李秋荣[1]2015年在《改进容积卡尔曼滤波及其导航应用研究》文中研究说明本文主要研究容积卡尔曼滤波(Cubature Kalman filter,CKF)及其改进滤波,并应用到导航系统。CKF是一种基于球面径向容积准则对状态向量进行采样,获得相同权值的容积点,经过非线性函数传递来逼近非线性高斯系统的状态估计。该滤波算法实现简单、估计精度高,应用前景广阔。论文主要研究工作如下:首先,研究容积卡尔曼滤波(CKF)。根据最小方差估计准则推导非线性滤波递推公式,详尽介绍CKF推导过程。把推导过程相似的无迹卡尔曼滤波(Unscented Kalman filter,UKF)和CKF进行比较研究,二者在函数泰勒展开式高阶项及数值稳定性方面存在差异。CKF能够精确保留一阶矩和二阶矩信息,在叁维及叁维以上非线性系统CKF的滤波精度优于UKF。其次,研究扩维容积卡尔曼滤波(Augmented cubature Kalman filter,ACKF)。ACKF是一种在非线性滤波过程中获得函数均值、方差和奇阶矩等统计信息,并对非线性函数均值进行泰勒展开的滤波。通过研究发现:在一维系统,ACKF获得的均值和方差更接近真实值、还能额外获得部分奇阶矩信息,使其精度比CKF更高;而二维及以上系统,ACKF传播的统计信息反而误差更大,使其精度比CKF更差。该研究所得结论为不同维数非线性系统滤波方法的选取提供参考依据。再次,研究强跟踪容积卡尔曼滤波(Strong tracking cubature Kalman filter,STCKF)。通常情况下,惯性器件常值漂移会被视为状态变量的一部分而采用滤波进行估计,但是其易受运行环境中不确定因素的影响而发生突变。CKF会因系统模型不确定的影响导致滤波稳定性下降,而不再具有克服模型不确定的鲁棒性。针对这种情况,研究在状态预测协方差阵中引入渐消因子的STCKF算法。仿真结果表明:STCKF对突变的惯性器件常值漂移具有很强的跟踪能力,具有克服非线性系统模型不确定的鲁棒性。第四,研究自适应容积卡尔曼滤波(Adaptive cubature Kalman filter,ADCKF)。在噪声先验统计未知情况下,CKF滤波精度下降甚至发散。根据极大后验估计原理,针对惯性器件随机噪声统计在恶劣工作环境下出现时变性的情况,研究了一种带噪声统计估计器的ADCKF算法。仿真结果表明:ADCKF在滤波前不需要精确已知惯性器件随机噪声的先验统计,具有应对惯性器件随机噪声统计变化的自适应能力。最后,研究容积卡尔曼滤波及其改进滤波应用于导航系统。建立以速度及姿态等误差为基础的惯性导航系统非线性误差模型,将CKF及其改进滤波算法应用到惯导非线性系统。仿真结果表明:改进滤波算法中的STCKF和ADCKF能够解决量测方程无法精确获知情况下的滤波估计问题,可靠性高、实用性强,比CKF更有优越性,具有更好的导航精度。
吴旭[2]2013年在《SINS/BD2组合导航系统误差校正及信息融合技术研究》文中指出新型光学、微机械等惯性器件日趋完善和北斗二代卫星导航系统逐步组网完成,利用捷联惯性导航系统(SINS)和北斗二代卫星导航系统(BD2)构建组合导航系统,在已有硬件设备基础上如何提高导航系统精度和稳定性是导航技术领域需要深入研究的课题之一。本文以捷联惯性导航系统误差处理和组合导航信息融合为切入点展开研究,主要研究内容为:研究惯性器件的随机性误差和确定性误差处理方法。首先利用隐马尔科夫理论处理惯性器件随机性误差。分析HMM/KF(Hidden Markov Model/Kalman Filter)的滤波增益与滤波性能间的关系,提出扩展RLS(Recursive Least Squares)惯性器件随机误差处理方法。分析扩展RLS方法对随机信号的跟踪能力,并利用flops复杂度分析方法,分析其在算法复杂度上的优势。实验结果表明该方法在滤波效果、算法时延和算法复杂度方面均优于HMM/KF。