自适应GHPF及其在组合导航中的应用

研究组合导航系统精度优化问题,针对粒子滤波存在重要性密度函数难以选取的问题,提出一种新的自适应GHPF算法,通过高斯-厄米特滤波来获取状态均值和协方差阵,计算自适应因子并利用自适应因子调节均值和方差,得到一种参数可调节的重要性密度函数。重要性密度函数考虑了最新量测的影响,提高了滤波精度,使滤波性能明显改善,能更好地解决非线性非高斯系统模型的滤波问题。将提出的算法应用于SINS/SAR组合导航系统中,仿真结果表明,提出的滤波算法能提高导航计算的精度,定位性能明显优于与扩展Kalman滤波、粒子滤波以及高斯-厄米特粒子滤波。

自适应CDPF及其在组合导航中的应用

在组合导航系统中,高精度的导航算法对导航解算精度有非常重要的影响。为提高捷联惯导(SINS)/合成孔径雷达(SAR)组合导航系统定位的解算精度,针对粒子滤波中密度分布函数难以选取的问题,提出一种新的自适应中心差分粒子滤波(CDPF)算法。通过中心差分卡尔曼滤波来获取状态均值和协方差阵,计算获得自适应因子,并利用得到的因子自适应的调节均值和方差信息,得到一种参数可调节的重要性密度分布函数,提高了滤波精度,使滤波性能明显改善,能更好地解决非线性非高斯系统模型的滤波问题。将提出的算法应用于SINS/SAR组合导航系统中,仿真结果表明,改进的滤波算法能提高导航定位的解算精度,系统优化性能明显优于扩展卡尔曼滤波、粒子滤波以及中心差分粒子滤波。