共查询到17条相似文献,搜索用时 156 毫秒
1.
2.
3.
针对网络攻击下无人机信息物理系统(CPS)的安全状态估计问题,提出了一种基于自适应方差极小化的递推状态估计器(AVMRE)。通过将针对控制输入和传感器数据的恶意攻击分别建模为状态和量测方程中的未知干扰项,建立了未知干扰解耦状态递推估计器,实现滤波误差中的量测未知干扰解耦,利用滤波残差设计自适应调整因子对估计误差上界进行极小化,应用最小方差估计准则求解出算法中的量测增益反馈矩阵。同时引入事件触发机制,使得系统在保持一定估计精度的情况下节省通信资源。此外,给出了滤波误差指数有界性的充分条件。无人机飞行模型仿真验证了本文算法相比传统算法的有效性和优越性。 相似文献
4.
5.
6.
针对系统模型和统计信息不能精确已知的条件下Kalman滤波无法给出最优解这一问题,单一渐消因子Kalman滤波算法对于简单的系统是有效的,但是对于复杂的多变量系统,仅仅利用单个的渐消因子是不够的。本文提出了一种多渐消因子滤波算法,通过利用开窗法计算新息序列协方差的无偏估计获得渐消因子矩阵。利用渐消因子矩阵调节一步预测均方误差矩阵k|k1P,对不同的滤波通道提供不同的渐消速率。将该方法应用于SINS的初始对准中,仿真和试验结果表明:当真实系统噪声统计特性同设定参数不一致时,对准精度明显高于其他滤波算法。其对不确定性噪声具有较低的敏感度,对系统参数具有较好的滤波效果。因而,在实际应用中具有重要的参考价值。 相似文献
7.
8.
针对无源定位系统中,机载单站相对于运动辐射源目标作为状态模型,在测方位角及其变化率基础上,引入多普勒频率变化率参数构建观测模型。常用的扩展卡尔曼滤波(EKF)存在不稳定和精度低的问题,采用修正增益的扩展卡尔曼滤波算法(MGEKF),找出修正函数矩阵,实现定位状态滤波估计。仿真结果表明,MGEKF算法较之EKF算法有较高的定位精度和较快的收敛速度。 相似文献
9.
基于改进平方根无迹卡尔曼滤波方法的涡扇发动机气路状态监控 总被引:1,自引:1,他引:0
针对涡扇发动机气路状态监控存在模型未知或不准确导致滤波效果下降甚至发散的问题,研究了一种融入高斯过程回归(GPR)的改进平方根无迹卡尔曼滤波(UKF)方法.该方法利用GPR对训练数据进行学习,建立发动机气路部件状态监控的GPR模型,替代UKF方法中的非线性系统模型;采用超球体单形采样和平方根滤波方法来提高滤波的计算效率和数值稳定性.仿真结果表明:训练的GPR模型解决了UKF方法对发动机原系统模型和噪声协方差矩阵依赖性的问题;与扩展卡尔曼滤波(EKF)和平方根UKF方法相比较,改进平方根UKF方法精度更高,对健康参数的估计精度达到99.9%,实现了对涡扇发动机单个和多个气路部件健系参数的有效跟踪. 相似文献
10.
基于Rodrigues参数的姿态估计算法 总被引:5,自引:1,他引:4
以Rodrigues参数作为姿态描述参数提出一种快速的全姿态估计算法。Rodrigues参数具有简洁高效的特点,但它具有奇异性,不适用于大角度情况。首先将序贯旋转方法和Rodrigues参数相结合,提出了一种简洁、无奇异的姿态描述方法。然后应用该姿态描述方法,针对“矢量观测+陀螺”这种典型的姿态测量方案,讨论飞行器的姿态估计问题。在姿态估计算法设计中,给出了陀螺模型和观测矢量模型,推导了状态和状态误差协方差阵的预测方程和量测更新方程,并提出了预测方程的一种高效积分方法。仿真结果表明在估计精度等同的条件下,该姿态估计算法比四元数算法效率大约提高10%。 相似文献
11.
12.