针对惯性器件的确定性误差,首先利用BD2更新SINS的位置信息,然后提出结合扩展RLS的六位置现场标定方法以及结合扩展RLS和VB(Vartional Bayesian)过程噪声自适应卡尔曼滤波的单轴叁位置现场标定方法,并仿真验证上述方法的有效性。研究适用于较高精度IMU的捷联惯性导航系统的粗对准和精对准。首先分析惯性系粗对准和四元数姿态描述算法的优势,提出基于四元数姿态求解问题的Quest惯性系粗对准方法,分析并仿真验证该方法相比于Triad粗对准方法的优势。为满足对准的快速性要求,选择短时粗对准后进行基于BD2的非线性精对准,并分析大失准角误差模型的非线性程度。由于复杂现场环境中量测模型存在不确定性,将导致Cubature卡尔曼滤波(CKF)对准结果震荡甚至发散。利用AR预测模型辅助变分贝叶斯自适应滤波实时修正逆Gamma参数,提出基于AR预测模型的变分贝叶斯Cubature卡尔曼滤波精对准方法解决对准结果的震荡和发散问题。为进一步估计补偿非线性对准的残余失准角,利用失准角残差与陀螺漂移耦合得到的计算角速率,提出速度加计算角速率匹配的二次对准方法,分析并仿真验证二次对准的可观测性和对准精度。为满足导航设备快速机动的要求和惯性器件低成本化的趋势,研究较大初始误差的SINS/BD2紧耦合导航方法。推导BD2伪距伪距率测量方程和载波相位及其差分量测方程,对比建立伪距伪距率紧耦合导航非线性模型,分析紧耦合导航模型非线性程度,将紧耦合非线性模型分解为线性/非线性混合模型。分析并对比PF、CPF和提出的GSCPF(Gaussian Sum CPF)算法,选择CPF来处理紧耦合导航的非线性状态估计问题,得到适用的非线性/线性混合粒子滤波——RBCPF(Rao-Blackwellized CPF),结合RBCPF实现SINS/BD2紧耦合导航,仿真验证该方法相比于RBPF紧耦合导航的优越性。针对BD2卫星信号缺失问题,分析了紧耦合导航系统的可观测性,并以CKF为切入点,分析了紧耦合导航系统非线性滤波的一致收敛性,给出紧耦合非线性滤波稳定收敛条件。针对BD2不完全失效问题,分析可见星数目对于导航参数估计精度的影响。BD2完全失效时,滤波稳定条件被破坏。充分挖掘观测数据,引入平滑算法以整个导航区段的数据实现失效时段导航信息的桥接,提出以粒子滤波平滑得到的验后导航参数替代高精度导航设备评价实时滤波导航参数精度。为得到较为准确的实时导航信息,提出结合IMM非线性滤波的多运动模型来抑制BD2失效时SINS误差积累发散。针对运动约束辅助模型引入的状态方程和量测方程不确定性,利用渐消因子放大滤波的稳定域,分析提出的AFCKF(Adaptive Fading Factor CKF)在稳定性方面的改善,以此来保证组合导航信息融合的稳定性。
张鑫明[3]2012年在《非线性滤波在通信与导航中的应用研究》文中指出现实物理世界中的多数系统本质上是非线性的,对其进行线性化近似是一种有效的处理方法,其中以卡尔曼滤波为经典代表的线性滤波方法在过去几十年里取得了丰硕的成果。但是,随着计算能力的提高、数学方法的丰富以及对精度的进一步要求,对非线性系统直接进行研究的需求日趋增多,非线性滤波就是在这样的背景下逐渐发展起来的。伴随着控制与计算机技术的飞速发展,非线性滤波已在通信与信号处理、航空航天、导航定位、计算机视觉甚至金融分析等众多领域得到了越来越广泛的应用。本文针对具有代表性的两种非线性滤波算法：无迹卡尔曼滤波(UKF)和粒子滤波(PF)展开研究,并将这两种算法应用于OFDM系统载波频偏估计、捷联惯导系统初始对准与故障诊断中。本文主要研究内容及贡献包括：1)针对非线性动态系统滤波的基本问题,在递归贝叶斯估计理论下深入研究了叁类重要的非线性滤波方法扩展卡尔曼滤波(EKF)、无迹卡尔曼滤波和粒子滤波。着重讨论了无迹卡尔曼滤波算法,包括UT变换、采样策略在内的核心原理、算法步骤；粒子滤波的序贯重要性采样、重采样等关键技术的原理及粒子退化和匮乏等问题；综合比较了各方法的适用条件、优点和不足。2)针对OFDM系统的载波频偏问题,提出一种基于自适应UKF的频偏值估计算法。