共查询到18条相似文献，搜索用时 367 毫秒
1.
动态定位自适应滤波解的性质 总被引：21，自引：4，他引：21
自适应抗差滤波具有控制观测异常及状态方程信息异常干扰的能力。着重研究自适应滤波解的性质。首先推导了动态自适应滤波与经典Kalman滤波解的解差，继而给出了状态向量估值的数学期望和均方误差，并分析了在自适应因子调控下解的偏差和均方误差的变化规律。由状态解向量的数学期望和均方误差的表达式可以看出，自适应因子能够控制状态异常对状态估值和均方误差的影响。 相似文献
2.
3.
自适应抗差滤波理论及应用的主要进展 总被引：17，自引：0，他引：17
近十年来,中国学者建立了一种用于动态导航定位的新自适应抗差滤波理论,该理论应用抗差估计原理抵制观测异常误差的影响,构造自适应因子控制动力学模型误差的影响。本文旨在归纳、总结自适应抗差滤波理论与应用的主要进展。首先介绍自适应抗差滤波的原理;随后给出四种自适应因子模型,包括三段函数模型、两段函数模型、指数函数模型以及选权函数模型;陈列了4种误差学习统计量,包括状态不符值统计量、预测残差统计量、方差分量比统计量以及速度统计量;将新的自适应抗差滤波理论与标准Kalman滤波以及其他自适应滤波理论进行了比较与分析;最后利用两个实际算例展示了自适应抗差滤波在导航中的成功应用。 相似文献
4.
将抗差估计原理引入到经典Kalman滤波(CKF)方法中,即抗差自适应Kalman滤波(RAKF),在抑制观测粗差及状态扰动方面,存在明显的优势。通过大坝变形监测实例说明,在变形监测数据处理中RAKF比CKF解算结果更可靠有效。RAKF在抑制状态预报粗差及观测粗差方面的优势是显而易见的,是一种可行的有效估值方法。 相似文献
5.
由载波相位观测值直接解算姿态能实现观测及姿态约束信息的最优利用。本文推导了基于失准角及乘性误差四元数的载波相位观测模型,分别建立了有外部角速度传感器和无外部传感器辅助下姿态参数估计的状态模型;利用自适应抗差滤波估计姿态误差,借鉴分类自适应因子的思想,分别确定模糊度和姿态误差参数的自适应因子,其中姿态自适应因子由Ratio值构造的三段函数确定。自适应抗差滤波能够充分利用约束信息和历史信息,将其融合在浮点解计算过程中,极大提高模糊度浮点解精度及其协方差的结构,在此基础上使用整数最小二乘模糊度降相关平差法(least-squares ambiguity decorrelation adjustment,LAMBDA)方法即能快速搜索出固定解,满足实时性需求。采用实测舰载GNSS 3天线测姿算例对方法进行了验证,结果表明,基于自适应抗差滤波的观测值直接定姿方法效率高、可靠性好。 相似文献
6.
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。 相似文献
7.
针对GNSS/INS松组合导航系统观测信息无冗余,而且观测信息可能存在异常的情形,结合自适应滤波算法和神经网络算法,提出了两种GNSS/INS抗差自适应组合导航解算方案,根据观测信息和动力学模型信息异常情况,给出了4种GNSS/INS抗差自适应滤波算法。利用实测数据进行了验证,结果表明,4种抗差自适应滤波算法在观测信息不足的情况下,不但能够抑制动力学模型扰动异常对导航解的影响,而且能够较好地抑制异常观测信息对导航解的影响。 相似文献
8.
简要介绍了抗差估计理论;在顾及扰动异常的情况下,把自适应抗差Kalman滤波应用到联邦滤波上,对联邦滤波进行了改进,提出了一种自适应抗差联邦滤波算法.由计算结果可知,自适应抗差联邦滤波能较好地抑制载体观测异常和状态扰动异常对动态系统参数估值的影响,较好地提高导航解的精度. 相似文献
9.
自适应抗差联邦滤波算法 总被引：3，自引：2，他引：3
简要介绍了抗差估计理论；在顾及扰动异常的情况下，把自适应抗差Kalman滤波应用到联邦滤波上，对联邦滤波进行了改进，提出了一种自适应抗差联邦滤波算法。由计算结果可知，自适应抗差联邦滤波能较好地抑制载体观测异常和状态扰动异常对动态系统参数估值的影响，较好地提高导航解的精度。 相似文献
10.
