七阶球面单形-径向容积卡尔曼滤波方法

针对传统低阶容积卡尔曼滤波非线性滤波精度较低的问题,提出一种基于七阶球面单形-径向容积准则的高阶容积卡尔曼滤波算法。将非线性函数的高斯加权积分分解为球面积分和径向积分,采用基于正则单形变换群的七阶球面单形准则计算球面积分,使用矩匹配法求积分准则计算径向积分,推导出七阶球面单形-径向容积求积分准则。将准则代入一般非线性滤波框架,得到七阶球面单形-径向容积卡尔曼滤波算法。仿真表明,算法可获得高于传统三阶、五阶CKF的估计精度。具有较好的前景与应用价值。

基于自适应容积信息滤波的无人机相对导航方法

针对无人机编队相对导航系统中由于机体/机翼遮挡导致可见信标点个数随时间变化和视觉导航传感器量测噪声统计特性不确定问题,提出了基于逆威舍特分布的变分贝叶斯自适应容积信息滤波(VBACIF)算法。该算法在信息滤波框架下,采用逆威舍特分布表示量测噪声协方差,将三阶球面径向容积准则和变分贝叶斯理论相结合,在线识别跟踪量测噪声统计特性变化并自适应调节相对导航滤波器的量测噪声协方差矩阵,将每个可见信标点视为一个独立的信息源,融合各信标点的相对视线量测信息从而准确地估计出无人机之间的相对位置、速度和姿态。仿真结果表明,视觉量测噪声协方差未知且时变和可见信标个数变化的情况下,采用VBACIF相对位置、速度和姿态精度较容积信息滤波算法分别提高了24.85%、9.41%和45.52%。

强噪声下的矢量跟踪信号故障检测算法

在卫星导航系统的矢量跟踪结构中,由于鉴别器的非线性,异常的电离层、对流层延迟或多路径等其他干扰造成的信号故障通过鉴别器输出会产生失真,使得在强噪声环境下较大偏差的故障难以被检出,导致矢量跟踪结构的导航定位结果不准确。针对该问题,提出了一种强噪声环境下的矢量跟踪信号故障检测算法。该算法对鉴别器输出失真的原因及影响进行了分析;为降低其影响设计了一种专用于信号故障检测的码鉴别器,它对跟踪通道中的码相位偏差具有更大的正相关响应范围,因而可以使故障检测算法对强噪声环境下的大偏差突变故障和缓变故障具有检测能力;采用三阶球面-径向容积准则对测试统计量及其方差进行估计。不同噪声环境下的突变和缓变故障检测仿真实验表明,提出的算法能保持对0.5码片以上偏差突变故障的可靠检测。同时对强噪声环境比如25~30 dBHz环境下的缓变故障也具有一定的检测能力。