改进的强跟踪SVD-UKF算法在组合导航中的应用
强跟踪UKF滤波在SINS_GPS组合导航中的应用研究
1 引言
由于惯 性 导航 和 卫 星 导 航 信 息 的互 补 性 ,捷
联 惯 性 导航 (1 ) P 组 合导 航 成 为较 为 理想 的 SNS/ S G
的,如果 失准 角很大 ,则会给滤 波带来 很大的误差
甚 至导致 滤波 发散 。而加 性 四元 数法 最能准确地 描 述 大 失准 角 下的误 差传 播特性 ,为此 ,本文采 用四 元数法 建立 SNS系统 的误 差方程 。 由于姿态误 差 I
( CC lg f uo t n n i eigNaj g n e i f eo at d t nui N nig 10 6C i ) NR ol e A t i g er , ni i rt o A rnui a r at , aj 0 1, h a e o ma o E n n n U v sy c n As o c n2 n
K l n ftr ama l )是一 种cne
hg l mo l ar r f,c mb n d ih y bi e i a t o i e wi UKF l o i m,a to g ra k n UKF lo i m i p o o e .By h c t h ag rt h s n t c i g r a g rt h s rp sd te
强跟 踪 U F滤波 S N— P K IS G S组 合 导 航 中 的 心用 研 究 陆 海 勇等
20 0 8年 l 第 3 2月 9卷 第 4期 ( 第 13期 ) 总 3
强跟踪 U KF滤 波在 S N S组 合 导 航 中 的应 用研 究 I S GP
陆海勇 ,赵 伟 ,熊 剑 ,赖际舟 ,刘建业
( 京 航 空航 天 大 学 自动 化学 院 导航 研 究 中心 ,南 京 2 0 1 ) 南 10 6
尺度因子自适应的UKF算法在目标跟踪中的应用
尺度因子自适应的UKF算法在目标跟踪中的应用侯建华;刘倩;笪邦友;马晓路【期刊名称】《中南民族大学学报(自然科学版)》【年(卷),期】2012(031)002【摘要】针对传统的无迹卡尔曼滤波(UKF)算法不能根据场景变化而自适应调整尺度因子α的问题,提出了一种改进算法,该算法利用UKF非线性近似的预测值与真实值之间的误差来调节α,并对采样策略进行了修正.将此方法应用于目标跟踪的仿真实验表明:该算法与使用尺度因子最优经验值的UKF算法精度相当,具有很好的跟踪性能和实用性.%To improve the adaptivity of the standard Unscented Kalman filter (UKF) to scene change, an adaptive UKF is proposed based on the scale factor. The scale factoris adjusted by the error between the non-linear approximation of the UKF prediction and the true value. Then the sampling strategy is also revised. The proposed method is applied to target tracking. The simulation results show that compared the standard UKF with the optimum empirical value, the new algorithm has the comparable tracking performance and satisfactory practicality in the application of object tracking.【总页数】5页(P85-89)【作者】侯建华;刘倩;笪邦友;马晓路【作者单位】中南民族大学电子信息工程学院,武汉430074;中南民族大学电子信息工程学院,武汉430074;中南民族大学电子信息工程学院,武汉430074;中南民族大学电子信息工程学院,武汉430074【正文语种】中文【中图分类】TP919.81【相关文献】1.导引模型在FTC自适应IMM-UKF目标跟踪算法中的应用 [J], 付斌;丁月宁;黄勇;闫杰2.自适应衰减记忆UKF算法在三维水下目标跟踪中的应用 [J], 王满林3.自适应UKF算法在目标跟踪中的应用 [J], 石勇;韩崇昭4.快速强跟踪UKF算法及其在机动目标跟踪中的应用 [J], 鲍水达;张安;毕文豪5.EKF和UKF算法在无线传感器网络目标跟踪中的应用 [J], 史岩;朱涛;傅军;张亚宁因版权原因,仅展示原文概要,查看原文内容请购买。
改进的强跟踪自适应UKF算法及其在大方位失准角对准中的应用
改进的强跟踪自适应UKF算法及其在大方位失准角对准中的
应用
李明;柴洪洲;靳凯迪;王敏;宋开放
【期刊名称】《导航定位学报》
【年(卷),期】2022(10)6
【摘要】针对无迹卡尔曼滤波(UKF)易受系统模型参数失配、状态变化情况影响,导致滤波精度下降甚至发散问题,提出一种改进的强跟踪自适应无迹卡尔曼滤波(STAUKF)。
将强跟踪滤波(STF)与UKF滤波结合,并引入多重渐消因子,有针对性地自动调节状态估计均方误差阵。
根据新息向量构造检验门限函数,提高了滤波对有用历史信息的利用率。
进一步引入简化的萨格-胡萨(Sage-Husa)滤波,自适应调节量测噪声方差,较传统Sage-Husa算法减少了计算量,提高了算法的鲁棒性。
最后采用海上实测数据进行实验验证,并与UKF滤波、强跟踪UKF滤波(STUKF)比较。
结果表明,该算法优势明显,有效缩短了大方位失准角误差收敛时间,提高了组合导航精度。
较UKF滤波方位角收敛时间缩短了93%,东、北、天方向速度均方根误差分别降低89%、93%和82%,位置均方根误差分别降低98%、94%和97%。
【总页数】8页(P165-172)
【作者】李明;柴洪洲;靳凯迪;王敏;宋开放
【作者单位】信息工程大学地理空间信息学院
【正文语种】中文
【中图分类】P228
【相关文献】
1.MSSS-UKF滤波在大方位失准角初始对准中的应用
2.简化UKF滤波在SINS大失准角初始对准中的应用
3.改进自适应强跟踪容积卡尔曼滤波器在动基座大失准角初始对准中的应用
4.自适应抗差CKF在SINS大方位失准角初始对准中的应用
因版权原因,仅展示原文概要,查看原文内容请购买。
