抗差自适应分步滤波算法在PPP/INS组合导航中的应用

针对常规抗差自适应滤波算法在PPP/INS组合导航应用中存在难以准确识别和分离观测粗差及运动异常对定位结果影响的问题，基于分类因子自适应滤波原理,提出了一种抗差自适应分步滤波算法。该算法首先执行第一步滤波,对状态模型异常信息进行隔离，仅对观测粗差进行诊断和抗差处理；然后在第一步滤波的基础上，执行第二步滤波，对状态模型异常进行诊断和自适应处理。算法分析表明，抗差自适应分步滤波算法可以准确地识别和分离观测粗差和运动异常扰动。实验结果表明，抗差自适应分步滤波算法能够进一步增强滤波算法抵抗观测粗差和运动异常扰动对滤波结果的影响，提高PPP/INS组合导航系统定位结果的稳定性和可靠性。     

基于中值滤波和小波变换的混合滤波方法在推进剂监测中的应用

目前,监测传感器传出信号中混有很多噪声,为提高信号可信度,需要一种有效的信号处理方法。文章基于Matlab仿真环境,完成了信号仿真和滤波算法的设计,重点对单传感器仿真信号的去噪和多传感器信息融合进行了研究,提出了基于中值滤波和小波阈值滤波的混合滤波方案和基于Kalman滤波的信号融合方案。研究工作有:基于高斯白噪声和脉冲噪声的数学特性,合理假设出5种基本信号形式;依据实际数据,完成单传感器和多传感器信号仿真,确定信噪比和均方根误差作为去噪评定指标;综合分析现有的滤波算法的滤波特性,利用不同长度滑动窗口的中值滤波处理实验信号,选取合适长度的滑动窗口。设置对比实验确定小波阈值滤波中的小波基函数选取、阈值计算和分解尺度等参数;融合中值滤波和小波阈值滤波优势,设计混合滤波方案,去除单传感器仿真信号中的噪声;研究信息融合理论在泄漏监测系统中的应用,设置不同融合方式下的对比实验,确立最佳融合方式下的Kalman滤波方案,实现多传感器信息融合。     

最大瞬时畸变预测中的滤波位置问题

虽然Motycka估算方法能较好地估算最大瞬时畸变值,但其估算机时很长。作者曾用40个测点,采样频率f_s=1000赫,在Inte186/330微机上估算30秒的数据,共费机时约27小时。其中约一半机时系用于对每一测点的随机数进行滤波。      

一种鲁棒Sigma-point滤波算法及其在相对导航中的应用

研究了一种鲁棒Sigma-point滤波方法在无人机编队相对导航问题上的应用。该方法采用Huber估计方法,将Sigma-point滤波量测更新转化为求解线性回归问题,新的Sigma-point滤波方法是一种混合L1、L2范数最小估计,当量测噪声为受污染的高斯白噪声时,该方法具有一定的鲁棒性。给出了编队无人机相对惯导方程和相对视线矢量测量原理,应用鲁棒Sigma-point滤波方法融合相对惯导信息和相对视线矢量信息,估计出无人机之间的相对姿态、相对速度和相对位置。仿真结果表明,与扩展卡尔曼滤波和常规Sigma-point滤波相比,鲁棒Sigma-point滤波可以获得更高的估计精度。     

Optimal nonlinear filtering in GPS/INS integration

The application of optimal nonlinear/non-Gaussian filtering to the problem of INS/GPS integration in critical situations is described. This approach is made possible by a new technique called particle filtering, and exhibits superior performance when compared with classical suboptimal techniques such as extended Kalman filtering. Particle filtering theory is introduced and GPS/INS integration simulation results are discussed.     

