改进的粒子滤波算法在软着陆小天体中的应用

针对小天体软着陆过程中估计目标天体质心视线的导航方法失效问题,给出了一种基于特征点信息的自主光学导航方法。为了进一步提高对轨道参数的估计精度,考虑到系统中存在的非高斯噪声,以及基本粒子滤波算法带来的粒子退化和采样枯竭问题,给出了一种改进的粒子滤波算法。最后,通过仿真计算,验证了所给出的自主光学导航方法以及改进的粒子滤波算法的可行性和有效性。     

序贯结构的Sage-Husa自适应滤波及其应用

在分析已有的Sage-Husa自适应滤波算法的基础上,本文首先推导了两种量测噪声自适应估计方法的等价性。为充分利用组合系统中已知的部分量测噪声参数,提高滤波稳定性和精度,研究了基于序贯结构的Sage-Husa自适应滤波算法;当组合系统测量噪声参数均为已知时,为降低算法复杂度,提高Sage-Husa自适应滤波的鲁棒性,加入协方差匹配的方法对序贯结构的Sage-Husa自适应滤波算法进行改进;通过在序贯结构下采用相应的信息融合策略,充分利用组合系统的输出信息。将两种算法分别应用于MIMU/GPS/磁强计组合系统中,基于跑车实验的离线数据分析表明,第一种滤波算法的滤波稳定性较标准自适应算法在滤波稳定性上有明显提高;第二种改进的滤波算法既降低了算法复杂度,又提高了抗野值效果,有效保持了组合系统在干扰状态下的导航精度。     

基于多参量信息的水下地磁滤波导航算法

由于水下运载器使用地磁滤波导航方法时难收敛、易发散,根据水下运载 器的特点设计了一种基于多参量信息的水下地磁滤波导航算法。针对单纯使用地磁数据 进行位置匹配精度较差的问题,该算法在匹配及滤波过程中引入了地磁强度、航向、航 速等多参量信息,采用非线性滤波框架进行信息融合,采用粒子群算法根据多参量信息 进行位置搜索,并以之为系统滤波的观测值,通过提高位置观测精度改进滤波的收敛性 和鲁棒性。仿真结果表明,算法滤波精度高,稳定性好,能够较好地抑制各类传感器干 扰和误差对滤波估计的影响,适用于水下运载器的地磁导航定位。     

晃动环境下组合导航系统精度事后评估算法研究

海风、波浪、海流等因素会产生舰船的摇摆晃动,从而给舰船导航系统精度带来严重干扰.固定区间平滑滤波处理算法能够利用观测时间间隔内全部观测信息得到状态的最小方差估计,对导航精度进行事后评估.在研究晃动环境下的SINS/GP S组合导航应用平滑滤波算法的相关原理的基础上,首先利用Kalman滤波器进行组合导航,存储相关信息后按时间逆序利用固定区间平滑滤波算法进行事后分析.该方法可以针对不同的海况以及不同的海上作业需求,有效地为组合导航系统精度提供检验标准,考核各种海洋环境下的导航系统精度.     

单兵导航多传感器信息融合自适应滤波算法

基于足绑式INS的单兵导航系统,通过将惯性导航系统、人体运动学约束、磁强计等多传感器信息进行融合得到准确的单兵导航信息。对于匀速步行时的单兵导航,可采用普通Kalman滤波算法进行多传感器信息融合,但不能满足跑步等激烈运动模式下单兵导航需求。提出衰减记忆新息自适应Kalman滤波算法,可满足多步态模式下的单兵导航多源信息融合的需求,实验结果验证了算法的有效性。     

再论联邦滤波在组合导航中的应用可行性

在联邦滤波算法中，针对子滤波器存在私有状态从而导致全局状态信息融合估计为次优估计的问题，通过一个简单的3维状态、2维量测系统的数值仿真以及速度+姿态传递对准组合导航仿真，验证了联邦滤波的次优估计结果误差太大，难以满足实际系统的高精度滤波需求。联邦滤波估计的次优程度没有经过严格证明，且难以证明，因而存在应用风险。对于以精度为主要性能指标的组合导航系统，不建议采用联邦滤波算法，否则其精度损失不足以弥补其带来的计算量降低和容错性提高的优势。     

基于改进的自适应平方根容积卡尔曼滤波相对导航算法

针对无人机编队飞行时由于目标建模的不确定性导致相对导航滤波算法精度降低甚至出现滤波发散的问题,提出了一种自适应平方根容积卡尔曼滤波算法。首先,建立了无人机双机编队时的相对导航模型。然后,基于新息的自适应修正准则,对滤波状态预测量进行修正,进行了基于自适应修正的平方根容积卡尔曼滤波相对导航算法设计。最后,开展了仿真计算与结果分析。仿真结果表明,该算法具有较好的滤波精度和稳定性,且当目标运动状态与模型不匹配时,该算法与平方根容积卡尔曼滤波算法相比有更好的滤波性能。     

基于变分贝叶斯的自适应鲁棒滤波算法

针对组合导航姿态估计中,观测同时受到野值与时变观测噪声影响的问题,构造一种基于变分贝叶斯的自适应鲁棒滤波算法。该算法可以有效地解决自适应与鲁棒滤波策略的矛盾,利用变分贝叶斯近似估计变换的观测噪声,在变分贝叶斯的滤波框架内,利用Huber滤波鲁棒化方法处理连续野值。在组合导航姿态估计试验中,验证了该算法具有良好的自适应与鲁棒性,并能够保持较高的估计精度。     

