利用Vondrak组合滤波算法融合UT1和LOD数据

为了有效弥补VLBI观测数据在解算地球自转参数(ERP)中数据密度不足和GNSS解算中数据不稳定的缺点,提高UT1数据的解算精度,本文提出了一种利用Vondrak组合滤波算法将VLBI观测得到的UT1数据和GNSS观测得到的日长(LOD)数据进行融合。通过仿真分别确定VLBI UT1和GNSS LOD观测数据的平滑因子,并根据两种数据的观测精度确定其权重进行数据融合。实验表明:融合算法对于提高数据精度效果显著。为验证该实验方法的有效性,将IGS测量得到的UT1数据与GNSS测量的日长(LOD)数据进行融合达到了同样提高数据精度的效果。利用融合算法获取高精度地球自转参数(ERP)为我国独立自主地球自转(ERP)参数测量与服务提供了新的思路。

一种世界坐标系下的GNSS/SINS松组合导航矩阵李群滤波算法

针对在地心地固(ECEF)坐标系下基于右不变误差的卡尔曼滤波在GNSS/SINS组合导航中,因位置矢量数值较大导致系统线性误差运动学矩阵和观测矩阵不稳定进而降低滤波器性能的问题,提出一种世界坐标系下的GNSS/SINS松组合导航矩阵李群滤波算法。首先在世界坐标系中构建导航状态和考虑地球自转的运动学方程。然后在世界坐标系下定义矩阵李群上的右不变误差,该误差在右群作用下保持不变,并重新推导和设计基于该误差的矩阵李群滤波算法,根据GNSS观测构建世界坐标系下的观测矩阵。实验结果表明,在低精度惯导场景中相对于ECEF坐标系下的传统扩展卡尔曼滤波,所提算法的北向、东向、地向位置误差均方根分别减小了82.6%、61.8%和10.6%,具有一定的实用价值。

抗差Vondrak滤波方法在时间频率传递中的应用

时间频率传递的结果会受到非模型化误差和观测噪声的影响,其噪声常为高频信号,构建低通滤波器可在一定程度上消除观测值序列中的高频噪声信号.本文对Vondrak滤波函数的本质进行剖析,通过IGG3算法对钟差序列进行定权并采用频率响应法选择适合的滤波因子;对不同的链路分别进行卫星双向时间频率传递(two-way satellite time and frequency transfer,TWSTFT)、基于软件接收机的卫星双向时间传递(two-way satellite time and frequency transfer based on software defined receiver,SDR-TWSTFT)和短基线共视时间频率传递实验,并对钟差结果采用抗差Vondrak滤波进行平滑去噪.结果表明:滤波后的钟差序列能够很好地反映原始钟差序列的趋势;平滑后的TWSTFT钟差结果,日波动效应得到了有效的抑制,精度有明显提升;对于共视钟差结果,精度有明显提升,与精密单点定位(precise point positioning,PPP)时间传递结果的差值保持在−1.0~1.0 ns范围内.

基于最大熵准则的GNSS/SINS组合导航滤波算法

在高斯假设下,GNSS/SINS组合导航系统的常规卡尔曼滤波器(KF)在最小均方误差(MMSE)准则下是最优的。然而,当测量噪声受到重尾脉冲噪声干扰时,KF的滤波性能会严重下降。为解决该问题,提出组合导航系统的最大熵卡尔曼滤波器(MCKF)。首先,建立MCKF的状态方程及测量方程;然后,利用相对熵的原理,建立基于最大熵准则的卡尔曼滤波器,并设计其滤波迭代流程;最后,在混合高斯噪声及重尾脉冲噪声环境下,分别对GNSS/SINS组合导航系统进行仿真实验。仿真实验结果表明,在混合高斯噪声干扰下,KF的性能优于MCKF;在重尾脉冲噪声干扰下,MCKF的滤波性能明显优于KF,且核带宽趋于无穷时,MCKF等价于KF。

基于Huber鲁棒性滤波的惯性/天文组合导航算法

针对星敏异常量测对组合系统状态估计性能的影响,提出一种基于Huber鲁棒性估计理论的惯性/天文组合导航滤波算法。通过对广义极大似然估计理论的详细推导,给出了基于Huber鲁棒性估计的Kalman滤波(简称H-EKF)算法流程,并基于跑车数据进行算法性能对比验证。结果表明,该算法对星敏异常量测噪声具有很好的鲁棒抑制性,与传统Kalman滤波算法相比,对陀螺常值漂移的估计精度和稳定性均有所提升,有效保证了惯性/天文组合系统导航精度。

