共查询到19条相似文献,搜索用时 644 毫秒
1.
2.
非线性估计理论的最新进展 总被引:19,自引:4,他引:19
扩展Kalman滤波(EKF)是应用最广的非线性估计方法,然而它存在实现性差、计算量大、估计精度低等缺陷,这些问题起源于。EKF采用了Taylor展开近似。在阐明非线性估计的本质,剖析EKF等传统方法的特点及缺陷的基础上,从非线性估计革新的两条发展思路——非Taylor展开的线性变换及非线性变换出发,分别对插值滤波、Unscented滤波、粒子滤波和神经网络滤波这四种近年来最具特色的新方法进行介绍和评述。通过分析这些方法的工作原理、性能特点、必要性和可行性,将非线性估计最新进展的思想传承、本质内涵、地位与作用予以展现,指出各方法的现存问题、发展潜力和最具可实现性的发展方向。同时强调了各种算法的选取须根据具体应用场合和条件,在主要性能指标之间综合权衡。 相似文献
3.
针对Sage Husa自适应滤波方法存在的窗函数开窗大小选择问题,提出一种基于BP神经网络学习估计系统协方差矩阵的自适应Kalman滤波算法。该算法以Kalman滤波预测残差向量作为网络输入,通过网络分段离线学习确定预测残差向量与预测残差协方差矩阵间的非线性关系,自适应地估计Kalman滤波系统协方差矩阵。将其应用到自主定轨系统,仿真结果表明利用本文算法自主定轨60天星座平均URE误差小于1.9米,且能够快速跟踪到系统噪声的突变,较Kalman滤波方法和Sage Husa自适应滤波方法具有更好的性能。 相似文献
4.
基于极大后验估计原理,提出了一种改进的噪声估计器,以实现对噪声均值和方差的在线估计,抑制滤波器发散。对自适应扩展卡尔曼滤波算法在卫星姿态确定系统中的应用进行了仿真。结果表明新算法滤波精度优于扩展卡尔曼滤波(EKF),与Sage—Husa自适应滤波算法相比,可阻止滤波器发散,提高系统滤波精度。 相似文献
5.
在简要介绍了飞行器视觉图像定位导航原理及模型的基础上,针对其非线性模型的推广Kalman滤波的收敛与初始条件有关的问题,将其定位导航的两种模型(线性与非线性模型)组合,提出了双模态双滤波器滤波方法。这种滤波能很好地解决非线性推广Kalman滤波的收敛问题。通过第一个线性滤波器的滤波估计给第二个非线性滤波器提供滤波初值,使这一非线性滤波收敛,并能取得较高的滤波精度。 相似文献
6.
7.
8.
GPS/速率陀螺组合Kalman滤波姿态确定算法研究 总被引:1,自引:1,他引:1
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。 相似文献
9.
为避免因卫星测量野值导致的相对轨道估计与滤波精度下降,提出了一种基于残差正交性的扩展Kalman滤波(EKF)容错滤波算法的编队卫星相对轨道确定方法。根据卫星相对运动与相对位置量测方程,用残差序列方差的迹实现对野值的剔除及在线修正,保证滤波器有较强的鲁棒性、稳定性和精度。仿真结果表明:该法简单、有效,有较高的理论和工程应用价值。 相似文献
10.
近地卫星磁测自主导航算法研究 总被引:8,自引:2,他引:8
地磁场具有较为完善的数学模型,而地磁场矢量是卫星位置的函数,利用三轴磁强计的测量信息即可实现近地卫星的自主导航。本文提出了采用UKF(Unscented Kalman Filter)滤波作为处理磁测自主导航问题的滤波算法。基于unscented变换,UKF滤波算法能够给出更精确的均值和协方差的估计,从而带来更高的精度。本文以地磁场矢量为测量量,进行了数学仿真。仿真结果表明:经UKF滤波后,卫星总的位置误差在1km(3σ)以内。通过比较可知,该方法比传统的扩展Kalman滤波(EKF)有更好的收敛性和更高的精度。 相似文献
11.
利用多传感器数据对在轨航天器的状态进行监测时,多源信息具有的不确定性会导致通道间判定的不一致,目前工程上主要采用依靠专家经验进一步分析的方法,人工干预增加了判定结果的主观性,导致监测效率不高。本文针对此类问题提出了一种基于证据理论的融合方法,用以实现自动监测。设计了6种监测异常状态的信度函数,通过比较分析,最终选定根式函数,并根据数据特点进行了分段改进;结合工程需求介绍了参数设定原则。用此方法处理在轨航天器下传的多传感器数据,监测结果与现有人工判定结果相符,融合监测方法的有效性得以验证。 相似文献
12.
自学习自适应INS/Doppler组合导航系统 总被引:1,自引:0,他引:1
本文通过引入文[1]提出的自学习适应Kalman滤波,而将氢此组成的具有自学习功能的智能组合导航系统直接建立在噪声分布密度的异步自学习估计上,由于此时的LAKF在每次重复滤波实验后可离线异步地学习模型与量测噪声的统计特性,从而可有效地避免滤波发散现象并能确保实时性。文中结合某飞行器,对INS/Doppler组合导航系统进行了仿真研究,所得结果十分满意。 相似文献
13.
14.
15.
基于北斗双星定位辅助的SAR/INS组合导航系统研究 总被引:8,自引:0,他引:8
由于SAR/INS/北斗组合导航系统中图像匹配定位需要耗用不等的匹配计算时间,而现有的北斗定位系统输出也具有一定的延时,因此,SAR/INS/北斗组合导航系统中的量测信息输出具有不同步和滞后的特点。针对上述问题,采用常规的联邦滤波算法将难以获得高精度滤波结果。为此,本文在分析SAR/INS/北斗组合导航系统工作过程的基础上,结合卡尔曼滤波的具体原理,设计了针对不同步量测信息的基于联邦滤波理论的组合滤波方案,并进一步提出了解决量测信息滞后问题的算法,从而可以有效处理SAR/INS/北斗组合导航系统中的信息融合问题。协方差分析结果表明提出的组合滤波方案可行,该方案对SAR/INS/北斗组合导航系统的实际应用具有重要的理论参考价值。 相似文献
16.
自适应渐消EKF方法及其在卫星跟踪中的应用 总被引:1,自引:0,他引:1
针对在系统不能确切建模或模型误差随时间改变等场合下,传统扩展卡尔曼滤波方法及其改进算法估计误差较大甚至引起滤波发散等问题,将基于新息序列对状态噪声协方差矩阵实时估计的方法引入到渐消EKF中,提出了一种自适应渐消扩展卡尔曼滤波方法,推导了相关公式并详细给出了新方法的计算流程。采用单星对卫星仅测角被动定轨跟踪的例子对算法性能进行了对比分析。仿真结果表明,与传统EKF方法及其改进算法相比,该方法在估计精度、滤波收敛速度以及对初始状态误差的适应性等方面,显著提高了非线性滤波器的性能。 相似文献
17.
18.