OFDM系统的载波频偏是一个非线性问题,传统的滤波算法如EKF通过泰勒展开对频偏的观测方程进行近似。本文将其建模为非线性、高斯的动态状态空问模型,提出将UKF用于该模型下的频偏估计问题,并与EKF进行了性能对比。结果表明UKF在提高估计精度的同时,在稳定性、收敛性上都优于EKF。给出了基于最大后验概率准则的Sage-husa噪声估计器及其指数衰减记忆改进型,并与标准UKF结合得到了一种自适应UKF算法。进一步,本文提出了基于该自适应UKF算法的OFDM载波频偏估计方法,提高了UKF在噪声统计特性未知或时变时的鲁棒性,在初始方差设置与实际值存在偏差时,该方法的滤波估值依然准确。3)研究了基于Stirling公式的中心差分卡尔曼滤波(CDKF),并基于加权统计线性回归的理论给出了统一UKF与CDKF算法的Sigma-point卡尔曼滤波器框架。进而,本文将Sigma-point卡尔曼滤波器用于满足一阶自回归过程的时变频偏的估计,实验结果表明在时变情况下,Sigma-point卡尔曼滤波器仍能获得较好的估值结果。从降低计算复杂度的角度出发,进一步研究了平方根形式的Sigma-point卡尔曼滤波器,仿真示例表明其在保证精度的同时能降低一定的计算量。最后探讨了UKF与并行计算的融合,给出了一种并行UKF算法框架。4)针对捷联惯导系统初始对准与故障诊断问题,提出了一种抗差无迹粒子滤波算法。标准粒子滤波常选择先验转移概率密度作为重要性采样函数,而这忽略了观测信息,不利于解决粒子退化的问题。本文研究了基于UKF的无迹粒子滤波(UPF),其由UKF得到更为准确的统计特性从而提高了粒子滤波算法的精度。本文将UPF用于本质上为非线性的初始对准问题,获得了比EKF、UKF、PF更好的估计性能。继而,针对初始对准中的故障诊断问题,本文提出了一种抗差UPF算法。当没有故障时,滤波得到的残差应满足零均值高斯白噪声的分布,基于此,该抗差UPF算法先由UPF得到残差方差阵,进而由χ2分布准则判断是否存在如野值等故障。当检测出故障后,引入了权重函数以自适应调整卡尔曼增益因子,从而在滤波过程中对野值进行抑制。该方法是一种无需辨识具体故障原因的系统级故障检测、抑制方法。
安笛[4]2011年在《UKF性能分析及其在组合导航中的应用》文中指出随着导航系统在航空、航天、航海及陆地导航中的应用越来越广泛,导航系统对导航精度和可靠性等方面的要求也越来越高。在实际的系统中建立的系统方程大部分都是非线性方程,目前工程上导航系统主要采用的滤波方法是扩展卡尔曼滤波(Extended Kalman Filter, EKF)。EKF是将模型进行线性化处理,因此将不可避免引入了线性化误差,存在着截断误差。无迹卡尔曼滤波(Unscented Kalman Filter, UKF)是近期发展起来的新型非线性滤波方法,它没有非线性近似为线性化的过程,能有效减小线性化误差对系统的影响。本文对几种典型的滤波方法进行分析,并将其应用于导航系统中,通过理论研究和数字仿真进行分析,深入了解了各滤波方法在导航系统中的性能,寻求在初始对准精度和组合导航系统性能更好的滤波方法。首先,分析了目前应用比较广泛的经典Kalman、EKF、UKF及SRUKF滤波方法,讨论了各滤波算法建立的理论基础。理论上对各个滤波算法的性能进行比较,UKF因没有确切在某一阶进行截断因而具有比EKF更高的精度。以上研究为在导航系统中滤波算法的应用奠定理论基础。其次,对SINS/GPS组合导航系统进行了分析,介绍了捷联惯导及GPS导航系统的组成、基本定位原理,并进行了系统误差分析。通过仿真,详细分析了捷联惯导中各个误差源对系统误差的影响。最后,研究了滤波算法在初始对准和组合导航系统中的应用。建立了大失准角条件下的SINS非线性误差模型,并在此基础上研究了EKF、UKF以及SRUKF应用在不同失准角初始对准时的性能。本文组合导航系统采用速度、位置组合方式,分析了UKF、EKF及SRUKF滤波方法在该组合导航中的性能。仿真结果表明：UKF及SRUKF滤波算法无论是在捷联惯导静基座初始对准中还是SINS/GPS组合导航系统中都比EKF滤波算法具有更优的性能表现,而SRUKF对比UKF的优势是能保证误差协方差阵正定且执行时间更短。
