共查询到18条相似文献，搜索用时 140 毫秒
1.
针对时间差分载波相位/捷联惯导紧组合系统在非高斯噪声环境工作时,采用高斯混合滤波遇到的混合模型参数估计问题,提出了一种变分贝叶斯学习优化的高斯混合自适应滤波算法。该算法借鉴变分学习理论,准确高效地实现了高斯混合模型参数的自适应估计,进一步精化了滤波算法中的随机模型,能够显著提高估计精度,降低计算负担,改善滤波性能。实验结果表明,相比传统滤波算法,该算法的估计精度得到了进一步改善,运算耗时仅与拓展卡尔曼滤波相当。 相似文献
2.
针对无迹卡尔曼滤波(UKF)在非高斯噪声或统计特性不准确时滤波精度会下降甚至发散等问题,提出了一种基于Huber-M估计的无迹卡尔曼滤波导航算法。首先采用奇异值分解(SVD)迭代计算代替协方差矩阵的迭代变换;然后将Huber方法用于UKF框架中,使先验信息和量测信息进行重构;最终以达到克服传统UKF滤波器稳定性差的问题,提高滤波抗差能力。对提出算法进行GPS/UWB组合导航仿真验证,并与EKF和UKF进行了比较。实验结果表明,加入M估计的SVD-UKF在噪声统计特性不准确时和加入随机观测异常状态下都可以将滤波器性能提高25%～40%,与其他两种算法相比,本文所提算法的定位误差能快速收敛,并保持较高滤波精度。 相似文献
3.
《测绘科学技术学报》2018,(4)
针对卫星导航信号不可用时引起组合导航性能降低问题,设计了适用于飞行器进近的卫星导航/捷联惯导/摄影定位(GNSS/SINS/Photogrammetry)组合系统。针对飞行器着陆时对系统位姿精度和自主性高的要求及其存在加减速、转弯等高动态的特性,以及采样点初始信息的不确定性导致UKF滤波器误差变大或者发散的问题,各子滤波器的状态估计采用改进的强跟踪无迹卡尔曼滤波(STUKF)方法。数字仿真表明,与传统UKF算法相比,改进的算法对载体的位姿估计精度更高,且只需一次UT变换,无需求解雅可比矩阵;计算复杂度降低对飞行器进近的过程有一定适应性。 相似文献
4.
针对水下载体动态导航定位中状态方程和观测方程噪声增加引起的卡尔曼滤波发散问题,提出了一种以高斯混合模型为框架,基于信息熵计算导航融合权重的新方法。首先给出了水下组合导航系统的整体结构和各子滤波器的状态方程以及观测方程;然后研究了各子滤波器输出信息熵值的计算方法,并且定义了熵积的概念用于计算高斯混合模型中各分量的权重;最后总结出了用于水下载体导航信息融合的熵权高斯混合模型滤波算法的计算流程。仿真实验表明,相比于传统的加权卡尔曼滤波算法,新方法的计算精度更高,对噪声引起滤波发散的抑制能力也更强。 相似文献
5.
研究伪距定位中衰减记忆无迹卡尔曼滤波(MAUKF)方法,针对衰减记忆UKF滤波器可能因衰减因子引入造成滤波精度降低、滤波收敛速度并没有得到改善的问题,本文依据预测残差的统计量,对衰减记忆UKF滤波算法进行了改进。仿真结果表明,该算法相比衰减记忆UKF算法提高了定位精度和收敛速度。 相似文献
6.
在飞行器进近过程中,为了提高组合系统的导航精度,针对传统联邦滤波器对非线性系统模型易导致滤波发散问题.分析了两种导航方式的优缺点,提出了基于卫星导航／惯性导航／摄影测量(GNSS／SINS／Photogrammetry)的组合导航联邦滤波算法,并推导了系统误差模型.该算法取长补短利用联邦无迹卡尔曼滤波器将GNSS定位和摄影定位、定姿精度高的优势对SINS进行在线误差估计.针对多传感器非等间隔数据采样问题,采用时间与量测更新分离的异步非等间隔联邦滤波算法进行信息融合,并对滤波器结构进行改进以减少算法复杂度.仿真实验证明基于联邦UKF的组合导航系统较传统联邦滤波算法位姿精度有明显的提高,且系统鲁棒性也有一定的增强. 相似文献
7.
