车载组合导航的自适应滤波
自适应卡尔曼滤波在组合导航中的应用研究
Ｋ：Ｐ ｌ Ｈ Ｈ Ｈ ＼ Ｐ ｌ＋Ｒ＼ －
＾ 一
Ｘ
Ｘ
．
一
ｌ
＋
．
—
ｌ
Ｆ ＝Ｅ Ｘ ］ ［
＝
Ｅ （ 一 ＋Ｘ １ 一 ＋Ｘ １ ［ １ 一）（ ｌ 一） ］
Ｆ ＋ Ｐ
＝
式中 Ｆ＝Ｅ［ ｋ－１Ｘ鼬 ｋ ｒ
不稳 定问题 ， 并容易 引起 滤波 发散 。文 中主要探 讨在
噪声统计特征未知 的情况下 ， 自适 应 卡尔曼 滤波算 将 法运用到组合导航 中去 。经 过仿 真得 出 ， 自适 应 卡尔 曼滤波算法相对于 常规卡尔 曼滤 波 ， 高 了收敛速 度 提 和滤波精度 ， 具有较高 的 自适应能力 ， 对导航精度有进
术 。通 过在 自适应 滤 波算 法 中推算最 优稳 态增 益来 调 整量 测 噪声 ， 制 滤 波器 的发 散 ， Ｇ ＳＩＳ组 合 导航 系 统实 现 高 抑 为 Ｐ／Ｎ 精 度导航 提供 了有 效 的途 径 。仿 真结 果表 明该 算法 能很 好地 对 系统状 态进 行最 优 估计 并适 应 系 统 噪声 的变 化 ， 具有 比常 规 卡尔 曼滤 波更 高 的导航精 度 。 关 键词 ： 合 导航 ； Ｐ／Ｎ ； 组 Ｇ ＳＩＳ 卡尔 曼滤 波 ； 自适应 滤 波 中图分 类号 ：Ｎ ６ Ｔ ９ 文献 标 识码 ： Ａ 文章 编号 ： ７ — ２Ｘ ２ １ ）０ ０ ８ —３ １ ３ ６ ９ （０ １ １ — １３ ０ ６
（ ｅｏ ａｔ ａ Ａ ｔｍａ ｏ ｏｌ ｅ Ｃｖｌ ｉｔ ｎＵ ｉｅｓｙｏ ｈｎ ，ｉｎｉ ３ ０ ０ ， ｈｎ ） Ａ ｒｎ ｕ ｃｌ ｕｏ ｔ ｎＣ ｌ ｇ ， ｉｉＡｖａ ｏ ｎｖｒ ｔ ｆ ｉａＴａｊ ０ ３０ Ｃ ｉａ ｉ ｉ ｅ ｉ ｉ Ｃ ｎ
卡尔曼滤波与组合导航原理pdf
卡尔曼滤波与组合导航原理pdf
1 卡尔曼滤波和组合导航原理
卡尔曼滤波（Kalman filtering）是一种广泛应用于机器人技术、控制工程、通信科学、经济学等多个领域的一种小波处理技术。
卡尔
曼滤波是一种采用双向更新的状态估计算法，具有自适应性和准确度。
因此，卡尔曼滤波在导航定位、控制与优化等领域得到了广泛的应用。
组合导航的原理是通过混合不同种类的测量模式，克服个别模式
的局限性，实现更加可靠的导航定位。
它通过四轴机载飞行控制系统、空降定位系统、气溶胶吸收系统、惯性导航系统等不同的传感技术和
测量原理，实现更精确和可靠的导航定位。
同时，组合导航系统可以利用运动学位置确定性的抗差特性，利
用卡尔曼滤波，将运动学观测与动态运动方程校准，使系统在估计模
型的非线性变换和噪声的影响下，保持稳定运行，以达到精确定位的
目的。
因此，通过将卡尔曼滤波与组合导航原理联合起来的方式，组合
导航系统能够实现精确定位，并且更加可靠，具有自适应性和准确度。
另外，由于基于组合导航的定位精度对所采用的传感器类型不敏感，
因此也更具有灵活性，可以根据实际应用情况不断添加和发展新的传
感器。
自适应GHPF及其在组合导航中的应用
文章 编 号 ： １ ０ ０ ６ — ９ ３ ４ ８ （ ２ ０ １ ３ ） ０ ５ — ０ １ ０ ８ —
２ ０ １ ３ 年５ 月
自适 应 ＧＨＰ Ｆ及 其 在 组 合 导 航 中 的 应 用
薛 丽， 高社 生 ， 胡 高歌
（ 西 北 工 业 大 学 自动化 学 院 ， 陕西 西安 ７ １ ０ ０ ７ ２ ） 摘要 ： 研 究组 合 导 航 系 统 精 度 优 化 问 题 。 针 对粒 子 滤 波 存 在 重 要 性 密 度 函数 难 以选 取 的问 题 ， 提 出一 种 新 的 自适 应 Ｇ ＨＰ Ｆ算 法， 通过高斯一 厄 米 特 滤 波 来 获 取 状 态 均 值 和 协方 差 阵 ， 计 算 自适 应 因 子 并 利 用 自适 应 因子 调 节 均 值 和 方 差 ， 得 到 一 种 参 数 可 调 节 的 重 要 性 密 度 函数 。重 要 性 密 度 函数 考 虑 了 最 新 量测 的影 响 ， 提 高 了滤 波 精 度 ， 使 滤波 性 能 明显 改 善 ， 能更 好 地 解 决 非 线 性 非 高 斯 系 统 模 型 的 滤波 问题 。将 提 出的 算 法 应 用 于 Ｓ Ｉ Ｎ Ｓ ／ Ｓ Ａ Ｒ组合导航 系统中 ， 仿 真结果表 明， 提 出 的滤 波 算 法 能
ＡＢＳ ＴＲＡＣＴ： Ａｉ ｍｉ ｎ ｇ ａ ｔ ｔ ｈ ｅ ｐ ａ ｒ ｔ ｉ ｃ ｌ ｅ ｉ ｆ ｌ ｔ ｅ ｉ ｒ ｎ ｇ ｐ ｒ ｏ ｂ ｌ ｅ ｍ ｔ ｈ ａ ｔ ｉ ｓ ｄ ｉ ｉｃ ｆ ｕ ｌ ｔ ｔ ｏ ｓ ｅ ｌ ｅ ｃ ｔ ｔ ｈ ｅ ｉ ｍｐ ｏ ｒ ｔ ａ ｎ ｃ ｅ ｄ ｅ ｎ ｓ ｉ ｔ ｙ ｆ ｕ ｎ ｃ ｔ ｉ ｏ ｎ，ｔ ｈ ｉ ｓ
ＸＵＥ Ｌ ｉ ， ＧＡＯ Ｓ ｈ ｅ —ｓ ｈ ｅ ｎ ｇ， ＨＵ Ｇａ ｏ －ｇ ｅ
一种GPS车辆定位系统中的自适应滤波算法
一种GPS车辆定位系统中的自适应滤波算法An adaptive fi ltering algorithm of GPS vehicle positioning system田小静，李万军，谭婕娟TIAN Xiao-jing, LI Wan-jun, TAN Jie-juan（西安航空职业技术学院自动化工程系，西安 710089）摘 要：针对机动载体的“当前”统计模型在GPS车辆定位系统中存在的问题，基于动态GPS定位的精度取决于对动态载体扰动和观测异常扰动的认知和控制的原理，提出了一种基于“当前”统计模型的均值和方差自适应滤波算法。
通过仿真试验结果证明，该算法不仅可以提高定位精度，而且能有效地控制观测异常和动态扰动异常对定位精度的影响。
关键词：全球定位系统（GPS)；Kalman滤波；自适应滤波；“当前”统计模型中图分类号：TN911.72 文献标识码：A 文章编号：1009-0134(2010)11(下)-0169-04 Doi: 10.3969/j.issn.1009-0134.2010.11(下).570 引言GPS在动态定位、动态监控、导航及测量等领域已获得广泛的应用[1]。
车辆在运动中的定位属于动态定位过程，一般都选用GPS组合系统进行动态定位。
文献[2]对车载GPS/DR组合导航系统进行了深入的分析，但该组合系统复杂、成本高，不能满足普通车辆定位导航的需要。
单独使用GPS 动态定位，系统简单、成本低，可以满足大众的需求，但动态定位数据中存在着影响定位精度的随机误差。
卡尔曼滤波在动态数据处理中有着广泛的应用，它能克服一般的动态噪声对结果的影响[3]。
同时，采用递推算法使计算简单快速，适合实时计算处理。
但是可靠的Kalman滤波算法要求有可靠的、切合实际的车辆运动模型和随机干扰模型。
然而车辆在运行过程中难以确保规则，因而精确的、符合实际的车辆运动模型的构造是解决车辆定位问题的关键。
为了满足实际车辆的定位精度，必须建立足够准确的数学模型，进一步控制载体扰动和观测异常扰动的影响，为此，本文提出目前比较合理、且更切合实际车辆运动情况的机动载体的“当前”统计模型进行自适应Kalman滤波算法。
SVR辅助的抗差自适应滤波在组合导航中的应用
SVR辅助的抗差自适应滤波在组合导航中的应用摘要：针对GNSS/INS组合导航系统无冗余，常规抗差自适应滤波算法无法准确分辨系统异常来源，从而产生一些较低精度的导航解，提出了支持向量回归辅助的抗差自适应滤波算法。
该算法在系统整体异常情况下，利用预测的速度、位置辅助整体异常检测，从而有效分离了观测异常和动力学模型异常，提高组合导航整体精度。
关键词：GNSS/INS组合导航；支持向量回归；抗差自适应模型The Application of SVR Aided Robust Adaptive Filtering Model in GNSS/INS Integrated NavigationWuhaoxu（tianjin surveying ＆ designing institute for water transport engineering）Abstract：Considering the shortage of the normal robust adaptive kalman filtering algorithm in identifying the source of system abnormal on the condition of lacking redundant observations, some low precision navigation solutions are generated, a robust adaptive kalman filtering algorithm based on support vector regression is put forward. The algorithm can separate the anomaly of observation and dynamic model using the predicted velocity and position aided anomaly detection under the condition of the whole system abnormality, which can improve the overall accuracy of navigation solution.Keywords: GNSS/INS integrated navigation; support vector regression; robust adaptive model引言标准卡尔曼滤波的前提条件是观测噪声和系统噪声均为高斯白噪声，且系统是随机线性的。