屈蔷[5]2011年在《机载捷联惯性/天文组合导航系统关键技术研究》文中进行了进一步梳理天文导航是一种独立的、近自主的导航方式，天文导航通过天体敏感设备观测天体，从而直接解算出载体的位置、姿态等信息。天文导航所观测的目标是不能被人为摧毁和破坏的自然天体，且不受到地域限制，因此天文导航成为现代高科技战争中不可或缺的重要的导航方式，是各军事强国的研究重点。本文针对天文导航的特点，对机载环境下捷联惯性/天文组合导航系统中的惯性/天文松组合技术、惯性/天文紧组合技术、以及适应惯性/天文组合系统应用的非线性滤波方法等关键技术进行了深入研究，为提高惯性/天文组合导航系统的性能奠定理论基础。本文结合机载天文导航定位的应用需求，深入研究天文导航定位的基本原理，结合星体跟踪器工作原理研究并提出了机载捷联安装方式下的天文导航定位算法。针对机载捷联安装方式下天文导航定位受到水平姿态基准精度制约的问题，提出了基于机载天文定姿修正实现的高精度虚拟水平姿态基准构造技术，并进一步提出了基于虚拟水平姿态基准修正的机载捷联天文定位方案及算法，有效提高了天文导航定位精度。为有效利用天文导航系统信息，实现对惯性误差的综合修正，提高组合系统的综合性能，本文研究了基于天文位置、姿态观测的机载惯性/天文松组合导航系统。针对常规惯性/天文组合模式中，天文导航定位系统只能提供二维地理经、纬度信息，研究并提出了利用气压高度表辅助的惯性/天文松组合导航方案，解决了惯性导航系统高度通道不可观测的问题。基于天文星光姿态观测信息，本文从加性四元数误差模型出发，研究并提出了基于加性四元数误差补偿的机载捷联惯性/天文姿态组合导航方案和算法，推导了四元数误差传播特性模型，构建了基于加性四元数的机载捷联惯性/天文姿态组合导航方案和算法模型，为提高组合系统姿态定位精度奠定基础。为进一步提高机载惯性/天文组合导航系统性能，在惯性/天文松组合导航模式研究基础上，对惯性/天文组合导航方案和算法进行了更为深入的研究。通过对天文角度观测关系的研究，建立了基于位置误差建模的机载捷联惯性/天文紧组合导航模型，研究并提出了基于位置误差建模的机载捷联惯性/天文角度观测紧组合算法。以此为基础，本文还进一步考虑了天文导航系统捷联安装中的水平姿态基准误差，研究并提出了考虑捷联姿态误差影响的机载捷联惯性/天文角度紧组合导航方法。考虑到天文观测过程中通常需要利用惯性系统提供的位置和姿态信息，因此其观测信息输出不可避免会受到惯性系统误差的影响，导致机载惯性/天文组合导航系统中的量测信息具有较强的非线性特性。为此，本文在惯性/天文角度观测紧组合导航工作模式下，针对性地分析了机载捷联惯性/天文组合非线性量测特性，在对比和分析各种非线性滤波方法的基础上，构建了机载捷联惯性/天文非线性组合方案。研究并提出了基于简化Unscented Kalman Filter(UKF)的机载惯性/天文非线性天文角度量测紧组合算法，有效解决惯性/天文组合中的非线性量测问题。最后，本文在上述理论研究的基础上，还设计了机载捷联惯性/天文组合导航系统综合仿真平台，以实现对机载惯性/天文组合导航系统性能的综合验证。本文紧密结合机载惯性/天文组合导航应用需求，对机载惯性/天文组合导航所涉及的松组合、紧组合等关键技术进行了深入和系统的研究，论文的研究成果对于惯性/天文组合导航系统的工程应用具有重要的借鉴意义。