在自适应Kalman滤波原理的基础上,结合模糊控制理论,提出一种基于学生化残差的模糊自适应滤波算法。该方法利用滤波残差构造统计量,再依据此统计量构造模糊控制器来自适应调节Kalman滤波器的自适应因子α,达到平衡动力学模型信息与观测信息对滤波解的作用。利用算例验证了该方法的可行性和有效性。 相似文献
11.
支持向量回归辅助的GPS/INS组合导航抗差自适应算法 总被引：1，自引：0，他引：1
卡尔曼滤波残差分量受到观测信息误差和动力学模型误差的双重影响,由于GPS/INS松耦合导航系统中观测值个数少于状态参数个数,导致异常检测时难以正确区分误差来源,提出一种支持向量回归辅助的组合导航抗差自适应算法。该算法克服了组合系统观测信息无冗余情况下异常检测的局限性,基于遗传算法参数寻优构建回归模型,预测次优观测值,结合整体异常检验法自主选择抗差或自适应滤波,进而调整观测值或动力学模型对导航解的贡献,进行导航预报。最后利用车载实测数据进行验证,结果表明：该算法能够对存在的异常故障智能判定,减弱观测值异常和动力学模型误差影响,保证组合导航精度,提高导航解可靠性。 相似文献
12.
在抗差加权整体最小二乘算法中，抗差模型的抗差性与初值的好坏关系极大，若以最小二乘或整体最小二乘估值作为初值，必定会受到粗差污染而影响其抗差性。考虑到观测向量和系数矩阵存在相关性，首先推导了部分变量误差（partial errors-in-variables，Partial EIV）模型的加权整体最小二乘算法，在此基础上提出了一种利用中位参数法求解抗差迭代初值的相关观测抗差加权整体最小二乘算法。然后采用中位参数法确定抗差初值，考虑到可能出现的粗差对观测空间与结构空间的综合影响，基于标准化残差构造权因子函数，实现其抗差解法。仿真实验结果表明，此算法具有良好的抗差性能，其参数估计结果比传统算法精度更高，且随着粗差个数的增加，其抗差稳定性较好。 相似文献
13.
针对在星载GPS卫星定轨中由于卫星动力学模型误差和不可避免的观测异常严重影响定轨精度的问题,通过采用适当的自适应控制因子和应用抗差估计原理,构造自适应抗差扩展卡尔曼滤波(RAEKF)来实现星载GPS卫星定轨。实测计算表明,自适应抗差扩展卡尔曼滤波对观测误差和状态扰动有一定的抵制能力,与一般扩展卡尔曼滤波相比提高了精度,证明其理论的可行性。 相似文献
14.
15.
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
16.
自适应联邦滤波器在GPS-INS-Odometer组合导航的应用 总被引：1，自引：0，他引：1
针对多传感器观测信息较多、计算效率较低、对动力学模型误差稳键性不佳的问题,提出了一种自适应联邦滤波器并应用于GPS-INS-Odometer组合导航。首先介绍GPS-INS-Odometer组合导航的动力学模型和观测模型,比较分析了信息分配因子和自适应因子的共同特性,论证了联邦滤波器和自适应滤波器的等价性及其等价成立条件,提出了自适应联邦滤波器的信息分配因子构造方法。最后利用实测数据验证了算法的有效性。结果表明,相比于基于GPS和Odometer(里程计)初始方差构造信息分配因子的联邦滤波器,本文提出的自适应联邦滤波器兼容了联邦滤波器高效计算效率,且具有较好的抵抗动力学模型误差效果,能够有效削弱多传感器动力学模型误差对于导航解算的影响,对直接可测参数和间接可测参数的精度提高均起到了积极的作用。 相似文献
17.
18.
A Bayesian unmasking method for locating multiple gross errors based on posterior probabilities of classification variables 总被引：3，自引：0，他引：3
This paper puts forward a Bayesian method for multiple gross errors location and estimation, and studies the masking and swamping
problem in multiple gross errors detection from a new point of view, further proposes the corresponding feasible solution.
First, the Bayesian method for gross error location is established based on the posterior probabilities of classification
variables, each of which is used to determine whether each observation contains gross error or not. When some interactions
exist among observations with multiple gross errors, the above-mentioned method may lead to the failure of detection due to
masking and swamping. For that, on the basis of analyzing the character of masking and swamping, starting from the eigen structure
of the sample correlation coefficient matrix of the classification vector, we give the Bayesian unmasking method to locate
multiple gross errors, and design the corresponding algorithm, namely the adaptive Gibbs sampling algorithm. Finally, applying
the mean shift model, we raise a Bayesian approach to estimate gross errors. Significant applications of the approach show
the promising results on overcoming masking and swamping. 相似文献