共查询到19条相似文献，搜索用时 93 毫秒
1.
针对无味Kalman滤波（Unscented Kalman Filter）在卫星定轨应用中存在计算效率和估计精度之间如何平衡的问题,本文提出了一种将无味Kalman滤波和扩展Kalman滤波（Extended Kalman Filter）相结合的新算法。该算法对标准的无味Kalman滤波算法作了两个方面的改进,一方面改进采样策略,以最小偏度单形采样策略代替对称采样策略;另一方面改进算法结构,以无味Kalman滤波和扩展Kalman滤波融合算法代替单纯的无味Kalman滤波算法,系统的强非线性部分采用无味Kalman滤波来处理,弱非线性部分采用扩展Kalman滤波来处理。算例结果表明,新算法估计精度与无味Kalman滤波相当,但计算效率提高了30%左右。 相似文献
2.
具有随机观测矩阵的线性系统的Kalman滤波 总被引：4，自引：1，他引：3
由于观测过程中各种随机因素的影响,观测方程的系数矩阵具有不确定性,在这种情况下,用标准的Kalman滤波方法将会出现较大的偏倚或者使滤波结果失真.主要讨论观测矩阵为随机矩阵时的Kalman滤波方法,并通过与标准Kalman滤波的比较得到这种Kalman滤波的优良性. 相似文献
3.
卡尔曼（Kalman）滤波作为一种实时递推算法,对减少随机噪声的影响具有重要作用。但在目前资料中很少涉及关于Kalman滤波过程中各种参数选择对于滤波效果的影响分析,通过从理论和工程应用两个层面对箭载GPS状态参数的初值、参数估计的协方差矩阵的初值、测量噪声和系统噪声等参数的变化对Kalman滤波效果的影响进行了研究分析,结合工程实际,提出了Kalman滤波参数设置原则,给出了各参数设置的范围和目的,并利用实测数据进行了分析计算,结果表明：能有效减少箭载GPS滤波的盲目性,提高滤波效率,具有很好的滤波效果,更切合工程实际。 相似文献
4.
5.
根据GPS数据处理中的Kalman滤波状态转移矩阵和设计矩阵大量存在零元素的特点,将其构造成特定稀疏矩阵.再利用稀疏矩阵乘法,同时结合矩阵对称性、矩阵求逆降维等方法,可大大减少Kalman滤波的乘法次数.在非差C/A伪距情况下,该算法乘法总次数不到传统算法的1/3;在双差伪距P1,P2 双差载波情况下,该算法乘法总次数甚至不到1/6;其耗时也只有传统算法的1/3左右,因而大大提高了Kalman滤波的计算效率. 相似文献
6.
标准Kalman滤波存在因预报方差Bk/k-1失去对称正定性而引起的发散问题,研究了基于Potter算法的平方根滤波进行GPS／SINS组合导航数据处理的方案,对精对准和松组合做了测试,结果表明,使用简单的对称化操作和Potter算法都能得到稳定的数值解,而Potter算法具有无需矩阵求逆及数值表达精度高的优点,是解决组合导航数据处理中滤波发散的一种有效方法。 相似文献
7.
王晓晖 《测绘与空间地理信息》2016,(12)
卡尔曼滤波通过建立状态方程和观测方程来描述系统的动态过程,依据滤波增益矩阵的变化,从测量数据中定量提取有效信息,修正状态参量,利用已有的信息对动态噪声方差阵进行实时估计,从而补偿噪声对数据的影响,有效地提高数据精度。通过用Kalman滤波对郑州某地高层建筑变形监测数据的处理与预测分析,并同多项式拟合方法比较,表明Kalman滤波在处理变形监测数据时具有实时快速、精度高的特点。 相似文献
8.
探讨了非线性系统的滤波问题，提出了将采样型平方根滤波SR-UKF（square root unscented Kalmanfilter）用于星载GPS卫星实时定轨。在滤波过程中，以协方差阵的平方根代替协方差阵参加递推运算，有效地提高了滤波算法的计算效率和数值稳定性。实例计算结果表明，SR-UKF的性能要优于推广卡尔曼滤波（extended Kalmanfilter）和Unscented卡尔曼滤波（unscented Kalmanfilter）。 相似文献
9.
《现代测绘》2020,(4)
提出了一种基于抗差Kalman滤波算法的单频BDS周跳探测方法。该方法以Kalman滤波算法为基础,构建了历元间差分观测值,使周跳以粗差的形式表现出来,并采用IGGⅢ等价权函数调整滤波增益矩阵实现抗差处理,从而达到准确探测周跳的目的。采用单频BDS实测数据对本方法进行验证,并以现有Kalman滤波方法作为对比。结果表明,在无周跳情况下,Kalman滤波法预报残差序列中误差为0.140,抗差Kalman滤波法预报残差序列中误差为0.121,本方法对观测噪声的灵敏性更强;在加入多个具有不同特征的模拟周跳后,Kalman滤波法存在滤波多次初始化问题而不能探测出少量历元的连续周跳,本方法则实现了所有周跳的探测,准确率为100%,同时保证了滤波过程只需初始化1次。 相似文献
10.
