位移和加速度融合的自适应多速率Kalman滤波方法

多速率Kalman滤波方法可用于低采样率的位移和高采样率的加速度数据融合,而未知的噪声协方差信息则显著制约着多速率Kalman滤波精度.本文通过将多速率Kalman滤波转换为传统的单速率Kalman滤波,建立了Kalman滤波增益的自协方差矢量与未知的加速度谱密度和观测噪声参数间的线性函数模型,并采用最小二乘估计方法对未知的噪声协方差参数进行估计,进而有效地提高了多速率Kalman滤波精度.数值仿真和震动台实验结果验证了本文方法的正确性和有效性.

航空重力垂直加速度改正滤波方法对比研究

根据航空重力测量的基本原理,阐述了用于航空重力垂直加速度改正的频域滤波器和时域滤波器的设计方法,以此为依据设计了用于垂直加速度改正的低通滤波器和卡尔曼平滑滤波器,并利用滤波器对航空重力实测数据进行了处理试验。试验结果表明:两种滤波方法都能够实现垂直加速度改正,而时域滤波器处理精度较高,与解算参考标准的误差低于1mGal。

水下重力辅助导航实时水平加速度改正方法

为了消除水平加速度引起的重力测量误差,为重力辅助导航系统提供准确的实时重力信息,在分析水平加速度改正原理的基础上,根据平台坐标系与方位捷联地平坐标系之间的关系,得出了水平加速度改正的计算公式;基于陀螺稳定平台的误差方程,设计了用于估计平台水平误差的自适应卡尔曼滤波器,并提出了采用平台加速度计测量值推算载体水平加速度的方法。平台误差估计及水平加速度改正的仿真结果表明,采用自适应卡尔曼滤波估计平台水平误差,以及用平台加速度计测量值推算载体水平加速度的方法能实现在线水平加速度改正,并能够满足较高的精度要求。

利用Kalman平滑技术估算航空重力测量中的载体垂直加速度

提出一种具有模型误差修正的Kalman滤波模型,探讨了采用该模型,利用Kalman最优线性平滑技术估算航空重力测量中的载体垂直加速度的方法.仿真试验表明:该方法明显优于常用的数字差分与FIR低通滤波技术确定载体垂直加速度的方法,精度可达±1～2 mGal.

L&R航空重力仪的水平加速度改正

L&R(LaCoste&Romberg)航空重力仪是我国首套航空重力测量系统的核心,主要由高精度的垂直加速度计和稳定平台组成。前者用于测量总加速度,后者使加速度计保持精确的垂直指向。飞行测量时,由于水平加速度的存在,稳定平台难以精确维持水平从而使加速度计偏离正确指向,由此产生了水平加速度改正。介绍了水平加速度计算的两种基本方法,即两步法与一步法,从理论上导出了其在平台倾角较小情况下的等价性。为有效地减弱因水平加速度改正不完善产生的系统性误差,提出了水平加速度改正的预滤波方法。通过平台倾角的谱分析,确定了预滤波尺度,即采用与平台稳定周期相当的低通滤波器进行预滤波。最后利用实测数据对此进行了验证和分析。结果表明,利用预滤波尺度,航空重力测量值与地面向上延拓参考值的系统差由5×10-5m.s-2减小至0.5×10-5m.s-2。

基于加速度信号增强的无色卡尔曼滤波方法在水面移动机器人中的应用

水面移动机器人系统的高性能航迹跟踪控制要求能够获取高精度的运动状态和不确定性信息(包括内部不确定参数和外部干扰),而直接高精度测量手段的匮乏,以及数学模型的强非线性、耦合性使得如何得到这些信息存在着种种困难。针对此问题,提出利用一种结合基于奇异值分解无色卡尔曼滤波(Singular value decomposition unscented Kalman filter,SVDUKF)算法和加速度测量的新估计算法。SVDUKF方法是无色卡尔曼滤波(Unscented Kalman filter,UKF)的一种改进方法,具有更宽松的使用条件。此外,该方法的最大优点在于将UKF算法处理系统强非线性和加速度信号富含扰动信息并可简化系统估计模型等特点结合起来,从而获得了一种精度更高、计算复杂度更低的在线估计算法。从推导水面移动机器人系统非线性模型开始,简要介绍加速度信号对模型的简化原理以及SVDUKF算法的基本步骤,并通过仿真验证了算法在估计精度和计算效率方面的优越性。

