基于卡尔曼/粒子组合滤波器的组合导航方法研究

粒子滤波在组合导航系统非线性非高斯条件下的滤波估计中获得广泛关注,但捷联惯导误差模型维数较高,直接应用粒子滤波会带来维数灾难。设计了用于SINS/GPS组合导航的卡尔曼/粒子组合滤波算法,采用卡尔曼滤波和粒子滤波分别对系统的线性和非线性状态进行估计,降低粒子滤波器状态维数,避免维数灾难。采用系统残差采样法的规则化粒子滤波器,有效缓解粒子贫化问题,并减少计算负担。仿真结果表明卡尔曼/粒子组合滤波方法的估计性能与粒子滤波相当,但计算复杂度前者要低得多。

卡尔曼/粒子滤波器在船用组合导航中的应用

采用将全球定位系统GPS(Global Positioning System)与捷联惯性导航系统SINS(Strapdown Inertial Navigation System)进行组合导航的方式,组合后系统性能将优于GPS或SINS单独使用时的任一系统。介绍了基本粒子滤波器算法原理并对卡尔曼/粒子组合滤波器在船用GPS/SINS组合导航中的实现形式及算法特点进行了研究。仿真结果表明,对于船用SINS/GPS组合导航问题,卡尔曼/粒子组合滤波器能够获得较高的滤波精度,满足实际船用导航要求。

一种自适应联合卡尔曼滤波器及其在车载GPS/DR组合导航系统中的应用研究

—本文设计了实现车载ＧＰＳ／ＤＲ组合导航系统最优综合的联合卡尔曼滤波器，并给出了滤波算法。提出了一种自适应联合卡尔曼滤波器结构及其算法，并应用于ＧＰＳ／ＤＲ组合导航系统的最优综合校正中。理论分析及计算机仿真结果均表明，应用该自适应联合卡尔曼滤波器可大大提高车载ＧＰＳ／ＤＲ组合导航系统的定位精度及容错能力。

基于模糊逻辑控制的舰船组合导航自适应卡尔曼滤波器(英文)

双天线GPS提供的载体姿态信息与惯性导航系统信息进行融合可提高组合导航系统的性能。由于在实际应用中,GPS接收机可能会受到某种干扰无法提供舰船航向信息,从而降低传统卡尔曼滤波器的性能。因而提出了一种新的基于模糊逻辑控制的自适应卡尔曼滤波器。改进后的卡尔曼滤波器使用两个模糊逻辑控制器来调整两个系统的组合模式,并且根据卡尔曼滤波器的内部状态、GPS工作状态和舰船运动状态来计算卡尔曼增益。通过使用INS和GPS的实测数据验证,这种基于模糊逻辑控制的自适应卡尔曼滤波器能有效的提高INS/GPS组合导航系统的性能。

采用卡尔曼滤波器的GPS/INS姿态组合系统的研究

阐述了利用位置和速度以及 GPS姿态作为观测量的 GPS/INS组合导航系统原理 ,建立了状态变量为 2 1维的组合系统动态方程 ,给出了用于卡尔曼滤波的 GPS姿态误差模型 ,并对组合系统进行模拟分析 ,基于这种组合方式 ,使系统的位置和航向测量精度获得大幅度提高。

基于卡尔曼粒子滤波器的人眼跟踪

提出了一种基于卡尔曼粒子滤波器的人眼跟踪算法,该方法利用一种新的二维可变形模板来提取眼睛的精确特征,采用粒子滤波器跟踪人眼。为了进一步提高普通粒子滤波器跟踪的速度和精度,将卡尔曼滤波器引入粒子滤波器中,利用卡尔曼滤波器算法进行采样预测和校正,减少了人眼跟踪中所需的粒子数目,从而达到快速而准确的跟踪目的。最后,用上述方法进行了实验,验证了该方法的实用性和有效性。

