基于概率核函数的改进粒子滤波算法研究

针对组合导航系统中粒子滤波算法出现的粒子退化现象,在粒子滤波应用过程中引入概率核函数,通过概率核函数在粒子滤波计算过程中的应用来解决粒子衰减退化问题,同时保持粒子集合的多样性。首先对重要性采样函数进行改进设计,利用状态估计概率和量测估计概率提高重要性采样函数的信息采样全面性;然后设计随机概率统计的核函数并将其应用在重采样计算过程中;最后建立改进的粒子滤波算法并将其应用到组合导航系统工作过程中。仿真结果表明,基于概率核函数的改进粒子滤波算法可以有效地降低系统误差,提高组合导航系统导航精度。     

改进高斯混合粒子滤波的纯方位目标跟踪算法

针对纯方位跟踪系统非线性较强、传统跟踪滤波方法收敛速度慢且容易发散的问题,提出了一种基于改进高斯混合粒子滤波的纯方位跟踪算法。该算法基于Sigma点卡尔曼滤波(SPKF)和粒子滤波的特点,用有限的高斯混合模型来近似后验状态密度、系统噪声和观测噪声的分布。利用贪心EM算法实现模型的降阶,一定程度上克服了EM算法假定混合成分数为已知、迭代的结果需要依赖初始值、可能收敛到局部最大点和可能收敛到参数空间的边界的缺点,从而改善粒子枯竭的问题。仿真实验结果表明在纯方位跟踪领域,与传统粒子滤波(PF)和基于EM的高斯混合粒子滤波相比,该算法在保持高精度估计能力的同时,具有较强的鲁棒性,是解决非线性系统状态估计问题的一种有效方法。     

用于多策略机动目标跟踪的基于模糊理论的改进IMM算法

针对多种机动策略实时机动目标,为解决标准交互式多模型(IMM)算法的模型集冗余、算法量过大和实时性不高等问题,以提高机动目标滤波精度,保证目标跟踪系统性能,对基于模糊自适应理论的交互式多模型算法进行了研究。对标准IMM算法改进包括加速度预估、模型集合设计、模糊自适应推理设计,以及条件滤波输出四部分,通过加速度预估获得更准确的模型集,采用提前模型筛选获得更优的匹配效果并减少了计算量。给出了处理模型及滤波过程流程。对三维机动目标的仿真结果表明:与标准IMM算法相比,设计的基于滤波算法对以多种机动策略实时机动的目标有更好的实时性和跟踪性能。     

矢量观测确定卫星姿态的预测粒子滤波算法

在矢量观测的基础上,针对单独的星敏感器定姿,提出了一种将粒子滤波(PF)和预测滤波相结合的姿态确定算法,通过设计粒子初始化,结合重要性采样、重采样和规则化等手段,成功地将姿态四元数作为状态粒子进行更新和传递,避免了状态方程的线性化和协方差矩阵的计算;利用预测滤波算法估计模型误差和姿态角速度,在保证滤波精度的同时,有效降低了粒子滤波器的维数.实验在某对地观测通用小卫星平台上进行,选取卫星自由飞行状态和飞轮控制对地稳定模式,分别对滤波器进行了仿真,实验结果验证了该算法对本质非线性、非高斯的卫星姿态估计问题具有快速的收敛性能和良好的稳定精度.该方法还为粒子滤波器的设计和无角速度敏感器测量的飞行器姿态确定提供了借鉴.     

状态估计中两种非线性滤波算法的对比研究

分析了粒子滤波算法和Unscented卡尔曼滤波算法的原理和算法实现；在状态估计模型中对两种算法的适应性进行了比较。通过实例进行仿真，结果表明粒子滤波算法估计精度比UKF算法高，但是计算量却相对较大。     

基于盒粒子滤波的低成本皮纳卫星高效姿态确定算法

针对低成本皮纳卫星姿态确定系统在质量、体积、计算量以及能耗等方面的限制问题，本文基于区间分析理论提出了卫星姿态区间化描述方法并建立了运动学区间化方程，提出了基于盒粒子滤波(BPF)的皮纳卫星姿态确定算法。该算法首先采用双矢量算法对太阳敏感器和磁强计得到的量测进行姿态解算，并将解算出的姿态四元数作为伪量测值输入传递给BPF，从而降低敏感器噪声对估计精度的影响。仿真实验表明，相比于传统粒子滤波的姿态确定算法，本文所提出的BPF姿态确定算法能够在保证姿态确定精度的同时大幅缩短算法运行时间。     

粒子滤波评述

以最优Bayesian滤波的求解为起点,综述了粒子滤波的发展历程、基本思想、算法的各个基本环节、基本的滤波算法及其收敛性以及算法的多种重要衍变形式,包括辅助变量粒子滤波、自适应粒子滤波、实时粒子滤波、分布式粒子滤波、Rao\|Blackwellised粒子滤波、免重采样粒子滤波和裂变自举粒子滤波,并通过一个复杂的递推非线性滤波估计例子,用Monte Carlo仿真实验的方法对几种典型的粒子滤波算法进行了比较研究,最后总结了粒子滤波的应用并展望了进一步研究的方向。     

