广义卡尔曼滤波递推公式的证明

卡尔曼滤波方法是一种应用广泛的估值方法,但其要求系统数学模型已知。而广义卡尔曼滤波与卡尔曼滤波相比并不需要系统数学模型已知,具有更强的现实意义。在广义卡尔曼滤波方法的状态模型和测量模型的基础上讨论了其递推公式的证明问题。最后通过广义卡尔曼滤波与经典卡尔曼滤波仿真曲线的比较,验证了广义卡尔曼滤波的有效性。     

广义卡尔曼滤波均方误差最小性的研究

卡尔曼滤波方法是一种应用广泛的估值方法，但其在应用时，要求系统数学模型已知。而广义卡尔曼滤波在应用时不需要系统数学模型是已知的，具有广泛的适用性。在广义卡尔曼滤波方法的消息模型和测量模型的基础上，讨论了其滤波模型的均方误差最小性问题，即最优滤波器的选取问题。最后通过广义卡尔曼滤波与经典卡尔曼滤波仿真曲线的比较，验证了广义卡尔曼滤波的有效性。     

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。     

预测-五阶容积卡尔曼滤波方法

为适用于强非线性、非高斯过程噪声系统，结合预测滤波（PF）与高阶容积卡尔曼滤波（HCKF），提出一种预测-五阶容积卡尔曼滤波（P5thCKF）方法。通过预测滤波方法对系统模型中的过程噪声及其方差阵进行实时调整，进而将新模型代入到五阶容积卡尔曼滤波框架中进行实时递推状态估计。推导了五阶球面单形-径向积分准则，采用五阶球面单形积分准则处理球面积分，广义高斯-拉盖尔积分准则处理径向积分；描述了预测滤波方法并对模型误差调整量进行了推导。通过2个仿真实验验证了本文方法在强非线性、非高斯过程噪声系统中的可行性以及应用于工程实践的可能性。     

一种基于组合导航系统的新融合滤波算法

本文设计了一种可用于地面用户的低成本组合导航系统，提出了基于该系统的新信息融合方法，即模糊卡尔曼滤波算法和地图匹配技术联合起来。仿真结果表明模糊卡尔曼滤波算法相当于一数据平滑处理窗口，具有比常规卡尔曼滤波算法更高的精度。     

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。     

航空发动机约束卡尔曼滤波方法

<正>卡尔曼滤波器通常用于动态系统的状态估计,但在应用过程中,有些已知的信息在运算过程中被忽略,例如转速、温度与压力的范围限制。约束卡尔曼滤波器将已知的信息作为约束,可以提高估计的精度。文献首次提出了将约束线性卡尔曼滤波应用于发动机健康估计;文献介绍了约束线性卡尔曼滤波数学实现的矩阵变换,与传统的无约束线性卡尔曼滤波对比,该方法对发动机健康状况参数估计更加准确。     

近地卫星磁测自主定轨及原型化

利用三轴磁强计的测量信息可实时地确定卫星轨道。采用扩展卡尔曼滤波作为处理磁测自主定轨问题的滤波算法．并以地磁场强度幅值作为测量值，建立了近地卫星磁测自主定轨的数学模型。在数学模型的基础上实现了基于PC机、dSPACE一体化系统的原型化(Prototyping)实验。该原型化实验对磁测自主定轨的方案、理论、算法及实时运行特性做了进一步的验证。     

杂波环境下基于数据压缩的多传感器容积滤波算法

针对杂波环境下非线性系统中多传感器多目标跟踪问题,基于广义多维分配(S-D分配)规则获取最佳的量测划分,通过多传感器数据压缩技术得到等效量测点与等效量测协方差,结合容积卡尔曼滤波原理实现多目标跟踪,提出了一种基于数据压缩的多传感器容积滤波算法(SD-DCCKF)。仿真结果表明:相对已有算法,SDDCCKF不仅避免了因模型线性化误差导致的滤波发散问题,而且克服了算法在高维系统中数值不稳定的缺点,算法估计精度较高,收敛速度较快,能够更加有效地解决非线性系统中的多目标跟踪问题。     

INS/GPS组合导航系统故障检测问题研究

提出了一种新的故障检测方案。该方案由卡尔曼滤波 ,得到新息序列 ,利用大数定律对新息序列的稳定性进行检验 ,来判别系统是否出现了故障。同时提出了故障状态下卡尔曼滤波的修正算法。数值仿真结果表明 ,该方法能有效地检测出 INS/GPS组合导航系统的故障 ,保证了 INS/GPS组合导航系统的安全性和可靠性     

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。     

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.     

