H_∞滤波算法及其在GPS/SINS组合导航系统中的应用

在对 H∞ 估计问题进行数学描述的基础上 ,建立了一种 H∞ 次优滤波算法的迭代方程。定性讨论了H∞滤波算法与传统 Kalman滤波器的关系 ,通过在 GPS/SINS组合系统中的实际应用进一步从精度、鲁棒性等性能指标方面对 H∞ 滤波和 Kalman滤波算法进行了比较。仿真结果表明 ,在理想条件下 ,Kalman滤波方法具有较高的精度 ;但是 ,当系统模型和外部干扰统计特性发生变化时 ,H∞ 滤波算法明显具有良好的鲁棒性能 ,同时 ,估计精度也较高 ,有效地克服了

采用H_∞滤波器的GPS/INS全组合导航系统研究

根据 H∞ 鲁棒滤波理论 ,提出了基于 H∞ 滤波技术的 GPS/INS全组合导航系统。该系统仅含有位置误差、速度误差和平台误差角 9维状态 ,并利用位置、速度和载波相位观测信息对全部状态进行观测 ,组成全组合导航系统 ,由 H∞ 滤波来提高系统的鲁棒性。对提出的全组合系统进行了动态仿真 ,仿真结果表明 ,该系统结构简单 ,状态估计精度高 ,系统鲁棒性好 。

基于H_∞滤波技术的GPS/INS全组合导航系统研究

本文根据 H∞ 鲁棒滤波理论 ,提出了基于 H∞ 滤波技术的 GPS/ INS全组合导航系统。该系统仅含有位置误差、速度误差和平台误差角 9维状态 ,并利用 GPS和 INS的位置、速度和姿态观测信息对全部状态进行观测 ,组成全松组合导航系统 ,由 H∞ 滤波来提高系统的鲁棒性。文中对提出的全组合系统进行了动态仿真 ,仿真结果表明 ,该系统结构简单 ,状态估计精度较高 ,系统鲁棒性好 ,便于工程实现 。

H_∞滤波及其在GPS/INS容错组合制导中的应用

Kalman滤波需要给出系统精确的状态模型和噪声统计性能,而在实际应用中却难以满足,故利用Kalman滤波可能得不到系统最优估计,甚至发散。文中给出了在巡航导弹GPS/INS组合制导应用中对模型及噪声容错性能更强的H∞鲁棒滤波,仿真结果表明,即使对简化的组合制导模型和噪声,利用H∞滤波仍可得到良好的估计结果。

两种H_∞滤波在SINS/GPS组合导航系统中的适应性

针对H∞鲁棒滤波实现算法在SINS/GPS组合导航系统中的适应性问题,将中央H∞滤波和次优后置H∞滤波用于开环SINS/GPS组合系统和闭环SINS/GPS组合系统中,进行滤波校正,结果表明:中央H∞滤波适于用在开环SINS/GPS组合系统中,次优后置H∞滤波适于用在闭环SINS/GPS组合系统。该结论可对组合导航系统中滤波算法的选取提供参考。

一种改进的INS/GPS组合导航鲁棒H_∞多重渐消容错滤波算法

在对适用于INS/GPS组合导航的H∞滤波方法进行了深入研究基础上,提出了一种改进的H∞多重渐消容错滤波算法。首先给出了H∞滤波算法,然后对渐消记忆滤波方法进行了有效的改进,提出了多重渐消因子矩阵对称加权的滤波算法和残差归一化的多重渐消滤波方法,有效避免了残差量级差别所导致的残差检测失效和修正作用失配,最后提出了一种双重故障检测的容错策略,构造了改进的鲁棒H∞容错滤波器。仿真结果表明,改进的H∞容错滤波方法较常规Kalman滤波对系统模型和噪声的不确定干扰具有很强的鲁棒性,在有色噪声情况下具有高于常规Kalman滤波的精度,对于故障具有较强的检测能力和较好的组合效果,更加贴近于工程应用需求。