一种面向弹道再入目标跟踪的HPD-SRCQSPF算法

针对弹道再入目标轨迹跟踪问题，提出基于混合建议分布的平方根容积求积采样粒子滤波（HPD-SRCQSPF）算法，该算法以混合建议分布为框架，由两个基本建议分布组成。其中一个基本建议分布为先验分布，另一个基本建议分布为平方根容积求积卡尔曼滤波估计后的值。该混合建议分布与真实的后验分布很接近，因此有着高效性、高精度等特点。仿真结果表明，对于弹道再入目标轨迹跟踪模型，相比于标准粒子滤波（SPF）算法和平方根容积求积粒子滤波（SRCQPF）算法，HPD-SRCQSPF算法可以在较低运算负载的情况下获得更好的跟踪性能。特别是在弹道目标变轨机动的情况时，所提出算法的性能增益更为显著。     

应用三向测量数据的深空探测器实时滤波定位算法

三向测量数据是深空探测器的一类重要观测数据,文章采用不敏卡尔曼滤波(UKF)算法实现了应用三向测量数据的深空探测器实时滤波定位计算,给出了三向测量体制下的观测模型及观测预测值计算方法,建立了动力学及非动力学两种方式下的滤波预测模型。利用嫦娥三号探测器的实测数据对算法进行了有效性验证,结果表明,文章所给出的观测及预测模型建立方法,适用于三向测量数据,动力学建模算法的稳定性与抗野值能力优于非动力学建模算法,但复杂度又高于非动力学建模方法。上述研究结果对深空探测器的定位或定轨计算具有一定的参考价值。     

基于迭代容积滤波的无源跟踪算法

对无源目标跟踪问题进行了研究,给出一种只有角度和距离测量的目标跟踪算法。为提高估计的精度和数值稳定性,采用了容积滤波算法,并用基于龙贝格-马尔塔(LM)算法改进迭代容积滤波算法,以提高估计精度,算法实现了对目标的无源跟踪。仿真结果表明:迭代容积滤波算法的跟踪效果更好。     

弹载SINS四元数模约束下滤波空中对准

针对弹载SINS/GPS系统的空中对准,提出一种四元数模约束条件下的非线性滤波初始对准算法。首先,利用坐标变换和四元数姿态描述,将传统的强非线性滤波对准问题转化为一个二阶弱非线性滤波问题;其次,采用二阶扩展卡尔曼滤波（EKF）对二阶非线性部分进行处理,得到一种简洁的滤波对准方案;最后,推导了四元数模约束条件下滤波算法的最优实现,及反馈四元数估计结果时的闭环滤波形式。利用车载MEMS IMU/GPS系统,进行了初始对准的地面试验,结果表明,在车辆弱机动条件下,对准算法能够实现姿态和惯性器件误差的快速估计,实现惯导系统的对准。     

平流层飞艇的组合导航研究

针对平流层飞艇的飞行特点,提出SINS/GPS/陆标组合导航方法,给出SINS/陆标组合导航的观测模型,并将状态与偏差分离的估计算法与联邦滤波相结合,应用于SINS/GPS/陆标组合导航系统.数学仿真结果表明:新组合导航系统相对于SINS/GPS组合导航系统可以有效改善平台误差角的估计精度,同时,提出的简化状态与偏差分离联邦滤波算法能在保持滤波精度基本不变的前提下减少计算量.     

神经网络修正的速度约束辅助车载SINS定位算法

对于车载全球导航卫星系统(GNSS)/捷联惯性导航系统(SINS)组合导航系统，针对GNSS失效而SINS单独工作时仅使用速度约束辅助SINS其纵向位置误差逐渐发散的问题，提出一种神经网络修正的速度约束辅助车载SINS定位算法。通过径向基函数(RBF)神经网络预测SINS纵向位置误差修正系数，以提高SINS单独工作时的定位精度；此外，提出一种限定记忆指数加权实时估计量测噪声的自适应滤波算法。在人为设置GNSS失效以及真实隧道场景下进行车载试验，结果表明本文算法能够在不停车情况下在线修正SINS纵向位置误差，相比于速度约束与卡尔曼滤波相结合的常规算法，有效地提高了GNSS失效时的车载SINS定位精度。     