为了提高惯性/卫星深组合导航系统的滤波性能,在抗差自适应滤波算法的
基础上,研究了一种优化抗差自适应滤波算法。该算法通过比较实际预测残差协方差矩
阵和理论协方差阵的差值来生成自适应因子,从而优化抗差自适应滤波。将所研究的算
法应用于惯性/卫星深组合导航系统, 在高动态环境下进行仿真验证, 并与常规卡尔曼
滤波、抗差自适应滤波进行比较。结果表明,优化算法能有效地控制观测异常和动态模
型异常对状态参数估值的影响,所得组合导航位置误差和速度误差明显减小,提高了组
合导航系统的滤波精度。 相似文献
13.
GAO Sheshenga GAO Yia ZHONG Yongminb WEI Wenhuia aSchool of Automation Northwestern Polytechnical University Xi’an China bDepartment of Mechanical Engineering Curtin University WA Australia 《中国航空学报》2011,(3):318-323
This paper presents a new random weighting estimation method for dynamic navigation positioning.This method adopts the concept of random weighting estimation to estimate the covariance matrices of system state noises and observation noises for controlling the disturbances of singular observations and the kinematic model errors.It satisfies the practical requirements of the residual vector and innovation vector to sufficiently utilize observation information,thus weakening the disturbing effect of the kinematic model error and observation model error on the state parameter estimation.Theories and algorithms of random weighting estimation are established for estimating the covariance matrices of observation residual vectors and innovation vectors.This random weighting estimation method provides an effective solution for improving the positioning accuracy in dynamic navigation.Experimental results show that compared with the Kalman filtering,the extended Kalman filtering and the adaptive windowing filtering,the proposed method can adaptively determine the covariance matrices of observation error and state error,effectively resist the disturbances caused by system error and observation error,and significantly improve the positioning accuracy for dynamic navigation. 相似文献
14.
15.
提出了一种离散系统的优化鲁棒滤波方法。为了得到滤波的逼近计算式,通过优化加权矩阵得到了上界不等式逼近和等效系统矩阵,得到了鲁棒滤波的时间更新算法;通过优化加权矩阵得到了下界不等式逼近和等效观测矩阵,得到了鲁棒滤波的测量更新算珐,并且给出了鲁棒滤波算法收敛的条件。飞行试验数据处理的结果表明,提出的方法是有效的。 相似文献
16.
Novel quaternion Kalman filter 总被引:4,自引:0,他引:4
Choukroun D. Bar-Itzhack I.Y. Oshman Y. 《IEEE transactions on aerospace and electronic systems》2006,42(1):174-190
This paper presents a novel Kalman filter (KF) for estimating the attitude-quaternion as well as gyro random drifts from vector measurements. Employing a special manipulation on the measurement equation results in a linear pseudo-measurement equation whose error is state-dependent. Because the quaternion kinematics equation is linear, the combination of the two yields a linear KF that eliminates the usual linearization procedure and is less sensitive to initial estimation errors. General accurate expressions for the covariance matrices of the system state-dependent noises are developed. In addition, an analysis shows how to compute these covariance matrices efficiently. An adaptive version of the filter is also developed to handle modeling errors of the dynamic system noise statistics. Monte-Carlo simulations are carried out that demonstrate the efficiency of both versions of the filter. In the particular case of high initial estimation errors, a typical extended Kalman filter (EKF) fails to converge whereas the proposed filter succeeds. 相似文献
17.
联邦滤波器广泛应用于多传感器信息融合领域,联邦滤波中的信息分配原则影响滤波精度.针对联邦Kalman滤波器进行改进,采用基于估计协方差阵奇异值动态确定信息分配系数.对子滤波器进行重置时,采用新的重置方法,保证了子滤波器误差协方差阵的对称性,确保Kalman滤波器的一致收敛稳定性.新的联邦滤波算法允许每个状态分量拥有不同的动态信息分配因子,从而改进了联邦滤波信息融合的精度.设计了SINS/GPS/电子罗盘组合导航系统,仿真结果说明,与传统联邦滤波算法相比,改进的联邦滤波器估计精度得到了提高,可以更好地对SINS误差进行校准,提高系统的精度. 相似文献