基于改进卡尔曼滤波的卫星导航定位精度优化

为解决卫星导航定位信号因遮挡而出现非视距传播模式,导致定位精度低的问题,研究基于改进卡尔曼滤波的卫星导航定位精度优化方法。改进蛙跳算法寻优设置,优化支持向量机,分类提取存在遮挡信息的卫星导航信号;设计基于改进卡尔曼滤波的卫星导航定位精度提升算法,动态估计存在遮挡信息的卫星导航信号观测噪声协方差,自适应调节信号滤波增益,全面去除信号中的无效定位信息,获得精准卫星导航定位结果。研究结果显示：所提方法使用后,卫星导航定位结果实际位置高度匹配,定位精度明显提升。     

不变RTS平滑算法及其在5G/SINS组合导航中的应用研究

为了解决导航系统的位置误差随时间累积的问题,提出一种状态空间为矩阵李群的不变RTS(invariant RauchTung-Striebel, InRTS）平滑算法来提高导航状态的精度,其核心在于导航状态及观测都利用矩阵李群进行表示及推导。首先,将系统状态及其误差状态微分方程用矩阵李群来表征,相比于传统扩展卡尔曼滤波算法（extended Kalman filter,EKF）,将系统状态构建在矩阵李群上,其动力学方程可以更自然更本质地描述物体在空间中的运动特性,而通过群运算定义的误差状态耦合了姿态误差而不是直接的向量相减;接着,通过李群和李代数之间的对数映射将不变误差状态变量映射到李代数空间,得到一个解析的线性微分方程,该方程与当前状态估计值无关,从而可以获得在任何线性化点处状态无关的雅克比矩阵;然后,根据5G定位中量测模型的左不变特性推导包含杆臂误差的左不变误差状态量测方程,从而得到一个左不变EKF;最后,以左不变EKF为前向滤波,提出不变RTS平滑算法,并将其应用于5G/SINS(strapdown inertial navigation system）组合导航系统,在仿真实验中与...     

星载GPS低轨卫星定轨理论及方法研究

论文研究了星载GPS低轨卫星定轨技术的基本理论和方法,研制了星载GPS低轨卫星约化动力法定轨软件,针对约化动力法和推广卡尔曼滤波存在的问题,开展了星载GPS低轨卫星自适应事后和实时定轨研究,论文最后对星载GPS编队卫星相对定位技术进行了研究。主要工作及创新点概括如下：     

自适应Kalman滤波和小波滤波在激光云图数据处理中应用的比较

为了获取一种具有实际应用价值的动态激光扫描云图误差处理算法,本文在一幅实测激光扫描云图的基础上,通过数据模拟和计算,分别对自适应卡尔曼滤波算法和小波算法的滤波效果进行试验,给出了试验结果。通过对处理结果的分析,结合两种算法的理论原理,说明了每种算法的适用范围,总结了存在的问题。     

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。     

自适应卡尔曼滤波在GNSS沉降监测中的应用

为解决GNSS-RTK实时测量中存在的数据波动性大,难以满足高精度沉降监测需求的问题,通过引入方差补偿自适应卡尔曼滤波,对原始测量数据进行滤波去噪,实现了绝大部分白噪声的过滤和修正。同时,对原始测量数据与滤波数据进行分析比对,滤波前原始数据标准差在7 mm左右,方差补偿法滤波后数据标准差在3 mm左右,实现了两倍多的精度提升。实践证明,方差补偿自适应卡尔曼滤波在抑制滤波发散和提高监测数据精度上具有显著的效果。     

同波束干涉测量在月面相对定位中的应用

基于同波束干涉测量原理和观测模型,针对月面目标特性,推导了给定着陆器先验位置的差分时延、差分时延率观测方程。引入指定高程约束、月球数字地形模型等约束方程,提出巡视器相对位置确定的卡尔曼滤波算法。通过仿真数据进行了验证和评估,表明该算法可快速、较高精度地确定月面巡视器相对着陆器的位置。     

基于卡尔曼滤波强干扰和瞬间遮挡目标跟踪方法

针对空间目标与恒星的近距离强干扰和瞬间遮挡干扰,不易精确捕获目标位置的问题。提出用卡尔曼滤波预测目标位置并跟踪目标,跟踪波门用改进自适应的可变波门。同时设计新的强干扰和瞬间遮挡目标的预判和跟踪方法,当预判到此类目标时,将卡尔曼滤波的预测值作为观测值跟踪目标,并用目标预测质心对波门质心进行限定修正,从而捕获有用的观测数据。实验发现,该方法能稳健跟踪强干扰和瞬间遮挡目标,提升空间目标的跟踪精度,降低数据错误率,提高数据质量,为捕获轨道位置提供更多更有用的数据。该方法程序运行速率快,具有一定的适用性和科学价值。     

基于热层电离层耦合数据同化的热层参量估计

本文采用高效集合卡尔曼滤波(EnKF)算法和背景场热层电离层理论模式NCAR-TIEGCM,开发了热层电离层数据同化系统.基于全球空地基GNSS电离层斜TEC观测、CHAMP和TIMED/GUVI热层参量观测构型设计了系列观测系统模拟实验,对热层参量进行估计.实验结果表明,(1)通过集合卡尔曼滤波算法同化电离层TEC观测能够较好地优化热层参量.(2)中性质量密度优化效果在整个同化阶段均有提升,提升百分比能达到40%.(3)积分氧氮比在同化阶段也能得到较好的优化,但在电子密度水平梯度变化剧烈区域效果较差.最后本文对中性质量密度进行了预报评估,结果表明,由于中性成分优化,在地磁平静条件下其预报时间尺度可长达24h.     

自适应卡尔曼滤波在航空重力异常解算的应用研究

依据航空重力测量基本原理,构建了航空重力异常解算的卡尔曼滤波模型,将新息自适应卡尔曼滤波器(IAE,Innovation based Adaptive Estimation)应用于量测噪声未知的航空重力异常解算.针对IAE滤波器滑动窗口宽度难以准确确定的问题,通过对多个不同滑动窗口新息协方差估计的加权平均,获得改进的IAE滤波器,该IAE滤波器不仅具有量测噪声自适应估计能力,还能实现滑动采样窗口的优化选取.试验结果表明,IAE滤波器可以降低因量测噪声统计信息不明引起的解算误差,改进IAE解算的重力异常误差约为1mGal.