基于对偶四元数的INS/GPS组合导航算法研究

在基于对偶四元数的捷联惯导解算方法的基础上,推导了以惯性系作为导航系的惯导误差方程,在此基础上设计了卡尔曼滤波组合导航算法。通过激光惯导跑车采集数据,进行了仿真分析,试验结果表明,该组合导航算法能有效的消除惯导累积的速度误差和位置误差,相比于目前广泛应用的INS/GPS组合导航算法,本文描述了INS/GPS组合导航的另一种实现方式,获得了相当的精度,具有一定的工程应用价值。     

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.      

卡尔曼滤波在某型组合导航系统模拟器中的应用

为提高某型GPS／INS组合导航系统模拟器模拟数据的真实性和飞行软件包、GPS模拟器、组合导航系统模拟器三者交联的有效性,在该模拟器中设计了卡尔曼滤波器。文中在介绍模拟器工作原理的基础上,建立了GPS／INS位置与速度组合方式下的卡尔曼滤波器的状态方程和量测方程,用U-D分解法建立了卡尔曼滤波方程,给出了纯惯导及组合后系统的位置与速度误差仿真曲线,并对仿真结果进行了系统测试,最后与其它模拟器进行了组网导航训练测试。     

卡尔曼滤波在自旋卫星章动控制中的应用

细长体结构卫星的自旋运动是不稳定的,章动有发散趋势,须进行实时的章动监视,且章动角的测量值包含有误差.通过引入一个离散控制过程的系统,介绍了卡尔曼滤波器的基本原理,建立了自旋卫星自旋运动简化的动力学模型,给出了运动方程和观测方程,详细地推导了适用于自旋卫星章动控制的卡尔曼滤波处理过程,利用该模型对某自旋卫星章动进行仿真计算,并对姿态章动联合控制和应急章动控制情况下的章动控制应用情况进行分析,得出结论：基于卡尔曼滤波的卫星章动角计算的方法正确、结果准确.     

直接根据性能指标进行航空发动机LQG/LTR控制器设计

本文提出了一种根据性能指标要求设计航空发动机LQG/LTR控制器的方法。采用这种方法,可根据发动机模型及性能指标要求直接获得卡尔曼滤波器增益,而无需求解Riccati方程。随后的仿真结果表明,所设计的控制系统具有较好的稳定鲁棒性及较好的动态性能。      

姿态测量中MEMS陀螺输出信号处理方法研究

为实现基于MEMS器件的舰船测姿,对MEMS陀螺的输出信号进行研究与处理。在分析MEME陀螺的输出误差模型基础上,通过经典卡尔曼滤波与鲁棒滤波的理论对比,设计滤波器对其输出信号进行滤波降噪。实验表明：鲁棒卡尔曼滤波方法对于MEMS陀螺输出信号的平滑降噪效果显著。     

自适应增量 Kalman 滤波方法

提出自适应增量Kalman滤波(AIKF)的概念和定义,建立自适应增量Kalman滤波模型及其分析方法,给出主要的计算步骤.传统自适应Kalman滤波(AKF)方法能够对事先未知的系统噪声和量测噪声的统计量进行有效的估计.但是,传统自适应Kalman滤波方法也无法对由于环境因素(如深空探测)的影响、测量设备的不稳定性等原因产生的未知时变测量系统误差进行补偿和校正,从而产生较大的滤波误差,甚至导致发散.提出的自适应增量Kalman滤波方法不但能够对系统噪声和量测噪声的统计量进行估计,而且还能成功消除这种测量系统误差,有效地提高滤波精度.该方法计算简单,便于工程应用.