《测绘科学技术学报》2018,(4)
针对求积分卡尔曼滤波QKF(Quadrature Kalman Filter)在噪声先验特性不准确时引发的滤波缺陷问题,提出了一种基于高斯混合模型的QKF姿态估计算法GMQKF。该算法首先通过引入有限高斯分量来近似状态后验分布和噪声随机模型,在线估计时变方差;然后再采用稀疏网格和高斯-厄米特数值积分理论配置多维积分点,优化了高维滤波的计算量。仿真结果表明:在非高斯噪声环境和载体发生稳态突变情况下,GMQKF算法较传统QKF减少了对随机模型的依赖,增加了系统抗干扰能力,提高了稳定性,将其用于非高斯非线性姿态估计场合可以获得更好的精度,且计算量适中。 相似文献
8.
UKF的改进算法及其在伪卫星定位中的应用 总被引：1，自引：0，他引：1
首先介绍了伪卫星导航系统的观测方程和动力学模型方程。然后,分析了基于UT变换的UKF算法,针对该算法存在的问题,结合迭代滤波思想和抗差估计原理提出了一种新的抗差UKF算法。并与EKF和UKF算法进行了比较。计算结果表明,该算法不仅可以提高滤波器的精度,而且能够更有效地控制观测异常对导航解的影响,使导航解更能反映导航系统的真实情况。 相似文献
9.
首先介绍了伪卫星导航系统的观测方程和动力学模型方程。然后,分析了基于UT变换的UKF算法,针对该算法存在的问题,结合迭代滤波思想和抗差估计原理提出了一种新的抗差UKF算法。并与EKF和UKF算法进行了比较。计算结果表明,该算法不仅可以提高滤波器的精度,而且能够更有效地控制观测异常对导航解的影响,使导航解更能反映导航系统的真实情况。 相似文献
10.
11.
针对城市复杂环境中单一BDS导航受多路径（multipath,MP）和非视距（non-line-of-sight,NLOS）信号干扰导致精度下降的问题,提出一种附加运动学约束的抗差无迹卡尔曼滤波（unscented Kalman filter,UKF）算法。该算法基于新息向量构造等价权函数,克服了位置及接收机钟差初值不准确引起的抗差性能下降问题。同时,利用载体的近似运动方向和高程约束,进一步增强滤波解。实测车载试验结果表明,本文方法可有效抑制MP和NLOS信号的干扰,提高城市环境中的BDS导航精度。 相似文献
12.
This paper preliminarily investigates the application of unscented Kalman filter (UKF) approach with nonlinear dynamic process
modeling for Global positioning system (GPS) navigation processing. Many estimation problems, including the GPS navigation,
are actually nonlinear. Although it has been common that additional fictitious process noise can be added to the system model,
however, the more suitable cure for non convergence caused by unmodeled states is to correct the model. For the nonlinear
estimation problem, alternatives for the classical model-based extended Kalman filter (EKF) can be employed. The UKF is a
nonlinear distribution approximation method, which uses a finite number of sigma points to propagate the probability of state
distribution through the nonlinear dynamics of system. The UKF exhibits superior performance when compared with EKF since
the series approximations in the EKF algorithm can lead to poor representations of the nonlinear functions and probability
distributions of interest. GPS navigation processing using the proposed approach will be conducted to validate the effectiveness
of the proposed strategy. The performance of the UKF with nonlinear dynamic process model will be assessed and compared to
those of conventional EKF. 相似文献
13.
Divided difference filter (DDF) with quaternion-based dynamic process modeling is applied to global positioning system (GPS)
navigation. Using techniques similar to those of the unscented Kalman filter (UKF), the DDF uses divided difference approximations
of derivatives based on Stirling’s interpolation formula which results in a similar mean but different posterior covariance
compared to the extended Kalman filter (EKF) solutions. The second-order divided difference is obtained from the mean and
covariance in second-order polynomial approximation. The quaternion-based dynamic model is adopted for avoiding the singularity
problems encountered in the Euler angle method and enhancing the computational efficiency. The proposed method is applied
to GPS navigation to increase the navigation estimation accuracy at high-dynamic regions while preserving (without sacrificing)
the precision at low-dynamic regions. For the illustrated example, the second-order DDF can deliver about 41–82% accuracy
improvement as compared to the EKF. Some properties and performance are assessed and compared to those of the EKF and UKF
approaches. 相似文献
14.