一种GNSS/SINS组合导航的改进鲁棒滤波算法

GNSS/SINS(全球卫星导航/捷联惯性导航)组合导航系统的最优卡尔曼滤波需要满足测量值为高斯分布的假设条件,否则将会导致滤波精度下降甚至发散。鲁棒滤波是解决上述问题的有效方法,但在提高滤波精度方面存在一定的局限性。为了解决该问题,基于马氏距离和牛顿迭代法提出了一种改进的鲁棒滤波方法。首先,根据马氏距离判断测量值是否存在异常;然后,根据牛顿迭代法引入一个比例因子以对测量噪声协方差矩阵进行优化与调整,进而较精确地调整测量值与系统模型信息在滤波过程中的比重;最后,基于最优卡尔曼滤波(KF)、传统鲁棒卡尔曼滤波(RKF)及文中提出的改进鲁棒卡尔曼滤波(IRKF)对GNSS/SINS组合导航系统进行仿真分析及性能对比。实验结果表明,相对于KF,IRKF可提高位置及速度精度分别为14.1%及13.8%,相对于RKF,IRKF可提高位置及速度精度分别为8.1%及7.7%。

自适应无迹卡尔曼滤波算法在水下组合导航系统中的应用

【目的】解决水下组合导航系统中先验噪声与实际噪声分布不匹配时,融合滤波性能下降问题,提高自主式水下航行器导航精度。【方法】提出一种自适应无迹卡尔曼滤波算法(AUKF),在融合算法中引入自适应因子;重构系统状态方程中速度项与状态变量的结合方式,解决系统方差不一致问题。通过仿真实验和半物理实验验证该算法的有效性。【结果与结论】与无迹卡尔曼滤波算法相比,在平均位置估计偏差上,AUKF算法的纬度均方根误差(RMSE)降低27%,经度RMSE降低27%,高度RMSE降低25%。AUKF在面对偏差对系统状态的扰动时能够有效抑制滤波发散,从而有效地提高自主式水下航行器的导航精度。

基于联邦滤波的仿生偏振组合导航系统滤波器设计

该文针对野外地面导航系统受到环境未知、多源干扰的问题,设计具有环境适应能力与抗干扰能力的仿生偏振组合导航系统。首先引入仿生偏振导航技术,组成无重置型联邦滤波结构的仿生偏振/MIMU/GPS组合导航系统,建立各子系统的干扰模型;其次,为提高系统对于动态未知环境的适用性与抗干扰性,利用联邦滤波器优越的容错能力,设计系统针对几种组合模式的智能切换方案,有效检测并隔离GPS干扰子系统,实现可用系统的重构。

基于自适应优化选择-抗差自适应卡尔曼滤波混合模型的GNSS+5G组合定位

PNT系统的构建是通信和导航领域的关键课题。发展能够兼容集成不同类型PNT手段,提供具备较好的弹性和环境适应性的综合PNT体系已成为当前刻不容缓的重要任务。5G和北斗系统的出现和发展,为PNT体系走向更综合、更弹性提供了新的思路。据此,本文提出了一种基于GNSS+5G组合数据的自适应优化选择-抗差自适应卡尔曼滤波(AOS-RAKF)算法,以实现城市复杂环境中的高精度定位估计。该算法主要由两个模块组成,即基于AOS的5G基站测量数据优化和基于AOS-RAKF算法的GNSS+5G组合定位。其中,基于AOS的5G基站测量数据优化模块通过自适应优化选择因子实现更好的观测数据重选。GNSS+5G组合定位模块利用优化后的5G数据和GNSS建立耦合结构模型,再利用RAKF方法实现移动车辆的高精度定位。半实物仿真测试结果表明,复杂城市环境下与使用原始测量数据的GNSS、单5G、传统的GNSS+5G组合定位相比,本文AOS-RAKF方法显著提高了定位精度。

基于自适应卡尔曼滤波的RFID/SINS组合导航研究

在室内导航定位中,射频识别(Radio Frequency Identification,RFID)技术具有信号穿透性强、成本低廉等诸多优点,能够有效代替GPS完成室内组合导航。针对室内惯性导航误差发散和滤波中噪声参数不确定的问题,提出了基于自适应卡尔曼滤波(Adaptive Kalman Filtering,AKF)的RFID/SINS组合导航系统,通过RFID定位系统抑制惯性导航误差发散,并应用AKF将噪声参数与量测输出参数关联实现实时更新。对AKF和标准卡尔曼滤波(Kalman Filtering,KF)下的RFID/SINS组合导航系统进行了仿真和实验。结果表明,在AKF下组合导航系统平均定位误差降低了10%,位置稳定性提升了7.4%,定位误差保持在0.07 m左右。基于AKF的RFID/SINS组合导航系统能够满足室内高精度定位导航的需求。

