基于GPS/INS组合导航的改进自适应渐消卡尔曼滤波算法

基于GPS/SINS组合导航系统的模型不准确,或者量测噪声多变所产生的滤波发散问题,研究了自适应渐消卡尔曼滤波对于滤波发散的抑制作用。提出一种利用新息协方差估计值和量测值实时自适应计算渐消因子的方法,用它调节卡尔曼滤波方程中预测误差协方差阵和增益矩阵。调整历史新息和当前新息的权重达到抑制滤波发散的目的。该算法能有效减少严格收敛判据推导渐消因子的计算量和限制条件,有效利用了当前新息值。仿真验证表明,提出的算法能有效抑制滤波发散;并且比常规卡尔曼滤波效果更佳。

一种新的强跟踪H_∞滤波方法研究及应用

针对常规H∞滤波跟踪机动过程能力较弱的问题,提出了一种新的强跟踪H∞滤波算法,该滤波算法具有较好的姿态跟踪能力,并保持了H∞滤波模型简单、鲁棒性好的优点。文中通过研究基于强跟踪H∞滤波方法的GPS/INS对准,实现空中机动条件下的惯导系统初始对准。对该算法进行仿真验证,测试结果表明,采用基于H∞的强跟踪滤波可以较好地提高对准过程的平稳性和精度,具有重要的工程应用参考价值。

基于改进卡尔曼滤波的水产养殖无人船导航方法

针对常规卡尔曼滤波在全球定位系统(GPS)/惯性导航系统(INS)组合导航过程中出现量测数据异常,造成滤波精度下降的问题,提出了利用新息协方差估计值和量测值实时估计渐消因子,利用渐消因子调节卡尔曼方程中预测协方差阵。针对现有渐消因子求解过程繁琐的情况,假设新息理论值与新息预测值相等,求解相应的渐消因子,提出了改进的强跟踪卡尔曼滤波(STKF)算法应用于GPS/INS组合导航,并针对任意设定的水产养殖无人船行驶轨迹,基于仿真平台进行了无人船导航算法的仿真,结果表明,基于求取的渐消因子的STKF算法能有效抑制GPS/INS组合导航过程中滤波发散问题,并且比常规卡尔曼滤波效果更好。