UKF的改进算法及其在伪卫星定位中的应用
扩展 K la 滤波 ( K ) a n m E F 算法由于具有实时 进 的 U F K 算法应 用到伪卫星导航 系统 的数据处 数 据处理 能力 , 为 在 非 线 性 强度 较 弱 的 非线 性 理 中。 成
系统 动态数 据处 理时最 受欢 迎 的非线 性数 据 处理
算法 。然而 , 于强非线性 系统 , 对 线性 化的 E F 1 伪 卫星 导航 系统观测 方程 和动 力学模 型方 程 K 方法 往往会 带来 很 大 的截 断 误 差 , 至导 致 滤 波 甚 陆基伪卫星导航系统 , 由于地球 曲率 和地物
Ab t a t F rt .t e n n i e ro s r ain mo e n h y a c mo e fP e d l e n v g t n s se e e it . sr c : isl h o l a b ev t d l d t ed n mi d l s u o i a i ai y t m w r n r y n o a o t o o ded u e .Ai n t h h r o n so mi g a es o t mi g f t c UKF ag r h lo t m,an w i r v d UKF ag r h i e mp o e lo t m,b s d o h rn i l f t r i a e n te p i cp e o e - i ae l rn n q i ae t o a a c t x o b e a in e t r wa u r r . I wa h w ,b e v t n t d f ti g a d e uv n v r n e ma r f s r t a v co , s p t o wad t s s o n i e l c i i o v ol f y d r ai s i o a d c c lt n ,t a t e i rv d U lo t m o l o n y i r v h l r ge t t n a c r c ,b taS n a u ai s h t h mp o e KF ag r h c u d n to l mp o et ef t i si i c u a y u O l o i i en ma o l c nr lt e ifu n e f a u e n u l r . o to l n ] e c so me r me to t e 1 s is Ke r s u s e td ta s t n y wo d : n c n e r n l i ;UKF o u te t t n s u o i ao ;rb s si i ;p e d l e ma o t
编队卫星自主相对导航简化强跟踪UKF滤波算法
的实时性。仿真结果验证 了该 算法的有效性。
关键词 相对导航 简化强跟踪 U K F 渐消因子 C W 方程
中 图法分类号
V 4 4 8 . 2 ;
文献标 志码
A
卫 星编 队飞 行 可 以实 现 多 颗小 卫 星 协 作 , 以拓 展 大卫 星 的功能 , 卫 星 间 的相 对 导 航 是避 免 卫 星 绕
飞碰撞 及实 现 载荷 协 同 工作 的基 础 , 直 接影 响 编 队 协 同控制 的 精 度 ¨ j 。对 于 近 圆轨 道 上 运 行 的 卫 星, 通 过安装 在 主星 上 的 无 线 电和 激 光 测量 装 置 可
K a l m a n i f l t e r , C D K F ) , 它用 S i g m a点 的分布近 似表 示非线性 函数 的分 布 , 有 效地提高 了编 队卫星相 对导 航估 计精度 , 但是 S P K F算法 仍 然要求 精确 已知 噪声 的先验统计 特性 。然而 , 在 实 际应用 中 , 因 系统 受不 确 定 因素 的影 响 , 噪声 的先 验统 计 特性 极 易 发 生变 化 。为提高相对 导航 滤 波算 法应 对 系统模 型不 确定
噪声统 计特 性 时变等 原 因造 成 的模 型不确 定性会 严 重影 响滤 波估计 精度 , 甚 至导致 滤波 有必 要 研 究 如 何 提高 相
对 导航 滤波 算法 的鲁 棒性 。 在编队卫星相 对 导航 的研 究 中扩展 卡 尔曼 滤 波
法 、 容积卡尔曼滤波 ( c u b a t u r e K a l m a n i f l t e r , C K F ) ¨ 算法 和 自适应容 积 卡尔曼 滤 波 ( a d a p t i v e C U . b a t u r e K a l m a n i f l t e r , A C K F ) 1 4 ] 算 法 分别 被 应 用 于 编 队卫星相对 导航 的研 究 中。作 为提 高算 法鲁 棒 性 的
改进UKF算法及其目标跟踪性能研究
2011年12月1日第34卷第23期现代电子技术Modern Electronics TechniqueDec.2011Vol.34No.23改进UKF算法及其目标跟踪性能研究陈伟衡,赵毅寰(中国空空导弹研究院,河南洛阳 471009)摘 要:研究了Unscented变换的基本原理及UKF算法。
为了降低跟踪系统计算的复杂性,在Unscented变换中,通过引入单位矩阵,以简单的数值计算取代复杂的矩阵分解求解矩阵平方根的过程,把UKF改进为FMSRUKF。
通过对三维坐标系下作变加速运动目标的跟踪仿真,结果表明FMSRUKF有更好的精度和鲁棒性。
关键词:跟踪;Unscented变换;UKF;FMSRUKF中图分类号:TN957.51-34 文献标识码:A 文章编号:1004-373X(2011)23-0004-03Research on Improved UKF Algorithm and Its Target Tracking PerformanceCHEN Wei-heng,ZHAO Yi-huan(China Airborne Missile Academy,Luoyang 471009,China)Abstract:The principle of Unscented transformation and UKF(Unscented Kalman Filter)algorithm are studied.To sim-plify computational complexity of the tracing system,identity matrix was introduced into the Unscented