激光陀螺随机漂移的渐消Kalman滤波

随机漂移误差是激光陀螺的主要误差源之一。Kalman滤波算法能够有效抑制激光陀螺的随机误差,但是当计算模型不准确时,采用常规Kalman滤波易导致结果发散。渐消Kalman滤波能够抑制历史信息、重用现时量测信息,得到连续平稳的滤波结果。采用渐消Kalman滤波对激光陀螺随机漂移进行最优估计,取得了较好的效果。结果表明,渐消Kalman滤波的残差标准差更小,输出序列更加平稳,滤波的精度和稳定性更高。

基于渐消Kalman滤波的MIMO-OFDM信道估计

针对快时变信道明显的频率选择性,提出了采用Kalman渐消记忆滤波的估计方法.信道采用AR模型建模,并利用LS算法估计时变信道的衰减因子.仿真表明:快时变环境下,所提算法的估计性能优于LS信道估计和传统的Kalman滤波算法估计.

基于渐消卡尔曼滤波器的定位系统设计

针对无人机捷联式惯性导航系统(Strap-down inertial navigation system,SINS)定位精度低、全球卫星定位系统(Global position system,GPS)定位的非自主性,建立了一种无人机SINS/GPS定位信息融合系统。采用渐消Kalman滤波技术,有效防止了SINS/GPS组合导航系统的滤波发散。采用自适应运算法则,从理论上证明了渐消卡尔曼滤波器的稳定性,得到了滤波器稳定要求的新的条件,与以往研究比较,条件更为宽泛。分别进行了SINS/GPS常规卡尔曼滤波仿真和渐消卡尔曼滤波仿真,结果表明:采用渐消卡尔曼滤波技术在工程实践上可以有效提高无人机的导航定位精度,并且易于工程实现。

用于组合测姿的Kalman渐消因子自适应估计算法

提出了适用于姿态测量的Kalman滤波渐消因子自适应估计算法,滤波中采用序贯处理的方法计算出每个量测量对应的渐消因子,在位置速度组合导航系统中,只有位置、速度的误差状态是直接可观测的,用序贯滤波处理计算得到的渐消因子对协方差阵中对应于位置和速度误差状态的对角元素进行自适应控制,抑制滤波发散,提高位置、速度和姿态的测量精度。半实物仿真表明,与原来的算法相比,修改后的方法不仅能够提供高精度位置、速度信息,而且还可以提供高精度姿态信息,其中航向误差在0.08°以下,俯仰和横滚误差在0.02°左右。

线控转向汽车传感器的容错控制

以基于最优滤波理论的自适应渐消Kalman滤波技术的状态估计器为基础,提出了一种新的线控转向汽车主要传感器的容错控制方法,并进行了硬件在环仿真验证。结果表明:该方法可以应用于线控转向汽车传感器的容错控制,能够有效提高线控转向汽车传感器的可靠性和安全性。