一种多模型自适应联邦滤波器及其在INS_CNS_GPS组合导航系统中的应用
一种多模型自适应联邦滤波器及其在INS/CNS/GPS组合导航系统中的应用3李艳华 房建成北京航空航天大学,北京100083摘 要 本文介绍一种基于多模自适应估计的联邦滤波器的原理和特点。
设计了I NS/C NS/G PS组合导航系统的联邦滤波算法,并首次将多模自适应估计方法运用到联邦卡尔曼滤波器中。
此外,联邦滤波器算法中采用自适应调整信息分配系数的方法。
仿真结果表明,与采用单一模型的联邦滤波算法相比,多模自适应方法与联邦滤波方法结合使用能大大提高导航系统的精度和可靠性。
主题词 组合导航系统 卡尔曼滤波 联邦滤波器 多模自适应估计A Multi2model Adaptive Federated Filterand It’s Application in INS/CNS/GPSI ntegrated N avigation SystemLi Y anhua Fang JianchengBeijing University of Aeronautics&Astronautics,Beijing100083Abstract This paper introduces the theory and characteristics o f federated filter based on multi2model adaptive estimation.A federated filter o f I NS/C NS/G PS integrated navigation system is designed and multi2model adaptive estimation method is used in federated Kalman filter for the fir st time.Furthermore,an adaptive adjustment o f the coefficients o f informa2 tion2sharing is adopted in federated filter.The results o f simulation show that as compared with single2model algorithm,multi2model adaptive estimation combined with the federated fil2 ter can improve accuracy and reliability o f integrated navigation system greatly.Subject terms Integrated navigation system Kalman filtering Federated filter Multi -model adaptive estimation收稿日期 2003年3月24日3 国防预研基金(项目代号:00J91211HK01)及国防“十五”预研项目资助1 引 言多模型自适应控制不仅在理论和方法上取得了很多成果,在实际中也有一些成功的应用。
一种应用于GPS低成本INS组合导航的自适应滤波算法
１ ０ ２ ８
清 华 大 学 学 报 （ 自 然 科 学 版）
（ ） ２ ０ １ １， ５ １ ８
则可以将 问 题 转 化 为 对 状 态 噪 声 的 实 时 估 计， 针 对状态噪 声 和 测 量 噪 声 时 变 的 情 况， 已经有学者 给出了 一 些 自 适 应 滤 波 方 法
［ ３ ４］ －
１］ 。在 Ｇ ／ 统已经越来 越 受 到 关 注 ［ Ｐ Ｓ Ｉ Ｎ Ｓ松耦合导
航方式中 ， 通常采用 Ｉ Ｎ Ｓ导航参数的误差方程作为
２］ ， 系统的状态 方 程 ［ 使用 Ｋ ａ ｌ ｍ ａ ｎ滤波器对低速率
的Ｇ Ｐ Ｓ 导航解与高速 率 Ｉ Ｎ Ｓ系统输出的数据进行 对Ｉ 组合处理 ， Ｎ Ｓ 系统的 误 差 做 出 估 计 并 校 正 后 给 出组合导航参数 。 在低成 本 应 用 当 中， 由于陀螺仪和加速度计 有较大的 误 差， 且没有条件进行精确的测试和校 准， 使 得Ｉ Ｎ Ｓ除 了 元 件 误 差 外 还 具 有 较 大 的 初 始 对准误 差。 即 使 在 Ｇ Ｐ Ｓ导 航 解 更 新 的 短 暂 间 隔 内， 上述误 差 的 迅 速 累 积 也 会 使 误 差 模 型 不 能 准 确描述系 统 的 误 差 状 态， 从而无法准确校正导航 最终导致组合导航性能下降甚至不能 参数误差， 正常工作。 可 以 从３ 个 方 面 解 决 这 个 问 题 ， 一是使用更高 ，但 在 低 成 本 应 用 当 中 不 易 解 决 ；二 是 精 度 的Ｉ Ｎ Ｓ 对Ｉ 但同样对于低成本 Ｎ Ｓ进 行 精 确 测 试 和 标 校， 这 Ｉ Ｎ Ｓ 也 不 易 做 到 ；三 是 改 进 组 合 导 航 滤 波 方 法 ， 种方法可以在不增加硬件成本的前提 下 获 得 一 定 的性能提 升， 实 现 简 便， 成 本 相 对 较 低， 因此本文 将从这一方面进行探索。如果将 组 合 导 航 系 统 中 无法用误 差 模 型 描 述 的 误 差 视 为 系 统 状 态 噪 声，
捷联惯性组合导航系统联合自适应滤波器设计
上＝４ ５ ７ ；
＝１ ２ ６６ 。
．
ｌ ０ ． ： １ 一
图 ２ ：姿 态 角估 计 误 差
。 ｛
初始速度
过 程 噪 声
ｖ＝ Ｏ ４ ｍ ／ ｓ ；
＝
，
Ｏ ． ， … ＝ ０ ｌ ｍ ／ Ｓ
初 始 经 、纬 度 误 差 砜 ＝３ ０ ” ；ｆ ｉ Ｌ ｏ ＝ ６ ０ ”
来建设 。近些年来随着许 多高校大力重视实践 实践的重要场所 ，对广播 电视专业人才 的培养 课 ，减少理论 课及相 关政策 的推出，实验 室的 起着重要作用 。新闻传播类专业是文科教学 中 利用率相对有所提高 ，但是培养计 划中，也就
上接 １ ９ ２页
式中 ： Ｗ＝ Ｊ ， ， ， Ｅ ｒ ｅ ， Ｓ ｒ ｎ ， ｓ ， ， Ｖ Ｊ 坐标 系轴 正交 安装 三个 陀螺 仪和 加速 度计 的
加快实验教学的创新性 ，改革和完善实验 室教 学方法及条件 ，培养学生实践能力及 通过 实验 开阔专业思路 ，提高实验教学 的有 效性 已成为 高校把普通的广播电视专业 实验室向高层 次实 验室发展 的建 设 目标。探索如 何科学 发展 、可 持续发展、以人为本、先进 管理 、教学相 长具 有重要 的现实意 义。
电力 电子 ● Ｐ ｏ ｗ ｅ ｒ Ｅ ｌ ｅ ｃ ｔ ｒ ｏ ｎ ｉ ｃ ｓ
表 ｌ ：仿真参数
地 球 半 径 地 球 自转 角 速度 Ｒ＝６ ３ ７ ８ １ ３ ７ ＝７２ ９ ２ ０ ８ ２ ６×１ ０ ｔ ａ ｄ／ ｓ
．
重力加速度
初 始 经 纬 度
ｇ＝ ９ ７ ８ ０ ４ ｍ／ ｓ
广播 电视专业而 言，实验教学 更是必不可少 ，
重 中之重 ，这是 由广播 电视这 样一个 “ 先实践 后理论” 的特征所决定 的。近 十几 年来，随着 传媒对于全世界及全社 会的影响、对 老百姓生
GPS／INS组合导航中的自适应滤波算法
ｍｅｈ ｄ ｏ ｌ ｍａ ｌｅ ａ ｅ ｎｃ ｖ ｒａ ｅ ｔｈｎ ｅ ｈ ｉ ｅ ｉ ｎｔ ｕ ｅ ｔ ｏ ｆＫａ ｎ ｆ ｔｒｂ ｓ ｄ ｏ ｏ ａｌｎ ｅｍａｃ ｉｇｔｃ ｎｑｕ ｓｉ ｒ ｃ ｄ．Ｔ ｅ ｃ ｖ ｒａ ｅ ｆｔ ｙ ｔｍ ｏｓ ａｌｂ ｉ ｄ ｏ ｈ ｏ ａ ｉｎ ｅｏ ｈｅｓ ｓｅ ｎ ｉｅ ｅ ｒ ｅ ｅ ｔ ｔｄ ａ ｃ ｒ ｔｌ ｙ ｕ ｉｇ ｔ ｓｍｅｈ ｅ ｈ ・ ｌａ ｅ ｆｔｅ ｍｅ ｓ ｒｍｅ ｔｎ ｉｅ ｉ ｎ ｗｎ．ｎ ｆｌ ｒｎ ｓｉ ｅ ｃ ｕ ａｅｙｂ ｓｎ ｈｉ ｔｏ ｗｈ ｎ ｔ ｅｃｗａ￣ｎ ｅ ｏ ｈ ａ ｕ ｅ ｎ ｏｓ ｓｋ ｏ ｍａ ｄ Ｉ ｔ ｉ ｇ・ｉ ｃ ｎ ｓ ｅ ｉ ｅ ｔａ ｅ ｉ ｅｅ ｉ ｎ ｈ ｎ ｅ ｏ ｃ ｒｅ ｏｔｅ ｅ ｖ ｌａ ｅ ｆｔｅｓ ｓｅ ｎ ｉ ・ａ ｄ ｉ ｒ ｓａ ｔｅ ｔｍａｅ ｈ ｅ ｅ ￣ ｒａ ｃ ｆｔ ｒ ｓａ ｙ ｃ ａ ｇ ｃ ｕ ｒｄ ｔ ｈ ｏ ａ￣ ｅ ｏ ｈ ｙ ｔｍ ｏｓ ｈ ｎ ｅ ｎ ｆｔ ｅ ｉ ｎｙｉ ｓｉ ｔｓｔ ｅｎ ｗ ｏ＇ ｉｎ ｅ－ ｈｅ ａ ａ ｄ Ｕｅ ｈ ｂａｎ ｄ ｓａｉｔ ａ ｓｉ ｔ ｎ ｏ ｈ ｏｓ ｏ ｃ ｍｐ ｔ ｈ ｏ ａｉ ｃ ｔｉ ｆｔ ｏ ｔｒｏ ｅ ｕｅ ｃ ｎ ＳＳ ｔｅ ｏ ｔｉｅ ｔｔｓｉ ｌｅ ｔ ｃ ｍａｉ ｆｔｅ ｎ ｉｅ ｔ ｏ ｕｅ ｔｅｅ ｖ ｒａ ｅ ｍａｒｘ ｏ ｈｅｐ ｓｅ ｉｒｓｑ ｎ ｅ。ｔ ｕ ｏ ｎ ｈｓ