transformation,andthe complicated matrix calculation was replaced by simple numerical calculation for solving matrix square root,that is UKF algorithmwas improved into FMSRUKF(Fixed Matrix Square Root Unscented Kalman Filter).The simulation results of variably acceleratedmotion target tracing under three dimensional coordinate show that FMSRUKF achieves better precision and robust.Keywords:tracking;Unscented transform;UKF;FMSRUKF收稿日期:2011-06-15 非线性滤波问题中最优解法需要得到条件后验概率的完整描述才能够求解[1],但这种精确描述需要大量参数而且无法实际应用[2]。
基于改进神经网络增强自适应UKF的组合导航系统
Abstract: In order to solve the problem of speed and position error divergence in the integrated navigation system based on MicroElectro Mechanical Systems (MEMS) inertial device and GPS system combined positioning, an improved Adaptive Unsecnted Kalman Filter (AUKF) enhanced by the Radial Basis Function(RBF) neural network based on Artificial Bee Colony(ABC) algorithm is proposed. When the GPS signal is out of lock, the trained network outБайду номын сангаасuts predictied information to perform error correction on the Strapdown Inertial Navigation System(SINS). Finally, the performance of the method is verified by vehiclemounted semi-physical simulation experiments. The experimental results show that the proposed method has a significant inhibitory effect on the error divergence of the strapdown inertial navigation system in the case of loss of lock. Key words: Intergrated navigation; Radial basis neural network; Unscented Kalman Filter(UKF); GPS break down
强跟踪UKF滤波在SINS_GPS组合导航中的应用研究
强跟踪UKF滤波在SINS_GPS组合导航中的应用研究
陆海勇;赵伟;熊剑;赖际舟;刘建业
【期刊名称】《航空电子技术》
【年(卷),期】2008(039)004
【摘要】针对飞行器大机动条件下SINS/GPS组合导航中出现的滤波发散问题,结合UKF滤波算法,提出了一种强跟踪UKF滤波算法.它通过引入渐消因子用线调整滤波增益阵K来减小老数据的权值,相对地增加新数据的权值,提高了UKF滤波跟踪性能.仿真和实际数据解算结果表明,强跟踪UKF提高了组合导航系统对于突变状态的实时跟踪能力和滤波过程的数值稳定性,验证了该算法的有效性.
【总页数】6页(P5-10)
【作者】陆海勇;赵伟;熊剑;赖际舟;刘建业
【作者单位】南京航空航天大学自动化学院导航研究中心,南京,210016;南京航空航天大学自动化学院导航研究中心,南京,210016;南京航空航天大学自动化学院导航研究中心,南京,210016;南京航空航天大学自动化学院导航研究中心,南
京,210016;南京航空航天大学自动化学院导航研究中心,南京,210016
【正文语种】中文
【中图分类】V249.32
【相关文献】
1.一种强跟踪UKF及其在GPS/SINS深组合导航中的应用 [J], 叶晨;崔双喜
2.改进的强跟踪卡尔曼滤波器在MSINS/GPS组合导航中的应用研究 [J], 马云峰
3.容错联邦强跟踪卡尔曼滤波算法在组合导航中的应用研究 [J], 马云峰
4.改进的强跟踪UKF在组合导航中的应用研究 [J], 符强;赵鸿悦;孙希延;纪元法
F强跟踪滤波在组合导航故障诊断中的应用 [J], 程洪炳;倪世宏;黄国荣;刘华伟;姜正勇
因版权原因,仅展示原文概要,查看原文内容请购买。
强跟踪UKF方法及其在故障辨识中的应用
EKF)来估计系统的状态旧1,构建分析冗余的非线性系 统,进行系统的监控和故障诊断。
然而当系统的非线性行为较强时,EKF将产生一定 的线性化误差,影响了非线性滤波的精度和故障诊断的 准确率H J。20世纪90年代,O小一大学的Julier和uIIl— mann提出了一种新颖的非线性滤波方法”1,采用确定的 sigIIla点来表征输入的随机分布,由此来构建UKF非线 性滤波器,进一步提高了非线性滤波的精度,近年来得到 了广泛的关注和应用。
式中:G.。=E[饥诟]。其证明过程可参见文献[6]中 的定理3.5.1。该引理反映了残差自协方差的一个重要
性质。式(5)对于线性系统是完全相等的。而对非线性 系统而言,它只是近似等式。
当滤波器的增益最优时,C“=0,表明残差是不相 关的,而当模型参数和噪声方差存在误差时,此条件并不
成立,即C似≠O,如果能选择渐消矩阵使得Cm的最后
2切I【Iil滤波器
考虑以下带加性模型噪声和观测噪声的非线性系统
动态状态空间模型:
工‘=以后一l,ⅡI一1,工I—I,一)+l,I—l
(1)
zI=^(后,工‘,口)+P‘
(2)
式中:式(1)为系统的状态转移模型,式(2)为系统的传
