自适应UKF在北斗定位算法中的应用

北斗导航系统发展日益成熟，介绍了北斗定位解算与GPS解算的差异，针对扩展Kalman滤波(Extended Kalman Filter，EKF）算法在北斗解算过程中容易引入非线性误差，无迹Kalman滤波(Unscented Kalman Filter，UKF）算法受初值和系统噪声影响较大问题，提出了一种自适应无迹Kalman滤波(Adaptive Unscented Kalman Filter，AUKF）北斗定位解算算法。该算法利用观测残差信息构建自适应渐消矩阵，消除量测噪声异常带来的影响，同时提高了滤波精度。实验表明，与EKF和UKF定位解算算法相比，AUKF算法在定位精度和对系统噪声鲁棒性方面都有所提高，是一种可靠稳定的北斗定位算法。     

改进的Sage-Husa自适应滤波算法在MEMS航姿参考系统中的应用

针对经典Kalman滤波和扩展Kalman滤波融合算法存在的计算量大、精度低、实时性差的缺点，引入了改进的Sage-Husa自适应扩展Kalman滤波算法。该算法对经典扩展Kalman滤波算法进行了自适应改进，并在此基础上利用加权渐消记忆法获取了遗忘因子，并通过预测残差得出了最优解。同时，用调整有偏增益估计的措施来保证系统噪声预测方差矩阵与噪声预测方差矩阵的对称性和正定性，对滤波器发散进行了有效的抑制，减少了算法的计算量。实验结果表明，该算法有效改善了可靠性、精确性及自适应能力。     

基于改进卡尔曼滤波算法的行人航向角估计

基于惯性导航的行人航位推算是一种针对未知环境行人定位的常用方法，然而传感器自身的惯性漂移、噪声特性不确定、动力学模型不准确等因素，会导致航位推算时行人航向角估计精度不高的问题，从而造成行人定位精度的降低。针对上述问题，提出了一种多渐消因子强跟踪H∞平方根容积卡尔曼滤波（MSTHSCKF）融合算法。其中H∞思想保证在极端噪声下最小化误差，增强系统鲁棒性，多渐消因子能够避免系统在模型不确定情况下精度的降低，平方根思想确保了协方差矩阵的对称性和半正定性。实验结果表明，与现有滤波算法相比，MSTHSCKF估计的行人航向角具有更高的精度、稳定性和鲁棒性，能够确保更高的行人定位精度。     

基于改进强跟踪ASCKF算法的SINS/GNSS组合对准方法

大方位失准角下的SINS/GNSS组合对准系统呈非线性,采用传统的卡尔曼滤波方法进行初始对准易导致对准精度下降甚至滤波发散。基于此,提出了一种基于改进强跟踪自适应平方根容积卡尔曼滤波算法的组合对准方法。该方法采用QR分解求取协方差的分解因子,并在状态预测方差阵的平方根更新中引入多重渐消因子调整滤波增益;同时,基于Sage-Husa自适应滤波,引入改进的时变噪声估计器实时估计噪声的统计特性。仿真结果表明,采用改进的滤波算法进行大方位失准角下的组合对准,对准精度明显提高。     

一种改进的强跟踪UKF算法及其在SINS大方位失准角初始对准中的应用

针对现有的强跟踪无迹卡尔曼滤波（UKF）算法存在理论依据不足和滤波性能欠佳等问题,从正交性原理出发,通过严谨的推导得到强跟踪UKF成立的充分条件,在此基础上提出一种改进的强跟踪UKF算法。该算法无需求解雅可比矩阵且计算量较小,渐消因子的作用位置以及求解公式均不同于原始的强跟踪滤波器。给出了该算法的流程和渐消因子的求解方法,证明了该算法满足强跟踪滤波器的充分条件,并分析了其渐消因子的作用机理。进行了捷联惯性导航系统（SINS）大方位失准角初始对准仿真,结果验证了所提强跟踪UKF算法的正确性和有效性。     

一种改进的强跟踪 UKF 算法及其在 SINS 大方位失准角初始对准中的应用郭泽,缪玲娟,赵洪松简

 针对现有的强跟踪无迹卡尔曼滤波（UKF）算法存在理论依据不足和滤波性能欠佳等问题,从正交性原理出发,通过严谨的推导得到强跟踪UKF成立的充分条件,在此基础上提出一种改进的强跟踪UKF算法。该算法无需求解雅可比矩阵且计算量较小,渐消因子的作用位置以及求解公式均不同于原始的强跟踪滤波器。给出了该算法的流程和渐消因子的求解方法,证明了该算法满足强跟踪滤波器的充分条件,并分析了其渐消因子的作用机理。进行了捷联惯性导航系统（SINS）大方位失准角初始对准仿真,结果验证了所提强跟踪UKF算法的正确性和有效性。     