激光捷联惯导系统/地形辅助导航系统中卡尔曼/粒子组合滤波算法设计及仿真

粒子滤波技术是近几年出现的一种非线性滤波技术,它适用于非线性系统以及非高斯噪声模型。结合粒子滤波和卡尔曼滤波各自的优点,给出了一种卡尔曼/粒子组合滤波器,并将这种滤波器应用到激光捷联惯导(LSINS)/地形辅助导航(TAN)数据融合过程中,避免了地形复杂的线性化问题。仿真结果表明,系统的定位精度得到了明显提高。应用粒子滤波器及其改进算法解决了导航系统中存在的强非线性问题。

MIMS/GPS组合导航系统中卡尔曼滤波器设计与实验研究

对MIMS/GPS 组合导航系统进行了研究,设计了卡尔曼滤波器,采用状态和偏差去耦方法进行估算,完成了仿真和车载实验。该算法计算量小,估计精度高,特别适用于偏差项较多的场合,在本系统中有效地抑制了陀螺和加速度计动态偏差的影响。此外,在开环卡尔曼滤波器结构基础上引入了姿态阵修正,进一步减小捷联系统姿态角误差对导航定位精度的影响。仿真和车载实验结果表明,样机具有较高的定位精度和较好的重复性。

组合导航系统的卡尔曼滤波器的设计

将多传感器数据融合的卡尔曼滤波器设计方法,运用在基于GPS/INS的微型飞行器的组合导航系统中,经理论分析及实际结果表明:该滤波器设计合理,算法具有全局最优,能够提高系统的容错能力及系统的导航精度。

基于改进李群卡尔曼滤波的惯性/里程计组合导航方法

基于李群非线性误差状态的扩展卡尔曼滤波方法(LG-EKF-i),在卫星拒止场景应用中,如高精度惯性/里程计组合导航,由于计算过程中需要将相对地心的位置矢量和速度矢量与姿态误差耦合,导致在舍弃高阶项时容易产生数值计算误差累积的问题,致使导航精度下降.本文提出一种改进的李群卡尔曼滤波器,将参考系从惯性系改为世界坐标系,将投影系从地球系改为世界坐标系,有效减小了李群卡尔曼滤波器在一阶近似过程中产生的数值计算误差累积.本文使用考虑了里程计和惯导之间安装偏差角、杆臂误差和里程计标度因数误差的21维卡尔曼滤波器,对算法进行了验证.在小初始对准误差角实验中,4组长航时高精度惯性/里程计组合导航结果表明,本文提出的改进李群卡尔曼滤波方法(LG-EKF-w)相较于传统扩展卡尔曼滤波方法(EKF)、状态变换卡尔曼滤波方法(ST-EKF)以及改进前的李群卡尔曼滤波方法(LG-EKF-i)具有更高的数值计算精度.大初始对准误差角条件下的开环轨迹实验进一步验证了LG-EKF-w算法的有效性.

基于粒子群算法和卡尔曼滤波器的PID控制

针对PID控制系统中存在参数的整定和控制干扰信号和测量噪声信号问题,提出基于粒子群算法和卡尔曼滤波算法的PID控制方法。利用粒子算法优化PID参数,通过卡尔曼滤波器抑制控制干扰信号和测量噪声信号。仿真结果表明具有响应速度快、抗干扰能力强等特点,且达到了全局最优PID参数整定,有效地剔除系统的控制干扰和测量噪声信号,具有比传统PID控制方法更好的动态和静态控制性能,控制品质有较大的改善和提高。为PID控制系统的研究提供了一种新方法。

分布式卡尔曼滤波器在GPS/INS组合导航系统中的应用研究

本文研究了分布式卡尔曼滤波器在GPS/INS组合导航系统中的应用。给出了系统的结构框图和动态方程,设计一个分布式卡尔曼滤波器,并进行了计算机误差模拟分析。结果表明;采用分布式卡尔曼滤波器的组合系统可减少计算时间,且导航位置误差小于15m。

INS/GPS姿态组合导航系统卡尔曼滤波器设计

在建立用于卡尔曼滤波的INS和GPS姿态误差模型基础上,给出INS/GPS姿态组合系统的误差方程和量测方程,仿真结果表明:在通常的利用位置和速度作为观测量的INS/GPS组合导航系统中,加入GPS姿态观测量后,INS的位置误差、速度精度及姿态精度都得到较大提高,同时INS元件误差也能得到较好的估计。

