析了未能探测到的小周跳或粗差对GPS精密单点定位的影响,提出了一种改进的抗差Kalman滤波方法。该方法通过相位观测值验后残差分析,对传统抗差方案中等价权为0的情况进行周跳处理,能同时兼顾相位观测值中的粗差和小周跳问题。利用实测数据和模拟数据进行实验,结果表明,该方法不但可以显著改善未能探测的周跳对于定位结果的影响,同时避免了传统抗差方案中出现的后续历元相位残差持续增大的情况。     

改进的Sage自适应滤波方法

本文首先介绍了 Sage自适应滤波方法 ,分析了基于新息向量、残差向量和状态参数预报值改正向量的协方差自适应估计所存在的问题 ,提出了改进 Sage自适应滤波的新方法。结果表明 ,该方法能有效地控制状态方程异常对动态系统参数估值的影响     

Kalman滤波模型误差的修复

基于预测残差分析和滤波误差估计,提出了一种新的Kalman滤波模型误差的修正方法。该方法在预测残差分析的基础上,利用观测模型误差和动力学模型误差的相互影响,基于滤波误差估计,从修正观测模型入手,有效地消除了以往历元所有观测模型误差和动力学模型误差对当前历元滤波值的影响。GPS动态导航模拟实验表明,该方法不仅有效地消除了整个Kalman滤波模型误差的影响,而且结果比较理想。     

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。     

基于方差分量估计原理的自适应卡尔曼滤波及其应用

简单介绍了GPS伪距动态定位的卡尔曼滤波模型的建立，针对传统卡尔曼滤波中动态噪声不准或不容易确定以及因动态目标机动而导致滤波发散的现象，提出了一种根据方差分量估计原理，利用预报残差计算模型的动态噪声方差分量的自适应滤波算法，当利用预报残差进行计算时，这一方面增加的计算量不大，能有效地克服由上述原因而导致的滤波不稳定现象，适用于GPS动态定位数据的实时处理。     

基于学生化残差的模糊自适应滤波算法

在自适应Kalman滤波原理的基础上,结合模糊控制理论,提出一种基于学生化残差的模糊自适应滤波算法。该方法利用滤波残差构造统计量,再依据此统计量构造模糊控制器来自适应调节Kalman滤波器的自适应因子α,达到平衡动力学模型信息与观测信息对滤波解的作用。利用算例验证了该方法的可行性和有效性。