针对经典最近等值线迭代(ICCP)算法因重力异常测量误差导致匹配精度下降甚至失效的问题,提出联合抗差匹配算法以提高匹配精度及可靠性。首先,分析了匹配点集间的匹配残差在高斯噪声影响下呈非高斯分布,为抑制其影响,采用l_(p)范数代替l_...针对经典最近等值线迭代(ICCP)算法因重力异常测量误差导致匹配精度下降甚至失效的问题,提出联合抗差匹配算法以提高匹配精度及可靠性。首先,分析了匹配点集间的匹配残差在高斯噪声影响下呈非高斯分布,为抑制其影响,采用l_(p)范数代替l_(2)范数计算匹配残差,并利用匹配残差重调野值点以获得有效的匹配区域。在此基础上,提出混合稀疏ICCP算法,并利用其进行粗匹配,然后将粗匹配后的位置作为惯导系统(INS)指示位置,再使用经典ICCP算法进行精匹配,获得更高的定位精度。仿真结果表明,考虑重力异常测量误差的情况下,重力联合抗差匹配算法的误差最大值小于1 n mile,导航精度较传统ICCP算法提升60%以上,提升了算法的鲁棒性和匹配精度。展开更多
针对传统Unscented卡尔曼滤波器(Unscented Kalman filter,UKF)在噪声先验统计未知时变情况下非线性滤波精度下降甚至发散的问题,设计了一种带噪声统计估计器的自适应UKF滤波算法.首先根据极大后验(Maximum a posterior,MAP)估计原理,...针对传统Unscented卡尔曼滤波器(Unscented Kalman filter,UKF)在噪声先验统计未知时变情况下非线性滤波精度下降甚至发散的问题,设计了一种带噪声统计估计器的自适应UKF滤波算法.首先根据极大后验(Maximum a posterior,MAP)估计原理,推导出一种次优无偏MAP常值噪声统计估计器;接着在此基础之上,采用指数加权的方法,给出了时变噪声统计估计器的递推公式;最后对自适应UKF算法进行了性能分析.相比于传统UKF,该自适应UKF算法在噪声统计未知时变情况下不仅滤波依然收敛,滤波精度及稳定性显著提高,而且其具有应对噪声变化的自适应能力.仿真实例验证了其有效性.展开更多
文摘针对经典最近等值线迭代(ICCP)算法因重力异常测量误差导致匹配精度下降甚至失效的问题,提出联合抗差匹配算法以提高匹配精度及可靠性。首先,分析了匹配点集间的匹配残差在高斯噪声影响下呈非高斯分布,为抑制其影响,采用l_(p)范数代替l_(2)范数计算匹配残差,并利用匹配残差重调野值点以获得有效的匹配区域。在此基础上,提出混合稀疏ICCP算法,并利用其进行粗匹配,然后将粗匹配后的位置作为惯导系统(INS)指示位置,再使用经典ICCP算法进行精匹配,获得更高的定位精度。仿真结果表明,考虑重力异常测量误差的情况下,重力联合抗差匹配算法的误差最大值小于1 n mile,导航精度较传统ICCP算法提升60%以上,提升了算法的鲁棒性和匹配精度。
文摘针对传统Unscented卡尔曼滤波器(Unscented Kalman filter,UKF)在噪声先验统计未知时变情况下非线性滤波精度下降甚至发散的问题,设计了一种带噪声统计估计器的自适应UKF滤波算法.首先根据极大后验(Maximum a posterior,MAP)估计原理,推导出一种次优无偏MAP常值噪声统计估计器;接着在此基础之上,采用指数加权的方法,给出了时变噪声统计估计器的递推公式;最后对自适应UKF算法进行了性能分析.相比于传统UKF,该自适应UKF算法在噪声统计未知时变情况下不仅滤波依然收敛,滤波精度及稳定性显著提高,而且其具有应对噪声变化的自适应能力.仿真实例验证了其有效性.