车载导航系统常用惯性测量元件（IMU）与全球卫星导航系统（GNSS）技术组合以提高系统的稳定性。由于车载导航系统的应用场景限制,对初始对准速度有着较高要求。为了提高传统车载组合导航系统中低成本微机电系统（MEMS）陀螺仪的初始对准速度,降低初始对准过程中的计算量,本文提出了一种适用于任意失准角下的基于网络RTK辅助与无损Kalman滤波（UKF）的MEMS陀螺仪初始对准算法。同时针对车载系统的特点,简化了IMU系统误差方程,分析了简化带来的误差。在诺瓦泰ProPak6和诺瓦泰IMU-IGM-S1组成的导航系统中验证了本文提出的算法。试验结果表明,在以诺瓦泰双天线GNSS输出航向角为"真值"的情况下,本文提出的算法基本可以在5 s内完成陀螺仪的初始对准,对准精度达0.3°。 相似文献
15.
GPS/INS组合导航非线性系统最优估计算法中,基于统计信息和假设检验理论的多渐消因子自适应滤波算法的应用前提条件是残差向量为高斯白噪声。本文针对观测异常会影响残差向量的数字特性分布,提出了一种神经网络辅助的多重渐消因子自适应SVD-UKF算法。该算法采用神经网络算法削弱观测异常对残差序列高斯白噪声分布特性的影响,利用奇异值分解抑制UKF中先验协方差矩阵负定性变化,同时构造多重渐消因子对预测状态协方差阵进行调整,使得不同的滤波通道具有不同的调节能力,高效地应用于多变量复杂系统。最后利用车载实测数据进行了验证。结果表明,神经网络算法极大削弱了观测粗差对残差序列高斯白噪声分布特性的影响,拓展了多重渐消因子的应用范围,使其能在观测值含有粗差的条件下自适应调节不同滤波通道,消除滤波状态中的异常,提高组合导航解的精度和可靠性。 相似文献
16.
针对动态环境下GNSS／INS导航定位结果常受粗差影响的问题,提出了一种基于抗差卡尔曼滤波的GPS／BDS双系统RTK／INS紧组合导航定位算法,根据方差膨胀模型,建立抗差卡尔曼算法,得到GNSS／INS紧组合抗差解,并通过两个不同区域的实测车载实验进行了算法验证. 实验结果表明:本方法相较于传统方法,在N、E、D三个方向的导航精度分别提高1.4～4.6 cm,0.7～9 cm,1.5～2 cm,模糊度固定成功率提高10.3％～25.6％,导航精度及可靠性得到显著提高,对动态环境下车载或自动驾驶等应用具有一定的理论参考和实用价值. 相似文献
17.
针对超宽带导航定位中量测信息异常误差和非线性滤波问题,该文提出了一种基于自适应抗差卡尔曼滤波-无迹卡尔曼滤波(KF-UKF)的超宽带导航定位算法。该算法首先利用卡尔曼滤波计算预测状态向量及其协方差矩阵,利用无迹卡尔曼滤波进行量测更新;然后利用先验阈值和预测残差构建量测噪声的抗差协方差矩阵,以减少量测信息异常误差的影响,同时利用自适应因子对算法进行调节和修正。结果表明,该算法能有效地抑制并消除超宽带测距中量测信息异常误差的影响,能有效地处理状态模型误差的影响,提高超宽带导航定位的精度和稳定性,同时拥有比无迹卡尔曼滤波算法更高的计算效率。 相似文献
18.
Extended Kalman filter (EKF) is a widely used estimator for integrated navigation systems, and it works well in general situations. However, in adverse conditions such as partially observable environments and highly dynamic maneuvers, the performance of the traditional EKF-based strap-down inertial navigation system (SINS)/GPS integrated navigation system is easily to be affected by the dynamic changes of the specific force, thus leading to the problem of error covariance inconsistency. Though the inconsistency problem can be overcome to some extent if the system matrix, the states and the error covariance matrix are propagated as fast as possible in the SINS calculation rate, the problem cannot be fully solved. State transformation extended Kalman filter (ST-EKF) mechanization, with a new converted velocity error model for the SINS, is proposed, which can also be used to solve the inconsistency problem. In the ST-EKF, the specific force vector in the system error model is replaced by the nearly constant gravity vector for local navigation. Since the propagation and the updating of the ST-EKF can be executed simultaneously in the updating interval, the computation cost is greatly reduced compared with the traditional EKF. Experiments for the GPS/SINS tightly coupled navigation, including linear vibration Monte Carlo test and an unmanned aerial vehicle flight test, are implemented to evaluate the performance of the proposed ST-EKF. The results show that the proposed ST-EKF has superior performance to the traditional EKF, especially in partially observable situations. 相似文献