导航卫星原子钟Kalman滤波中噪声方差-协方差的确定 总被引：2，自引：0，他引：2
用Kalman滤波实时监测卫星钟运行状况,需要确定Kalman滤波协方差阵。首先介绍适用于铷钟的Kalman滤波方程,推导基于哈达玛总方差的Kalman滤波过程噪声参数和观测噪声估计方法,并在此基础上构造Kalman滤波状态噪声协方差阵和观测噪声协方差阵。利用GPSBlockIIR铷钟事后处理的采样间隔为5min的精密钟差数据进行了预报分析,结果表明,当预报时间为1h时,预报精度在1ns左右;当预报时间为6h时,预报精度在(8～9)ns之间。进一步验证Kalman滤波协方差阵估计方法的正确性。 相似文献
11.
12.
13.
针对一般的加性高斯白噪声系统,结合平方根无迹卡尔曼滤波和加性噪声无迹卡尔曼滤波的优点,提出了无须增广变量的加性高斯白噪声系统的平方根无迹卡尔曼滤波方法,并给出了其详细算法.该算法较传统方法具有较小的运算负担,较高的精度,并能有效克服滤波的发散.该方法应用于卫星导航系统动态多径估计问题,能够高效准确地得到直射信号与多径信号的各个参数的估计,从而抑制多径的影响.仿真试验表明,该方法在诸多方面改进了已有方法,是一种高效准确的非线性滤波方法. 相似文献
14.
在全自主运动控制的移动机器人系统中,自身位姿的估计和校正对于移动机器人的运动至关重要。卡尔曼滤波是解决移动机器人同步定位与地图构建(SLAM)常用方法。相较于卡尔曼滤波,无迹卡尔曼滤波(UKF)无须对复杂的非线性函数进行雅可比矩阵运算。本文基于无迹卡尔曼滤波,根据先验协方差的平方根选择sigma点,计算协方差以及加权均值。用四元数表示姿态,将四元数矢量转换为旋转空间进行矩阵运算,在此基础上设计了一种位姿估计算法——基于四元数平方根的无迹卡尔曼滤波(QSR-UKF)算法。试验将EKF、QSR-UKF、SR-UKFEKF 3种算法的位姿估计结果进行仿真分析,并通过相关定量指标进行了描述,验证了本文算法的有效性。 相似文献
15.
根据用GPS载波相位三差观测量进行动态定位或精密导航的需求,推导了动态噪声、观测噪声为有色噪声的抗差卡尔曼滤波公式。白噪声的抗差卡尔曼滤波是有色噪声的抗差卡尔曼滤波的特例,有色噪声的抗差卡尔曼滤波为白噪声的抗差卡尔曼滤波的推广。 相似文献
16.
17.
针对将Kalman滤波方法应用到星载GPS定轨时，由于动态噪声和观测噪声确定不准而造成滤波的发散、污染观测值造成Kalman滤波估值的扭曲及计算舍入误差可能带来协方差阵的不正定性等缺陷，提出了一种新的综合Kalman滤波方法。该方法用拟准检定法准确地探测和修正量测方程中存在的粗差；用UD分解算法克服了数值的不稳定性，改进了计算精度；用Sage自适应滤波器克服滤波器的发散。算例结果表明，这种综合卡尔曼滤波方法具有数值稳定性好、较强的自适应性和较好地削弱粗差影响等优点。 相似文献
18.
Kalman滤波时间尺度算法是一种实时的原子钟状态估计方法，在守时实验室具有重要实用价值。由于原子钟状态模型误差估计存在偏差，Kalman滤波时间尺度算法中状态估计可能出现相应异常扰动，应当对状态模型误差进行实时控制。对此，引入基于渐消因子的改进Kalman滤波时间尺度算法。对状态预测协方差矩阵引入渐消因子，利用统计量实时计算渐消因子的量值，控制状态预测协方差阵的增长，降低了原子钟状态估计的扰动。实验结果表明，相比于标准Kalman滤波时间尺度算法和基于预测残差构造自适应因子的Kalman滤波算法，基于渐消因子的改进Kalman滤波时间尺度算法能够提高原子钟状态估计的准确度，改进时间尺度的稳定度。 相似文献
19.
Adaptive Kalman Filtering for INS/GPS 总被引：69，自引：0，他引：69
After reviewing the two main approaches of adaptive Kalman filtering, namely, innovation-based adaptive estimation (IAE)
and multiple-model-based adaptive estimation (MMAE), the detailed development of an innovation-based adaptive Kalman filter
for an integrated inertial navigation system/global positioning system (INS/GPS) is given. The developed adaptive Kalman filter
is based on the maximum likelihood criterion for the proper choice of the filter weight and hence the filter gain factors.
Results from two kinematic field tests in which the INS/GPS was compared to highly precise reference data are presented. Results
show that the adaptive Kalman filter outperforms the conventional Kalman filter by tuning either the system noise variance–covariance
(V–C) matrix `Q' or the update measurement noise V–C matrix `R' or both of them.
Received: 14 September 1998 / Accepted: 21 December 1998 相似文献