基于鲁棒H_∞滤波的GPS/INS相对导航方法

针对基于GPS/INS组合测量的合作目标相对导航非线性滤波问题,为提高相对导航系统的精确性和可靠性,在考虑相对导航系统模型中存在不确定性及噪声统计特性未知的条件下,基于鲁棒H∞滤波方法,提出了一种相对导航的鲁棒滤波方法。首先采用近似线性化方法将相对导航系统模型中的非线性函数进行泰勒级数展开,以避免非线性系统鲁棒H∞滤波方法求解HJI不等式困难问题,并采用不确定项来表征泰勒级数展开项中的高阶项,降低线性化误差对相对导航滤波性能的影响;在此基础上,基于鲁棒H∞滤波方法设计了GPS/INS相对导航的鲁棒滤波算法。仿真结果表明,该方法对相对导航系统模型中的不确定性具有很好的鲁棒性,相对位置估计误差小于0.1 m,相对姿态角估计精度为0.0072°,相对位姿估计精度很高。

Kalman与H_∞滤波算法在GPS/惯性组合导航系统中的应用研究

针对Kalman滤波及H_∞滤波的特点,分别将其应用于GPS/惯性组合导航系统中进行比较。采用位置-速度组合方式。分别在白噪声及有色噪声条件下进行滤波。通过仿真结果说明当系统模型及噪声的统计特性精确已知的情况下Kalman滤波算法可以得到较高的精度。然而当系统模型及噪声的统计特性发生变化时H_∞滤波算法明显具有良好的鲁棒性,估计精度也较高,有效地克服了Kalman滤波器存在的局限性。

卡尔曼滤波与H_∞滤波在INS/GPS组合导航中的应用

组合导航利用惯性导航(INS)和全球定位系统(GPS)较强的非相似性和互补性,将两者组合,可以取长补短,充分发挥各自的优点,提高导航系统性能。利用卡尔曼滤波能够有效提高其精度,但卡尔曼滤波的应用要求函数模型和随机模型已知,符合实际,这在实际应用中是很难保证的,一般都是通过经验信息确定。H滤波则具有很强的鲁棒性,抗干扰性强。通过仿真数据处理,结果表明:H滤波比卡尔曼滤波在噪声特性未知时更适用,精度更高。

H_∞滤波在GFSINS/GPS组合导航系统中的应用

以六加速度计的配置方案为例,介绍了GFSINS的工作原理;对GFSINS/GPS组合导航系统选择滤波器问题进行了详细的理论分析,提出了基于H∞滤波器的组合方法;该方法将惯性器件的各种误差看作系统的不确定性误差,有效地解决了GFSINS/GPS采用间接法组合时,无法建立准确系统线性模型及得到准确噪声统计特性的问题。通过仿真验证了该方法的有效性。

一种低成本GPS/DMU组合系统研究

基于新型的低成本微型固态惯性测量单元 - DMU( Dynamic Measurement Unit)和GPS系统 ,利用具有良好鲁棒性能的 H∞ 滤波算法 ,设计了一种低成本 GPS/DMU组合导航系统。通过仿真计算对该组合系统的性能进行了分析 ,结果表明 ,新型的组合系统不仅具有良好的性能价格比 ,而且体积小、具有更强的稳定性能 。

H_∞滤波在GP/SINS组合导航系统中的应用研究

根据H∞鲁棒滤波理论,提出了基于H∞滤波技术的GPS/INS全组合导航系统,利用了GPS和INS提供的位置、速度和姿态信息,并对该系统的滤波算法进行仿真。仿真结果表明,在GPS/INS组合中采用H∞滤波,不仅保证了组合系统导航精度,提高了滤波的鲁棒性,而且能够防止滤波发散。

基于自适应H_∞滤波的组合导航方法研究

针对常规鲁棒滤波参数由初始设定而使滤波具有较大保守性的问题,提出了一种基于自适应鲁棒滤波的多传感器组合导航方法。该方法能够自动调节鲁棒滤波器参数,从而兼顾系统的精度和鲁棒性。通过运动学分析,建立了试验车的二维运动学模型,基于所建立的运动学模型,采用自适应鲁棒滤波的方法,能够实现对试验车位置、速度和航向角的精确估计。最后对实验车实际行走的数据进行了仿真对比实验,实验结果表明该方法能够紧密地跟踪滤波器的性能,自适应地调整滤波器参数的取值。与卡尔曼滤波相比,在系统噪声统计特性未知的情况下,该方法能够提供优于卡尔曼滤波的导航精度。

