陆用惯性导航系统非线性对准方法

以某型自行火炮炮载惯性导航系统为研究对象。为解决大方位失准角造成的系统非线性问题,在对大失准角误差模型进行详细分析的基础上,提出了基于快速正交搜索(FOS)和卡尔曼滤波(KF)的非线性参数估计方法。利用事先训练好的非线性误差模型进行对准,既能消除线性姿态误差,又可以对非线性姿态误差起到良好的抑制作用。仿真结果表明,FOS/KF方法的对准精度和实时性远优于扩展卡尔曼滤波(EKF)。对比试验结果表明,单独使用EKF时的方位角误差最大达到14.99°,而FOS/KF可以使方位角误差保持在0.8°以内。FOS/KF方法的估计精度不随系统非线性程度的变化而变化,并且不需要进行粗对准,简化了对准过程,提高了载体机动性。     

光纤陀螺SINS大失准角下快速初始对准技术

针对光纤陀螺(FOG)捷联惯导系统(SINS)初始对准过程中存在大姿态失准角的情况,本文建立了基于欧拉平台误差角的SINS非线性误差模型,给出了一种简化的UKF滤波方法并将其运用到光纤陀螺SINS初始对准中,在静基座大方位失准角条件下,分别采用传统闭环卡尔曼滤波和闭环UKF非线性滤波方法进行初始对准仿真研究,结果表明在对准精度要求相同时,后者在对准速度方面具有明显优势。     

高斯-厄米特滤波器在捷联惯导系统初始对准中的应用

 为提高静基座初始对准精度,缩短对准时间,采用了基于大方位失准角的对准模型,引入了高斯-厄米特滤波器(GHF)。针对GHF中均值和协方差阵的多元非线性高斯积分求解问题,利用初始对准误差方程的非线性是由大方位失准角导致的特点,通过状态的线性变换,求其线性状态解析解,将高维积分转化成一元数值积分,在不损失精度的前提下,解决了GHF在对准应用的"维数灾难"问题。将此算法用于实际系统,对比于扩展卡尔曼滤波器(EKF)、无迹卡尔曼滤波器(UKF),结果表明在大方位失准角条件下,GHF方法偏航角的对准精度提高了16%,对准时间缩短了75％。     

UKF方法及其在方位跟踪问题中的应用

采用UKF(Unscented Kalman Filter)方法处理了平面内地面站对目标的方位跟踪的估计问题。目标的位置和速度由选定的高斯分布采样点来近似，在每个更新过程中，采样点随着状态方程传播并随着非线性测量方程变换，由此不但得到目标位置和速度的均值及较高的计算精度，而且避免了对非线性方程的线性化过程。仿真结果表明，UKF方法比传统的扩展卡尔曼滤波(EKF)算法有更高的估计精度，并能有效地克服非线性严重时，方位跟踪问题中很容易出现的滤波发散问题。     

航空发动机健康参数的卡尔曼滤波估计方法分析

针对航空发动机气路部件健康参数估计问题,研究了基于线性和非线性模型的卡尔曼滤波估计方法.通过对气路部件渐变故障的仿真,比较了卡尔曼滤波(KF)、扩展卡尔曼滤波(EKF)、无味卡尔曼滤波(UKF)三种方法对健康参数的估计效果,对EKF在常增益条件下的仿真用时与估计结果进行了研究.结果表明,EKF可根据需要求取卡尔曼增益,能在较少计算量下得到较好的估计结果,是一种实用的非线性参数估计方法.     

MSSS-UKF滤波在大方位失准角初始对准中的应用

针对大方位失准角初始对准中非线性滤波的实时性问题,在分析UKF滤波中的Sigma点采样策略基础上,将最小偏度单形采样策略应用于UKF滤波算法的Sigma点采样过程,并将基于最小偏度单形采样的UKF应用于大方位失准角的非线性初始对准过程。仿真结果显示,基于最小偏度单形采样策略(Minimal Skew Simplex Sampling)的UKF对姿态失准角估计的快速性要明显优于基于对称采样策略的UKF滤波算法,且可以满足惯导系统对对准精度和时间的要求。     

捷联惯导系统大失准角下的初始对准研究

针对捷联惯导系统初始对准过程中的大失准角情况,建立了基于欧拉平台误差角概念的捷联惯导系统(SINS)非线性误差模型,对于具有加性噪声的动态方程,当状态方程为非线性而观测方程为线性时,将一种简化的UKF滤波方法运用到捷联惯导系统初始对准中,并在静基座下对捷联惯导系统大失准角初始对准进行了仿真。仿真结果表明,随着失准角的增大,简化的UKF比EKF估计精度更高,是一种在进行捷联惯导系统大失准角条件下的初始对准时实用方法。     

基于UKF的大失准角船舶行进间对准技术研究

由于标准卡尔曼滤波只适用于线性系统,通常在SINS/GPS组合导航初始对准过程中,先通过基于惯性系的粗对准方法,将失准角转化为小量,然后再进行卡尔曼滤波精对准。由于杆臂效应,使用的基准信息存在一定误差,导致初始对准精度降低。因此,首先设计UKF的大失准角初始对准算法;其次将基准信息杆臂在UKF方程中建模,对杆臂误差进行补偿;最后通过仿真验证算法的可行性,并利用海试实验数据对UKF算法与传统动基座算法进行对比,实验结果表明该方法具有明显优势。     