付奎[6]2016年在《基于量测信息的非线性滤波及其在导航系统中的应用研究》文中指出作为新世纪世界航天活动的主要热点之一,深空探测技术逐渐进步,其中深空探测器的导航技术取得了重大进展,为一系列的深空探测任务(如无人探测和载人探测)的顺利实施提供了技术基础。有效的导航与控制是深空探测任务成功的必要前提。实现深空探测器的自主管理可以使得航天计划的成本更低,也可以保障深空探测器具有很好的自主生存能力。滤波方法在导航过程中起关键作用,当滤波的观测模型和系统模型均具有严重的非线性性时,只能使用适用于非线性系统的滤波方法,否则滤波性能很可能不尽人意。而在本学位论文中所采用的导航系统正是属于这种类型,并且其系统模型中有一些被视为扰动项的项难以被视为高斯噪声,因此的无迹粒子滤波是最适用的滤波方法。本学位论文结合国家重点基础研究发展计划项目“深空探测高精度天文测角测速组合自主导航基础研究”,针对火星探测巡航段的特点,深入研究了相关的自主导航方法,并在此基础之上改进了基于量测信息的非线性滤波。本文的主要内容包含以下几个方面:一方面,从导航方法的角度考虑。对深空探测环境的特殊性进行分析,研究在这样的环境下的自主导航系统的导航天体的可观测性分析方法,并通过这样的可观测性分析方法来分析研究自主导航系统的可观测性,研究了基于小行星信息的巡航段自主导航方法。并利用信息融合方法结合天文导航和多普勒红移导航,搭建天文/红移组合导航系统,同时利用测角测速信息进行导航,通过改进导航方法来获取更高的导航精度。另一方面,从滤波算法的角度考虑。研究传统的无迹粒子滤波算法及其改进算法。本文提出的两种改进无迹粒子滤波,这二者中均使用球形单形无迹变换来代替传统的对称集无迹变换,这样可以大幅减少滤波过程中的?采样点,进而降低了运算量。在第一种改进的无迹粒子滤波算法中,采用迭代策略,利用新的观测信息进行线性化参考点,通过迭代更新提高非线性精度,提高导航滤波精度。在第二种改进的无迹粒子滤波算法中,采用基于新息的自适应方法,使得滤波具有自适应的能力,精度也有一定的提升。然后,将所提出的改进无迹粒子滤波算法应用于本文提出的天文/红移组合导航中,并在MATLAB中进行计算机模拟,通过对模拟结果进行分析比较,我们发现,相比于传统的无迹粒子滤波,改进算法具有更好的导航性能。
袁健[7]2007年在《深空探测器自主光学导航方案及非线性滤波算法研究》文中指出由于深空探测距离远导致地面导航有较大的通讯延迟，因此探测器自主导航技术成为深空探测领域备受重视的关键技术之一。自主光学导航是利用探测器捕获的光学信息来进行探测器自主导航任务的。探测器自主光学导航能减少操作的复杂性，降低任务的费用，简化地面支持系统；可以大大增强探测器的自主生存能力，扩展探测器的空间应用潜力；其中，自主导航滤波算法的设计与应用是自主光学导航的关键。本学位论文结合“十五”863计划项目——“深空探测器自主导航技术”，分析了目前探测器自主光学导航国内外发展状况，针对深空探测器自主光学导航不同阶段的导航特点，研究了各类非线性滤波算法及其在自主光学导航中的应用。论文的主要工作包括：首先，介绍了深空探测自主光学导航原理、自主光学导航技术的意义与国内外发展状况，引入了大量相关的有价值的参考文献，研究了探测器自主光学导航所涉及的基本问题；针对不同阶段的探测任务，建立了相应的深空探测器轨道动力学模型。其次，研究了探测器自主光学导航方案和非线性滤波算法，并将其应用到小天体探测任务中。针对小天体探测过程中的不同飞行段，结合每个阶段的轨道动力学方程，提出了适用于各个飞行段不同的自主光学导航方案，分析了其中相关参数的选择并进行了性能分析。由于系统状态函数为非线性，给出了基于传统扩展卡尔曼滤波器(EKF)以及基于高阶EKF的自主光学导航算法，并分析了其性能的优劣；针对星载计算机字长、处理速度和内存限制，提出了基于矩阵UD分解(上叁角-对角矩阵分解)协方差矩阵的扩展卡尔曼滤波的自主光学导航方法即UD-EKF算法，对比EKF算法，分析了其在计算速度上的优势；针对轨道确定中的系统转换矩阵为强非线性从而导致EKF发散的问题，给出了利用Unscented变换的Unscented卡尔曼滤波(UKF)以及基于矩阵平方根(Square Root)分解的平方根UKF的自主轨道确定方法，解决了使用扩展卡尔曼滤波时求解雅可比矩阵的困难，得到了稳定的滤波效果；针对UKF算法计算量较大的问题，给出了一种基于简化sigma点选取策略的自主光学导航滤波算法，分析了其滤波精度和运算速度；通过仿真实验，验证了其有效性。最后，针对不同自主光学导航任务的特点，对各类滤波算法从滤波精度、计算时间复杂度、运行速度以及收敛性等方面进行了比较，分析了多种滤波算法的优缺点及适用范围。