GPS/DR组合导航抗差自适应滤波算法

针对GPS/DR车辆组合导航系统的数学模型具有非线性,应用扩展卡尔曼滤波进行线性化会导致滤波结果出现较大误差的问题,引入了抗差自适应滤波算法。利用计算机仿真,分别对抗差自适应Kalman滤波和自适应Kalman滤波算法进行仿真验证,结果表明,抗差自适应滤波不但能自适应地确定观测噪声的协方差矩阵,而且能利用自适应因子调节状态参数噪声的协方差矩阵,可以控制观测异常和动态模型噪声异常对状态参数估值的影响,使状态参数的估值更加合理。自适应Kalman滤波使位置误差控制在30m,而对抗差自适应Kalman滤波能使位置误差控制在18m左右,且误差控制更稳定。

一种两步自适应抗差Kalman滤波在GPS/INS组合导航中的应用

针对伪距、伪距率紧组合导航精度低、姿态角误差修正误差较大的缺点,从参数可观测性角度提出一种两步自适应Kalman滤波算法。首先简单介绍紧组合Kalman滤波的过程,然后给出两步自适应抗差滤波的公式和具体步骤,并且进行分析和比较。最后用实测算例对提出的算法进行验证。结果表明,相比于伪距、伪距率紧组合Kalman滤波,两步自适应抗差滤波的导航精度受组合周期的长短、INS惯性元件误差的大小影响较小,精度略有提高,更重要的是能够控制动态扰动异常和观测异常的影响,在惯性元件误差较大的情形下也能够很好地估计元件误差,避免姿态角错误修正。

一种具有鲁棒性的滤波算法在INS/GPS组合导航系统中的应用研究

研究了一种虚拟状态滤波算法与UD分解法相结合的方法,并将其应用于组合导航系统的导航参数估计过程中。仿真结果表明:虚拟状态滤波与UD分解法相结合的方法,可以有效地抑制滤波发散,增强系统对环境的适应性,大大提高组合导航系统的快速性。

GPS/INS相对导航鲁棒扩展卡尔曼滤波方法

针对绕飞模式下追踪器与合作目标间的GPS/INS组合相对导航问题,考虑追踪器的惯量阵存在不确定性,为提高相对导航系统的精确性和稳定性,提出了一种GPS/INS组合相对导航的鲁棒扩展卡尔曼滤波算法.该算法采用近似线性化方法将相对导航系统中的非线性函数进行泰勒级数展开,并将线性化引起的模型误差作为不确定项来处理,结合鲁棒卡尔曼滤波算法,设计了GPS/INS组合相对导航的鲁棒扩展卡尔曼滤波算法.仿真结果表明,该方法相对位置的估计精度为0.1m,相对姿态的估计精度为0.001°,相对导航精度很高,且对追踪器惯量阵存在的不确定性具有很好的鲁棒性.

惯性/北斗组合导航系统的鲁棒H_∞滤波

为提高惯性/北斗组合导航系统的精度,将鲁棒H∞滤波算法应用于惯性/北斗组合导航系统中,该算法可克服模型的不确定性对滤波精度的影响,并将滤波器的设计问题转化为线性矩阵不等式约束的凸优化问题。仿真试验最终表明,鲁棒H∞滤波算法应用于组合导航系统是有效的。

观测卫星不足时的GPS/INS紧组合抗差自适应滤波

常规GPS/INS紧组合抗差自适应滤波只适用于卫星数≥4的情况,且预测残差构造自适应因子要求观测值可靠。针对该局限性,对常规抗差自适应滤波算法做出两点改进:1)采用两步滤波,用第1步常规EKF滤波残差构造第二步抗差算法的粗差判别量;2)在第2步滤波用预测残差构造自适应因子时,剔除异常观测值对应的预测残差和预测残差协方差,以削弱观测异常对自适应因子的不良影响。实验结果表明,常规抗差算法在卫星数<4时不适用。常规自适应滤波算法在观测值存在异常的情况下无法正确修正模型异常。改进后的抗差自适应滤波算法在组合系统观测卫星数<4且观测值存在异常的情况下,仍能正确修正观测粗差和动力学模型异常,能够达到良好的导航精度。

基于H_∞滤波的船用无源北斗/INS对准技术研究

无源北斗/惯导(INS)组合导航系统中,INS噪声特性和模型存在不确定性,不能很好地满足Kalman滤波对系统的要求,造成滤波系统对误差状态估计不准,影响了对准精度。研究了对系统噪声和模型等不确定性具有较强鲁棒性的H∞滤波算法,建立了无源北斗/INS组合对准误差模型,并分别采用H∞滤波、常规卡尔曼滤波和衰减记忆滤波进行了比较仿真。结果表明,采用H∞滤波可以进一步保证对准的快速性和对准精度,在实际应用中有较高参考价值。