基于概率数据关联的地磁匹配算法

针对轮廓匹配算法存在的虚定位问题,在轮廓匹配算法的基础上,提出了一个新的分批地磁匹配方法——基于概率数据关联滤波的地磁匹配算法。算法把满足一定条件的相关值作为滤波器的有效量测,把巡航导弹的位置作为状态变量,建立了基于概率数据关联的地磁匹配模型,利用概率数据关联滤波算法计算巡航导弹的位置坐标。仿真结果表明,该算法有效地降低了虚定位发生的概率,正确匹配率、导航效果均优于轮廓匹配算法。     

区域导航无人机空中基准站的多源信息融合容错导航系统研究

作为卫星导航系统的补充和备份,区域导航服务系统近年来得到较大发展。在基于无人机的区域导航服务系统中,无人机自身的定位精度对区域导航服务系统的可靠运行有直接的影响。针对无人机导航传感器及系统的容错和可靠性问题,设计了具有针对性和自优化功能的多源信息融合容错导航方案,提出了一种优化的基于矢量分配形式的自适应联邦滤波算法。通过对每个状态量设计不同的信息分配系数,实现传感器量测噪声的动态优化调整,有效减小了传感器故障对融合导航系统的影响,提高了无人机导航系统的鲁棒性。验证分析表明,该方法可以减小子滤波器故障信息对融合导航系统联邦滤波全局估计的影响,避免了故障子滤波器在信息重置过程中对系统造成的污染,提高和保障了无人机空中基准站多源信息融合导航系统的稳定性和可靠性。     

基于改进联邦Kalman滤波的组合校准方法研究

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.     

基于联邦滤波的多源融合导航算法

在复杂多变环境下,单一导航源的定位性能和鲁棒性会受到一定的影响。针对汽车、小型飞行器在城市、峡谷、卫星信号缺失或被遮挡以及导航信息源繁多等情况,研究了基于联邦滤波的多源融合导航算法。该算法综合利用了各种不同的信息源,经过多传感器的高度集成、多信息源的数据融合,生成时空基准统一且具有抗干扰、连续、可靠的PNT服务信息。设计的联邦滤波器采用两级结构,在子滤波器中进行局部估计后,在主滤波器中进行最优合成。此外,每个子滤波器加入了故障诊断算法,且结合自适应滤波理论进行信息因子的自适应分配,有效提高了故障检测能力。最后,通过实验验证了不同信息源组合的有效性,表明所设计的基于联邦滤波的多源融合算法可以提供稳定、可靠以及高精度的多源融合定位服务,具有一定的研究意义和实际价值。     

基于联邦滤波的SINS/GNSS/OD/高度计多源组合导航算法研究

针对城市情况下车载导航时单一导航源易受干扰的问题,提出了一种基于自适应联邦Kalman滤波的多源组合导航算法.该模型具有两级结构,由子滤波器进行各信息源局部估计后,通过主滤波器进行最优融合估计.融合具有不同工作特点的导航传感器的输出信息组成多源信息组合导航系统,从而提高了导航系统的精度和鲁棒性,且通过故障诊断算法实时检测并隔离故障信息源.给出了联邦滤波算法设计,并进行了实际车载实验.实验结果表明,该算法能够提高导航系统的稳定性及精度.     

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     

一种具有容错性的分散化滤波算法

先介绍了联邦滤波器和方差交叉滤波器,然后结合上述两种方法,提出了一种具有容错性的分散化滤波方法,证明了这种方法是次优的,并给出了确定信息融合因子的算法,最后通过一个组合导航系统的仿真例子验证了这种方法是可行的和有效的。     

改进故障隔离的容错联邦滤波

为了解决重置模式下联邦滤波器中子系统故障对导航系统污染的问题,提出利用故障检测函数构建时变量测噪声的容错联邦滤波结构。通过将故障子滤波器等价为量测噪声趋于无穷大的正常系统,来取代传统的故障隔离方法;推导出了子滤波器对应的最优估计值,用以消除子滤波器估计次优性对故障检测的影响;采用动态信息分配系数,以减少故障信息对全局估计的影响。采用惯性/天文/景象/地形(INS/CNS/SMNS/TERCOM)的组合导航系统进行了仿真验证,结果表明该容错联邦滤波方法在子系统发生故障时的估计性能优于故障隔离方法。因此,所提方法具有提高故障子滤波器精度、保证无故障子滤波器鲁棒性以及全局估计精度的优势,具有较高的实用价值。     

Characterization of Kalman filter residuals in the presence ofmismodeling

The mean and covariance of a Kalman filter residual are computed for specific cases in which the Kalman filter model differs from a linear model that accurately represents the true system (the truth model). Multiple model adaptive estimation (MMAE) uses a bank of Kalman filters, each with a different internal model, and a hypothesis testing algorithm that uses the residuals from this bank of Kalman filters to estimate the true system model. At most, only one Kalman filter model will exactly match the truth model and will produce a residual whose mean and standard deviation have already been analyzed. All of the other filters use internal models that mismodel the true system. We compute the effects of a mismodeled input matrix, output matrix, and state transition matrix on these residuals. The computed mean and covariance are compared with simulation results of flight control failures that correspond to mismodeled input matrices and output matrices     

多渐消因子Kalman滤波器在SINS初始对准中的应用(英文)

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。