组合导航系统新息自适应卡尔曼滤波算法_卞鸿巍
1 自适应卡尔曼滤波算法
1. 1 IAE 自适应卡尔曼滤波算法
对于离散线性系统模型 , 其状态方程和量测方
程如下 :
Xk =Υk, k- 1 Xk- 1 +Γk-1 Wk- 1
Zk =Hk Xk +Vk 其中 :Υk, k -1 为一步转移阵 ;Γk - 1 为系统噪声驱动阵 ;
Hk 为量测阵 ;Vk 为量测噪声序列 ;Wk 为系统激励 噪声序列 , 且 Wk 和 Vk 互不相关 并满足 :E[ Wk ] =
将惯性导航系统(INS)和全球定位系统(GP S)
结合起来构成更高精度的组合导航系统备受人们关 注. 在以往的文献中 , 绝大部分采取 GP S 的位置或 速度信息作为 IN S 的外部修正信息[ 1] . 本文采取可
以提供位置 、速度 、航向和纵摇姿态的高精度 G PS 姿态测量系统与 INS 进行组合 , 以期获得更加优越 的舰船组合导航性能. 标准卡尔曼滤波器(SKF)需 精确了解外部测量噪声的统计规律 , 但在实际中 , 由
C-v
1 k
vk]
(11)
若要求式(11)取最大值 , 对 k 时刻之前 k - j 0 +1 组
数据进行累加并忽略常数项 , 则式(11)需满足
k
k
∑ ∑ ln |Cvj |+
vTj
C
-1 vj
vj
=min
j =j0
j =j0
(12)
根据极大似然估计准则 , 即满足 : p / r =0 , 对式
2. 1 组合系统
目前进行的船用 INS 与 GPS 姿态测量系统组 合导航研究中 , 采用 T rim ble MS860 DGPS 系统和
自适应滤波在GPS IMU/MV组合导航系统中的应用
自适应滤波在GPS IMU/MV组合导航系统中的应用作者：吴延霞王卫东来源：《科技资讯》 2012年第34期吴延霞王卫东(德州学院汽车工程系山东德州 253000)摘要:本文提出了一种自适应数据融合方法,该方法根据位置误差、角度误差和统计信息,采用模糊逻辑控制器对卡尔曼滤波器的增益矩阵K,测量误差协方差R,观测误差协方差Q进行实时修正,将卡尔曼滤波器调整到最优状态。
仿真结果证明该方法比传统卡尔曼滤波具有更高的精度。
关键词:自适应卡尔曼滤波组合导航中图分类号:TP273 文献标识码:A 文章编号:1672-3791(2012)12(a)-0209-01在惯导和GPS导航中,卡尔曼滤波是较广泛的组合算法,计算时通常假设系统噪声和测量噪声是零均值白噪声序列,且已知方差阵Q和R。
但实际上,系统模型不可能完全准确,Q和R的值也将根据测量误差和传感器的信号质量发生变化[1]。
此外,滤波增益系数K是假设当前滤波器处于最优状态计算得出的,在实际作业中,环境的变化对传感器的信号质量会产生影响。
本文采用模糊逻辑控制器对增益K以及Q和R的值修正,根据各传感器的信号质量实时改变融合策略,提高导航的定位精度。
1 自适应卡尔曼滤波的数学模型以建立的两轮车辆运动学的模型为例,如图1所示。
3 仿真试验分析假设车辆从(0,0)点出发,以0.6 m/s的速度沿0°航向作匀速运动,运行时间为100 s。
采样周期为0.01 s。
以横向偏差为例分析本系统的融合滤波效果,如图2所示。
图a为模拟的GPS信号,采样间隔为1 s,图b为MV信号,采样间隔为0.1 s,图c为扩展卡尔曼滤波得到的信号,图d为双模糊自适应卡尔曼滤波得到的信号。
仿真结果表明:双模糊自适应卡尔曼滤波能更好地适应GPS与MV信号的质量偏差,获得偏移量更小,精度更高的定位信号。
4 结论建立了双模糊控制器来检测和防止传统卡尔曼滤波器发散,使其处于最优状态。
通过判断信息序列实时修正系统的过程噪声向量的方差强度阵Q(t)的值,以及通过DR法确定GPS、IMU,MV 信号的质量,进行有选择性的融合,该控制器的输出将实时改变系统的观测噪声向量的方差强度阵R(t)以及新息的值。
文献翻译-基于自适应滤波器的组合导航信息融合
英文翻译系别专业名称班级学生姓名学号指导教师Information Fusion of Integrated Navigation Based onSelf-adaptive FilterAbstract- In order to realize high accuracy and excellent reliability of navigation system, information fusion technology of integrated navigation based on self-adaptive filter is researched in this paper. Inertial navigation system (INS), global navigation satellite system (GNSS),synthetic aperture radar (SAR) and barometric altimeter (BA) are taken to construct INS/GNSS/SARIBA integrated system.INS is regarded as the primary navigation equipment, and other systems are aided navigation equipments. Firstly, errors of INS, GNSS, SAR and BA are modeled and chosen as system states of integrated navigation. Based on self-adaptive filter algorithm, output information of INS and GNSS are fused in INS/GNSS integrated navigation filter, and output information of INS, SAR and BA are fused in INS/SARIBA integrated navigation filter. Then the federated filter frame is designed, and estimations of system states from INS/GNSS and INS/SARIBA local filters are fused once more in the master filter independently.Consequently global optimal estimations of system states are given by the master filter, which are used to correct errors of INS. Simulation results show that,position accuracy of INS/GNSS/SARIBA integrated navigation reaches±1l.6m,attitude accuracy reaches ±0.52,velocity accuracy reaches ±0.14m/s, and its reliability is very excellent when noise statistics characteristics of some navigation equipment are variational in the navigation process.Keywords-information fusion; integrated navigation; selfadaptive filter; inertial navigation system; global navigation satellite system; synthetic aperture radar; barometric altimeterI.INTRODUCTIONThe