自适应滤波技术的研究

应用常规卡尔曼滤波器(KF)要求知道系统精确的数学模型和系统噪声与量测噪声的统计特性,才能获得理想的滤波效果,否则可能产生发散现象。人们越来越倾向于利用自适应滤波(AKF)技术来解决发散的问题。针对AKF技术的研究现状,本文探讨一种结构简单、实时性较强、工程上比较实用的AKF算法。仿真结果表明,这种算法具有较强的自适应性,为一种实用而有效的滤波方法。     

基于自适应容积卡尔曼滤波方法的涡扇发动机气路部件故障诊断

针对涡扇发动机气路部件故障诊断中参数存在不同的噪声统计特性,提出了一种自适应平方根容积卡尔曼滤波(ASRCKF)器的自适应滤波方法.该方法直接利用基于3阶容积积分方法近似发动机的非线性统计特性,用于替代非线性无迹卡尔曼滤波方法的系统模型,避免了滤波过程参数选取的问题;采用移动窗口法对噪声协方差矩阵进行自适应估计,提高了算法对不同统计特性噪声的自适应能力和滤波精度.通过对发动机气路部件健康参数蜕化过程仿真结果表明:ASRCKF方法相比平方根容积卡尔曼滤波(SRCKF)方法,精度提高40%~50%,对不同噪声信号具有更好的适应能力.      

鲁棒Kalman滤波及其在水下组合导航中的应用

在水下捷联惯导(SINS)/多普勒计程仪(DVL)组合导航系统中,当外部辅助信息受到野值等非高斯噪声污染时,选取调节因子γ为固定值将会降低基于Huber方法的鲁棒Kalman滤波(HRKF)算法的精度和鲁棒性。针对此问题,提出了一种基于马氏距离(MD)算法的调节因子自适应的鲁棒Kalman滤波(HRAKF)算法。首先利用MD算法对正常/异常的观测量进行辨识;进而建立γk递推关系式,并根据量测噪声特性对γ值进行实时调整;最后利用γk求取Huber权函数,并对量测噪声阵进行修正。选取8000s船载实测数据,分别利用Kalman滤波(KF)、HRKF及HRAKF算法进行水下组合导航半物理仿真试验。试验结果初步表明:在观测量受到野值或混合高斯分布噪声污染时,相较于KF和HRKF,HRAKF可实现更高精度、更加稳定的组合导航。     

自适应滤波算法在SINS/GPS组合导航系统中的应用研究

以SINS/GPS组合导航系统为应用背景,对具有代表性的Sage自适应滤波和渐消卡尔曼滤波进行了研究,分析了这些方法在SINS/GPS组合导航应用中存在的问题,提出了适合工程应用的改进方法。改进的Sage自适应滤波主要对系统状态噪声协方差阵利用状态误差进行估计,更符合SINS/GPS组合导航系统的实际情况,提高了滤波稳定性。改进的渐消卡尔曼滤波采用矩阵因子的形式直接对状态预测协方差阵各分量进行不同程度的调节,使调节更趋合理。此外,改进算法增加了对观测粗差的处理,降低了观测粗差对滤波结果的影响。最后,用实际跑车试验验证了改进方法的有效性。     

Adaptive robust cubature Kalman filtering for satellite attitude estimation

This paper is concerned with the adaptive robust cubature Kalman filtering problem for the case that the dynamics model error and the measurement model error exist simultaneously in the satellite attitude estimation system. By using Hubel-based robust filtering methodology to correct the measurement covariance formulation of cubature Kalman filter, the proposed filtering algorithm could effectively suppress the measurement model error. To further enhance this effect and reduce the impact of the dynamics model error, two different adaptively robust filtering algorithms, one with the optimal adaptive factor based on the estimated covariance matrix of the predicted residuals and the other with multiple fading factors based on strong tracking algorithm, are developed and applied for the satellite attitude estimation. The quaternion is employed to represent the global attitude parameter, and three-dimensional generalized Rodrigues parameters are introduced to define the local attitude error. A multiplicative quaternion error is derived from the local attitude error to maintain quaternion normalization constraint in the filter. Simulation results indicate that the proposed novel algorithm could exhibit higher accuracy and faster convergence compared with the multiplicative extended Kalman filter, the unscented quaternion estimator, and the adaptive robust unscented Kalman filter.     

