非线性滤波及其在组合导航系统中的应用
《非线性滤波》课件
VS
无迹卡尔曼滤波采用无迹变换来处理 非线性函数,从而能够更准确地描述 状态变量的概率分布。与扩展卡尔曼 滤波相比,无迹卡尔曼滤波具有更高 的计算效率和更好的估计性能,因此 在许多领域得到广泛应用。
容积卡尔曼滤波
容积卡尔曼滤波是一种结合了容积方法和卡尔曼滤波的算法。
容积卡尔曼滤波利用容积方法来计算状态变量的后验概率分布,并通过卡尔曼滤波来递归更新状态变量的估计。容积卡尔曼 滤波具有较高的计算效率和较好的估计性能,在许多实际应用中表现出色。
非线性滤波
目录
• 非线性滤波简介 • 非线性滤波算法 • 非线性滤波的应用 • 非线性滤波的优缺点 • 非线性滤波的未来发展
01
非线性滤波简介
定义与概念
非线性滤波是一种信号处理方法,通过非线性数学模型对信 号进行变换,以实现信号的提取、增强或抑制。非线性滤波 器能够处理那些线性滤波器无法处理的信号,如非线性的、 非平稳的、噪声干扰严重的信号。
03
非线性滤波的应用
导航定位
定位精度提高
非线性滤波算法能够处理多传感器融 合的数据,通过复杂的算法处理,提 高定位精度。
动态环境适应性
在动态环境中,非线性滤波能够实时 调整模型参数,以适应环境变化,保 证定位的准确性。
无人驾驶
传感器数据处理
无人驾驶车辆通过各种传感器获取数 据,非线性滤波能够对这些数据进行 有效处理,提取有用的信息。
3
可能产生失真
非线性滤波算法可能会对信号造成一定程度的失 真,因为它们会改变信号的原始特性。
05
非线性滤波的未来发展
算法改进
优化算法
随着计算能力的提升,非线性滤波算法将进一步 优化,提高计算效率和精度。
组合导航系统非线性滤波算法综述_赵琳
第17卷第1期中国惯性技术学报V ol.17 No.1 2009年2月 Journal of Chinese Inertial Technology Feb. 2009 文章编号:1005-6734(2009)01-0046-07组合导航系统非线性滤波算法综述赵 琳,王小旭,丁继成,曹 伟(哈尔滨工程大学 自动化学院,哈尔滨 150001)摘要:总结了组合导航系统具有非线性及模型不确定性的特点,指出了现阶段工程中的卡尔曼滤波及扩展卡尔曼滤波无法真正满足组合导航系统的实际应用要求;然后,以组合导航系统为背景,详细介绍近20年来非线性滤波理论所取得的成果,且阐述了它们的优缺点及在组合导航系统中的应用情况;接着分析了现阶段组合导航系统中滤波算法的新发展,最后对组合导航系统滤波算法进行展望,指明其进一步的可能研究方向。
关 键 词:组合导航系统;滤波算法;非线性;模型不确定性;综述中图分类号:U666.1 文献标志码:AOverview of nonlinear filter methods applied inintegrated navigation systemZHAO Lin, WANG Xiao-xu, DING Ji-cheng(College of Automation, Harbin Engineering University, Harbin 150001, China)Abstract: Firstly, the paper summarized that the integrated navigation system is nonlinear and has the character of mode uncertainty, while the Kalman filter(KF) and the extended Kalman filter(EKF) in the integrated navigation system don’t completely meet the practical application demands at present. Then some classically nonlinear filter methods in the past two decades are all introduced in detail. Their advantages and disadvantages, and their application situation in integrated navigation system are summed up. Some new developments of the filter methods in integrated navigation system nowadays is analyzed. Finally, further research directions in this field are pointed out.Key words: integrated navigation system; filter method; nonlinear; model uncertainty; overview所谓组合导航系统就是将两种或两种以上导航子系统按某种适当方式组合为一种导航系统,以达到提高系统精度和改善系统可靠性等目的。