感器测量模型,屯∈RM为Ⅳ。维能观测的随机状态向
量;z}E RM为札维量测向量;口川E R札为Ⅳ。维控制
5应用案例
5.1系统设计 考虑某型直升机并联舵机控制系统,它是带非线性
负载的位置随动系统,由直流伺服电机经过减速器后控 制负载囤盘的角位移,实现对直升机自动驾驶的配平,系 统安装了测速机和线性电位计进行速度和角位移反馈, 各部件的选配都要求具有足够的精密度。在圆盘上安装 了质量块,产生随角度变化的非线性偏心力矩,所设计的 实验系统实物图如图1所示。
编队卫星自主相对导航简化强跟踪 UKF滤波算法
编队卫星自主相对导航简化强跟踪 UKF滤波算法杨文革;李兆铭;楼鑫【期刊名称】《科学技术与工程》【年(卷),期】2016(016)031【摘要】针对编队卫星自主相对导航过程中存在模型不确定性及噪声统计特性时变导致EKF滤波算法估计精度降低、鲁棒性较差的问题,以STF为理论框架,设计了简化强跟踪UKF(SSTUKF, simplified strong tracking unscented kalman filter )滤波算法。
该算法基于STF的等价表示来计算次优渐消因子,避免了计算Jacobi矩阵,通过在线实时调整滤波增益矩阵,确保系统理论模型偏离实际模型时输出残差序列相互正交,增强算法的鲁棒性,并且对时变的噪声统计特性不敏感。
结合CW系统模型线性特点,用标准卡尔曼滤波中的时间更新代替相应的UT变换过程,在提高估计精度的同时有效地降低了运算量,增强算法的实时性。
仿真结果验证了该算法的有效性。
%In view of model uncertainty and time-varying noise will result in the decrease of estimate accuracy and poor robustness for EKF algorithm in satellite formation autonomous relative navigation , a simplify strong track-ing UKF algorithm was designed on the theoretical framework of STF , it uses STF equivalent representation to cal-culate suboptimal fading factor , avoids to compute the Jacobi matrix , by adjusting filter gain matrix online , ensures the output residual error sequence is orthogonal to each other .The robustness of the algorithm was enhanced , and is insensitive to the time-varying noise .Combine the linear characteristic of CW model , unscentedtransform is re-placed by standard Kalman filter in time update process , it improves estimation accuracy while reduces the amount of computation effectively , and enhance the real-time performance of thealgorithm .Finally the simulation results verify the effectiveness of the algorithm .【总页数】7页(P106-112)【作者】杨文革;李兆铭;楼鑫【作者单位】装备学院光电装备系,北京101416;装备学院研究生院,北京101416;中国卫星海上测控部,江阴214400【正文语种】中文【中图分类】V448.2【相关文献】1.EKF/UKF在编队飞行卫星GPS相对导航中的应用 [J], 楚瑞2.基于UKF算法的编队卫星相对导航技术研究 [J], 楚瑞3.仅测距信息可用的编队卫星自主相对导航简化无损卡尔曼滤波方法 [J], 倪淑燕;陈帅;李春月4.基于强跟踪UKF的航天器自主导航间接量测滤波算法 [J], 杨文博;李少远5.基于简化差分插值滤波的编队卫星相对导航 [J], 李伟;刘美红;段登平因版权原因,仅展示原文概要,查看原文内容请购买。
改进鸽群优化算法在SVD-UKF参数整定中的应用
改进鸽群优化算法在SVD-UKF参数整定中的应用
周延锋;李宁洲;卫晓娟;王卫红
【期刊名称】《传感器与微系统》
【年(卷),期】2022(41)2
【摘要】为解决鸽群优化(PIO)算法易陷入局部最优、收敛速度慢的问题,提出了一种改进的鸽群优化(IPIO)算法。
将全局搜索能力较强的天牛须搜索(BAS)算法融入到指南针算子中,在地标算子中引入混沌扰动策略来提高算法的局部搜索精度。
利用测试函数对改进算法进行性能测试,并提出奇异值分解—无迹卡尔曼滤波(SVD-UKF)参数整定的适应度函数,将经改进算法优化后的参数应用到机车黏着控制系统中。
仿真结果表明:改进算法具有更强的全局搜索能力和更高的搜索精度,经参数整定后的SVD-UKF具有良好的滤波估计效果。
【总页数】5页(P153-156)
【作者】周延锋;李宁洲;卫晓娟;王卫红
【作者单位】兰州交通大学机电工程学院;上海应用技术大学轨道交通学院;株洲九方装备股份有限公司
【正文语种】中文
【中图分类】TP391
【相关文献】
1.改进粒子群优化算法在PID参数整定中的研究
2.改进粒子群优化算法在同步发电机励磁参数整定中的应用
3.改进粒子群优化算法及其在PID参数整定中的应用
研究4.基于改进细菌菌落优化算法的PID参数整定5.混沌粒子群优化算法在PID 参数整定中的应用
因版权原因,仅展示原文概要,查看原文内容请购买。
基于改进神经网络增强自适应UKF的组合导航系统