accuracy and reliability of navigation system are more and more important for the modern flight task.Integrated navigation technology based on information fusion is an available approach to improve the accuracy and reliability of the navigation system . By fusing navigation information from all sorts of navigation equipments, integrated navigation can take full advantage of each nonsimilar navigation sub-systems. Based on Wiener filtering, Kalman filtering,self-adaptive filtering and other information fusion technologies, the optimal estimates of navigation parameters can be obtained.At present, inertial navigation system (INS) is widely used in spaceflight, aviation and other fields. It has strong anti-interference capability, and can provide position,attitude, velocity and other parameters. But its errors accumulate with navigation time. Global navigation satellite system (GNSS) is the most precise navigation system in the world, but satellite signals of GNSS are subject to be interfered or shielded [2]. Similarly, other modern navigation systems also have several disadvantages. However, accuracy, reliability and anti-interference capability of navigation system become more and more important for the modern aircraft. In order to realize higher accuracy and more excellent performance, it is necessary to take full advantage of each navigation system by information fusion technology.INS, GNSS, synthetic aperture radar (SAR) and barometrical time ter(BA)are taken to construct INS/GNSS/SARIBA integrated navigation system by information fusion technology in this paper. INS is regarded as the primary navigation equipment, and other systems are aided navigation equipments. Noise statistics characteristics of these aided navigation equipments are probably uncertain or variational during the navigation process, which will lower the accuracy of Kalman filter [3], so self-adaptive filter is adopted to design local filters of integrated navigation. In order to obtain global optimal estimations of system states, the federated filter frame andglobal optimal information fusion algorithm are designed. Thus high accuracy, strong reliability and good anti-interference capability are realized in INS/GNSS/SARIBA integrated navigation system.In this integrated navigation system, East-North-Up geography coordinate is chosen as navigation coordinate. INS, GNSS, SAR and BA are all mounted on the aircraft. INS outputs the position, velocity and attitude of the aircraft, GNSS output the position and velocity, SAR outputs the latitude and longitude of the position, and BA outputs the altitude. Errors of INS, GNSS, SAR and BA are chosen as system states of integrated navigation. The difference between position outputs of INS and GNSS, and the difference between velocity outputs of INS and GNSS are taken as the measurement of INS/GNSS integrated navigation. At the same time, the difference between position outputs of INS and SAR, and the difference between altitude outputs of INS and BA are taken as the measurement of INS/SARIBA integrated navigation. Then two measurements are sent to corresponding local filters, and two local estimations of system states are obtained by information fusion algorithm. Two local estimations are sent to the master filer, and then global optimal estimations of system states are given in the master filter by the global Optimal Fusion Algorithm. Finally, global optimal estimations are used to correct errors of INS, and outputs of corrected INS are regarded as outputs of INS/GNSS/SARIBA integrated navigation system. So the above information fusion scheme in integrated navigation is described as follows:In the design of integrated navigation, errors of navigation equipments are taken as