多惯导系统组合导航下的卡尔曼滤波算法研究

针对捷联式惯性导航系统(简称“惯导系统”)中的卡尔曼滤波算法进行研究。依据惯性导航系统的基本原理建立误差模型,分析多个惯性导航系统在组合导航时的误差特性,将Sage-Husa自适应形式的滤波作为基础,提出了一种多惯导形式的数据融合计算方法。将Sage-Husa自适应形式的滤波算法优势予以保留,结合常规形式的卡尔曼滤波算法,对Sage-Husa滤波进行简化,只对量测噪声进行自适应调节。实验表明,文中的数据融合算法能很好地实现多惯导导航系统的组合导航,融合后的误差估计结果与独立误差趋势一致,且受误差较大惯性导航的影响较小。

基于变步长凸组合LMS自适应滤波高原动态血氧检测系统设计

针对基于光电检测方法的血氧仪只能在静止状态下测试血氧饱和度(血氧)的问题,提出一种基于变步长凸组合LMS自适应滤波动态血氧检测方法。方法对原始光电描记脉搏波信号经预处理后,通过固步长与变步长LMS自适应算法组合,以三轴加速度计采集信号作为运动噪声参考信号,获得理想脉搏波信号再准确计算血氧值。在此基础上,开发了一套基于物联网的穿戴式高原血氧检测系统,经过模拟正常行走及在不同海拔条件下测试,最大误差不超过4%,验证了算法的有效性和准确性。结果显示,基于物联网的血氧监测系统对于高原旅游中高原反应的实时监测与提醒具有实际意义。

顾及组合导航闭环反馈的变分贝叶斯自适应滤波优化算法

多传感器组合的方式可以较好地应对全球导航卫星系统信号被遮挡、干扰等情况下的导航定位问题,滤波方法是导航定位中将多源数据融合最常使用的方法之一。在滤波过程中,组合导航的系统噪声和量测噪声无法实时精确地测定,常通过自适应滤波的方法进行时间更新和量测更新的平衡解算。贝叶斯自适应滤波方法在很多时候具有较好的效果,但是和其他的自适应滤波方法一样,该类方法都需要进行自适应因子的选取。本文根据组合导航对于实时性要求及其闭环反馈的特殊性,在变分贝叶斯自适应滤波的基础上进行了算法的优化,给出了一种调节因子的动态计算方法,并以GNSS和惯性导航系统组合系统为例,通过模拟和实测试验进行验证。试验结果表明,本文算法不需要通过迭代计算的方法就可以获取高精度组合结果,提升了计算效率;对于真实的动态场景中,本文算法的调节因子动态自适应确定,结果更具有优越性。

一种新型模块化短波组合滤波器及其装置的研制

本文研制了一种新型模块化短波组合滤波器及其装置用于短波通信发射信号谐波抑制。文中给出了滤波器的具体指标,详细阐述了椭圆滤波器的电路拓扑,通过设计仿真,确定了LC技术参数。本文提出了滤波器新型组合立体式结构,采用片式印制板安装滤波电容和电感;采用增大印制覆铜面积解决高功率下的高压电容散热问题;采用铜螺杆装置解决信号传输的同时完成了结构支撑;通过改变电容与电感参数,实现了多波段滤波器;设计了端接高压继电器转换组件,通过组件将多个波段的滤波器相连接,实现了多波段组合滤波器通道切换。本文所研制的9阶椭圆滤波器二次谐波抑制度大于45 dB,三次谐波抑制度大于65 dB,插入损耗小于0.5 dB。给出了测试曲线与结果,测试结果完全满足技术指标要求,并成功验证。该滤波器成本低,应用前景广泛。

GNSS/MEMS IMU车载组合导航中IMU比例因子误差的影响分析

从系统状态模型出发,分析比例因子误差对组合导航精度和计算量的影响,同时基于车载运动的特点分析比例因子误差的观测性,提出一种仅保留航向陀螺仪和水平加速度计比例因子误差的降维状态模型。实验结果表明,当比例因子误差大于6×10^(-3)时,增广比例因子误差有助于提高导航精度,但计算量增加约170%;降维模型能够达到高维模型的导航精度,与不增广比例因子误差相比,计算量仅增加约70%。

