一种GPS/BDS/INS深组合导航系统降维滤波方法

针对全球定位系统/北斗卫星导航系统/惯性导航系统(GPS/BDS/INS)深组合导航系统中卫星数量增加导致计算量迅速增加,难以满足高精度实时定位的问题,该文提出了一种基于星间差分的多星座GPS/BDS/INS深组合导航系统降维滤波方法。首先,通过星间差分消除时钟误差相关状态量,降低状态方程维数;然后,将滤波器分拆成多个子滤波器,通过分散估计、两步级联的方法减少计算量,即通过分散式组合方法(DIM)降低量测方程维数;最后,通过子滤波器的并行运行实现高精度实时定位需求。通过仿真实验对该文算法的定位精度和复杂度进行了分析。结果表明:当GPS和BDS可见星数目均为4时,DIM运行时间相对于集中式组合方法(CIM)减少了约31.7%;当GPS和BDS可见星数目均为5时,DIM运行时间相对于CIM减少了约28.4%。该文算法可以在保持定位精度的同时有效减小计算量。

基于降维滤波器的SINS快速初始对准算法（英文）

引入惯性元件信息观测的初始对准方法能够快速提高SINS的对准速度,但同时存在滤波计算量大、系统噪声与观测噪声相关以及观测值中的高频噪声影响滤波精度的问题。针对这些问题提出了一种捷联惯导快速初始对准降维滤波器设计方法,通过剔除不可观测量和合理选取状态量以降低状态方程维数,并推导了观测方程,在采用低通滤波器对惯性器件原始信息预处理基础上应用噪声相关下的Kalman滤波进行状态估计。理论分析和试验结果表明,新方法提高了对准速度,减少了计算量,水平姿态角收敛速度提高了90%,计算量减少了83.33%,并可有效抑制高频噪声对状态估计的影响。

不确定多时滞奇异系统鲁棒H_∞降维滤波器的设计

讨论了一类同时具有不确定性和多时滞的奇异系统鲁棒H∞降维滤波器的设计问题.目的是对于所容许的不确定性和多时滞,设计一个比原系统维数低的确定维数的稳定线性滤波器,使得滤波误差动态系统是渐进稳定并满足给定的H∞性能要求.该问题有解的充分条件是0≤ETY,rankX≤^n,Π1<0,Π2<0;并且当这些条件满足时,以参数显式化的形式给出了所求的鲁棒H∞降维滤波器.所有这些结果都只利用了原始系统的矩阵而没有分解,这就使得设计过程简便、直接.最后用数值算例验证了结论的可行性和有效性.

具有分布时滞的不确定中立系统鲁棒H_∞降维滤波器的设计

研究了一类具有分布时滞的不确定中立系统的鲁棒H∞降维滤波器设计问题.利用线性矩阵不等式方法设计鲁棒H∞降维滤波器,保证了滤波误差系统渐近稳定并满足给定的H∞性能要求;以参数显式化的形式给出所求的鲁棒H∞降维滤波器.所有这些结果都只利用原始系统的矩阵而没有分解,这就使得设计过程简便、直接,两个数值算例表明了结论的可行性和有效性.

一种基于降维滤波的快速去雾算法

为了达到单幅图像的快速去雾,提出了一种基于降维滤波的快速去雾算法.采用边界约束来求取透射率图,然后用降维滤波对透射率图进行优化,减少了计算量;通过自适应调节大气光值和透射率下限值优化了天空区域的失真;对去雾后的图像进行自适应Zadeh-X变换改善图像的视觉效果.通过对多种带雾图像实验表明该算法可以达到高速和高质量的去雾,并且适用于偏暗、偏亮和颜色不丰富的带雾场景.

不确定随机时滞系统的L_2-L_∞降维滤波器

讨论了一类不确定随机时滞系统的鲁棒L2-L∞降维滤波器设计问题。目的是设计一个比原系统维数低的确定维数的稳定线性滤波器,使得滤波误差动态系统是随机渐近稳定的且满足给定的L2-L∞性能要求γ。给出了解决这个问题的充分条件,并以参数显式化的形式给出了所求的鲁棒L2-L∞降维滤波器,所有这些结果都只利用了原始系统的矩阵而没有分解,这就使得设计过程简便,直接。

基于多级维纳滤波器降维技术的波达方向估计

针对基于子空间分解的参数估计算法所存在的运算量大、信噪比门限高等缺点,提出了采用多级维纳滤波器进行波达方向估计的方法.该方法将波达方向估计和多级维纳滤波器相结合,即降维的波达方向估计,克服了基于子空间分解算法的缺点.计算机仿真说明了这种降维的波达方向估计方法是有效的,可以应用在快拍数很少和信干噪比很低的情况.