卡尔曼滤波算法及其在组合导航中的应用综述
卡尔曼滤波算法及其在组合导航中的应用综述摘要:由于描述系统特性的数学模型和噪声的统计模型不准确,不能真实反映物理过程,使模型与获得的观测值不匹配从而会导致滤波器发散。
文章在描述组合导航基本特性和卡尔曼滤波原理的基础上提出了滤波发散的问题并提出了抑制发散的方法,最后介绍了卡尔曼滤波在组合导航中的应用。
关键词:卡尔曼滤波;组合导航;发散随着计算机技术的迅速发展,它有条件提供运算速度高、存贮量大的机载计算机,这为组合导航系统的发展创造了一个很好的技术条件,现代控制理论中最优估计理论的数据处理方法为组合导航系统提供了理论基础。
Kalman滤波是R.E.Kalman于1960年提出的从众多与被提取信号有关的观测量中通过算法估计出所需信号的一种滤波算法。
他把状态空间的概念引入到随机估计理论中,把信号过程视为白噪声作用下的一个线性系统的输出,用状态方程来描述这种输入-输出关系,估计过程中利用系统状态方程、观测方程、系统噪声和观测噪声的统计特性形成滤波算法。
1组合导航系统基本特性描述要描述一个实际系统,首先要对其进行建模,即建立系统的状态方程和测量方程。
对于组合导航系统,要进行滤波计算必须建立数学模型,此模型具有以下特点。
1.1非线性组合导航系统本质上是非线性系统,有时为了减少计算量及提高系统实时性,在某些假设条件下组合导航系统的非线性因素可以忽略,其可以用线性化的数学模型来近似描述。
但当假设条件不满足时,组合导航系统就必须采用能反映自身实际特性的非线性模型来描述。
所以说,非线性是组合导航系统本质的特性。
1.2模型不确定性组合导航系统处于实际运行环境当中时,受系统本身以及外部应用环境不确定性因素的影响,系统实际模型与建立的理论模型不能完全匹配,即组合导航系统具有模型不确定性。
造成系统模型不确定性的主要原因如下:①模型简化。
采用较少的状态变量来描述系统,忽略掉实际系统某些不重要的状态特征。
由此造成模型与实际不匹配。
组合导航大作业
基于组合导航系统的数值积分粒子滤波算法摘要本研究工作中,我们研究数值积分粒子滤波器(CPF)算法来计算GPS / INS组合导航系统的估值。
GPS/ INS组合导航系统的误差模型是非线性的。
CPF算法是建立在数值积分卡尔曼滤波器(CKF)和粒子滤波器(PF)之上的,并且具有两者的优点。
因此CPF可以为高维非线性滤波器问题提供一个系统的解决方案。
CPF通过模拟的方式来展现。
模拟结果表明,当与次优技术例如数值积分卡尔曼滤波器(CKF)比较时,这种方法具有优越的性能,因为在这种情况下CKF有大的初始偏差。
模拟的结果表明,该改进的CPF的表现超越了传统的非线性滤器。
该研究为工程设计和改进提供了支持。
关键字:数值积分规则数值积分卡尔曼滤波(CKF)数值积分粒子滤波器(CPF)组合导航1、引言滤波器在实际系统起着非常重要的作用。
在现实世界中,几乎所有的系统都具有非线性特性。
只有深刻领会非线性系统的本质,合理建立系统模型和非线性网络滤波方法才能有效地帮助分析和解决各种在工程实践中遇到的问题。
卡尔曼滤波器(KF)是用于估算线性系统[1]的最优滤波器。
该GPS / INS导航系统通常采用卡尔曼滤波器来估计所述系统的状态[2,3]。
卡尔曼滤波器的简单计算,递归结构和数学严谨的推导,使其适用和吸引大量实际应用的使用。
然而,许多现实世界的系统都是非线性的。
扩展卡尔曼滤波器(EKF)的开发来帮助这些非线性系统。
但是扩展卡尔曼滤波器是一种次优的非线性滤波器,由于当是线性系统[4,5]时截断了高阶项。
EKF的计算时间类似于卡尔曼滤波器[6]的。
数值积分卡尔曼滤波器(CKF)是没有非线性模型[7]的直链化非线性滤波连接的方法。
在CKF算法是公正和最小方差,这比GPS / INS 动态系统[8] EKF方法更好。
在CKF中被建议使用贬低线性偏置的非线性测量方程[9]。
物理系统往往受到意想不到的偏差或失误[10]。
其结果是,有一个方法,来维持一个精确的和可靠的解决方案[11]是重要的。
基于非线性Kalman滤波的导航系统误差补偿技术
