共查询到19条相似文献，搜索用时 109 毫秒
1.
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
2.
研究了观测噪声统计特性未知的情况下,简化的自协方差最小二乘噪声估计方法在捷联惯性导航系统静基座初始对准中的应用。该算法采用迭代计算的策略,同时进行噪声估计和初始姿态修正,估计精度较高。通过数值方法对此算法的正确性和有效性进行了验证。 相似文献
3.
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
4.
全球定位系统/航位推算组合导航定位中,由于目标运动的不确定性,GPS接收机与DR器件接收的数据存在噪声,使预置目标运动模型通常很难得到较高跟踪精度,针对应用常规卡尔曼滤波进行组合导航解算由于噪声统计特性未知而引起滤波不稳定的问题,本文提出了一种基于新息序列的量测计算进行自适应估计的卡尔曼滤波算法。该算法通过对新息方差强度进行极大似然估计,将新息计算引入卡尔曼滤波器的增益计算,达到控制发散的目的。最后对改进的算法与一般卡尔曼滤波算法做了对比仿真试验分析,结果表明了改进算法的有效性。 相似文献
5.
针对超宽带(UWB)观测值异常引起的量测误差及系统噪声先验统计信息未知而导致状态估计误差增大的问题,该文提出了一种带噪声时变估计器的抗差容积卡尔曼滤波(CKF)算法。该算法在滤波过程中,利用预报残差因子构建抗差等价协方差矩阵,控制观测异常值对滤波参数解的影响,同时利用sage_husa算法对系统噪声的统计特性进行实时估计和修正,提高滤波精度和稳定性。实验结果表明,所提算法不仅能有效地消除量测误差对滤波解的影响,而且能在系统噪声先验信息未知的情况下更进一步提高UWB室内定位的精度和可靠性。 相似文献
6.
7.
在吸收Sage-Husa滤波和无迹卡尔曼滤波优点的基础上,利用随机加权估计算法将传统的定义在线性系统上的Sage-Husa噪声估计器推广到非线性系统中,提出一种非线性Sage-Husa随机加权无迹卡尔曼滤波算法。该算法首先利用Sage滤波的开窗平滑方法求得观测残差向量和新息(预测残差)向量的协方差阵;然后用随机加权自适应因子对观测残差和预测残差进行调节;最后对状态预报向量的协方差矩阵进行自适应随机加权估计,以控制观测残差和预测残差对导航精度的影响。计算结果表明,提出的非线性Sage-Husa随机加权无迹卡尔曼滤波算法,滤波精度明显优于无迹卡尔曼滤波和自适应无迹卡尔曼滤波算法,能够提高组合导航的解算精度。 相似文献
8.
为降低系统模型误差及观测模型误差的影响,结合噪声协方差自适应控制机制,对双天线GNSS/INS初始对准方法进行改进。利用噪声协方差自适应控制下的扩展卡尔曼滤波进行数据处理,包括系统噪声协方差控制及观测噪声协方差控制。试验结果表明,系统噪声协方差自适应控制机制可提高系统稳定性,降低滤波稳态值;观测噪声协方差自适应控制机制可降低观测噪声的影响,提高对准绝对精度。采用后处理的方式,利用基线长度偏差最小的基线结果辅助姿态解算,绝对精度进一步提高,对准绝对精度主要受观测值影响。利用本文方法,横滚角、俯仰角对准绝对精度可达0.02°,航向角对准绝对精度可达0.04°。 相似文献
9.
10.
11.
Adaptive estimation of multiple fading factors in Kalman filter for navigation applications 总被引：2，自引：1，他引：1
Kalman filter is the most frequently used algorithm in navigation applications. A conventional Kalman filter (CKF) assumes
that the statistics of the system noise are given. As long as the noise characteristics are correctly known, the filter will
produce optimal estimates for system states. However, the system noise characteristics are not always exactly known, leading
to degradation in filter performance. Under some extreme conditions, incorrectly specified system noise characteristics may
even cause instability and divergence. Many researchers have proposed to introduce a fading factor into the Kalman filtering
to keep the filter stable. Accordingly various adaptive Kalman filters are developed to estimate the fading factor. However,
the estimation of multiple fading factors is a very complicated, and yet still open problem. A new approach to adaptive estimation
of multiple fading factors in the Kalman filter for navigation applications is presented in this paper. The proposed approach
is based on the assumption that, under optimal estimation conditions, the residuals of the Kalman filter are Gaussian white
noises with a zero mean. The fading factors are computed and then applied to the predicted covariance matrix, along with the
statistical evaluation of the filter residuals using a Chi-square test. The approach is tested using both GPS standalone and
integrated GPS/INS navigation systems. The results show that the proposed approach can significantly improve the filter performance
and has the ability to restrain the filtering divergence even when system noise attributes are inaccurate. 相似文献
12.
在噪声环境中,运动目标发生稳态突变会降低卡尔曼滤波器的滤波性能,进而导致组合导航的可靠性降低,导航系统抗干扰能力下降,影响导航的精确度。为了提高卡尔曼滤波器性能,提高抗干扰能力和导航精度,在采用基于卡尔曼滤波器的超紧耦合同时,提出一种新型的基于渐消因子的区间卡尔曼滤波器算法。该算法通过引入渐消因子和区间矩阵对滤波器增益矩阵进行实时调整,并利用区间运算中的交集运算将各种误差源约束到交集区间,进而保证在区间运算中保真集合映射的完备性并取得最优化。结果显示,该算法能够克服原有滤波器算法的缺陷,在噪声环境中提升对稳态突变目标的跟踪能力,且在噪声中滤波器效果提高,算法计算量没有明显增加。 相似文献
13.
从地心地固系中卡尔曼滤波方程的推导入手,设计了一个12状态滤波器,对失准角进行估计,在地心地固坐标系中完成了惯导的初始精对准。模拟计算证明了此算法的正确性与有效性,并讨论了对准的精度。 相似文献
14.
15.
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
16.
17.
18.
针对实际环境中量测噪声易被野值污染而呈现非高斯分布,进而导致传统卡尔曼滤波(KF)算法性能降低的问题,提出了最大熵卡尔曼滤波(MCKF)算法. 该算法基于最大熵准则(MCC)和M估计的思想推导得到. 与KF相比,所提算法能够给异常量测值分配较小的权重以减轻其对于状态估计的影响,与基于Huber函数的卡尔曼滤波(HKF)算法相比,其能够更有效地利用量测信息,因此所提算法相比于KF和HKF而言更加鲁棒. 在全球卫星导航系统(GNSS)与惯性导航系统(INS)的紧组合模式下进行车载实测实验,由于GNSS的伪距与伪距率等原始量测信息质量不佳,因此KF和HKF的性能均受到影响,而所提MCKF算法能够有效地抑制异常量测值的影响,能够更快地收敛且得到更高的估计精度. 相似文献
19.
The problem of navigation systems with uncertain noise is considered. A minimax robust filtering which can minimize the worst
performance under noise uncertainties using the game theory is proposed. This new filter is applied to an integrated GPS/INS
navigation system. A high dynamics aircraft trajectory is designed to test the new filter. The results show that minimax robust
filtering performs better than standard Kalman filtering when noise parameters of an inertial measurement unit change their
statistical properties.
Received: 21 October 1997 / Accepted: 26 May 1999 相似文献