基于改进神经网络增强自适应UKF的组合导航系统CHEN Guangwu;CHENG Jianhao;YANG Juhua;LIU Hao;ZHANG Linjing【摘要】基于微机电系统(MEMS)的惯性器件和全球定位系统(GPS)的组合导航系统在卫星信号失锁时存在误差发散的问题,该文提出一种基于人工蜂群算法(ABC)改进的径向基函数(RBF)神经网络增强改进的自适应无迹卡尔曼滤波算法(AUKF).在GPS信号失锁的情况下利用训练好的神经网络输出预测信息来对捷联惯导系统进行误差校正.最后通过车载半实物仿真实验验证该方法的性能.实验结果表明该方法在失锁情况下对于捷联惯导系统的误差发散有较为明显的抑制效果.【期刊名称】《电子与信息学报》【年(卷),期】2019(041)007【总页数】8页(P1766-1773)【关键词】组合导航;径向基神经网络;无迹卡尔曼滤波;GPS故障【作者】CHEN Guangwu;CHENG Jianhao;YANG Juhua;LIU Hao;ZHANG Linjing【作者单位】【正文语种】中文【中图分类】TN967.21 引言基于微机电系统(MicroElectro Mechanical Systems, MEMS)惯性传感器器件和全球导航卫星系统(Global Navigation Satellite System, GNSS)的组合导航系统具有体积小、功耗低、可靠性高且价格便宜的优点,因而广泛应用于车载导航定位,无人机飞行控制与导航等多个领域[1—4]。
受限于MEMS惯性器件精度较低且存在误差积累的问题,在卫星信号丢失或信号较弱的情况下只依靠惯性导航会使定位误差急剧发散,导致定位失败[5—7]。
对此国内外专家和学者进行了研究并提出了多种解决方法。
文献[1]提出一种径向基函数(Radial Basis Function, RBF)神经网络辅助自适应卡尔曼滤波(Adaptive Kalman Filter, AKF)滤波的算法,当卫星信号失锁时用训练好的RBF神经网络输出替代卫星输出数据来对惯导误差进行修正,但存在标准的卡尔曼滤波算法对于非线性系统的估计不准确的问题。
UKF算法及其在纯方位目标跟踪中的应用
Ka ma i e n b a i g o l a g t t a k n r b e l n fl r o e rn — n y t r e r c i g p o l m. Th s a g rt m a t h o y b ss c n it d o t i lo i h h s is t e r a i o s s e f B y sa h o y a d U T r n f r 。 n mp e e t c o d n o t e f a fEKF.Th a e t d e h a e in t e r n ta s o m a d i l m n sa c r i g t h r me o ep p r s u is t e UKF a g rt m e p y,a d b i g o wa d a sm u a i n e a l b u e rn — n y t r e r c i g l o ih d e l n rn s f r r i l to x mp e a o t b a i g o l a g t t a k n .Th e sm u a i n e u t s o t a h UKF l o i m i r v s t b l y a d a c r c o f t r a d t i l t r s ls h ws h t t e o a g r t h mp o e s a i t n c u a y f i e , n is i l p ro ma c x e l d g n r l x e d d Ka ma i e ,a d t e UKF h s b o d a p ia i n p o p c . e f r n e e c l e e a t n e l n fl r n h e e t a r a p l to r s e t c Ke r s x e d d Ka ma i e , e rn — n y, a g tt a k n u s e t d Ka ma i e y wo d :e t n e l n fl r b a i g o l t r e r c i g, n c n e l n f t r t l
UKF的改进算法及其在伪卫星定位中的应用
UKF的改进算法及其在伪卫星定位中的应用
李雪鹏;张幼群;包括
【期刊名称】《测绘科学技术学报》
【年(卷),期】2008(025)002
【摘要】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.
【总页数】4页(P108-111)
【作者】李雪鹏;张幼群;包括
【作者单位】61512部队,北京,100088;66240部队,北京,100042;66240部队,北京,100042
【正文语种】中文
【中图分类】P228
【相关文献】
1.改进UKF算法在移动机器人定位系统中的应用 [J], 任福君;张秀华;姜永成;孙忠伟
2.抑制UKF发散的改进算法在卫星轨道确定中的应用 [J], 郭雪姣;周海银;潘晓刚
3.GPS/伪卫星组合定位中伪卫星改进选址模型 [J], 刘超;林鹏;张敬霞;赵兴旺
4.基于平方根UKF的伪卫星动态跟踪定位算法 [J], 段晨浩;王珏;邓志鑫
5.改进的迭代EKF算法在伪卫星定位中的应用 [J], 高为广;潘娜娜;张晓东
因版权原因,仅展示原文概要,查看原文内容请购买。
改进的强跟踪平方根UKF在卫星导航中应用
( j .C o l l e g e o f As t r o n a u t i c s , Ha r b i n I n s t i t u t e o f Te c h n o l o g y,Ha r b i n j 5 0 0 0 1,C h i n a; 2.Ae r o s p a c e Do n g f a n g h o n g De v e l o p me n t Lt d,S h e n z h e n 5 1 8 0 5 7,Ch i n a )
调 节 协 方 差矩 阵 , 使 得 滤 波 器具 有 强 跟 踪 能 力 和 克 服 系 统模 型 不 确 定 的 鲁 棒 性 , 改 善 了 滤 波 器 的 估 计 精 度 。 将 该
方 法 应 用 于卫 星 自主 导 航 系统 中 , 实验 仿 真 结 果 表 明 , 相 对 于 平 方根 UKF和 S TF, 该 方 法 不 仅 保 证 了 系统 的 可 靠 性, 还 提 高 系统 的 导航 精 度 和 改 善 系统 的 鲁棒 性 及 跟 踪 能 力 。 关键词 : 卫 星 导航 系统 ;不 确 定 性 干 扰 ;改 进 的 强跟 踪 平 方 根 无 迹 卡 尔 曼 滤 波 ; 鲁 棒 性