基于非线性Kalman滤波的导航系统误差补偿技术沈凯;聂吾希斌K.A.;刘荣忠;普拉列达尔斯基A.V.;郭锐【摘要】As for nonlinear/non-Gaussian information processing problems in navigation systems, a kind of adaptive integrated navigation system was established on the basis of the modified traditional nonlinear Kalman filter by utilizing self-organization algorithm, neural network and genetic algorithm.Applying self-organization algorithm with redundant trends, Volterra neural network and genetic algorithm, the nonlinear prediction model of navigation system error was built.Then, predicted values of navigation errors were obtained using the established errorparing the predicted values with the estimated values by Kalman filtering algorithm, the difference between them, functioning as an indicator of the divergence of Kalman filter, was formulated.The modification of nonlinear Kalman filter was made and a novel technology of navigation error compensation was thus developed on the basis of adaptive control methods.Applying traditional and modified Kalman filtering algorithms respectively, the semi-physical simulation study based on the navigation system KIND-34 was carried out.The analyzed results indicate that the accuracy of error estimation and compensation in navigation systems is improved by using the modified nonlinear Kalman filter, and thus the ability of self-adaption and fault tolerance are enhanced in integrated navigation systems.%针对非线性非高斯导航系统信息处理问题,采用自组织算法、神经网络和遗传算法等改进传统非线性Kalman滤波算法,构建一种自适应的组合导航系统.应用具有冗余趋势项的自组织算法、Volterra神经网络和遗传算法,建立导航系统误差的非线性预测模型,进而计算得到其预测值;将该预测值与Kalman滤波算法求得的估计值进行比较得到差值,以此监测Kalman滤波算法的工作状态;采用自适应控制方法,在导航系统结构层面改进Kalman滤波算法,构建新型的导航系统误差补偿模型.开展基于导航系统KIND-34的半实物仿真研究,应用所提出的改进方法改善了导航系统误差的补偿效果,提高了组合导航系统的自适应能力和容错能力.【期刊名称】《国防科技大学学报》【年(卷),期】2017(039)002【总页数】7页(P84-90)【关键词】组合导航系统;导航系统误差补偿;非线性Kalman滤波;自组织算法;遗传算法【作者】沈凯;聂吾希斌K.A.;刘荣忠;普拉列达尔斯基A.V.;郭锐【作者单位】南京理工大学机械工程学院, 江苏南京 210094;莫斯科鲍曼国立技术大学计算机科学与控制系统学院, 俄罗斯莫斯科 105005;莫斯科鲍曼国立技术大学计算机科学与控制系统学院, 俄罗斯莫斯科 105005;南京理工大学机械工程学院, 江苏南京 210094;莫斯科鲍曼国立技术大学计算机科学与控制系统学院, 俄罗斯莫斯科 105005;南京理工大学机械工程学院, 江苏南京 210094【正文语种】中文【中图分类】V249.3飞行器导航系统由惯性导航系统及其他外部辅助导航系统组成,是确定飞行器位置、速度和姿态等信息并引导飞行器按照某一轨迹飞行的复杂非线性系统。
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。
推荐-卡尔曼滤波在INSGPS组合导航中的应用研究 文献综述报告 精品
卡尔曼滤波在INS/GPS组合导航中的应用研究一、前言GPS和惯性系统都是目前世界上先进的导航系统,二者各有优缺点。
惯导系统具有不依赖外界信息、隐蔽性好、抗辐射强、全天候等优点,是机载设备中能提供多种较精确的导航参数信息的设备,但是存在着误差随时间迅速积累增长的问题,这是惯导系统的主要缺点。
与惯导系统相比,GPS定位的显著优点是其高精度和低成本。
尤其是利用GPS卫星信号的高精度载波相位观测量进行定位。