优化抗差自适应滤波器在深组合导航中的应用

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。     

一种改进的数字滤波平方定时的频域算法

在数字滤波平方定时的频域算法基础上,采用了前端进行带通滤波和后端实施卡尔曼滤波的处理方法对其进行改进。带通滤波器减小了定时误差估计的方差,而卡尔曼滤波则降低了整个定时误差估计过程中噪声的影响。实验与仿真的结果表明,改进后的方法达到了预期的效果。     

A two-step robust adaptive filtering algorithm for GNSS kinematic precise point positioning

In kinematic navigation and positioning, abnormal observations and kinematic model disturbances are one of the key factors affecting the stability and reliability of positioning performance. Generally, robust adaptive filtering algorithm is used to reduce the influence of them on positioning results. However, it is difficult to accurately identify and separate the influence of abnormal observations and kinematic model disturbances on positioning results, especially in the application of kinematic Precise Point Positioning (PPP). This has always been a key factor limiting the performance of conventional robust adaptive filtering algorithms. To address this problem, this paper proposes a two-step robust adaptive filtering algorithm, which includes two filtering steps: without considering the kinematic model information, the first step of filtering only detects the abnormal observations. Based on the filtering results of the first step, the second step makes further detection on the kinematic model disturbances and conducts adaptive processing. Theoretical analysis and experiment results indicate that the two-step robust adaptive filtering algorithm can further enhance the robustness of the filtering against the influence of abnormal observations and kinematic model disturbances on the positioning results. Ultimately, improvement of the stability and reliability of kinematic PPP is significant.     

Adaptive distributed filtering in multicoordinated systems

The direct estimation of optimal steady-state gain in the single filtering process introduced by B. Carew et al. (1973) is extended to multicoordinated systems, and the distributed optimal steady-state gains are directly estimated for adaptive distributed filtering. The correlation method using distributed innovation processes is used. The algorithm assumes little prior information about the unknown covariances and adaptively changes the weights to best integrate the distributed estimates obtained in local filtering processes. The term best is used in the sense that the result of the adaptive distributed filtering is as close to that of the optimal distributed filtering as possible     

固体发动机ICT断层图像去噪技术

由于受扫描电子设备、光电转换过程和重建算法的影响,固体发动机经ICT系统检测生成的灰度断层图像中含有多种噪声,严重影响了检测人员对发动机内部缺陷的诊断。为此,利用图像滤波技术对断层图像进行有效的处理,去除图像中的噪声,突出缺陷信息。在理论分析均值滤波、中值滤波、维纳滤波和小波变换滤波这4种滤波方法的基础上,分别将这4种方法应用到固体发动机ICT断层图像去噪中,经对比。得出维纳滤波在较好的保存缺陷信息的同时,有效的去除了噪声,是最适用于固体发动机缺陷检测需求的图像去噪方法。     

Kalman弹道滤波器的快速收敛性研究

在弹道修正过程中,需根据一段实测弹道参数,准确地估算常规弹箭的飞行弹道。工程中,常应用Kalman滤波方法,结合质点弹道模型建立六状态滤波弹道模型。速度初值估计的准确性,是对滤波过程造成影响的主要因素。为改善这一状况,采用多项式拟合用以对速度状态进行估计并以此作为滤波初始值。在此种估计下滤波,速度滤波过程可快速收敛,位置滤波过程收敛速度大幅度提高,可使最优弹道诸元参数获取时间缩短30%。     

多传感器多模型多尺度组合导航系统算法

多传感器组合导航系统是组合导航发展的方向之一。针对复杂环境,多模型自适应算法可以较好地解决模型及参数不确定的问题;而多尺度融合算法将基于模型的动态系统分析与具有统计特性的多尺度信号变换方法相结合,可有效提高系统的滤波精度。为此,文章将多模型估计与多尺度滤波算法相结合构成多模型多尺度滤波算法,该算法用于多组合导航系统后,经仿真验证,相对于多模型或单模型多尺度滤波算法,系统的滤波精度明显提高。     

Particle Velocity Estimation Using Kalman Filtering

The velocity of a moving particle can be estimated by using the least squares method (LSM), but the estimation accuracy is not high. Here, a Kalman filtering method (KFM) is applied to estimate this velocity. A Kalman filtering formulation of the moving particle velocity is described and has been realized on a digital computer. According to a vast number of printouts, the advantages of KFM over LSM are a short filtering stability time and a high filtering accuracy.     

