最优平滑算法在 GPS/SINS组合导航系统事后分析中的应用

组合导航系统通常采用Kalman滤波来实现对系统状态的估计,由于最优平滑算法的精度比Kalman滤波的精度高,并且平滑结果反映了系统在理想情况下能够达到的潜在精度,因此可以采用最优平滑算法对组合导航系统进行事后分析。本文介绍了R-T-S最优平滑算法,并将其应用于某船用GPS/SINS组合导航系统的时候分析和处理中,给出了系统仿真结构图,进行了仿真。仿真结果表明,平滑算法是一种有效的事后分析方法。

R-T-S平滑算法在捷联惯性异航系统初始对准精度事后评估中的应用

捷联惯性导航系统(SINS)通常采用Kalman滤波实现初始对准.由于R-T-S最优固定区间平滑算法的精度比Kalman滤波高,采用R-T-S最优平滑算法通过事后处理SINS对准数据来计算SINS的失准角,作为参考失准角,对SINS初始对准的精度进行事后评估.以船用SINS为例进行了仿真.结果表明,R-T-S最优平滑算法的精度比Kalman滤波精度高,从而说明利用R-T-S平滑算法对SINS初始对准精度进行事后评估是可行的.

改进ERTS平滑算法在位置跟踪中的应用研究

针对标准ERTS平滑算法在位置和姿态估计中计算复杂、效率低、精度不高等问题,提出了利用奇异值分解法改进ERTS平滑算法优化位置和姿态数据的新方法。对系统采集到的位置和姿态信息进行前向扩展卡尔曼滤波,降低系统噪声的初步影响;对滤波后的均方误差阵进行奇异值分解,并降低后向递推增益和预测值计算量,提高了预测精度,有效增强了系统的抗干扰性和稳定性。Turtlebot移动机器人平台的试验效果证明该算法在位置和姿态估计中的高效性和稳定性。

R-T-S平滑算法与抗差Kalman在数据后处理中的应用

为了提高组合导航系统后处理精度和数据稳定性,将R-T-S最优固定区间平滑算法引入数据后处理中,在前向Kalman滤波的基础上,进行了后向R-T-S最优固定区间平滑处理,并针对GPS观测值中存在异常的问题,将抗差Kalman滤波算法引入数据后处理中,并对该算法进行实物仿真。结果表明,与传统Kalman滤波相比,R-T-S平滑算法不仅可以提高位置、姿态精度,而且在卫星信号失锁的情况下精度也得到显著改善,并且在不丢星的时刻,抗差Kalman滤波可以有效处理GPS信号中的异常观测值,遏制滤波发散,是一种有效的数据处理方法。

基于SVD的R-T-S最优平滑在机载SAR运动补偿POS系统中的应用

机载合成孔径雷达(SAR)运动补偿用位置姿态系统(POS)的导航精度直接影响SAR成像的效果。为进一步提高POS的导航精度和数值稳定性,提出将基于奇异值分解(SVD)的Rauch-Tung-Striebel(R-T-S)最优固定区间平滑应用于POS后处理中。在基于SVD的前向卡尔曼滤波(KF)的基础上,进行了基于SVD的后向R-T-S最优固定区间平滑,获得位置、速度和姿态的最优估计。该方法将原算法中均方误差阵进行奇异值分解,不仅具有很好的数值稳定性和鲁棒性,而且避免了矩阵的求逆。半物理仿真结果表明,该方法在导航精度和数据平滑度上明显优于目前工程中应用的KF,是一种有效的事后处理方法。