但是在GPS导航定位应用中也存在动态环境中可靠性差,定位数据输出频率低的问题。
利用INS和GPS导航功能互补的特点,以适当的方法将两者组合,可以提高系统的整体导航精度及导航性能。
所谓滤波就是从混合在一起的诸多信号中提取出所需要的信号。
估计理论的研究对象是随机现象。
一个系统的运动轨迹是与系统的初始状态和控制作用的性质、大小有关的。
但在实际系统中,除了已知的控制作用以外,经常有一些外界的杂散信号对系统起作用,如在雷达跟踪系统接收的信号中,有很大一部分随机信号,导弹飞行过程中,由于环境等条件的改变而受到随机信号影响等,通常称这一类信号为噪声。
因此在设计自动控制系统时,除了考虑控制作用外,还必须了解噪声的性质、大小,然后通过适当的结构,抑制或滤掉噪声对系统的影响。
只有对系统的状态做到充分精确地估计,才能保证系统按照最佳的方式运行。
当系统中有随机噪声干扰时,系统的综合就必须同时应用概率和数理统计方法来处理。
也就是在系统的数学模型已建立的基础上,通过对系统输入、输出数据的测量,利用统计方法对系统本来的状态进行估计,此类问题就是滤波问题,卡尔曼滤波其就是为实现这一目的而设置的。
二、卡尔曼滤波与组合导航系统将航行体从起始点导引到目的地的技术或方法称为导航。
能够向航行体的操纵者或控制系统提供航行体位置、速度、航向、姿态等即时运动状态的系统都可作为导航系统。
随着科学技术的发展,导航逐渐发展成为一门专门研究导航方法原理和导航技术装置的学科。
EKF、UKF、PF组合导航算法仿真对比分析
EKF、UKF、PF组合导航算法仿真对比分析摘要随着人类对海洋探索的逐步深入,自主式水下机器人已被广泛地应用于海底搜救、石油开采、军事研究等领域。
良好的导航性能可以为航行过程提供准确的定位、速度和姿态信息,有利于AUV精准作业和安全回收。
本文介绍了三种不同的导航算法的基本原理,并对算法性能进行了仿真实验分析。
结果表明,在系统模型和时间步长相同的情况下,粒子滤波算法性能优于无迹卡尔曼滤波算法,无迹卡尔曼滤波算法性能优于扩展卡尔曼滤波算法。
关键词自主式水下机器人导航粒子滤波无迹卡尔曼滤波扩展卡尔曼滤波海洋蕴藏着丰富的矿产资源、生物资源和其他能源,但海洋能见度低、环境复杂、未知度高,使人类探索海洋充满了挑战。
自主式水下机器人(Autonomous Underwater Vehicle,AUV)可以代替人类进行海底勘探、取样等任务[1],是人类探索和开发海洋的重要工具,已被广泛地应用于海底搜救、石油开采、军事研究等领域。
为了使其具有较好的导航性能,准确到达目的地,通常采用组合导航算法为其导航定位。
常用的几种组合导航算法有扩展卡尔曼滤波算法(Extended Kalman Filter,EKF)、无迹卡尔曼滤波算法(Unscented Kalman Filter,UKF)和粒子滤波算法(Particle Filter,PF)。
1扩展卡尔曼滤波算法EKF滤波算法通过泰勒公式对非线性系统的测量方程和状态方程进行一阶线性化截断,主要包括预测阶段和更新阶段。
预测阶段是利用上一时刻的状态变量和协方差矩阵来预测当前时刻的状态变量和协方差矩阵;更新阶段是通过计算卡尔曼增益,并结合预测阶段更新的状态变量和当前时刻的测量值,进而更新状态变量和协方差矩阵[2]。
虽然EKF滤波算法在非线性状态估计系统中广泛应用,但也凸显出两个问题:一是由于泰勒展开式抛弃了高阶项导致截断误差产生,所以当系统处于强非线性、非高斯环境时,EKF算法可能会使滤波发散;二是由于EKF算法在线性化处理时需要用雅克比(Jacobian)矩阵,其繁琐的计算过程导致该方法实现相对困难。
改进粒子滤波算法在组合导航中的应用
改进粒子滤波算法在组合导航中的应用粒子滤波是一种基于蒙特卡罗方法的非参数滤波算法,用于处理非线性、非高斯等复杂的系统状态估计问题。
在组合导航领域,粒子滤波被广泛应用于车辆、船舶、飞行器等各种导航系统中。
本文将重点探讨如何改进粒子滤波算法,并加以应用于组合导航中。
一、粒子滤波算法原理粒子滤波采用贝叶斯滤波原理,利用后验概率密度函数来描述状态变量的分布状况。
具体而言,将状态变量表示为一个向量X,其分布函数为p(X),则有:p(X|y) = p(y|X)p(X)/p(y)其中,y表示系统的观测变量,p(y|X)为观测变量的条件概率密度函数,p(X)为系统初始状态变量的先验概率密度函数,p(y)为观测变量的边际概率密度函数。
可以发现,上式右边三个概率密度函数都是已知的,因此,只需要计算p(X|y),就可以得到系统状态变量的后验概率密度函数。
由于系统模型的非线性性和非高斯性,在实际应用中通常无法计算p(X|y)的解析形式。
因此,采用粒子滤波算法来近似计算p(X|y)。
具体而言,粒子滤波算法通过一组随机采样的状态粒子来代表系统状态的分布状况,将状态值与其概率密度值联系起来。
每个状态粒子都有一个与之对应的权重值,代表该状态粒子的重要程度。