航空重力测量水平加速度改正的小波预处理

根据航空重力测量中水平加速度改正的频谱特性和小波变换频带划分规则,导出了水平加速度改正的小波预滤波尺度。以实测数据为例,基于信号小波变换尺度间的相关性,分别利用Haar小波、db4小波、db6小波和sym6小波对其进行小波预滤波处理,并与目前常用的FIR低通预滤波处理结果进行比对,结果表明:小波预滤波处理水平加速度改正的精度较FIR低通预滤波处理得到的精度高,并且用db系列小波进行预处理得到的结果精度更加均匀,据此提出对水平加速度改正预处理时应选用db系列小波或者支集较长的sym8小波。

基于加速度信息的导航卫星轨控期间自主定轨方法

为了降低对地面测控站的依赖,提升导航卫星自身的自主运行能力具有重要意义。导航卫星在轨道控制期间,自主定轨误差将会产生重大偏差,为了能够快速恢复星历,提升导航系统的应用效率,针对导航卫星轨控期间的自主轨道确定技术进行了研究。首先,在传统的天文导航的基础上引入了加速度信息,然后根据加速度计测量以及估计误差判断,选择合适的时机在轨控期间对估计误差方差阵进行重置。仿真结果表明,基于加速度信息的自适应导航滤波算法,能够有效降低导航误差收敛时间,同时降低估计误差峰值。

36维Kalman滤波的激光陀螺捷联惯导系统级标定方法

分析了系统级标定的研究现状,建立了惯导系统误差模型。额外考虑加速度计二次项误差系数与内杆臂参数对系统的影响,提出了一种36维Kalman滤波系统级标定方法。设计了合适的标定路径,建立了Kalman滤波模型。仿真及实验结果表明,激光陀螺和加速度计零偏估计精度分别优于0.001(°)/h和9μg,标度因数误差估计精度分别优于3 ppm(1 ppm=10-6)和2 ppm,安装误差角估计精度分别优于1″和3″,二次项误差系数估计精度优于4×10-10 s2/m,内杆臂参数估计精度优于3 mm,满足高精度惯导系统的标定要求。

变形监测中Kalman滤波状态模型的比较分析

在动态定位或动态变形监测中,Ka lm an滤波状态模型主要采用随机游走、常速度和常加速运动学模型。然而用这些简单的运动学模型描述变形体的复杂运动状态不可避免地含有模型误差,且由于某些异常扰动必然使得原先选用的状态模型出现显著性的模型偏差,从而严重影响滤波的精度。采用模拟数据,分别对状态模型为随机游走模型、常速度模型、常加速度模型以及附有偏差校正的常速度模型的Ka lm an滤波模型进行了比较分析,给出了不同模型在变形监测应用中的优缺点。

基于硬件Kalman滤波器的航拍云台姿态获取

航拍云台姿态获取是航空摄影中相机姿态校正的基本依据,介绍了一种基于硬件Kalman滤波器的航拍云台姿态获取的实现方法.设计中采用MPU6050作为系统的姿态传感器,它提供三轴角速度和三轴加速度数据.根据系统特征建立Kalman滤波方程对这些数据进行数据融合处理,Kalman滤波过程中的加减乘除浮点数运算由FPGA实现,外部数据的采集和时序的控制也由FPGA完成.经过对实际数据的处理实验,得出该硬件模块可以获得较为准确的航拍云台姿态,输出结果误差在-1.5°～1.5°范围内.

基于Kalman滤波算法角度测量信号融合技术研究

针对车载激光通信转台姿态角控制中陀螺仪传感器存在漂移误差等问题,提出了以陀螺仪传感器和加速度传感器作为测量元件对车载转台的姿态角进行测量的方法,并在MATLAB软件平台上建立卡尔曼滤波器将传感器采集的信号进行融合,以加速度传感器输出的姿态角信息对陀螺仪测量的姿态角进行修正、补偿,以提高姿态角测量的精度。通过建立试验系统完成测试,结果表明:应用Kalman滤波算法对陀螺仪和加速度传感器信号进行融合后,有效地减小姿态角的测量误差,为准确获得转台姿态角信息提供了理论依据。

