星载GPS卫星定轨的UKF-EKF算法

针对无味Kalman滤波（Unscented Kalman Filter）在卫星定轨应用中存在计算效率和估计精度之间如何平衡的问题,本文提出了一种将无味Kalman滤波和扩展Kalman滤波（Extended Kalman Filter）相结合的新算法。该算法对标准的无味Kalman滤波算法作了两个方面的改进,一方面改进采样策略,以最小偏度单形采样策略代替对称采样策略;另一方面改进算法结构,以无味Kalman滤波和扩展Kalman滤波融合算法代替单纯的无味Kalman滤波算法,系统的强非线性部分采用无味Kalman滤波来处理,弱非线性部分采用扩展Kalman滤波来处理。算例结果表明,新算法估计精度与无味Kalman滤波相当,但计算效率提高了30%左右。     

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。     

基于模糊理论的抗差Kalman滤波算法

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质量.在实践中,观测向量及其动态模型信息均可能存在异常,此时若仍利用标准Kalman滤波,则状态滤波解将极不可靠.在标准Kalman滤波原理的基础上,结合模糊控制理论,提出了一种基于模糊理论的抗差Kalman滤波算法.该方法是依据滤波处理后的数据残差,利用模糊理论构造等价权,从而有效控制粗差对导航解的影响,并用算例验证了该方法的可行性和有效性.     

GPS/DR原始观测值组合导航定位研究

根据GPS/DR组合系统的导航定位原理,推导了利用GPS原始观测值与DR航位推算信息进行组合的Kalman滤波模型,并利用该滤波模型对GPS/DR原始观测数据进行航位解算.数据处理结果表明,即使在只有两颗GPS观测卫星的情况下,该滤波模型也可以充分利用GPS现测信息提高DR航位推算精度.     

卡尔曼滤波在GPS数据预处理中的应用

为了提高GPS数据预处理过程中基线解算的精度,文章研究利用多项式拟合法得到Kalman滤波的系统状态方程和转移矩阵,提出利用Kalman滤波算法对三差观测值进行粗差及周跳的修复。实验结果证明Kalman滤波可以对含噪信号进行有效的降噪,经降噪后的信号具有更好的分布。     

基于消参数双向Kalman滤波的GEO卫星定轨

基于Kalman滤波定轨的基本原理,本文针对GEO卫星定轨中的系统误差,提出了消参数双向Kalman滤波定轨方法,给出了该方法的状态模型和观测模型,并推导出解算公式.最后以卫星钟差为例,分别对常数项、线性变化和二次多项式形式的系统误差进行了模拟计算,结果表明:该方法能有效削弱系统误差的影响,提高了定轨精度,并能较好地估...     

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.     

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。     

基于模糊理论的抗差Kalman滤波算法

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质量。在实践中,观测向量及其动态模型信息均可能存在异常,此时若仍利用标准Kalman滤波,则状态滤波解将极不可靠。在标准Kalman滤波原理的基础上,结合模糊控制理论,提出了一种基于模糊理论的抗差Kalman滤波算法。该方法是依据滤波处理后的数据残差,利用模糊理论构造等价权,从而有效控制粗差对导航解的影响,并用算例验证了该方法的可行性和有效性。     

一种基于多普勒频移的GPS自适应滤波算法研究

针对接收机的动态模型对GPS定位精度的影响,提出了一种基于多普勒频移观测的高动态GPS自适应滤波算法。该算法利用GPS伪距测量值以及利用信号载波的多普勒频移所获得的伪距率测量值,在GPS动态滤波中同时观测伪距和伪距率。借助于移动目标的运动矢量模型以及GPS定位误差模型建立了滤波方程。重点讨论了运用该模型进行Kalman滤波的实现过程。仿真实验表明,该模型与传统的方差自适应模型相比,位置精度提高了32%、速度精度提高了25%,应用本文算法能够提高定位精度和改善接收机的动态性能,拓宽高精度、高动态导航的应用范围。     

BP神经网络在GPS导航中的应用

Kalman滤波常用于GPS动态数据的处理,由于系统存在的不确定性和非先验性,导致滤波产生较大的估计误差,甚至发散。介绍了BP神经网络算法及其非线性逼近能力,并基于BP神经网络的非线性逼近性能设计了BP神经网络进行GPS导航的新算法。实测数据计算结果表明该算法能够真实地反映载体运动轨迹,其导航解具有良好的精度和可靠性。     