根据贝叶斯原理将观测量与系统状态进行联合估计,重新调整每个粒子的权重,最后得到后验概率分布。
具体而言,粒子滤波算法主要包括状态预测、权重更新和粒子重采样三个步骤。
虽然粒子滤波算法在复杂非线性问题中具有广泛应用的优点,但是由于粒子之间的采样误差和粒子数目限制等因素的影响,可能导致粒子滤波算法的估计精度不够高,因此需要改进。
以下是几种粒子滤波算法的改进方法:(1)基于粒子滤波的扩展卡尔曼滤波算法扩展卡尔曼滤波(EKF)是一种基于传统卡尔曼滤波算法的改进,通过对系统状态的非线性变换进行泰勒展开,将非线性问题转化为线性问题进行计算。
在应用于组合导航中,EKF方法通常用于滤波GPS观测量和IMU运动量的融合。
船舶组合导航自适应迭代粒子滤波方法及应用
船舶组合导航自适应迭代粒子滤波方法及应用张闯;郭晨;张大恒【摘要】针对多传感器观测信息较多、粒子采样效率较低的问题,提出了一种自适应迭代粒子滤波(adaptive iterated particle filter,AIPF)算法并应用于船舶全球定位系统/惯性导航系统组合导航系统.首先通过粒子滤波自身迭代进行其重要性密度函数的更新.其次,采用自适应退火参数的模拟退火算法,使当前量测量能够快速进入到采样过程,进而大大提高了采样效率.最后,进行了仿真对比计算以及实船试验,结果表明,AIPF算法不仅可以提供精度较高的导航精度,而且增强了滤波性能.【期刊名称】《系统工程与电子技术》【年(卷),期】2019(041)004【总页数】6页(P883-888)【关键词】粒子滤波;组合导航;多传感器;自适应【作者】张闯;郭晨;张大恒【作者单位】大连海事大学航海学院,辽宁大连116026;大连海事大学船舶电气工程学院,辽宁大连116026;大连海事大学航海学院,辽宁大连116026【正文语种】中文【中图分类】N9450 引言惯性导航系统(inertial navigation system,INS)和全球定位系统(globalpositioning system, GPS)的量测量具有互补性,GPS/INS系统通过结合独立单元,并利用信息融合模型降低各独立单元对系统精度的干扰[1]。
船舶处于大角度转向或者惯导系统产生较大误差,此时,表现为强非线性。
粒子滤波是在Bayes理论以及蒙特卡罗方法基础上,首先,随机生成粒子并结合测量模型,基于样本位置和权重大小调整,给出样本的实际分布情况,最后得到的状态估计值为样本的均值,这样可较好地解决GPS/INS组合导航系统中的非线性滤波问题。
近些年来粒子滤波己被应用于目标跟踪、故障诊断和卫星导航等多个领域[2-5]。
但是,其性能很大程度上取决于重要性密度函数(importance density function,IDF)的选择,并且存在样本退化和样本枯竭的问题,通常以次优近似估计方法[6-8]的应用较广泛。
基于非线性技术的AUV组合导航新方法
引 士 丘
微 机 械 惯 性 测 量 单 元 ( coE eto i Mi — lcrnc r
M e ha i a Sy t m I r il c nc l se ne ta M e s e n U n t, a ur me t i
艺 、 料 工 艺 等 因素 限 制 , 材 目前 ME —MU 与 常 MS I
J
() JXJ£, , f=F I ()W,f ]
() 3
, 如 系 ],
提 高 了系统 的导航 精度 , 在降低导 航成本 的 同时 , 保
证 了小型 AUV 对 导航 精度 的要求 。
式 ( ) , 态 变 量 () [ , , , v , 3中 状 £ = 如 a
Vo -3 No 1 l 6, . 2
De 2 1 e, 0 1
火 力 与 指 挥 控 制
F r o t l L o i C nr mma dCo to e o 8C n nrl
第 3 6卷 第 l 期 z 21 0 1年 1 2月
文 章 编 号 :0 2 0 4 ( 0 1 1 — 0 5 0 1 0— 6 0 2 1 )20 9—4
新方法 。分析了低成 本惯性导航系统 的特点和误差模型 , 为有效提高系统 的导航精度引入多普勒测速仪与微机械惯性测量单
元 相 组 合 , 采 用 无 迹 卡尔 曼 滤 波 ( F) 法 设 计 组 合 导 航 系 统 的滤 波 器 。仿 真 结 果 表 明 , 于 UK 并 UK 算 基 F滤 波 的 ME SI M —MU/
() 4
() FD XD £ + GD fW D £ £= () () () ()
式 ( ) F O) i [ 4 中, D =da 一 , g 一 , 一 , , 0
H∞滤波及其在INS/CNS组合导航系统中的应用
一
为 一 给 定 的正 数 。 从
可 以证 明 ,am n滤 波 是 日 kl a 滤 波 当 一 。 。时 的 一 个 特 例[ 相对 于 k l a 4 1 。 a n滤波 , 滤 波 是 为 了提 高 滤 波 的稳 健 性 。 m
由 于 希 望尽 可能 的将 惯 性 器 件 的误 差 ( 螺 漂 移 和 加 速 陀
