故障修复增强的抗差滤波PDR/GNSS行人导航方法

针对复杂环境下智能手机卫星信号容易受到干扰而引起组合导航精度降低的问题,提出一种基于故障修复的抗差滤波行人导航方法。该法首先利用等价权因子实时调整观测权值,以有效地减少观测粗差对组合导航精度的影响。其次,针对松组合系统没有观测冗余的模型局限性,将抗差扩展卡尔曼滤波检测区间分为无故障、偏离和异常3段。无故障时,不做处理;出现偏离时,对观测值进行降权处理;异常情况下,利用预测新息对故障进行幅值修复,进而修正观测值。实际实验结果表明,当GNSS出现单历元故障时,经典的抗差滤波方法能够有效提高智能手机PDR/GNSS组合导航定位精度,其北向最大误差由7.27 m减小为3.20 m,东向最大位置误差由24.01 m减小为6.60 m;在GNSS出现多历元连续故障时,所提出的故障修复增强的抗差滤波方法相比经典的抗差滤波方法的平均定位误差下降了50%以上。

应用于城市环境的MEMS-INS/GPS紧耦合组合导航抗差滤波器

为了提高MEMS-INS/GPS紧耦合组合导航系统在城市区域中因为GPS信号短时中断或被干扰时的性能,提出了一种基于Kalman滤波的抗差滤波器模型-Kalman抗差滤波器。在Kalman抗差滤波流程中,构建了具有误差检测和分离功能的Kalman滤波器来应对包括伪距和伪距率等GPS测量的突发故障,通过自适应因子向量调整测量噪声获得高精度的导航解。在城市公路上开展了现场试验,对Kalman抗差滤波器的可用性进行了测试。相较于常规的Kalman滤波器,使用Kalman抗差滤波器的紧耦合组合导航系统水平位置误差下降超过30%,高程位置误差的降低大约50%,速度误差下降了17.5%。Kalman抗差滤波器能够有效的降低城市区域中MEMS-INS/GPS紧耦合组合导航系统的导航解误差。

一种基于抗差滤波的行人导航算法研究

行人导航系统(pedestrian navigation system,PNS)通常采用全球定位系统(global positioning sys-tem,GPS)和航位推算(dead reckoning,DR)组合导航的方式进行定位,因此其定位精度易受GPS定位误差特别是定位粗差的影响。为了减小这种影响,提高行人导航系统定位精度,采用了一种基于抗差滤波的GPS/DR组合行人导航算法。该算法首先对DR系统误差建模,获得行人导航系统卡尔曼滤波模型,再通过GPS与DR系统观测量之差,估计当前观测噪声与先验统计特性的符合程度,利用等价权实时调整观测权值,以避免观测粗差对组合导航精度的影响。最后通过对实测数据的分析表明,在GPS定位误差较大或含粗差情况下,该方法较卡尔曼滤波算法能明显抑制定位误差的影响,将定位精度提高5 m左右,能够在不增加硬件的基础上有效提高GPS/DR组合行人导航精度。

两种渐消滤波与自适应抗差滤波的综合比较分析

给出了两种渐消滤波解及其相应的原则,介绍了自适应抗差滤波原理和相应的解,分别从原理和解的表达式上分析了两种渐消滤波和自适应抗差滤波解算的基本性能。利用一个实际算例比较了渐消滤波与自适应抗差滤波解在控制状态异常影响方面的能力。

基于自适应抗差滤波的WSNs节点跟踪算法

针对无线传感器网络定位误差大、有色噪声影响严重等问题,提出一种基于自适应抗差Kalm an滤波的无线传感器网络节点跟踪算法。先采用直线拟合削弱初始点位观测值的横向误差,然后通过构造自适应因子和等价权函数来控制未知有色噪声和观测值粗差的影响,并利用观测环境构造可信度因子干预滤波计算。在低速、高速运动模型下,分别以直线运动和正弦曲线运动两种运动模式为例进行了仿真研究,仿真结果表明,该算法平均跟踪点位精度较EKF算法和UKF算法有较大提高,并对未知噪声和观测异常具有较强的适应性和容错性,能有效应对传感器节点机动运动,具有良好的跟踪效果。