两种滤波方法在SINS／GPS组合导航中的应用与比较

针对SINS／GPS组合导航系统中卡尔曼滤波发散的情况,引入了自适应滤波和H∞滤波,分析了它们各自的特性,最后进行仿真计算,验证了这两种滤波用于SINS／GPS组合导航系统的可行性和有效性,对实际应用中组合导航系统滤波器的设计具有一定的指导意义。     

Unscented Kalman filter with nonlinear dynamic process modeling for GPS navigation

This paper preliminarily investigates the application of unscented Kalman filter (UKF) approach with nonlinear dynamic process modeling for Global positioning system (GPS) navigation processing. Many estimation problems, including the GPS navigation, are actually nonlinear. Although it has been common that additional fictitious process noise can be added to the system model, however, the more suitable cure for non convergence caused by unmodeled states is to correct the model. For the nonlinear estimation problem, alternatives for the classical model-based extended Kalman filter (EKF) can be employed. The UKF is a nonlinear distribution approximation method, which uses a finite number of sigma points to propagate the probability of state distribution through the nonlinear dynamics of system. The UKF exhibits superior performance when compared with EKF since the series approximations in the EKF algorithm can lead to poor representations of the nonlinear functions and probability distributions of interest. GPS navigation processing using the proposed approach will be conducted to validate the effectiveness of the proposed strategy. The performance of the UKF with nonlinear dynamic process model will be assessed and compared to those of conventional EKF.     

SINS／GPS级联组合滤波新算法

针对级联式SINS／GPS导航系统中组合滤波器的测量噪声与系统噪声的相关问题，提出了一种相关程度未知条件下的估计量最优融合算法，并由此得到了一个顾及噪声相关性的的卡尔曼滤波新算法；通过对一套SINS／GPS数据的计算，证明了新算法是成功的。     

基于GPS软件接收机的SINS／GPS紧组合系统仿真

为了系统验证SINS／GPS紧组合系统的性能,基于GPS软件接收机,进行了仿真系统构建。仿真系统由轨迹发生器、GPS中频信号模拟器、IMU信号模拟器、GPS软件接收机、SINS导航解算模块、组合滤波算法和导航性能分析模块等部分构成,其中详细设计了GPS软件接收机中的捕获和跟踪算法、SINS解算以及基于伪距和伪距率的组合滤波算法。仿真结果表明：紧组合导航系统收敛性较好,能够一定程度上抑制惯导系统误差的积累,有较好的导航性能。设计的该系统满足紧组合导航系统性能验证的需要,也为后续的超紧组合研究奠定了良好的基础。     

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。     

Adaptive estimation of multiple fading factors in Kalman filter for navigation applications

Kalman filter is the most frequently used algorithm in navigation applications. A conventional Kalman filter (CKF) assumes that the statistics of the system noise are given. As long as the noise characteristics are correctly known, the filter will produce optimal estimates for system states. However, the system noise characteristics are not always exactly known, leading to degradation in filter performance. Under some extreme conditions, incorrectly specified system noise characteristics may even cause instability and divergence. Many researchers have proposed to introduce a fading factor into the Kalman filtering to keep the filter stable. Accordingly various adaptive Kalman filters are developed to estimate the fading factor. However, the estimation of multiple fading factors is a very complicated, and yet still open problem. A new approach to adaptive estimation of multiple fading factors in the Kalman filter for navigation applications is presented in this paper. The proposed approach is based on the assumption that, under optimal estimation conditions, the residuals of the Kalman filter are Gaussian white noises with a zero mean. The fading factors are computed and then applied to the predicted covariance matrix, along with the statistical evaluation of the filter residuals using a Chi-square test. The approach is tested using both GPS standalone and integrated GPS/INS navigation systems. The results show that the proposed approach can significantly improve the filter performance and has the ability to restrain the filtering divergence even when system noise attributes are inaccurate.     

组合GPS/GLONASS在车辆导航和监控系统中的应用探讨

给出了基于卡尔曼滤波的组合GPS／GLONASS伪距单点实时动态定位的原理,并通过模拟实验表明组合GPS／GLONASS可以改进单独GPS车辆导航和监控系统的定位精度和可幸性,为车最GPS在高楼林立的城区或其它可视条件受限制地带的应用提供了保证。     

有色噪声作用下的抗差卡尔曼滤波

根据用GPS载波相位三差观测量进行动态定位或精密导航的需求,推导了动态噪声、观测噪声为有色噪声的抗差卡尔曼滤波公式。白噪声的抗差卡尔曼滤波是有色噪声的抗差卡尔曼滤波的特例,有色噪声的抗差卡尔曼滤波为白噪声的抗差卡尔曼滤波的推广。     

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。