+ + +巩 + + + R ) 1 。 : ( +
=,
=
一, 呲 】 一 日 滤 波在 水 平 趋 于 无 穷 大 的 特 例 。 * + ( N/ s 合 航 统 f [ 日 8 I C 组 导 系 ) 2 sN 订 1 ] 】
日 波 并 非 对 任 意 水 平 y 0都 存 在 , 实 上 , 平 y给 的太 滤 > 事 水
小 , 易使得 H 容 滤 波 不 存 在 。 如 果 存 在 , 可 由 H 递 推 滤 波公 式 [ 出 : 3 1 给
稳 健 性 。日 滤 波 的稳 健 性 与 水 平 有 关 。 越 小 滤波 的稳 健
项 性 能 指 标 均 优 于 各 个 子 系 统 单 独 工 作 时 的性 能… a n 。k l ma 滤波 需 要 给 出 系统 精 确 的状 态 模 型 和 噪 声 统 计 特 性 性 能 , 但
考虑 线 性 状 态 空 间模 型 :
f 【 4 + 一 . + W 一 一 …
滤 波 方 法理 论 应 用 其 中 。 给 出 了 日 滤 波 的滤 波 方 程 , 性 讨 论 了 k l n滤 波 和 定 ama 滤 波的 关系, 过 在 I / 通 NS
C S组 合 导航 系统 中的 实 际应 用进 一 步从 精 度 和 鲁 棒 性 对 两种 滤 波 算 法进 行 了比 较 。 仿 真 结 果 表 明 。 N 当噪 声 为 有
组合导航系统几种滤波方法的分析比较及其性能评价 (1)
第14卷第6期中国惯性技术学报V ol.14No.6 2006年12月 Journal of Chinese Inertial Technology Dec. 2006文章编号:1005-6734(2006)06-0095-05组合导航系统几种滤波方法的分析比较及其性能评价钱华明1,雷艳敏1,谢常锁 2(1.哈尔滨工程大学 自动化学院,哈尔滨 150001;2.苍南盛泰电子科技有限公司,温州 325000)摘要:介绍了用于组合导航系统中的几种常用的滤波方法—如传统滤波方法中的集中卡尔曼滤波和联邦卡尔曼滤波、非传统滤波方法中的神经网络滤波,并从理论上分析了传统滤波方法和非传统滤波方法的优点和不足,最后以SINS/GPS组合导航系统为例进行了仿真。
仿真结果表明,非传统的滤波算法在某些方面优于传统的滤波算法。
关键词:组合导航系统;集中卡尔曼滤波;联邦卡尔曼滤波;神经网络滤波中图分类号:U666.1 文献标识码:AAnalysis compare and performance appraisal on filtermethods in integrated navigation systemQIAN Hua-ming1, LEI Yan-min1, XIE Chang-suo2(1. Automation College, Harbin Engineering University, Harbin 150001, China;2. CangNanShengTai Electron Science and Technology Limited Company, Wenzhou 325000, China )Abstract: Some filter methods in integrated navigation system were presented, such as the concentrated Kalman filter and the federal Kalman filter in traditional filter methods, and the neural network filter in the nontraditional filter methods. The paper analyzed the advantages and the disadvantages of traditional filter methods and nontraditional filter methods in theory, and made simulations for SINS/GPS integrated navigation system. Simulation results indicate that nontraditional filter algorithm is superior to traditional filter algorithm in some aspect.Key words: integrated navigation system; concentrated Kalman filter; federal Kalman; neural network filter0 引 言近几年来对多传感器,特别是组合导航系统的安全、可靠性、定位的准确性、系统的容量要求越来越高,而且工作环境日益复杂。