基于EKF的天线罩误差斜率多模型估计方法

 提出一种新的滤波器结构，利用基于扩展卡尔曼滤波(EKF)的多模型(MM)算法,对天线罩误差斜率进行估计，降低天线罩误差对雷达自寻的导弹的影响，提高系统性能。在三维坐标下，创建包含导弹运动方程、目标运动方程、弹目相对运动方程的滤波模型。采用EKF算法，对包含天线罩误差的非线性观测方程进行线性化处理；依照多模滤波的思想，对天线罩误差进行离散建模，构建伪观测方程，更新模型概率，得到天线罩误差斜率的估计值；将斜率估计结果代入EKF，得到滤除天线罩误差影响的系统状态量估计结果并形成制导指令。仿真结果表明，所提方法可以有效地估计天线罩斜率，提高系统制导精度。     

基于UKF算法的航天器自主导航研究

针对卫星上配备的多种姿态敏感器，进行了导航方案的设计，利用姿态敏感器的测量信息实现轨道参数的估计。通过UKF(Unscented Kalman Filter)算法研究了卫星的自主导航问题，较传统的扩展卡尔曼滤波方法(EKF)简化了计算过程。数值仿真结果验证了该导航算法的优越性。     

自适应扩展增量 Kalman 滤波方法

基于扩展增量Kalman滤波方法(EIKF)和自适应增量Kalman滤波(AIKF),建立自适应扩展增量Kalman(AEIKF)模型及其分析方法,给出递推算法.在许多实际情况(如深空探测),由于环境因素的影响、测量设备的不稳定性等原因,量测方程往往存在未知的系统误差,并且模型参数也具有不确定性,结果导致较大的Kalman滤波误差,影响滤波的收敛性.提出的AEIKF方法能够成功消除这种未知的系统误差,并能够实时估计变化的噪声统计量,提高Kalman滤波精度.该方法计算简单,便于工程应用.     

BP神经网络在惯导系统传递对准中的应用

针对系统阶次较高时卡尔曼滤波实时性较差的特点，将多层BP神经网络替代卡尔曼滤波应用于舰载机惯导系统的传递对准。利用卡尔曼滤波的输入、输出作为BP神经网络滤波的样本对值进行训练，得到了神经网络的输出值，实现了惯导传递对准中的滤波功能。仿真结果表明，将BP神经网络用于传递对准，既获得了与卡尔曼滤波相当的精度，又有效地降低了系统的解算时间，提高了系统的实时性。     

基于PnP和自适应线性卡尔曼滤波的实时位姿估计

针对实时位姿估计中扩展卡尔曼滤波(EKF)线性化引入非线性误差和依赖已知噪声分布的缺点,提出一种基于PnP的自适应线性卡尔曼滤波位姿估计求解方法。将PnP位姿估计求解策略引入卡尔曼滤波观测方程,通过对动态方程误差统计参数实时估计,自适应调节卡尔曼滤波递推参数。所提算法求解精度高,固定了观测方程的观测向量维度,提高了算法实用性。通过仿真试验,比较了该算法与EKF的位姿估计精度,通过量化误差分析,证明了该方法可以提高三维运动位姿估计精度,也验证了该方法的有效性。     

Unscented粒子滤波在静基座捷联惯导系统大方位失准角初始对准中的应用研究

 静基座大方位失准角的捷联惯导系统误差方程是非线性的，Unscented粒子滤波从非线性系统状态向量概率分布出发，结合Unscented卡尔曼滤波和粒子滤波的特点，无需对非线性系统模型进行处理而能达到较高的滤波精度。本文对Unscented粒子滤波进行了研究，并结合重采样算法，运用于捷联惯导系统静基座大方位失准角初始对准中，计算结果验证了该方法的有效性与优越性。     

一种基于模型误差预测的UKF方法

 UnscentedKalman滤波器（UKF）对本质非线性系统具有估计精度高、收敛速度快和容易实现等优点,但是对系统的模型误差比较敏感。针对这一问题,提出了一种基于模型误差预测的UKF方法,称为PUKF（PredictiveUnscentedKalmanFilter）。它利用非线性预测滤波器（NPF）的模型误差预测过程,能够对不准确的系统模型进行实时修正,弥补了UKF方法的不足。仿真结果表明,相对于原始的UKF方法,新方法从滤波精度、收敛速度和收敛的稳定性等几个方面,显著提高了非线性滤波的性能。PUKF可适用于模型不确定、非线性较强系统的滤波。     

惯性/双目视觉里程计深组合导航方法

针对现有视觉里程计测量噪声大、匹配精度低、实时性差的问题,研究一种基于Kalman滤波器的惯性/双目视觉里程计组合导航方法.在视觉里程计中引入惯性导航信息,辅助完成实时图截取、搜索区预测、输出速度校正等功能,提高视觉里程计的测量精度与计算速度.利用Kalman滤波器,实现视觉里程计对惯导累计误差的修正,提升组合导航系统的导航精度.车载试验结果表明,惯性/双目视觉里程计深组合导航的实时定位精度优于0.5％D (CEP),具备工程应用条件.     

基于四元数误差模型的捷联惯导系统对准方法

传统的小干扰方程并不能描述捷联惯导系统在大失准角下的误差传播特性 ,推导了姿态误差为大角度时的四元数误差方程 ,并指出当姿态误差为小量时 ,所推导的误差模型与小干扰方程是等价的。仿真结果表明在大失准角下的空中对准过程中 ,采用四元数误差方程以及非线性滤波技术能有效地提高对准精度     

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。