常帅[8]2015年在《巡航飞行器地磁辅助导航关键技术研究》文中认为如何在复杂战场环境下实现巡航飞行器的精确定位,是保障其远程精确投送及其打击效果的关键。在现阶段,受到技术水平、地理条件以及国际环境的限制,巡航飞行器的基本制导方式仍受到很大的制约,有着明显的局限性和提升空间。地磁导航是一种先进的辅助导航系统。地磁场是呈全球分布的矢量场,并且在近地空间任意位置上所对应的磁场矢量都具有唯一性;同时,它是一种全天候、全地域的无源导航方式,在定位过程中没有累计误差,具有丰富的特征量可以应用,可以有效弥补现有导航方法的不足。本文以巡航飞行器为研究对象,结合地磁场的主要特点以及巡航飞行器的基本导航需求,主要在以下几个方面展开巡航飞行器地磁辅助导航关键技术的研究:针对传统方法地磁基准图制备方法的局限性,提出基于多重分形理论的逐步插值校正基准图制备方法。首先利用多重分形谱分析方法,对地磁异常场进行多重分形特征的分析。进而在利用克里金法对待求位置进行准确估计的基础上,在待求位置的邻域内,利用多重分形理论求解奇异系数,并对克里金法估计结果进行奇异性校正,同时采用逐层插值、校正的方法,避免了利用较稀疏的数据进行奇异系数计算时造成的参考数据不足和估计不准确问题。针对区域地磁基准图制备中的边界效应问题,提出了基于特征匹配的边界补偿方法,对于待补偿的区域地磁数据集,利用改进的二维经验模态分解方法对其进行多尺度分解,并确定分解所得各分量的尺度特征。利用整体Hilbert变换方法对小尺度分量进行瞬时特征的求取,通过数据块自采样和特征匹配的方法对小尺度分量之和进行边界补偿;将大尺度分量相加作为趋势项,利用叁角函数法进行建模和补偿预测。研究中以矩谐分析方法为主要应用对象,验证了本方法在抑制基准图制备中边界效应问题的有效性和优越性。针对巡航飞行器巡航过程中产生的和载体姿态密切相关的航磁干扰场,以及巡航飞行器不便于利用传统方法进行校准飞行的问题,提出了无校准飞行条件下的载体干扰场模型实时解算方法。首先建立了包含恒定干扰场、感应干扰场和涡流干扰场的统一干扰场模型,根据惯性系统实时输出的飞行姿态参数以及航磁干扰场的产生机理,通过初始化干扰场模型参数,分别使用卡尔曼滤波估计方法和粒子群优化算法进行了干扰场模型参数的求解方法研究和验证;同时探讨了通过离线实验进行载体干扰场模型解算的可行性。针对巡航飞行器内的电磁干扰问题,研究了基于盲源分离的电磁干扰场分离方法。以电磁干扰场、地磁场以及载体机动相关干扰场的独立性为基础,根据电磁干扰场产生的毕奥—萨法尔定理,以及磁传感器接收到的所有磁场成分的相互关系,建立了地磁场电磁干扰场盲源分离模型,并选择基于神经网络的盲源分离方法进行电磁干扰场分离,仿真验证了方法的有效性。针对传统滤波方法及推广方法在地磁辅助导航中的局限性,为进一步提高对主导航系统状态的估计精度,研究了基于Hermite函数空间的投影滤波方法,利用Hermite多项式的正交性等特性,推算了具体的求解流程。通过求解偏微分方程得到组合导航模型状态概率密度的近似解,该方法基于连续的状态方程进行解算,从而可以得到系统状态的连续估计,通过设定合适的投影基函数截断阶数,可以保证组合导航模型状态的估计精度。
张亚[9]2015年在《视觉里程计辅助的INS/GPS组合导航系统研究》文中研究表明基于INS/GPS的组合导航系统由于其良好的性能互补性而成为导航技术领域的研究重点。但是由于该组合导航系统对GPS信号依赖程度过高,而GPS信号又很容易受到人为因素或者外界环境的干扰而造成信号堵塞或者失效,进而严重影响INS/GPS组合导航系统的导航与定位精度。因此,为了保持GPS失效时组合导航系统的定位精度,需要添加合适的辅助导航设备。随着计算机视觉技术的快速发展,具有价格低、耗能少、信息量丰富等特点的视觉里程计得到了广泛关注,而基于视觉里程计辅助的INS/GPS组合导航系统也成为导航领域的一个研究热点和重要的发展方向。