基于简化CKF/降维CKF混合滤波的非线性对准技术研究

为了降低非线性对准的计算量而不损失对准精度,针对容积卡尔曼滤波(CKF)采样点数与状态维数成正比、计算量较大的问题,提出了基于简化CKF/降维CKF混合滤波的非线性对准方法。利用大失准角模型和基于线性观测方程的简化CKF算法进行水平对准;使用大方位失准角模型和降维CKF完成精对准。仿真结果表明,该方法摆脱了CKF算法的"维数灾难"和降维CKF对准应用条件限制,能够完成任意失准角下的初始对准并获得较高对准精度,具有重要的工程应用价值。

奇异中立系统降维H_∞滤波器的设计

利用Lyapunov稳定性理论和线性矩阵不等式方法,考虑奇异中立系统的降维H_∞滤波问题.首先,给出奇异中立系统存在降维H_∞滤波器的一些充分条件,使所得滤波误差系统渐近稳定,且H_∞范数小于一个给定的性能指标γ;其次,以参数显示化的形式给出所需降维H_∞滤波器的表达式.数值结果表明,所得结论可行且有效.

降维CKF算法及其在SINS初始对准中的应用

针对常规容积卡尔曼滤波(cubature Kalman filter,CKF)算法在捷联惯导系统(strapdown inertialnavigation system,SINS)大方位失准角初始对准中采样点个数与状态向量维数成正比、计算量较大的问题,提出了降维CKF算法。与常规CKF算法相比,该算法只对离散化后的SINS非线性误差模型中的大方位失准角进行采样,再利用三阶球面-相径容积规则计算后验均值和协方差,从而将采样向量从10维降低到1维,采样点数量从20个下降到2个,减小了计算量。仿真实验结果表明,该算法与常规CKF算法具有相同的对准精度,计算时间仅为常规CKF算法的1/3,是一种较为实用的方法。

降维CKF算法在大失准角传递对准中的应用

惯性导航具备完全自主、高度隐蔽、数据频率高等优点,在机载精确制导武器中得到广泛应用。由于空中传递对准可能处于恶劣条件下,初始失准角较大,传统的线性传递对准模型不能反映系统的真实情况,线性滤波算法也将导致很大的对准误差,为实现精确对准,需要应用非线性模型和非线性滤波算法。而非线性滤波算法如无迹卡尔曼滤波(UKF)、容积卡尔曼滤波(CKF)等,在高维情况下,计算量很大,在弹载计算机计算资源受限的情况下,如何降低滤波算法的计算量是一个重要问题。本文将降维容积卡尔曼滤波算法应用在非线性传递对准模型中,将容积卡尔曼滤波的采样点由30个减少为6个,大幅减少了所需计算量。

一种组合导航系统快速滤波方法及半物理仿真

在利用卡尔曼滤波器对数据进行处理时,协方差矩阵的预报运算过程需要的计算量最大,每一步迭代的计算量与n3(n为状态矢量维数)成正比,约占整个卡尔曼滤波过程70%的CPU时间.协方差阵预报计算过程中,数据输入输出所需要的传递工作量也最大.由于微小型飞行器导航系统采用小体积、低功耗、低成本的微处理器作为导航计算机,为了保证导航实时性的要求,提出了一种降维滤波器加矩阵外积法的快速滤波方法来减少M IMU(M icro InertialMeasurementUnit)/GPS(G lobal Positioning System)/MMC(M icro Magnetic Com-pass)组合导航滤波算法的计算量,以提高算法的实时性.半物理仿真试验结果表明:此种算法不仅可以提供较为满意的导航精度,而且大大减小了计算量,提高了系统的实时性.

基于GNSS通道差分的紧组合滤波方法研究

在基于伪距、伪距率的常规紧组合导航系统中,若GNSS出现时钟异常等情况,则会引起伪距、伪距率误差异常,从而导致组合导航精度下降;与松组合滤波器相比,常规紧组合滤波器扩充了状态变量的维数,增加了运算复杂度,降低了组合滤波的实时性。本文提出了一种双通道降维滤波算法,其中状态变量不再包含伪距、伪距率误差;以GNSS通道伪距、伪距率差分信息作为观测量。通过仿真表明,采用双通道降维滤波算法可以有效削弱时钟异常等的影响,并且有效提高组合滤波的实时性。

基于IMM-RDCKF的机动目标跟踪算法

针对机动目标跟踪问题,提出了一种IMM-RDCKF算法。首先充分利用量测方程中只有部分状态变量是非线性的特点,对于非线性的量测方程采用降维滤波方法,可以在保障跟踪精度条件下减小计算量。其次,对IMM算法中的转移概率矩阵进行实时估计,提高了模型匹配概率。再次,滤波过程中由于误差累积可能导致协方差矩阵失去正定性,对算法进行了优化,确保了滤波过程中协方差矩阵的正定性,提高了算法稳定性。Monte-Carlo仿真结果表明,与CKF算法相比,该算法的跟踪精度有明显的提高,计算效率提高了一倍。