中 图分 类 号 : V 1 9 文 献 标 志 码 :A D O I : 1 0 . 3 9 6 9 / j . i s s n . 1 0 0 1 — 5 0 6 X. 2 0 1 5 . 0 8 . 2 2
S a t e l l i t e a u t o no mo u s na v i g a t i o n f i l t e r i ng a l g o r i t h m ba s e d o n
网址 : W WW. s y s e l e . c o i n
UKF容错滤波在脉冲星组合导航中的应用
UKF容错滤波在脉冲星组合导航中的应用杨成伟;郑建华;高东【摘要】针对X射线脉冲星组合导航系统中测量野值导致的导航精度下降问题,利用基于残差正交性的Unscented Kalman Filter (UKF)容错滤波方法进行野值修正.在深空巡航段,采用基于X射线脉冲星和太阳观测的组合导航方式,用X射线探测器测量脉冲星光子到达时间,利用太阳敏感器测量太阳视线方向矢量,并利用联邦滤波结构进行信息融合.仿真结果表明,基于UKF的容错滤波算法在脉冲星组合导航系统的应用中,能够对野值进行实时修正,避免了导航精度下降,提高了系统的鲁棒性和工程实用价值.【期刊名称】《中国惯性技术学报》【年(卷),期】2014(022)006【总页数】4页(P759-762)【关键词】脉冲星;太阳敏感器;UKF滤波;野值检测;容错滤波【作者】杨成伟;郑建华;高东【作者单位】北京理工大学机电学院,北京100081;中国科学院空间科学与应用研究中心,北京100190;中国科学院空间科学与应用研究中心,北京100190【正文语种】中文【中图分类】V448.224在深空探测活动中,往往存在时间延迟和精度不高的问题,而且地面测控资源有限,因此深空探测需要自主导航技术的支撑。
X射线脉冲星自主导航技术具有高精度、高自主性的特点,是一种很有应用前景的航天器自主导航技术。
该技术也将在美国宇航局NICER任务[1]中得到验证,我国也在积极开展相关的研制工作[2]。
然而,在长时间的深空飞行中,由于空间中太阳活动、宇宙射线、星际尘埃、元件故障等多种未知因素的影响,导航敏感器得到的探测信息中很容易存在野值,导致滤波结果变差,甚至发散,严重影响航天器在深空中的自主飞行安全。
因此,需要研究基于野值检测和信息修正的容错滤波方法在X射线脉冲星自主导航中的应用。
目前对X射线脉冲星自主导航容错滤波方法的研究仍相对较少。
文献[3]利用鲁棒滤波修正星表误差,但没有考虑野值因素的影响。
基于强跟踪UKF的航天器自主导航间接量测滤波算法
基于强跟踪UKF的航天器自主导航间接量测滤波算法杨文博;李少远【期刊名称】《系统工程与电子技术》【年(卷),期】2011(33)11【摘要】针对广义卡尔曼滤波(extended Kalman filter,EKF)和无迹卡尔曼滤波(unscented Kalman filter,UKF)缺乏对系统异常的在线自适应调整能力、导致滤波器精度降低的问题,提出了一种将强跟踪滤波(strong tracking filter,STF)和UKF 相结合的滤波算法,并进一步采用部分状态信息作为间接观测量,同时量测噪声方差阵实时调整,从而避免了对观测方程求取Jacobi矩阵的过程,使滤波器的设计得到简化.将该算法应用于航天器自主导航系统中,仿真结果表明,该算法在系统出现突变或缓变异常时,能够迅速检测出异常,在保证较高估计精度的同时,提高了系统的可靠性.%An improved filter algorithm combined strong tracking filter (STF) with unscented Kalman filter (UKF) is proposed to enhance poor performance of extended Kalman filter (EKF) and UKF in online adaptive adjustment ability and estimation accuracy when systems are abnormal. The process of solving Jacobi matrix in observer equation is avoided by deeming partial state information as indirect measurement and adjusting the measurement noise variance matrix online, which makes the filter design more simplified. The algorithm is applied to spacecraft autonomous navigation and simulation results show that when abrupt or slow abnormalities of systems occur, the proposed algorithm can detect abnormalities rapidly, andguarantee high estimation accuracy and reliability of the system at the same time.【总页数】7页(P2485-2491)【作者】杨文博;李少远【作者单位】上海交通大学自动化系系统控制与信息处理教育部重点实验室,上海200240;上海交通大学自动化系系统控制与信息处理教育部重点实验室,上海200240【正文语种】中文【中图分类】V448.22【相关文献】1.基于UKF和信息融合的航天器自主导航方法 [J], 罗楠;许录平;张华2.基于AE-UKF的航天器自主导航方法 [J], 李璟璟;张迎春;李葆华3.基于多普勒量测的UKF多目标跟踪方法 [J], 王雪;李鸿艳;蒲磊;樊鹏飞4.基于模糊逻辑的自适应强跟踪UKF定位滤波算法 [J], 金天;王玉宝;丛丽;秦红磊5.基于X射线脉冲星自主导航中UKF滤波算法的仿真研究 [J], 桂先洲;李志豪;黎胜亮因版权原因,仅展示原文概要,查看原文内容请购买。
尺度因子自适应的UKF算法在目标跟踪中的应用
改进算法 , 该算法利用 U F非线性 近似的预测值与真实值之 间的误差来调 节 O 并对采样策 略进行 了修正. 此方 K t , 将 法应用于 目标 跟踪的仿真实验表 明: 算法与使用尺度 因子最优经 验值 的 U F算法精度相 当 , 该 K 具有很好 的跟踪 性
能和实用性 .