如何从视觉传感器获取的图像序列中提取到周围环境特征点的信息是实现视觉里程计的基础,同时也是提高基于视觉里程计辅助的INS/GPS组合导航系统定位精度的关键技术之一;由于视觉里程计辅助的INS/GPS组合导航系统具有强非线性,因此需要研究组合导航系统的非线性滤波技术。本文围绕上述两个方面的问题展开了研究,论文的主要工作有:由于视觉特征提取算法是视觉里程计的基础,因此首先对视觉特征提取算法中常用的叁种方法进行了详细的对比分析,其中包括尺度不变特征变换(Scale Invariant Feature Transform,SIFT)特征提取算法、快速稳健特征(Speeded-Up Robust Feature,SURF)提取算法和加速分割检测特征(Feature from Accelerated Segment Test,FAST)提取算法,并利用具有不同变换的图像序列对其各自的性能进行了对比,分析结论指出FAST特征提取算法可以快速有效地提取到图像特征点,但该算法对于噪声比较敏感。为了解决这一问题,本文提出了相应的解决算法,结合随机抽样一致(Random Sample Consensus,RANSAC)算法对标准FAST特征提取算法进行了改进:利用RANSAC方法对匹配的特征点进行提纯,剔除误匹配点对,从而减小噪声或者图片质量降低对特征提取与匹配的影响。结合改进的FAST特征提取算法,提出了一种改进的双目视觉里程计算法。该算法首先利用改进的FAST特征提取算法对图像序列中的特征点进行提取与匹配,获得较高精度的匹配特征点对,然后根据双目视觉里程计算法,估计出双目视觉系统的实时定位与导航信息。利用车载试验验证了本文提出的双目视觉里程计算法的可行性和优越性。由于视觉里程计辅助的INS/GPS组合导航系统的非线性和模型噪声的统计特性未知,因此严重影响着组合导航系统中滤波算法的精度。为此,本文提出了一种基于方差分量估计(Variance-Covariance component Estimation,VCE)的容积卡尔曼滤波(Cubature Kalman Filter,CKF)算法。该算法中利用非线性滤波算法,即CKF来解决非线性系统的状态估计问题,利用基于VCE的自适应滤波方法估计出系统的系统噪声和观测噪声,仿真结果表明该算法有效提高了非线性系统的状态估计精度。最后本文利用基于VCE的自适应CKF滤波算法提出了 一种组合导航算法来解决视觉辅助的INS/GPS组合导航系统中GPS信息失效时对运载体的导航与定位问题,并将该算法应用到实际的车载试验中。实验结果表明该算法在视觉辅助的INS/GPS组合导航系统中的可行性和有效性。
向礼[10]2009年在《非线性滤波方法及其在导航中的应用研究》文中提出随着科技的发展,对导航系统提出的要求越来越高,由于硬件条件以及成本的限制,使得通过高精度的惯性器件来获得高精度的导航系统变得困难。而且在日益复杂的环境里,要求导航系统具有高度的自主性、可靠性和抗干扰性,仅依赖单一的导航系统也难以满足要求。除了通过硬件技术的提高来获得可靠的精度高的导航系统外,研究适应性强精度高的滤波算法也是解决问题的主要途径之一。首先,文中从导航系统中本质上非线性非高斯的初始对准和组合导航两个关键问题入手,根据不同假设条件,建立线性/非线性系统模型,并用叁种不同噪声模型来近似非高斯噪声;然后,根据非线性系统模型的需要,在贝叶斯估计理论的统一框架下深入研究了叁类具有代表性的非线性滤波方法;最后,结合非线性滤波算法讨论了系统模型误差和不同噪声模型对两个问题状态估计精度的影响。研究主要包括如下几方面的工作:在高斯噪声条件下,针对初始对准和SINS/GPS组合导航系统,结合具有高精度估计性能的非线性滤波算法,比较了(小姿态误差角假设下得到的)线性误差模型与(水平小姿态误差角、方位不确定假设下得到的)非线性误差模型的状态估计精度。根据失准角和组合导航状态的估计精度,分析系统模型误差的影响。以特定随机过程(高斯噪声)建立导航系统工作的噪声环境,讨论处于噪声统计特性未知或者系统动态时噪声参数突变下的初始对准问题。