system states, so errors of INS, GNSS, SAR and BA must be analyzed and modeled firstly. Errors of inertial instrument are the main error sources of INS. After calibration and compensation, random drifts are reserved in inertial instrument errors, which including constant drifts of gyro white noises of gyros constant biases of accelerometers and white noises ofaccelerometers where i = x, y, Z denote the X, Y and Z axes of the aircraft. And thus inertial instrument errors generate other errors of INS, including analytic platform attitude error, velocity error and position error. Model equations of above errors are provided in many references, so unnecessary details are not given in this paper. GNSS is the most precise navigation system in the world, and its positioning accuracy reaches several dozens meters. So errors of GNSS are usually considered as white noise processes, and not chosen as system states of integrated navigation So system states of INS/GNSS integrated navigation include inertial instrument errors, analytic platform attitude errors of INS,velocity errors.According to error model of INS, state equation of INS/GNSS integrated navigation can be written as Based on (2) and (5), the information fusion of INS/GNSS integrated navigation can be accomplished by Kalman filter usually. However, satellite signals of GNSS are subject to be influenced during the navigation process, and noise statistics characteristics of GNSS are probably uncertain or variational, which will lower the accuracy of Kalman filter obviously [5]. So the following simplified Sage-Husa self-adaptive filtering algorithm is taken as the information fusion algorithm in INS/GNSS integrated navigation.SAR is a sort of imaging radar with high resolution.Among its wide-range applications, SAR mounted on the aircraft can realize navigation function by image processing and matching technology. At present, SAR can output the latitude and longitude of the position of the aircraft, and its accuracy reaches several dozens meters.In matching navigation of SAR, antenna attitude errors of SAR are the main error sources. Thus antenna attitude errors of SAR must be considered and modeled. Once SAR is mounted on the aircraft, its antenna attitude errors usually can beconsidered as random constant. So antenna attitude errors If/i can be modeled as follows.Barometric altimeter (BA) is a sort of precise equipment for measuring the altitude. It can calculate the altitude of the carrier by measuring the barometric value. By analyzing work principle and actual output data of BA, it is found that altitude error of BA is subject to be influenced by environment temperature and wind power [6], and it can be described as the combination of random walk and white noise. So altitude error of BA can be modeled as follow.As the traditional navigation system can’t satisfy the requirements of the navigating position of the Autonomous Underwater Vehicles(AUV),especially in the long time and long range travel. Based on the practical thing and the developments of navigation technique,we design the Integrated Navigation System of the AUV in this paper. Using timing introducing GPS navigation information,we solve the question of the positional error accumulated with the time due to strapdown inertial navigation system(SINS) and doppler Navigation System.And by means of simulation study,the result indicates that the design method in this paper is proper,which can increase the positioning accuracy of UA V in the long time and long range travel.The main research work is done as follows:Design the strapdown inertial navigation system of AUV. The basic navigation algorithm of SINS is inferenced detailedly.We make the formula derivation of the basic position, speed