关键词
无迹 卡尔 曼滤波 ; 尺度 因子 自适应 ; 比例修正 ; 目标跟踪 ; 实用 性
hstecm aa l t c igpr r a c n a s c r pat at i teapi t no b c t cig a o prbe r kn e o n eadstf t y rc c i pl ai f j tr kn. h a fm ia o il y n h c o o e a Kew r s U F sa d p v ;rproal r i d ojc t cig pat ai y o d K ;cl a at epoo i by e s ;betr k ; rccly e i tn v e a n i t
Jn 2 2 u . Ol
尺 度 因子 自适 应 的 U F算 法在 目标 跟 踪 中的应 用 K
侯建华, 倩, 刘 笪邦友 , 马晓路
( 中南民族大学 电子信息工程学 院 , 统 的无 迹 卡 尔 曼 滤 波 ( K ) 法 不 能 根 据 场 景 变 化 而 自适 应 调 整 尺度 因子 0的 问题 , 出 了 一 种 UF算 1 提
UKF p e it n a d t e t e v u .T e h a l g sr tg s a s e ie .T e p o o e t o s a p i d t ag t r d ci n h r a e h n t e s mp i t e y i lo rv s d o u l n a h rp s d me h d i p l o t re e
自适应UKF算法在目标跟踪中的应用
2
2.1
UKF 滤波算法
UT 无迹变换原理
Manuscript received January 27, 2010; accepted October 13, 2010 国家重点基础研究发展计划 (973 计划) (2007CB311006), 国家自然科学基金 (61074176), 国家自然科学基金创新研究群体科学基金 (60921003) 资助 Supported by State Key Development Program for Basic Research of China (973 Program) (2007CB311006), National Natural Science Foundation of China (61074176), and Foundation for Innovative Research Groups of National Natural Science Foundation of China (60921003) 1. 西安交通大学智能网络与网络安全教育部重点实验室、机械制造系统工程国家 重点实验室 电子与信息工程学院综合自动化研究所 西安 710049 1. Key Laboratory for Intelligent Networks and Network Security of Ministry of Education, State Key Laboratory for Manufacturing Systems Engineering, Institute of Integrated Automation, School of Electronics and Information Engineering, Xi an Jiaotong University, Xi an 710049
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
改进的强跟踪SVD-UKF算法在组合导航中的应用孙磊;黄国勇;李越【摘要】针对无迹卡尔曼滤波(Unscented Kalman Filter,UKF)在系统强非线性或状态模型不精确的情况下,存在滤波精度降低甚至发散的问题,提出一种改进的强跟踪SVD-UKF算法.该算法采用奇异值分解(Singular Value Decom-position,SVD)的方法改进UKF中状态协方差矩阵的迭代,保证协方差矩阵的非负定性及迭代的稳定性;算法基于强跟踪滤波(Strong Tracking filter,STF)理论框架,对改进的SVD-UKF引入多重渐消因子自适应调整状态协方差矩阵,在系统状态发生突变的情况下,实现系统真实状态的强跟踪.将该算法在BDS/INS组合导航中仿真验证,结果表明了该算法的有效性.%The performance of the Unscented Kalman filter would be degraded in accuracy or divergences when the sys-tem states are uncertain and strong nonlinear, an improved strong tracking SVD-UKF algorithm is proposed. The iteration of covariance matrix in UKF is improved by Singular Value Decomposition(SVD)of covariance matrix, ensured the sta-bility of the iteration of covariance matrix and restrained the negative definiteness of system state covariance matrix. Mul-tiple fading factors matrices are introduced in improved SVD-UKF, in order to automatic improve system state covariance matrix based on Strong Tracking Filter(STF)theory framework, and realize the strong tracking of the real state while sys-tem status are mutating. The proposed strong tracking SVD-UKF is applied to the BDS/INS integrated system for simula-tion, simulation results show the effectiveness of the presented algorithm.【期刊名称】《计算机工程与应用》【年(卷),期】2017(000)010【总页数】6页(P225-229,240)【关键词】无迹卡尔曼滤波(UKF);奇异值分解(SVD);强跟踪;渐消因子;组合导航【作者】孙磊;黄国勇;李越【作者单位】昆明理工大学信息工程与自动化学院,昆明 650500;云南省矿物管道输送工程技术研究中心,昆明 650500;昆明理工大学信息工程与自动化学院,昆明650500;云南省矿物管道输送工程技术研究中心,昆明 650500;昆明理工大学信息工程与自动化学院,昆明 650500;云南省矿物管道输送工程技术研究中心,昆明650500【正文语种】中文【中图分类】V249.32+8非线性系统状态估计在组合导航中应用十分广泛,非线性滤波方法成为组合导航的热门研究之一。