自适应滤波算法在SINS/GPS组合导航系统中的应用研究

以SINS/GPS组合导航系统为应用背景,对具有代表性的Sage自适应滤波和渐消卡尔曼滤波进行了研究,分析了这些方法在SINS/GPS组合导航应用中存在的问题,提出了适合工程应用的改进方法。改进的Sage自适应滤波主要对系统状态噪声协方差阵利用状态误差进行估计,更符合SINS/GPS组合导航系统的实际情况,提高了滤波稳定性。改进的渐消卡尔曼滤波采用矩阵因子的形式直接对状态预测协方差阵各分量进行不同程度的调节,使调节更趋合理。此外,改进算法增加了对观测粗差的处理,降低了观测粗差对滤波结果的影响。最后,用实际跑车试验验证了改进方法的有效性。     

高速采样测量数据处理方法研究

探讨在新一代高精度测速体制下,外测数据原有处理方法应用到高采样率数据时的缺陷,提出将原始采样数据分段、分层进行多次处理,结合二步最小二乘、等距样条拟舍和区间长度自适应的时间多项式中心平滑技术,可降低每次处理的数据量,并逐步滤除周期噪声与色噪声,提高了处理结果的精度。     

三星无源定位的精度分析及定位算法

 在三颗地球同步卫星加气压高度表的无源定位中,定义了气压高度表水平几何误差因子(HDOP)和伪距位置几何误差因子(PDOP),并给出了相应的数学表达式和分布图。提出了在卡尔曼滤波算法中增加多普勒频率作为观测量,同时选用衰减记忆法滤波,并给出了相应的算法。仿真结果表明：衰减记忆法滤波可以有效克服因Singer模型不准确引起的卡尔曼滤波发散;对于高中动态用户,增加多普勒频率后的衰减记忆卡尔曼滤波算法的定位精度要高于常规卡尔曼滤波法和迭代最小二乘法的定位精度。     

基于双树复小波和形态学的卫星异常数据滤波方法

受系统结构复杂、工作环境恶劣等因素影响,卫星的工作状态会存在介于正常和故障之间的异常状态,导致其遥测数据中不仅含有噪声,还存在异常数据。采用传统滤波算法进行去噪处理时,会存在对异常数据保留不充分的问题,从而导致突变信息丢失。针对上述问题,提出一种基于双树复小波与形态学滤波的卫星遥测数据组合滤波方法,设计一种半软阈值滤波函数来提高双树复小波的滤波性能,并提出一种组合滤波算法。通过仿真实验进行验证,结果表明:本文方法可以对遥测数据中的噪声进行有效滤除并对异常数据进行保留。     

利用卡尔曼滤波求取直升机气动导数的应用研究

本文主要介绍利用低通滤波、卡尔曼滤波及最小二乘法求取直升机气动导数的方法。本方法的特点是,通过低通滤波使旋翼高频成份的影响减至最小,同时求取试验数据的测量噪声和过程噪声,然后通过卡尔曼滤波使试验数据包含的随机噪声减至最小,最后用最小二乘法求得直升机的气动导数,为了提高卡尔曼滤波的准确度,用最小二乘法由试验数据求取直升机的气动导数作为卡尔曼滤波时的初始导数。计算结果表明,该方法可使试验数据中包含的噪声大大减小,误差带减少70％以上,而计算工作量又远远小于最大似然法。     

LMI approach to the mixed H2/H∞filtering design for discrete-time uncertain systems

The problem of full-order robust filtering design for discrete-time uncertain linear systems is addressed. The uncertain parameters are assumed to belong to convex bounded domains (polytope type uncertainty). The main purpose is to design a stable linear filter such that the filtering error output signal remains bounded. For that, the parameterization of all linear filters assuring quadratic stability with an H_∞ attenuation constraint to the filtering error system is provided in terms of linear matrix inequalities (LMIs). Then, through the definition of an auxiliary cost, an upper bound to the filtering error variance is minimized, providing a mixed H₂/H _∞ guaranteed cost filtering design. Standard optimization procedures with global convergence assured can be used to solve the problem, as illustrated by an example     

自适应卡尔曼滤波在航空发动机参数估计中的应用

介绍根据实际飞行数据并用卡尔曼滤波方法对某型发动机的参数估计及其结果。重点研究了卡尔曼滤波在航空发动机参数估计中的滤波发散问题和解决这一问题的自适应卡尔曼滤波、飞行条件补偿及模型修正的综合方法。