and attitude of the strapdown inertial navigation,and analysis the error characteristics of SINS systematically.And at the same time we establish its error model equation. Research the composition of GPS,the basic principle of navigation position一setting,and the analysis of data error.Aimed at the different error source,this paper establish the variant basic error model.This paper detailedly Introduce the Doppler velometer, electric gyrocompass and strapdown flux一gate azimuth finder,and so on,which compose the Doppler navigation system.Research the operating principle and error source of the subsystem. Deduce the error formula,and establish its error model.Design of the Integrated Navigation system of AUV. Based on the variousnavigation system error,aimed at the navigation characteristic in the long time and long range travel,by means of the vehicle receiving the GPS Navigation information by timing rise,we design the Integrated Navigation System.The simulation result shows that after timing introducing GPS Navigation information this navigation system can increase the positioning accuracy evidently,and overcome the question of the positional error accumulated with the of time in SINS/DVL Integrated Navigation.Simulation result figures show that, INS/GNSS/SARIBA integrated navigation method based on self-adaptive filter realizes high accuracy and excellent reliability. Figure 2 shows that, position accuracy of INS/GNSS/SARIBA integrated navigation reaches ±11.6m. Figure 3 shows that, the heading, pitch and roll accuracy of integrated navigation all reach ±0.52'. Figures 4 shows that, velocity accuracy of integrated navigation reaches ±0.14m/s. According to the above simulation result figures, it can also be found that, although noise statistics characteristics of navigation equipments are variational obviously in the navigation process, INS/GNSS/SARIBA integrated navigation based on self-adaptive filter still achieves high and stable accuracy. So it can be concluded that, INS/GNSS/SARIB integrated navigation based on self-adaptive filter not only has high accuracy, but also has excellent reliability and anti-interference capability.基于自适应滤波器的组合导航信息融合摘要——本文讲述的是为了实现精度高和优秀的导航系统的可靠性，信息融合技术基于自适应滤波器的组合导航研究。
模糊自适应Kalman滤波在INS／GPS组合导航系统中的应用
１ 引 言
一
对 于舰船 Ｉ ／ Ｓ测 姿 组 合 导 航 系统 而 言 ， ＮＳ ＧＰ 为稳 定 。
经 典 Ｋａｍａ ｌ ｎ滤 波 技 术 以其 对 系 统 状 态 最 优 估 计 的特性 在组 合导 航 系统 中广 泛应 用 。然而 ， 应 用 Ｋａｍａ 波 技 术 需 要 准 确 的系 统 数 学 模 型 和 ｌ ｎ滤 噪声统计 特性 ， 精确 或错 误 的模 型 和 噪声 统计 特 不 性 可能 导致 滤波 器性 能变 差 ， 至 滤波 发 散 ¨ 。为 甚 】 ］
关键词
组合导航 ；Ｋ ｌ ｎ滤波 ； 息 ； ａｍａ 新 模糊控制
Ｕ６ ６ １ ６ ．
中图 分 类 号
Ｆｕｚ ｙ Ａｄ ｐ ｉ ｅ Ｋ ａ ｍ ａ ｌｅ ｉ ｇ ａ ｔｖ ｌ ｎ Ｆｉｔ ｒｎ ｚ
ｉ ＮＳ ＧＰ ｎｅ ｒ ｔｄ Ｎａ ｉａｉｎ Ｓ ｓｅ ｎＩ ／ Ｓ Ｉ ｔｇ ａ ｅ ｖｇ ｔ ｙ ｔｍ ｏ
（ ｖ ｕｐ ｎ ｐ ｒｍｅ ｔ Ｎａ ｙ Ｅｑ ｉｍｅ ｔＤｅ ａ ｔ ｎ ，Ｂｅｊ ｇ １ ０ ３ ） ｉｎ ０ ０ ６ ｉ
Ａ ｓ ｒｃ Ｔ ｅｍｅ ｓ ｒｍｅ ｔ ｏｓ ｈ ＮＳ Ｇ Ｓ ｉｔｇ ａｅ ａ ｉａｉｎ ｓ ｓｅ ｓｃ ｍｐｅ ｎ ａｉｂｅ ｈｃ ｏ ｌ ｂ ｔ ｔ ｈ ａ ｕ ｅ ｎ ｉ ｉ ｔ ｅＩ ／ Ｐ ｅ ｒ ｔｄ ｎ ｖ ｔ ｙ ｔｍ ｉ ｏ ｌ ａ ｄ ｖ ｒ ｌ，ｗ ｉ ｃ ｕ ａ ｎ ｅｎ ｎ ｇ ｏ ｘ ａ ｈ ｄ
的 自适 应 模 糊 控 制 Ｋａｍａ 波 算 法 ， 过 模 糊 控 制 器 在 线 调 整 量 测 噪 声 方 差 ， 制 滤 波 器 发 散 ， 而 提 高 导 航 系 统 的精 ｌ ｎ滤 通 抑 从 度 。仿 真 结 果 表 明该 算 法 具 有 比 常规 Ｋａ ｎ滤 波 更 高 的精 度 。 ｌ ｍａ
改进的自适应卡尔曼滤波算法
改进的自适应卡尔曼滤波算法刘桂辛【摘要】为了消弱由测量噪声的变化对导航估计的影响，本文提出了一种自适应滤波法。
该算法利用阈值自动选择开窗窗口的长度调节自适应因子，以此调整扩展卡尔曼滤波法（EKF）与无迹卡尔曼滤波法（UKF）中的滤波增益，进而合理利用测量信息，由此分别形成AEKF与AUKF算法。
将两种方法分别应用于全球导航系统（GPS）和航位推算（DR）紧组合导航系统中，仿真结果证明了与UKF相比，可以有效地避免滤波发散。
%In order to weaken the variational measurement noise influence of the navigation estimation, this paper propose a kind of adaptive filtering method. The algorithm using threshold automatic selection the windowing of length, which regulates adaptive factor, to adjust the gain of Extended Kalman filter (EKF) and Unscented Kalmanfilter (UKF) algorithm, and rationaliy utilized the measurement information, thus respectively formed the AEKF and AUKF algorithm. When the two kinds of methods were used in the global navigation system (GPS) and dead rocking (DR) tightly integrated navigation system, the simulation result demonstrates that, compared to UKF, the method can effectively avoid filtering divergence.【期刊名称】《电子设计工程》【年(卷),期】2016(024)002【总页数】4页(P48-51)【关键词】卡尔曼滤波;GPS/DR组合导航;自适应滤波;AEKF;AUKF【作者】刘桂辛【作者单位】河北前进机械厂河北石家庄 050035【正文语种】中文【中图分类】TN713在室外作业时，利用导航系统可以实现监控中心对运载车的工作状态进行干预的目的。