基于卡方检验的GNSS观测值部分粗差抗差滤波算法

在进行抗差卡尔曼(Kalman)滤波过程中,为避免由于全球导航卫星系统(GNSS)观测值之间的相关性而导致粗差转移的问题,提出了一种基于卡方检验的GNSS观测值部分粗差抗差算法。首先,基于观测模型异常检验量,分析了观测值之间的相关性,并针对由于观测值之间的相关性所导致的粗差误判问题,提出了部分粗差抗差算法;根据假设检验理论,构造了滤波模型整体检验量,基于卡方检验判断整体模型是否存在异常,并给出了基于卡方检验的GNSS观测值部分粗差抗差算法整体流程框架;最后设计了两组实验,采用3种方法进行对比分析,以验证所提算法的性能。实验结果表明,所提算法极大地消弱了观测值之间相关性的影响,能准确的识别粗差位置,明显降低了粗差探测的误警率,保证了定位的鲁棒性。

滑坡监测的自适应约束抗差滤波算法研究

在滑坡的动态监测中通常存在先验几何信息和物理信息,现有的滤波算法并不能够充分利用这些信息,为控制几何观测异常对形变参数估计的影响,提出一种利用滑坡力学状态信息的约束滤波模型。同时,利用约束方程获得有益信息,精确地确定测量的等价权,给出相应的自适应约束抗差滤波算法,并通过实例说明了带有约束的滤波算法更能提高状态参数估计的可靠性。

卫星导航自适应抗差滤波算法

针对传统卡尔曼抗差滤波算法响应速度慢、测量误差大,不能满足实时高精度测量的问题,提出自适应抗差滤波算法。首先,设定门限值,当系统判定误差超过门限值时,以当前状态向量为初始值,重新初始化滤波系统,其次,系统重新初始化之后,系统快速调整其增益矩阵,实现跟踪并快速响应导航卫星的目的。仿真实验结果表明,自适应抗差滤波算法测量精度为0.054 772°,误差调整响应速度16 s,误差范围为±0.1°,与传统卡尔曼滤波器相比,响应速度更快,误差更小,精度提升了49.9%。

北斗中长基线三频模糊度解算的自适应抗差滤波算法

针对经典TCAR(three carrier ambiguity resolution)算法受电离层延迟及测量噪声的影响,在中长基线下难以正确固定模糊度的问题,提出一种顾及电离层延迟影响并具有良好自适应抗差特性的改进TCAR算法。在无几何TCAR模型的基础上,通过对模糊度固定的超宽巷进行线性组合得到电离层延迟,再求解宽巷模糊度,通过构造最优组合观测量后用自适应抗差滤波求解窄巷模糊度,以提高窄巷模糊度固定正确率,减小粗差的不利影响。试验结果表明,改进TCAR算法可保证较高的宽巷模糊度固定正确率,有效提高了窄巷模糊度固定正确率,并具有良好抵抗粗差的能力。

结合总体最小二乘的自适应抗差滤波算法

在动态导航定位中,不仅会存在有色噪声的影响,而且还会出现观测系数矩阵存在偏差的情况,数据处理中不容忽视。针对此,本文将总体最小二乘和自适应抗差滤波相结合,提出了能够同时控制有色噪声和系数矩阵偏差影响的新方法。该算法先用总体最小二乘方法求出观测方程系数矩阵偏差,并对观测方程系数矩阵进行修正,再基于修正后的观测系数矩阵使用自适应抗差滤波算法求解出最后的状态参数估值。计算结果表明,该方法不仅能够改正系数矩阵偏差且能控制有色噪声的影响,有效地提高导航定位的精度和可靠性。

基于TOF和自适应抗差卡尔曼滤波的UWB室内定位算法

为提高超宽带(UWB)定位系统在室内复杂环境下的定位精度,提出一种基于飞行时间(TOF)和自适应抗差卡尔曼滤波(ARKF)的改进定位算法。针对超低功耗宽带设备在复杂室内环境状态下易受周围干扰而存在标准时间偏差的问题,提出一种改进的TOF算法,同时进行测距标定,拟合数据;对室内存在非视距(NLOS)干扰的情形,提出一种ARKF算法,通过比较残差与3倍信息的方差来判断视距(LOS)与NLOS情形。实验结果显示:该算法可以在静态与动态定位实验中有效提高系统定位精度,降低定位误差,取得较好的定位效果。