基于Kalman滤波器的加速度信号数字系统设计

现代武器中的惯性导航系统朝着小型化、数字化、高精度方向发展,针对捷联惯性导航系统中加速度计输出的模拟电流信号高精度模数转换的需要,设计了一种基于Kalman滤波器的加速度计信号模数转换系统。在前端采用电流处理电路和高精度ADC芯片进行模数转换,在后端设计一种自适应Kalman滤波器对数字转化过程中的信号噪声进行处理,实现了对加速度计输出模拟信号的高精度模数转换。该系统应用于某型号加速度计输出信号的模数转换,在其全量程范围内的线性度优于9.6×10^(-5),满足技术指标要求。试验表明,该系统在静态与动态情况下均能对加速度计信号实现高精度转换,可向后级导航计算机提供准确的加速度数字信号。

一种连续波雷达高精度波束中心速度求取方法

为解决着陆导航连续波测速雷达中面目标非均匀散射特性和加速度分量对测速精度的影响,提出了一种高精度波束中心速度求取方法。采用Kalman滤波完成速度跟踪和加速度估计,进行加速度补偿后,利用ZFFT变换完成对目标多普勒频移范围的细化分析,最后采用包络截取法完成高精度波束中心速度估计。通过仿真分析证明,包络截取法相比其他方法具有精度高、适应性强的特点,速度测量误差小于0.15 m/s(3δ);通过硬件系统处理时间分析,该算法流程易于实时处理,已成功应用于某着陆导航雷达系统中。

常加速度模型的简化自协方差最小二乘法

以常加速度模型对机动载体进行建模,顾及其状态噪声协方差矩阵满足特定结构,提出简化的自协方差最小二乘噪声协方差估计方法。通过建立新息的相关函数序列与未知噪声协方差矩阵间的函数模型,并结合最小二乘法进行噪声协方差估计。数值仿真结果表明,当载体进行阶跃加速度运动或变加速度运动时,本文所提方法的目标跟踪精度均优于"当前"统计模型和常加速度模型的自适应算法。

惯导平台式重力测量技术实现及应用

详细阐述了解析方位双轴惯导平台式重力测量的工作原理,并通过基于方位余弦积的惯导力学编排解决了极区工作问题。在常规平台式重力测量数据处理方法的基础上,针对高动态环境提出了基于Kalman滤波的运动扰动修正方法。在此基础上研制了ZL11-1A型国产惯导平台式海洋重力仪。通过与国外主流重力仪产品海上同船作业比对,结果表明,该型重力仪在高海况下测量精度依然优于1mGal,满足重力测量作业要求。

低成本车载MEMS惯导导航定位方法

当GPS卫星信号受到遮挡,车载GPS无定位输出时,通过低成本MEMS惯导进行定位是车辆导航的一种弥补方法。然而低成本MEMS惯导测量误差大,定位误差会快速累积。针对此问题,研究了一种应用于MEMS惯导导航定位的Kalman滤波算法。通过分析车辆的运动特性,在已有的研究基础上,提出了向心加速度差值误差这一新型观测量,并推导了误差状态系统模型的状态转移矩阵和观测矩阵。200 s时长的实车实验表明,单纯MEMS惯导定位的误差率是75.27%,而所述新方法的定位误差率是3.86%,定位精度有了大幅度提高,取得了良好的效果。

一种基于单轴正反旋转的惯性器件误差估计

为了提高捷联惯导导航精度,构建一种Kalman滤波模型来估计陀螺常值漂移和加速度计零偏。首先分析了载体作单轴正、反旋转运动时,捷联惯导的系统误差特性,然后以正、反旋转两过程中的姿态误差和速度误差为状态变量,以两过程中同一位置处的姿态误差差值和速度误差和值为观测变量,构建了一种Kalman滤波模型,来估计惯性器件常值误差;经可观测性分析,该模型是可观测的。仿真实验中,对于3个陀螺漂移均为0.1(°)/h、加速度计零偏均为9.78×10^(-3 )m/s^2的捷联惯导,陀螺漂移估计精度达到0.01(°)/h,水平方向加速计零偏估计误差均小于0.4×10^(-3 )m/s^2,实验证明该方案可行。

基于Kalman预报观测器的增量动态逆控制

针对传统动态逆对模型参数不确定性鲁棒性较差的问题,提出一种基于Kalman预报观测器的增量动态逆控制方法。该方法以角速度作为姿态控制反馈,引入角加速度预测反馈信号,从而降低了控制系统对模型参数的敏感性。利用动力学方程建立增量动态逆的输入输出关系式,利用等加速度模型的Kalman预报观测器对角加速度进行预测估计,从而提高信号的精度和实时性。仿真结果表明:在引入参数摄动和传感器噪声等一系列不确定性因素后,增量动态逆比传统动态逆方法能够更加准确快速地跟踪参考信号,该控制方法是可行有效的。