GPS／DR组合导航自适应Kalman滤波算法
Ａｄａ ｉｖ ｌｅ ｉ ｇ Ａｌ ｏ ｉｈｍ ｎ ｐｔ ｅ Ｆｉ ｒ ｎ ｇ ｒｔ ｔ ｉ ＧＰＳ ＤＲ ｎ ｅ ｒ ｔ ｄ Ｎａ ｉ ａ ｏ ／ Ｉ ｔｇ ａ ｅ ｖｇ ｔ ｎ ｉ
Ｗ Ｕ ｕ． ｉ一， Ｆ ｍｅ ＹＡＮＧ Ｙｕａ ． ｉ ＴＩ ｎ ｘ。 ＡＮ Ｙｕ． ｎ。 ｍｉ
摘要 ： 针对 Ｇ Ｓ Ｄ Ｐ ／ Ｒ组合导航 Ｋ ｌ ｎ滤波的异常扰动影响 问题 ， ａ ｍａ 引入 了自适应滤波算法。给出 了由预测 残差
确定 自适应 因子 的过程。利用实测数据进行验证 ， 结果表 明无论是单因子 自适应滤波还是 多因子 自适应滤波 都 能够很好地控制状态异常对滤波估值 的影响 ， 滤波精度 均优 于标 准 Ｋ ｌ ｎ滤波导航解 ； ａ ｍａ 而且 因为多因子 自 适 应滤 波避免损失可靠 的状态参数信息 ， 单因子 自适应滤波， 较 精度又有 明显提高。 关 键 词 ： Ｐ／ Ｒ 组合导航 ； 因子 自适应滤波 ； Ｇ ＳＤ 单 多因子 自适应滤波； ａｍ ｎ滤波 Ｋｌａ 文献标识码 ： Ａ 中图分类 号：２ ８ Ｐ ２
航 位 推算 Ｄ Ｄ ａ—ｅｋｎｎ ） 全 球 定 位 Ｒ（ ｅｄＲ ｃｏｉｇ 和
ｃ ｕ ｅ ｔ ｅ ｖ ｉ ｅ ｏ ｓｎ ｈ ｆ ｃｅ ｃ ｅｒ ｌ ｂ ｅ ｓ ｔ ａａ ｔ ｒ． ａ ｓ ｙ ａ ｏｄ ｄ ｌｏ ｉ ｇ ｔ ｅ ｅｆ ｉｎ ｙ ｏ ｔ ｅｉ ｌ ｔ ｅ ｐ ｒ ｍｅｅ ｓ ｈ ｉ ｆ ｈ ａ ａ
Ｋｅ ｒ ｓ ＧＰ ／ ｎ ｅ ａ ｅ ａ ｉａ ｉｎ ａ ａ ｔ ｅ ｆ ｃｏ ｌ ｒ ｇ ｍｕ ｔ ａ ａ ｔ ｅｆ ｃｏ ｓｆ ｔｒ ｇ Ｋａｍａ ｌ ｒ ｇ ｙ ｗｏ ｄ ： Ｓ ＤＲ ｉ ｔｇ ｔｄ ｎ ｖｇ ｔ ； ｄ ｐ ｉ ａ ｔｒｆ ｔ ｉ ； ｌ ｄ ｐ ｉ ａ ｔｒ ｌ ｉ ； ｌ ｎ ｆ ｔ ｉ ｒ ｏ ｖ ｉ ｅｎ ｉ ｖ ｉ ｅｎ ｉｅ ｎ
自适应滤波器在组合导航系统中的应用
自适应滤波器在组合导航系统中的应用李桂英;徐杨;岳宇博【摘要】The scheme and principle of the navigation system of UAV is introduced.Analysis the source of error and deviation in the combined navigation of GPS/INS.For the error being in system, adopt difference measurement and adaptive filter/The error of system by simulation, it shows that the design can improve the accuracy of system.%介绍了一种无人机导航算法的设计方案和原理,分析了GPS/INS组合系统中误差、偏差来源,针对系统存在的误差,采取差分测量以及自适应滤波算法,并对设硬件系统的误差进行仿真,证实了设计方案可以提高系统的精度.【期刊名称】《价值工程》【年(卷),期】2011(030)033【总页数】2页(P150-151)【关键词】差分测量;组合导航;卫星定位;自适应滤波【作者】李桂英;徐杨;岳宇博【作者单位】长春理工大学,长春130022;长春富维—江森自控汽车饰件有限公司,长春130033;长春理工大学,长春130022【正文语种】中文【中图分类】TP390 引言目前GPS/INS组合导航成为无人机导航系统的主流方向，由于这种组合系统的误差随时间累积。
本文分析了组合系统中的误差来源，依此采用差分伪距的卫星定位测量方式，并建立了系统误差观测方程，提出了自适应滤波器提高系统测量精度的解决办法。
1 导航系统误差来源如表1表1 组合系统误差来源卫星误差星历误差星钟误差传播误差电离层时延误差对流层时延误差多路径误差相对论效应误差地球自转效应误差接收误差观测噪声误差内时延误差天线相位中心误差针对系统中存在的传播误差，可以采用差分测伪距的方法消除。
车载组合导航的自适应滤波
车载组合导航的自适应滤波
贺娟;胡晓倩;张莲
【期刊名称】《重庆理工大学学报（自然科学版）》
【年(卷),期】2008(022)003
【摘要】针对车载组合导航信息融合的高精度、高可靠性等要求,提出了一种组合导航的自适应集中滤波算法.该算法的主要思想是:以判别观测数据中的野值存在与否为算法切换条件,存在野值时采用改进的增益矩阵滤波处理方法,不存在野值时则采用模糊自适应集中滤波方法.将此方法用于SINS/GPS车载组合导航系统,实验表明,采用的这种自适应滤波方法,能够有效抑制滤波发散,滤波精度和收敛速度优于常规集中滤波,是一种有效的车载组合导航算法.
【总页数】4页(P104-107)
【作者】贺娟;胡晓倩;张莲
【作者单位】重庆工学院电子信息与自动化学院,重庆,400050;重庆工学院电子信息与自动化学院,重庆,400050;重庆工学院电子信息与自动化学院,重庆,400050【正文语种】中文
【中图分类】TP274
【相关文献】
1.车载SINS／GPS组合导航系统自适应联合滤波模型 [J], 陶俊勇;陶利民
2.模糊自适应滤波在车载组合导航系统中的应用 [J], 高薪;卞鸿巍;张和杰
3.一种自适应联邦滤波在车载组合导航中的应用 [J], 贺娟;张芳芳;贺晓蓉
4.基于速度约束与模糊自适应滤波的车载组合导航 [J], 胡杰; 严勇杰; 王子卉
5.自适应联合滤波模型及其在车载SINS/GPS组合导航系统中的应用 [J], 陶俊勇;邱静;温熙森;钱彦岭
因版权原因，仅展示原文概要，查看原文内容请购买。
- 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)。
论域 X 和Y 上的模糊集合 .大前提(规则):if RRki
is A , then βki is B ;小 前提(事实):RRki is A ＊ ;结
论 :βki
is
B
＊
=A
＊°μR M(RR
j ki
,
βjki), 则每条规则对应
的模糊输出为 μB ＊(βjki )=ωΛμB(βjki ).
用重心法来进行清晰 化 , 令 μB ＊(βjki )=μjβ , ki
对角线上的元素 , 则有 :
[ Crk] i , i/ γ[ Prk] i , i ※1 , i =1 , 2 , 3 , 4 (5)
令 Rk =βkR0 , 其中 βk =diag ([ βk1 , βk2 , βk3 , βk4] ), 则式(1)可写为
Prk =Hk [ Υk , k -1 Pk -1 ΥkT, k -1 +Qk -1] HkT +βkR0 (6)
[ Crk ] i , i γ[ Prk] i , i
≈
1 γ
+(βki
-1) γ
=
βki γ
(11)
令:
RR ki
=[[
Crk ] P rk]
i i
, ,
i i
(12)
从式(11)和式(12)可以看出 , 由于贮备系数 γ
是固定不变且大于等于 1 的常数 , 比例因子 βki 与 RRki 成近似正比关系 , 因此可以通过变化 RRki 来得
全球定位系统(GPS)和惯性导航系统(INS)由 于它们的优劣势可以互补 , 因而成为车载导航的 “黄金” 组合 , 而捷联惯性导航系统(SINS)由于其 体积小 、成本低 而受到青睐 .在 SINS/GPS 车载组 合导航中 , 衡量组合导航精度和可靠度的重要指 标就是导航传感器的信息 融合算法 , 而卡尔曼滤 波由于其对状态估计最优 的特点 , 成为组合导航
法用于 SINS/ GPS 车载组合导航系统 , 实验表明 , 采用的这种 自适应滤 波方法 , 能够有效 抑制滤波
发散 , 滤波精度和收敛速度优于常规集中滤波 , 是一种有效的车载组合导航算法 .