基于改进SHKF算法的UWB/IMU组合定位方法

针对复杂环境下超宽带(UWB)无线定位系统存在非视距(NLOS)及随机误差的问题,提出一种基于改进Sage-Husa卡尔曼滤波算法(SHKF)的UWB/IMU组合定位方法。首先,设计了一种基于概率密度的提升树,将UWB/IMU特征数据的概率分布密度引入提升树的损失函数中,鉴别出NLOS信号;然后,设计了一种改进SHKF算法,根据新息变化趋势定义自适应因子,实时调整对新息误差修正的策略以调节历史噪声对当前定位的影响,进而提升UWB/IMU组合定位的稳定性和精度。实验结果表明,所提方法将NLOS信号鉴别精度提升至99.12%,定位均方根误差降低至4.30 cm,提升了复杂环境下UWB/IMU组合系统定位精度。

基于状态变换卡尔曼滤波的DVL/SINS组合导航算法

针对捷联惯性导航系统(strapdown inertial navigation system,SINS)误差定义存在的坐标系不一致的问题,将速度误差统一投影在真实导航坐标系中,基于状态变换Kalman滤波推导了更严密的SINS姿态、速度和位置误差方程。进一步地,在新定义的速度误差和SINS误差方程的基础上,构建了改进的多普勒计程仪(Doppler velocity logger,DVL)/SINS组合导航卡尔曼滤波状态模型和量测模型。仿真和船载实验表明,与常规DVL/SINS卡尔曼滤波模型相比,所提算法可以处理传统DVL/SINS误差模型中坐标系不一致问题的影响,可在一定程度上提高组合导航系统的性能。

基于VB-EKF的GPS/INS松组合导航定位算法

针对应用在无人机(Unmanned Aerial Vehicle,UAV)中的全球定位系统/惯性导航系统(GPS/INS)松组合导航非线性系统受到外界噪声干扰导致量测噪声在滤波时不断变化,从而造成滤波精度下降等问题,提出一种变分贝叶斯扩展卡尔曼滤波(VB-EKF)算法。该算法利用EKF(Extended Kalman Filter)将非线性系统中的状态函数和量测函数展开为线性方程,并将两个不同的导航系统数据进行融合,避免了单系统导航定位发散的问题。考虑到组合系统中量测噪声的时变特性,引入变分贝叶斯算法进行改进,有效解决了系统滤波精度下降问题。仿真结果表明,VB-EKF较EKF算法可有效提高滤波稳定性,进而提高系统导航定位精度。

复杂密林地区植被点云组合滤波方法研究

为提高密林地形激光雷达测量(Light Detection and Ranging,LiDAR)点云数据植被点和地面点精准分类精度,采用5大传统滤波方法对林区点云进行滤波精度评定,借助布料仿真滤波算法实施相应的初始滤波处理,经准确处理后得到地形特征相对完备的初始地表点,再对具有突出植被点的初始地表点实施迭代开运算,由此得出新的地表点。并借助Ⅰ类误差、Ⅱ类误差等一系列的指标获得科学的评估精确度。布料仿真算法与简单形态学算法组合滤波较传统滤波算法Ⅱ类、总误差均明显下降,Kappa系数呈增长趋势。结果表明,该方法适用于林区点云分类,可以获得较好的滤波效果。

Vondrak-Cepek组合滤波在北斗共视和卫星双向时间比对融合中的应用

为减小卫星双向时间比对(Two-Way Satellite Time and Frequency Transfer,TWSTFT)中的周日效应,利用北斗共视链路没有周日效应的特点,通过Vondrak-Cepek组合滤波方法对中国科学院国家授时中心(National Time Service Center,NTSC)、德国物理技术研究院(Physikalisch-Technische Bundesanstalt,PTB)以及中国计量科学研究院(National Institute of Metrology,NIM)间的北斗共视时间比对结果分别与硬件卫星时间和距离测量设备(SAtellite Time and Ranging Equipment,SATRE)TWSTFT和软件接收机(Software-Defined Radio,SDR)TWSTFT结果进行了融合处理。采用时间偏差和幅值频谱两个指标以及GPS精密单点定位(Precise Point Positioning,PPP)时间比对分别对融合结果进行内外符合评估。结果表明,经过Vondrak-Cepek滤波的融合结果中周日效应基本消失,其与GPS PPP链路差值结果的绝对值保持在链路校准的不确定度范围内。对于长基线NTSC-PTB链路,融合结果1 d的时间偏差稳定度对SATRE和SDR TWSTFT的增益因子分别为1.85和1.81;对于短基线NTSC-NIM链路,融合结果对SATRE和SDR TWSTFT的增益因子分别为1.69和1.59。融合结果的短期稳定度显著提高。