基于MEP-UKF的组合导航滤波算法

针对目前应用于SINS／GPS组合导航系统中的扩展卡尔曼滤波(Extended Kalman
Filter, EKF)存在精度低、实时性差的缺点,提出一种基于模型误差预测(Model Error
Prediction, MEP)的Unscented 卡尔曼滤波(Unscented Kalman Filter,
UKF)。MEP-UKF滤波算法将惯性器件测量误差作为模型误差使用MEP进行实时预测的同时,采 用UKF估计载体的姿态、速度及位置等误差信息,并反馈给SINS系统来校正导航参数。MEP-U KF不仅克服了UKF必须假设惯性器件误差为高斯白噪声的局限性,而且降低了SINS／GPS组合 导航系统状态变量的维数,大大缩短了导航解算的时间。仿真结果表明,MEP-UKF的收敛速 度和滤波精度均明显优于EKF,更好地满足了工程应用中对导航精度和实时性的要求。     

GPS/SINS组合导航系统状态的可观测度分析方法

线性时变系统状态的可观测度是检验所设计的Kalman滤波器的收敛精度和速度的重要指标。传统的可观测度分析方法存在着各种缺陷，难于满足实际工程应用需求。首先，本文论述了将线性时变系统状态转化为分段式定常系统(PWCS)的可观测性分析方法，并在对PWCS可观测性矩阵进行奇异值分解的基础上，定义系统状态的可观测度。然后，详细证明GPS／SINS组合导航系统满足PWCS分析定理要求，可以用条带化可观测性矩阵(SOM)代替总的可观测性矩阵(TOM)分析系统状态的可观测度。为了分析全弹道GPS／SINS系统状态的可观测度，进一步提出改进的可观测度分析方法。最后，从松耦合GPS／SINS系统仿真结果可以看到，可观测度指标能够很好地预见系统状态的Kalman滤波误差大小。可观测度高则滤波误差小，可观测度低则滤波误差大。这初步表明改进的可观测度分析方法是合理的和可行的。     

偏振光/地磁/GPS/SINS组合导航方法

为了提高微小型飞行器导航系统姿态测量性能，提出偏振光／地磁／GPS，SINS组合导航方法。推导了三维空间中应用偏振光／地磁辅助测姿原理，并证明了系统具有完全能观性，指出了观测结构具有退化现象和退化条件。采用联邦卡尔曼滤波方法实现了组合导航算法，利用Madab仿真方式对单独使用偏振光和同时使用偏振光／地磁辅助的组合导航系统的测姿修正效果和能观度改善效果进行了检验和比较。结果表明偏振光／地磁／GPS／STNS组合对测姿的修正能力优于单独使用偏振光辅助的情况。由此可以得出该方法能够改善导航系统能观性和精度的结论。     

GPS/速率陀螺组合Kalman滤波姿态确定算法研究

建立了GPS／速率陀螺组合姿态估计系统的模型，研究比较了三种典型的Kalman滤波姿态确定算法：状态扩充法、量测量求差法和时变噪声估计跟踪自适应滤波算法。给出了某航天器采用GPS／速率陀螺组合姿态确定的仿真计算结果，并对结果进行了分析。结果表明，与传统Kalman滤波算法比较，时变噪声跟踪自适应滤波算法和量测量求差滤波算法能较好地消除GPS测量中相关时变噪声的影响，提高姿态确定的精度；而且时变噪声跟踪自适应滤波算法能很好地消除由于噪声统计性能的不确定性对Kalman滤波的影响，提高姿态确定系统的性能。     

基于凸优化技术的多目标鲁棒滤波组合导航方法

Kalman滤波在组合导航中的应用已很广泛,但是,在系统不确定情况下,误差出现发散,精度下降,采用的基于Riccati方程的H∞滤波技术对系统噪声的不确定性则具有一定的鲁棒性,但性能参数选取仅能凭经验而无系统的方法,给工程实践带来一定困难.根据现代控制理论最优控制理论思想,使用凸优化技术设计鲁棒混合H2/H∞滤波器融合高精度的GPS和CNS量测信息,解决系统不确定性问题,通过在惯性/卫星/天文组合系统中的半物理数据仿真进一步对混合H2/H∞滤波和H∞滤波算法进行了比较.仿真结果表明,真实器件噪声情况下,鲁棒混合H2/H∞滤波算法明显具有良好的精度.     

改进的迭代粒子滤波法在GPS数据处理中的应用

研究粒子滤波方法(PF)处理GPS测量数据.采用迭代Kalman滤波方法产生粒子滤波器中的粒子,得到更精确的目标状态估计.同时利用目标运动方程向后外推目标状态,综合利用外推的目标状态以及历史现测数据确定各粒子的权值,降低现测随机误差的影响,从而提高粒子滤波器的性能.采用改进的粒子滤波方法处理GPS测量数据,仿真结果表明...     

GPS/INS组合系统空中对准方法研究

针对单天线的GPS与捷联惯性导航组合系统,提出了一种空中对准方案,不同于传统的传递对准方法,仅依靠GPS测量信息进行速度匹配,完成空中初始对准。该方案采用扩展卡尔曼滤波方法解决对准过程中的非线性问题。仿真结果表明该方案的对准精度(1σ)可以达到水平姿态误差0.07,°方位误差0.3°。