抗差Vondrak滤波方法在时间频率传递中的应用

时间频率传递的结果会受到非模型化误差和观测噪声的影响,其噪声常为高频信号,构建低通滤波器可在一定程度上消除观测值序列中的高频噪声信号.本文对Vondrak滤波函数的本质进行剖析,通过IGG3算法对钟差序列进行定权并采用频率响应法选择适合的滤波因子;对不同的链路分别进行卫星双向时间频率传递(two-way satellite time and frequency transfer,TWSTFT)、基于软件接收机的卫星双向时间传递(two-way satellite time and frequency transfer based on software defined receiver,SDR-TWSTFT)和短基线共视时间频率传递实验,并对钟差结果采用抗差Vondrak滤波进行平滑去噪.结果表明:滤波后的钟差序列能够很好地反映原始钟差序列的趋势;平滑后的TWSTFT钟差结果,日波动效应得到了有效的抑制,精度有明显提升;对于共视钟差结果,精度有明显提升,与精密单点定位(precise point positioning,PPP)时间传递结果的差值保持在−1.0~1.0 ns范围内.

基于平滑有界层的故障检测及抗差自适应滤波算法

针对GNSS信号易受到干扰,卡尔曼滤波器性能降低、平滑变结构滤波算法在组合导航中应用受到原理限制的问题,提出了一种基于平滑有界层的故障检测及抗差自适应滤波算法。在对平滑变结构滤波算法研究分析的基础上,设计基于平滑有界层的量测信息质量评估指标,结合抗差估计思想构建等价权矩阵,在量测信息故障情况下,对组合导航系统进行重构和自适应调整,提高状态估计的精度和鲁棒性。仿真及实验验证结果表明:在GNSS各类典型故障下,所提故障检测算法均能够有效检测并快速响应,抗差自适应滤波算法在估计精度以及平稳性方面均优于基于残差卡方检测的自适应滤波算法,提高了SINS/GNSS组合导航系统的鲁棒性。在车载实验中,与基于残差卡方检测的自适应滤波算法相比,所提算法的定位精度提升约29%。

基于伪距残差和新息的GNSS/IMU抗差自适应定位算法

在全球导航卫星系统(GNSS)和惯性测量元件(IMU)组合导航系统中,抗差滤波和自适应滤波常被用于提高组合导航的定位精度。但是抗差滤波和自适应滤波所适用的条件不同,使用不当反而可能会降低组合导航的定位精度,针对此问题,提出基于伪距残差和新息的GNSS/IMU抗差自适应定位算法。所提算法基于伪距残差评估GNSS的定位质量,选择合适的滤波算法进行GNSS/IMU组合导航解算。在长时间GNSS定位质量较差时,基于新息和伪距残差判断是否IMU运动学推算误差大于GNSS观测值误差,从而根据判断的结果选择是否采用抗差因子。结果表明:所提算法相对于扩展卡尔曼滤波算法在东、北和天方向上分别提高36.05%、22.71%和56.22%的定位精度。

自适应及抗差Kalman滤波在GNSS/INS组合导航中的应用

传统Kalman滤波在卫星/惯性组合导航中通常难以对复杂的导航环境做出自适应改变,从而影响参数估计的精度甚至使滤波发散。笔者引入Sage-Husa自适应滤波和基于新息向量的抗差滤波并经正反向融合处理组合导航数据。结果表明,水平姿态、航向角度、三维速度和位置结果的估计精度较传统Kalman滤波平均提升37.38%,64.23%,23.51%,29.06%,最高提升58.77%,95.17%,36.61%,49.20%。自适应、抗差和正反向Kalman滤波提升了参数估计精度和稳定性,可用于复杂城市导航环境下组合导航数据事后处理。