扩展卡尔曼滤波(Extended Kalman filter,EKF)是典型的代表之一,EKF是以标准卡尔曼滤波为基本框架,将非线性系统模型线性化,即对系统状态估值进行一阶Taylor展开,然后进行卡尔曼滤波计算[1]。
然而,当系统模型非线性较强时,对系统模型的近似线性会引起较大的截断误差,滤波精度将大大降低甚至发散[2]。
为此,一些学者提出了无迹卡尔曼滤波(Unscented Kalman filter,UKF)算法,UKF在非线性系统状态估计的思路上与EKF不同,以确定性采样估计的方法,采用UT变换对非线性系统后验概率密度函数进行近似[3]。
UKF 相对于EKF有其二阶以上近似精度的后验均值与方差[4-5]。
然而UKF计算时由于计算机的字长限制会出现协方差矩阵的负定,导致系统发散;UKF在强非线性系统状态突变的情况下,对实际状态并没有很好的跟踪能力[6]。
许多学者在UKF的计算机字长限制导致数值计算稳定性问题上进行了研究。
其中,Erica.Wan等人提出了平方根无迹卡尔曼滤波器(Square Root Unscented Kalman Filter,SRUKF),在协方差矩阵迭代时,使用协方差矩阵的平方根进行迭代,从而保证协方差矩阵的(半)正定性[7]。
而在UKF中,采用奇异值分解代替平方根分解能够更好保证协方差矩阵迭代计算的稳定性,文献[8]中提出采用奇异值分解的方法代替UKF中cholesky分解的方法,能够提高数值计算稳定性,但未将奇异值分解引入协方差矩阵迭代,本质上并没有真正提高协方差矩阵计算的稳定性。
而对于UKF的系统强非线性时的突变跟踪能力,文献[9]中将STF框架引入UKF中,通过渐消因子在线调整状态预测误差协方差阵,强迫新息序列保持正交性,从而保持对系统状态变化的实时跟踪。
而将STF应用在UKF中需要计算雅可比矩阵,提高了计算复杂度,并且对于计算数值稳定性不能保证。
针对以上UKF存在矩阵计算数值稳定性和状态突变无法实时跟踪的问题,本文利用奇异值分解协方差矩阵进行迭代,并应用STF框架结合UKF,提出了一种改进的强跟踪SVD-UKF算法。
将简化的UKF算法的协方差矩阵部分因子进行奇异值分解,将分解后的协方差矩阵进行迭代,保证了算法中矩阵计算的稳定性;同时将STF中的渐消因子引入UKF中,在系统状态突变、系统模型不精确的情况下,提高了滤波系统的自适应能力。
2.1 简化的UKF算法在组合导航中,量测方程为线性,而在标准UKF算法中,非线性量测方程运算复杂度较高,在运算能力较低的硬件设备上运行性能较低。
当UKF算法中量测方程为线性时,将线性量测方程带入UKF算法中并简化,降低算法复杂度。
故针对组合导航,设如下带加性噪声的非线性系统状态方程和线性量测方程:式中,Xk∈Rn为n×1维的系统状态向量,Zk∈Rm为m×1维的量测向量,f(⋅)为非线性函数,Hk为线性量测阵。
wk和vk分别为状态系统高斯白噪声和测量系统高斯白噪声,它们的均值为0,且相互独立。
它们的协方差分别为Qk和Rk。
基于非线性系统式(1),UKF算法中量测方程变为线性时,则UKF中系统量测更新方程如下:由上可知,将线性量测方程带入UKF算法中,对Pxˆkzˆk和Pzˆk/zˆk进行迭代计算时,将线性系数分配提出,则系统状态协方差Pk/k和增益矩阵K表达式都退化为标准卡尔曼滤波的表达式,得到简化的UKF算法。
简化的UKF算法针对组合导航量测方程为线性的特性进行简化,在滤波性能上并没有降低,满足组合导航的要求。
2.2 改进的SVD-UKF算法为了保证UKF中误差协方差矩阵的正定性,SRUKF中引入了误差协方差矩阵的平方根代替误差协方差矩阵进行迭代,保证了协方差矩阵的(半)正定性。
但是当Sigma点的零权值系数为负或者数值计算误差太大时,有可能造成Cholesy分解失败,引起算法无法迭代,滤波器发散[10]。
而SVD在矩阵发生病态之后依然能够分解矩阵,表现了比Cholesy分解更好的稳定性。
文献[11]中将SVD引入EKF 中,得到了很好的协方差矩阵迭代稳定性,而将SVD引入UKF中,UKF的协方差矩阵迭代过程相比于EKF更加复杂。
本文针对量测方程为线性的组合导航系统,通过对简化的UKF算法引入SVD方法分解协方差矩阵部分因子,利用矩阵的性质对分解后的协方差矩阵进行迭代,优化了迭代过程,不仅保证了系统数值稳定性,还提高了算法迭代的稳定性。
2.2.1 奇异值分解假设A为m×n阶矩阵,根据奇异值分解[12]理论,存在正交矩阵U与V使得:称式(7)和式(8)为A的奇异值分解。
其中σi为A的奇异值,数值依次从大变小。
当矩阵A为对称正定矩阵时,式(7)则变成如下:式中,A的奇异值σi均大于0。
2.2.2 改进的SVD-UKF算法将简化的UKF算法中的误差协方差矩阵部分因子进行奇异值分解,利用矩阵的性质对分解后的矩阵进行迭代,即为改进的SVD-UKF算法。
由式(9)可知:则对UKF中的Pk/k进行奇异值分解,可以得到如下:式中Pk/k奇异值分解形式由上一个状态迭代产生的。
这一状态的Sigma点计算更新如下:下面求解状态误差预测协方差矩阵Pk/k-1的奇异值分解矩阵。
对Pk/k-1直接进行奇异值分解可以得到如式(13):UKF算法通过预测协方差矩阵Pk/k-1求解增益矩阵K和输出协方差矩阵Pk/k,而在SVD-UKF中这样求解不利于分解后的协方差矩阵迭代,故采用式(14)和式(15)求解增益矩阵K和输出协方差矩阵Pk/k。
由式(14)和式(15)可以求得输出协方差矩阵逆P-1k/k如下:式(16)中,对R-1进行cholesky分解,得到如下:则式(16)中间部分可以等价为如下:对式(18)中的因子进行奇异值分解,可以得到如下:将奇异值分解后的式(19)带入式(16)中,则式(16)可以表示成如下:由式(20)可以发现,在一个迭代周期内,对协方差矩阵的求解,只需要由式中因子奇异值分解后计算得出,P-1k/k中的参数可以表示如下:通过以上推导可知,Pk-/1k的求解并不需要多次求逆和多步分解计算,计算复杂度较低。
由式(15)可知,增益矩阵K的公式如下:由此可以得到改进的SVD-UKF算法,算法中通过误差协方差矩阵部分因子奇异值分解后,再对协方差矩阵进行迭代,优化了SVD-UKF的迭代过程,即使协方差矩阵发生病态,SVD依然能够对协方差矩阵进行分解,保证UKF算法的正常迭代和协方差矩阵的半正定性。
改进的SVD-UKF相比于SRUKF和UKF具有更强的矩阵分解能力和迭代稳定性,但是当系统本身所建状态模型不精确,或者系统状态发生突变的时候,改进的SVD-UKF并没有较好的自适应能力,可能会因突变状态引起滤波器发散。
为此,本文在改进的SVD-UKF中引入多重渐消因子,构成改进的强跟踪SVD-UKF算法,该算法既保证了在滤波过程中误差协方差的(半)正定性,又能在突变情况下抑制滤波器发散,实现了对真实状态的强跟踪。