基于模糊卡尔曼滤波器的航天测量船组合导航系统

针对航天测量船组合导航系统实际工作环境,提出采用模糊卡尔曼滤波器,将模糊控制作为一个数据平滑窗口与常规卡滤波器相结合,利用测量数据中的残差序列、残差序列变化率和收敛因子等参数作为模糊控制输入,解决了导航系统中量测噪声不零均值白噪声的问题;对采用该算法的测量船组合导航系统进行了仿真实验,得到与理论分析相吻合的结果并提高了导航数据的精实验表明,采用该滤波技术的测量船组合导航系统是可靠的。

GNSS/INS组合导航拓展卡尔曼滤波和粒子滤波算法对比

为了评估全球导航卫星系统(GNSS)/惯性导航系统(INS)中各种滤波算法在实际应用场景中的性能,针对滤波算法所估计的状态向量不同,组合导航的方式一般包括直接法和间接法,而GNSS/INS组合导航中数据融合的关键是滤波算法,因此选取间接法拓展卡尔曼滤波(EKF)和间接法粒子滤波(PF)分别用于GNSS/INS松组合导航,同时增加了直接法粒子滤波以增强实验对比效果。在仿真和实测环境下,对拓展卡尔曼滤波和粒子滤波两种非线性滤波算法进行对比。实验结果表明,间接法拓展卡尔曼滤波适用于弱非线性、非高斯情况下的GNSS/INS组合导航,定位精度较高;考虑到状态向量维数且尽可能减少粒子数,间接法粒子滤波(PF)可以选用拓展卡尔曼滤波(EKF)来提供更优的建议密度函数;直接法PF适用于状态方程非线性情况,对各导航子系统的输出参数进行滤波估计,但滤波精度不如间接法的EKF算法和PF算法。

GPS/SINS组合导航系统中卡尔曼滤波器的应用

在现代生活中,GPS/SINS组合导航系统得到了越来越多的应用。文中介绍了卡尔曼滤波器在处理多个导航系统传来的数据中的应用,并且能够自动校正系统,以达到更高精度的要求。

一种辅以粒子群算法的卡尔曼并联电力有源滤波器

配电系统网络中非线性负载使用的增加,要求提高配电侧的电能质量。为此,提出了一种基于卡尔曼滤波器(KF)的比例积分(PI)电流控制策略,用于控制并联型有源电力滤波器(SAPF)。为了实现KF性能的准确性,采用粒子群优化(PSO)算法调整参数,KF快速且自适应地估算电源参考电流。为了验证控制器的性能,在电源不平衡且负载变化的条件下进行了测试。另外,本文在基于DSP28335的实验平台上做了实验,验证了该方法的优越性。

RBFNN辅助卡尔曼滤波器在GPS／SINS组合导航中的应用

为了克服传统卡尔曼滤波对观测噪声必须为零均值白噪声过程的依赖，针对工作于恶劣环境下的飞行器、舰船等运动载体的组合导航系统，提出了利用神经网络的自学习、自组织、自适应能力来辅助传统卡尔曼滤波器的方法。对所建立的BP神经网络和基于正交最小二乘（OLS）算法的RBF神经网络的收敛速度进行了比较，最终选择收敛较快的RBF神经网络辅助卡尔曼滤波器。仿真结果表明该方法能够抑制滤波器发散，提高了导航定位精度。

基于状态反馈的卡尔曼滤波组合导航算法

在卡尔曼滤波算法的基础上,提出一种导航误差状态估计的新方法。该方法选取SINS和GPS三个方向上的速度差和位置差作为观测量,根据惯性器件和GPS的精度确定噪声强度,同时建立反馈控制与卡尔曼滤波相结合的滤波器,最终得到误差状态的估计值。仿真结果表明,新型滤波器不仅解决了卡尔曼滤波发散的问题,而且使得误差估计精度得到了极大的提高,从而为组合导航系统的误差估计技术找到了更有工程应用价值的方法。