关 键 词 :车载组合导航 ;信息融合 ;模糊推理 ;卡尔曼滤波
中图分 类号 :TP274 文献 标识码 :A
=
1γ+(βki γ-1)×[
HkPk ,
[ R0] i , i k -1HTk +R0]
i,
i
(9)
实际上 , 在无野值的情况下 , HkPk, k -1HTk相对于 R0
较小 , 有 :
[ R0] i , i ≈[ HkPk , k -1HTk +R0] i , i
(10)
于是式(10)化简为 :
到近似的 βki 值 , 由 此得 到较 为准 确的 Rk 阵 .将 RRki 作为模糊控制器的输入 , βki 作为输出 , 用 5 档
1 06
重庆工学院学报
语言 变 量 ———小 (N)、零 (Z )、较 大 (PS )、中 大
(PM)、很大(PL)———分别划分输入输出语言值 , 模
糊规则定义为 :if RRki is N , then βki is N ;if RRki is
其中[ Cr0] i , i 阵里包含的观测噪声方差为 R0 . 求得 βk 值以前 , Prk 中的 Rk =R 0 , 由式(5)和
式(8)引出 :
[ Crk] i , i γ[ Prk ] i , i
[ =
Cr 0] i , i +(βk i -1)[ R0] i , i γ[ HkPk , k -1Hk T + R0] i , i
T i
,
i0
=k
-N +1
(4)
由新息序列不等式(1)和(4)式可以看出 , Crk
阵与 Prk阵分别对应式(2)的左右两端 , 因此可以通
过 Crk 阵与 Prk 阵的改变来消除滤波发散现象 .在
模型较准确的情况下 , 若 k 时刻滤波稳定不发散 ,
则新息的理论方差阵 Prk与实际方差阵 Crk应当是 大小接近的 .忽略观测值的相关性 , 只考虑方差阵
将常 规 集 中 滤 波 与 自 适 应 集 中 滤 波 用 于
Z , then βki is Z ;if RRki is PS , then βki is PS ;if RRki is PM , then βki is PM ;if RRki is PL , then βki is PL .在剔
除了野值的情况下 , 输入的临界上限应当约等于
贮备系数 γ, 其值根据实际工作情况选取 . 根据 Mamdani 推理法 , 设 A , A ＊和 B 分别是
收稿日期 :2008-01-14
基金项目 :重庆市教委基础研究项目(KJ070605). 作者简介 :贺娟(1980—), 女 , 重庆璧山人 , 硕士 , 主要从事组合导航 、信息融合 、人工智能方面的研究 .
贺 娟 , 等 :车载组合导航的自适应滤波
105
滤波不准 确 , 甚 至可能 出现滤 波发 散的情 况 .因 此 , 如何获得较准确的观测噪声统计特性就成为 自适应卡尔曼滤波的一个重要研究方面[ 1-3] .
Abstract :A new adaptive central filter used in integrated navigation system of land vehicle is presented to achieve the high guidance-precision and anti-jamming .The main idea is using the fault datum as switching condition .While fault datum exists , choosing improved gain matrix of the Kalman filter approach ;otherwise choosing a fuzzy adaptive Kalman filter approach .Experiment results show that , when this approach is used in SINS/GPS integrated navigation systems , filtering precision and converging speed are better than those of general Kalman filter . Key words:integrated navigation system ;information fusion ;fuzzy reasoning ;central Kalman filter
=
HkP k
,
k
-1
H
T k
+Rk
(1)
判断滤波发散的方程为 : rk(i)2 ≤ γ[ E(rkrTk)] i , i , i =1 , 2 , 3 , 4 (2)
其中 :
[ E(rkrTk )] i , i =[ Prk] i , i
(3)
当式(2)不成立时 , 说明观测值中第 i 个分量
失真 , 滤波将发散 .因此在 滤波过程中 , 先判断式
模糊逻辑具有概念抽象能力和非线性处理能 力 , 可以用于对噪声统计特性进行调控 , 提高卡尔 曼滤波的 适应能 力 , 抑 制滤波 发散 .本研 究针对 SINS/GPS 车载组合导航系统 , 基于常规集中滤波 的不足 , 推导了一种简单有效的 、观测存在野值时 增益矩阵的改进方法 , 并结合模糊自适应集中滤 波 , 利用模糊推理来观测噪声统计特性的变化 , 得 到当前较为准确的观测噪 声方差阵 , 在一定程度 上消除滤波发散现象 , 以提高组合导航信息融合 的精度和收敛速度 .
文章编号 :1671-0924(2008)03 -0104-04
Adaptive Filter for Integrated Navigation System of Land Vehicle
HE Juan , HU Xiao-qian , ZHANG Lian
(School of Electronic Information and Automation, Chongqing Institute of Technology , Chongqing 400050, China)
系统信息融合应用中最为广泛和成功的一种 .在 系统数学模型已知 、准确的情况下 , 卡尔曼滤波能 够得到精确的状态估计 , 然而 , 由于环境的复杂多 变使导航系统接收的信号受到干扰 , 组合 导航系 统数学模型中观测噪声的统计特性往往无法被准 确获得 .而常规卡尔曼滤波中观测噪声的 统计特 性是保持不变的 , 这样由于模型误差较大 , 会引起
(2)是否成立 , 若 不成立 , 则将第 i 个野值对应增 益矩阵K k 的第 i 行元素全部置零 , 这样既保证了
其他可以用新息对估计值 的修正作用 , 又可以剔 除野值 , 从而消除滤波发散现象[ 4] .
1 .2 无野值的模糊推理卡尔曼滤波
模糊逻辑具有概念抽象能力和非线性处理能
力 , 可以用于对噪声统计特性进行调控 , 提高卡尔
1 自适应卡尔曼滤波
1 .1 存在野值的处理方法 常用新息序列不等式 rkTrk ≤γtr[ E(rkrTk)] 来判
断卡尔曼 滤波是 否发散 , 其中 :γ称为贮 备系数
(γ≥1);rk(=Z k -HkXk, k -1)为新息序列 ;E(rkrTk) 为新息序列的方差阵 , 理论值为 :
E(rkrk T)= Prk
(重庆工学院 电子信息与自动化学院 , 重庆 400050)
摘要 :针对车载组合导航信息融合的高精 度 、高 可靠性 等要求 , 提出 了一种 组合导 航的自 适应集