一种基于灰色预测理论和抗差自适应Kalman滤波的滑坡监测算法

针对当前的山体滑坡监测技术监测精度低、实时性差、自动化程度低的问题,提出了一种基于灰色预测理论和抗差自适应Kalman滤波的滑坡监测技术。该技术使用抗差自适应Kalman滤波技术,对包括实时动态(RTK)载波相位差分定位数据、无人机摄影测量数据、土工带传感器数据在内的多源数据进行融合分析,将滑坡形变监测精度提高到了mm级。RTK技术和土工带传感器的使用克服了天气状况、植被覆盖对滑坡监测的影响。使用灰色预测理论对山体滑坡监测点进行形变预测,结合蠕变切线角判据,该技术实现了对山体滑坡预警等级的划分。仿真实验结果显示,该山体滑坡监测技术能够成功实现山体滑坡预测预警功能。

基于滑动窗口抗差自适应滤波的SINS/DVL组合导航算法

捷联惯性导航系统(SINS)/多普勒测速仪(DVL)组合导航时,需要考虑多普勒速度信息中出现的野值和噪声特性变化对导航精度的影响。针对上述问题,提出基于滑动窗口抗差自适应滤波的SINS/DVL组合导航算法。首先建立状态变换漂移误差角系统误差模型,在速度误差方程中用重力常值项代替比力项,减少比力项引起的速度误差,提高模型的准确性。然后利用新息序列判别野值,若异常则采用滑动窗口数据修正错误新息,并使用带遗忘因子的自适应滤波在线估计量测噪声。实验结果证明,新的系统误差模型和滑动窗口抗差自适应滤波能有效减缓位置误差的累积。2 h的SINS/DVL组合导航中误差航程比优于1.05%,相比于传统卡尔曼滤波性能提升39.66%。

移动机器人自适应抗差无迹粒子滤波定位算法

针对机器人定位过程中传感器感知信息存在野值,加剧粒子退化,导致机器人状态参数滤波值失真,甚至出现定位失败的问题,提出一种机器人自适应抗差无迹粒子滤波定位算法。在重要性采样阶段利用无迹卡尔曼滤波产生优选的建议分布函数,降低系统估计误差,同时有效提升系统的抗噪声能力。同时利用抗差估计原理构造抗差方差分量统计量,并由该统计量引入的自适应因子调节增益矩阵,减弱野值对滤波的影响。实验结果表明,当观测数据中存在野值时,该算法能够有效地控制观测异常误差的影响,定位精度得到了很大提高,并在不同系统噪声和观测噪声方差下,具有较强的鲁棒性和实时性。

基于自适应抗差卡尔曼滤波的UWB室内定位

在UWB室内定位中,测距中存在的NLOS误差和测距异常值会大幅降低其定位的精度和可靠性。针对这一问题,提出了一种自适应抗差卡尔曼滤波方法。该方法首先在UWB距离模型的基础上,利用新息向量和LOS环境下的阈值所构造的抗差因子鉴别并削弱NLOS测距误差和测距异常值的影响,同时利用Sage-Husa滤波对系统噪声进行实时估计和修正,在此基础上推导UWB定位的线性模型,利用卡尔曼滤波进行UWB定位解算。实验结果表明,该方法能有效地抑制并消除UWB测距中的NLOS测距误差和测距异常值的影响,进而能提高UWB定位的精度和可靠性。

自适应抗差Kalman滤波在多天线原始观测值瞬时姿态确定中的应用

由载波相位观测值直接解算姿态能实现观测及姿态约束信息的最优利用。本文推导了基于失准角及乘性误差四元数的载波相位观测模型,分别建立了有外部角速度传感器和无外部传感器辅助下姿态参数估计的状态模型;利用自适应抗差滤波估计姿态误差,借鉴分类自适应因子的思想,分别确定模糊度和姿态误差参数的自适应因子,其中姿态自适应因子由Ratio值构造的三段函数确定。自适应抗差滤波能够充分利用约束信息和历史信息,将其融合在浮点解计算过程中,极大提高模糊度浮点解精度及其协方差的结构,在此基础上使用整数最小二乘模糊度降相关平差法(least-squares ambiguity decorrelation adjustment,LAMBDA)方法即能快速搜索出固定解,满足实时性需求。采用实测舰载GNSS 3天线测姿算例对方法进行了验证,结果表明,基于自适应抗差滤波的观测值直接定姿方法效率高、可靠性好。