设计了双噪声估计器并行结构,并与差分滤波相结合,通过对噪声方差阵进行监测,能有效防止滤波发散。同时,算法中的选择更新策略,能有效缓解计算量增加对滤波实时性的影响。新算法能在保证精度的前提下快速有效地估计出失准角,估计结果对噪声参数的变化具有强健性。以未知分布但有界形式建立导航系统工作的噪声环境,讨论噪声数据来自未知分布情形下的初始对准问题。根据集员滤波理论,并结合扩展卡尔曼滤波的线性化思想,得到扩展集员滤波。当噪声数据边界值无明显变化,而其统计特性服从不同分布时,扩展集员滤波得到的失准角估计结果无明显变化。说明这种噪声描述使得滤波算法不敏感于噪声统计特性的变化,仅与噪声边界值相关,使失准角估计结果对噪声统计特性的变化具有强健性。以高斯混合模型近似导航系统工作的噪声环境和状态的后验分布,结合粒子滤波得到高斯混合粒子滤波。高斯混合粒子滤波重新设计重要性函数,用UKF计算混合模型的参数,并通过最大期望算法改进重采样,有效改善了粒子退化问题和贫化问题,提高了失准角和GPS/DR组合导航状态的估计精度。针对粒子滤波计算效率低下的问题,讨论了并行粒子滤波的实现问题。结合粒子滤波递推算法的特点,分析了并行实现的关键问题,对无味卡尔曼粒子滤波算法进行改进,设计并行算法。并行算法在保证与原算法精度相当的基础上,能有效提高计算效率。通过算例仿真以及非线性滤波方法在初始对准和组合导航问题中的应用,可得到下面的结论:在非线性条件下,与严格约束条件下得到的线性(化)系统模型相比,非线性模型适用条件更宽松,结合高精度非线性滤波方法能得到更好的失准角和组合导航状态的估计结果,但是滤波算法的计算量增加。面对实际工程话问题时,对滤波方法的选择上,需要在性能和计算效率之间进行折衷。在非高斯条件下,以未知分布但有界形式和以高斯混合模型形式描述导航系统工作噪声环境的滤波方法更具强健性,能更好地适应于缺少先验知识或者复杂环境下的导航滤波问题。若以特定随机过程(高斯噪声)来描述噪声环境,可以通过嵌入自适应估计器在线估计其统计特性,提高算法的强健性,对于复杂的非高斯的噪声环境,这种噪声描述方式存在固有的不足。在非线性非高斯条件下,理论上讲,粒子滤波具有明显优势,但粒子滤波固有的问题会影响到它的性能。通常把传统的非线性滤波算法嵌入到粒子滤波中,改进的新粒子滤波方法能更好地估计失准角和组合导航系统的状态。但这些复杂的改进算法计算效率低下,实时性较差,可根据其特点设计合适的并行结构,以提高计算效率。
参考文献：
[1]. 改进容积卡尔曼滤波及其导航应用研究[D]. 李秋荣. 哈尔滨工程大学. 2015
[2]. SINS/BD2组合导航系统误差校正及信息融合技术研究[D]. 吴旭. 哈尔滨工程大学. 2013
[3]. 非线性滤波在通信与导航中的应用研究[D]. 张鑫明. 北京邮电大学. 2012
[4]. UKF性能分析及其在组合导航中的应用[D]. 安笛. 哈尔滨工程大学. 2011
[5]. 机载捷联惯性/天文组合导航系统关键技术研究[D]. 屈蔷. 南京航空航天大学. 2011
[6]. 基于量测信息的非线性滤波及其在导航系统中的应用研究[D]. 付奎. 电子科技大学. 2016
[7]. 深空探测器自主光学导航方案及非线性滤波算法研究[D]. 袁健. 青岛科技大学. 2007
[8]. 巡航飞行器地磁辅助导航关键技术研究[D]. 常帅. 哈尔滨工程大学. 2015
[9]. 视觉里程计辅助的INS/GPS组合导航系统研究[D]. 张亚. 哈尔滨工程大学. 2015
[10]. 非线性滤波方法及其在导航中的应用研究[D]. 向礼. 哈尔滨工业大学. 2009
标签：航空航天科学与工程论文; 电信技术论文; 卡尔曼滤波论文; 粒子群优化算法论文; 惯性导航系统论文; 粒子滤波论文; 非线性误差论文; 数字滤波论文; 线性系统论文; 数据滤波论文; 惯性传感器论文; 非线性论文; 图像滤波论文; 误差分析论文; 平滑滤波论文; 人工智能论文; 算法论文;