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％。     

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。     

卡尔曼/粒子组合滤波在GPS/INS组合导航中的应用研究

在非线性模型和非高斯噪声条件下,粒子滤波在GPS/INS组合导航系统的观测精度较低时能取得较好的滤波结果,但在高观测精度情况下会导致滤波发散。针对这一问题,在分析了基本粒子滤波器算法原理的基础上提出一种卡尔曼/粒子组合滤波方法,将状态向量分为线性部分和非线性部分,分别用卡尔曼滤波和粒子滤波估计,既保证了简化后滤波算法的结果不会变差,又将运算量大大降低,仿真试验表明,组合滤波器能够获得较高的滤波精度,满足实际的导航要求。     

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“速度+姿态”快速传递对准的可观测性分析

惯导系统初始对准一般采用卡尔曼滤波器对初始姿态误差角进行估计,而在设计卡尔曼滤波器之前通常要对系统进行可观测性分析,确定卡尔曼滤波器的效果。捷联惯导系统的卡尔曼滤波模型在传递对准时,为线性时变系统,而线性时变系统的可观测性分析比较困难。文中采用一种依据系统矩阵的奇异值确定状态可观测度的方法对基于“速度＋姿态”快速传递对准的卡尔曼滤波模型进行可观测性分析,结果表明该方法可直接简单地实现系统状态的可观测度分析。     

基于五阶容积-二阶平滑变结构滤波算法的捷联惯导系统初始对准技术

为了改进捷联惯导系统大方位失准角初始对准情况下的方位失准角对准精度和稳定性问题,提出了一种组合对准方法。该方法将Kalman滤波对准模型与罗经对准模型相结合构建了一种组合对准机制,并在此模型基础上提出了基于非线性滤波和鲁棒滤波的五阶容积-二阶平滑变结构滤波算法,将五阶容积-二阶平滑变结构滤波算法与组合对准机制相结合,从而实现大方位失准角的初始对准。仿真结果表明,五阶容积-二阶平滑变结构滤波对准方法得到的方位失准角对准精度明显优于常见的几种对准方法,且其对准结果的重现性更高。因此,提出的五阶容积-二阶平滑变结构滤波算法能够很好地适用于大方位失准角的初始对准。     

无源定位跟踪滤波算法研究及仿真分析

首先介绍了几种无源定位跟踪滤波算法原理,包括扩展卡尔曼滤波（EKF）,无迹卡尔曼滤波器（EKF）,交互多模型滤波器（IMM）;然后通过建立几种不同模型来对每一种滤波算法进行仿真,依据仿真图形和误差结果对滤波算法进行分析,从而实现不同滤波模型根据目标运动状态进行监视和切换,这对无源定位跟踪算法精度的提高和实际应用有很大的...     

扰动基座下惯组信号消噪方法对比研究

针对捷联惯导系统在扰动基座下对准时,惯组信号中存在干扰角运动和线运动的特点,进行了车载扰动基座初始对准试验,对试验数据进行频谱分析,得到车载扰动基座环境的频域特性。根据分析结果,设计并实现了FIR数字滤波器滤波和小波滤波对惯组信号的消噪,频谱分析和惯性系粗对准的结果显示,这两种方法都能有效地消除惯组信号中的噪声。数据分析显示,小波滤波的效果要优于FIR数字滤波器滤波的效果。     

一种改进的强跟踪UKF算法及其在SINS大方位失准角初始对准中的应用

针对现有的强跟踪无迹卡尔曼滤波（UKF）算法存在理论依据不足和滤波性能欠佳等问题,从正交性原理出发,通过严谨的推导得到强跟踪UKF成立的充分条件,在此基础上提出一种改进的强跟踪UKF算法。该算法无需求解雅可比矩阵且计算量较小,渐消因子的作用位置以及求解公式均不同于原始的强跟踪滤波器。给出了该算法的流程和渐消因子的求解方法,证明了该算法满足强跟踪滤波器的充分条件,并分析了其渐消因子的作用机理。进行了捷联惯性导航系统（SINS）大方位失准角初始对准仿真,结果验证了所提强跟踪UKF算法的正确性和有效性。     

一种改进的强跟踪 UKF 算法及其在 SINS 大方位失准角初始对准中的应用郭泽,缪玲娟,赵洪松简

 针对现有的强跟踪无迹卡尔曼滤波（UKF）算法存在理论依据不足和滤波性能欠佳等问题,从正交性原理出发,通过严谨的推导得到强跟踪UKF成立的充分条件,在此基础上提出一种改进的强跟踪UKF算法。该算法无需求解雅可比矩阵且计算量较小,渐消因子的作用位置以及求解公式均不同于原始的强跟踪滤波器。给出了该算法的流程和渐消因子的求解方法,证明了该算法满足强跟踪滤波器的充分条件,并分析了其渐消因子的作用机理。进行了捷联惯性导航系统（SINS）大方位失准角初始对准仿真,结果验证了所提强跟踪UKF算法的正确性和有效性。     

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。     

非线性滤波在捷联惯导系统初始对准中的应用

惯性导航系统(INS)初始对准的误差方程在本质上是非线性的,估计惯性导航初始对准误差普遍采用的做法是把失准角假设为小角度,再将误差模型线性化.但当运载体遭遇恶劣环境姿态变化剧烈时,用于估计小失准角的误差模型将不再满足初始对准的要求.为满足大失准角下惯导系统的初始对准,在建立大失准角下的非线性误差模型基础上,分别应用2种...     

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。     

Modified unscented Kalman filtering and its application in autonomous satellite navigation

In this paper, a modified unscented Kalman filter (UKF) for nonlinear stochastic systems is proposed, and it is applied to autonomous orbit determination for Earth satellites. Based on some standard results about the boundedness of stochastic processes and a new formulation of the unscented transformation (UT), it is demonstrated that the design of the noise covariance matrix plays an important role in enhancing the filter stability. Furthermore, a particular design of the noise covariance matrix is proposed as a modification of the UKF. The modified UKF is less sensitive to the initial error than the usual one. High performance of the modified UKF is illustrated in comparison with the usual one by using the real data obtained from an Earth sensor.     

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。     

Detection of satellite attitude sensor faults using the UKF

A novel fault detection (FD) method for nonlinear systems using the residuals generated by the unscented Kalman filter (UKF) is proposed. The errors of the UKF are derived and sufficient conditions for the convergence of the UKF are presented. As the local approach is a powerful statistical technique for detecting changes in the mean of a Gaussian process, it is used to devise a hypothesis test to detect faults from residuals obtained from the UKF. Further, it is demonstrated that the selection of a sample number is important in improving the performance of the local approach. To illustrate the implementation and performance of the proposed technique, it is applied to detect sensor faults in the measurement of satellite attitude.     

基于无味卡尔曼滤波的飞机防滑刹车模糊神经网络控制

根据对飞机刹车过程动力学分析与建模,本文提出了一种基于无味卡尔曼滤波(UKF)的模糊神经网络控制律。本控制律结合了无味卡尔曼滤波对机体速度的良好估计效果和模糊神经网络控制器对不同系统参数的适应能力,能够很好完成对最佳滑移率的追踪任务。Matlab仿真试验结果显示,基于无味卡尔曼滤波的模糊神经网络控制器可以准确的估计飞机滑跑时的速度,改善飞机防滑刹车系统性能,提高刹车效率。