基于强跟踪滤波的GPS/INS组合导航系统对准技术研究

针对卡尔曼滤波鲁棒性较差的问题,研究了基于强跟踪滤波方法的GPS/INS对准。建立了GPS/INS组合导航系统对准的误差模型,对机载装备系统进行GPS/INS组合导航系统的对准仿真分析,验证该方案的可行性及强跟踪滤波器的性能。仿真结果表明,采用强跟踪滤波能够根据残差的变化求出渐消因子,能够在机动过程中有效跟踪系统状态量,从而提高对准精度和速度。采用强跟踪滤波的GPS/INS组合导航系统对准技术可以保证对准的快速性及对准精度,对工程应用具有重要的参考价值。     

双轴连续旋转调制捷联惯导系统大失准角初始对准技术

由于可以补偿惯性器件在三个轴向上的输出误差，双轴旋转调制技术被广泛应用于捷联惯导系统(SINS)。选择了一种合理且实用的十六次序双轴转位方案，并对其调制原理和误差进行了分析。初始对准技术是捷联惯导系统的一项重要技术，其对准精度直接决定了后续导航的精度。在粗对准完成后，当姿态误差角较大时，后续的精对准误差模型呈非线性特性，故选择了滤波精度高、稳定性强的平方根容积Kalman滤波算法(SCKF)来解决这一问题。考虑到在实际对准过程中，量测噪声的统计特性易发生变化，将SCKF算法与Sage-Husa算法相结合，在传统Sage-Husa SCKF算法的基础上提出了一种改进的自适应滤波算法(ASCKF)。该算法采用QR分解来完成对噪声协方差的平方根矩阵估计，从而避免了传统Sage-Husa SCKF算法中所估噪声协方差矩阵不正定的问题。最后，通过仿真证实了ASCKF算法可被很好地应用于量测噪声统计特性发生变化的初始对准中。     

A new adaptive Kalman filter for navigation systems of carrier-based aircraft

The features of carrier-based aircraft’s navigation systems during the approach and landing phases are investigated. A new adaptive Kalman filter with unknown state noise statistics is proposed to improve the accuracy of the INS/GNSS integrated navigation system. The adaptive filtering algorithm aims to estimate and adapt the unknown state noise covariance Q in high dynamic conditions, when the measurement noise covariance R is assumed to be known empirically in advance. The new adaptive Kalman ...     

Efficient L-D factorization algorithms for PDA, IMM, and IMMPDAfilters

Efficient algorithms exist for the square-root probabilistic data association filter (PDAF). The same approach is extended to develop square-root versions of the interacting multiple model (IMM) Kalman filter and the IMMPDAF algorithms. The computational efficiency of the method stems from the fact that the terms needed in the overall covariance updates of PDAF, IMM, and IMMPDAF can be obtained as part of the square-root covariance update of an ordinary Kalman filter. In addition, a new square-root covariance prediction algorithm that is substantially faster than the usual modified weighted Gram-Schmidt (MWG-S) algorithm, whenever the process noise covariance matrix is time invariant, is proposed     

Hierarchical adaptive Kalman filtering for interplanetary orbitdetermination

A modular and flexible approach to adaptive Kalman filtering has recently been introduced using the framework of a mixture-of-experts regulated by a gating network. Each expert is a Kalman filter modeled with a different realization of the unknown system parameters. The unknown or uncertain parameters can include elements of the state transition matrix, observation mapping matrix, process noise covariance matrix, and measurement noise covariance matrix. The gating network performs on-line adaptation of the weights given to individual filters based on performance. The mixture-of-experts approach is extended here to a hierarchical architecture which involves multiple levels of gating. The proposed architecture provides a multilevel hypothesis testing capability. The utility of the hierarchical architecture is illustrated via the problem of interplanetary navigation (Mars Pathfinder) using simulated radiometric data. It serves as a useful tool for assisting navigation teams in the process of selecting the parameters of the navigational filter over various operating regimes. It is shown that the scheme has the capability of detecting changes in the system parameters and switching filters appropriately for optimal performance. Furthermore, the expectation-maximization (EM) algorithm is shown to be applicable in the proposed framework