渐消自适应Unscented粒子滤波及其在组合导航中的应用
渐消自适应Unscented粒子滤波及其在组合导航中的应用高社生;薛丽;魏文辉【摘要】We present a fading adaptive UPF algorithm by adopting the concept of unscented transform and the fading factor in particle filtering. This algorithm makes dissemination of information more reasonable and overcomes the limitations of the general particle filtering by using sigma point to obtain state estimation and covariance, and then the fading factor can adaptively regulate the weight function. Thus it provides a reliable importance density function and is suitable for filtering calculations based on nonlinear and non-Gaussian models, through considering the latest measurement information and ensuring the particle diversity. The proposed algorithm is applied to SINS/ SAR integrated navigation system. Simulation results, presented in Figs. 1, 2 and 3, and their analysis demonstrate preliminarily that the fading adaptive UPF algorithm outperforms the extended Kalman filtering and fading adaptive extended Kalman filtering ones in terms of accuracy, thus improving the precision in navigation system.%提出一种新的渐消自适应Unscented粒子滤波算法,通过Sigma点来获取状态估值和协方差阵,利用渐消因子自适应的调节权值大小,得到一种参数可调节的重要性密度函数.该重要性密度函数考虑了最新量测的影响,更合理地利用有效信息,保证了粒子多样性,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SINS/SAR组合导航系统中,与扩展Kalman滤波和渐消自适应扩展Kalman滤波比较,仿真结果表明,提出的滤波算法能提高导航解算的精度,其性能明显优于扩展Kalman滤波和渐消自适应扩展Kalman滤波.【期刊名称】《西北工业大学学报》【年(卷),期】2012(030)001【总页数】5页(P27-31)【关键词】Unscented粒子滤波;渐消滤波;渐消自适应Unscented粒子滤波;组合导航【作者】高社生;薛丽;魏文辉【作者单位】西北工业大学自动化学院,陕西西安710072;西北工业大学自动化学院,陕西西安710072;西北工业大学自动化学院,陕西西安710072【正文语种】中文【中图分类】TP301.6非线性滤波问题广泛存在于自动控制、组合导航、信息融合与数字通信等领域。
卫星导航与惯性导航组合定位技术研究
卫星导航与惯性导航组合定位技术研究摘要:本文介绍了卫星导航与惯性导航组合定位技术的研究。
首先,对卫星导航和惯性导航技术的原理进行了概述,并比较了两种技术的优缺点。
其次,介绍了组合定位技术的原理和方法,以及卫星导航和惯性导航数据融合方法和组合定位系统误差分析和校正方法。
最后,探讨了卫星导航与惯性导航组合定位技术在交通工具导航系统和自主导航系统中的应用。
研究表明,卫星导航与惯性导航组合定位技术能够有效地提高导航系统的精度和可靠性,在现代交通和自主导航领域具有广泛的应用前景。
关键词:卫星导航;惯性导航;定位技术1卫星导航和惯性导航技术概述1.1卫星导航技术原理卫星导航技术是一种利用人造卫星提供的信号来确定接收机位置的技术。
它的原理是利用卫星发射的信号,接收机接收到信号后通过计算信号传播时间和测量信号频率的方法来确定自身的位置[1]。
卫星导航系统一般由多颗卫星组成,这些卫星分布在不同的轨道上,每颗卫星都会周期性地向地面发射信号。
接收机通过接收多颗卫星发射的信号,并对信号进行处理,可以确定自身的位置、速度和时间等信息。
卫星导航系统的核心是卫星发射的信号,信号包含了卫星的位置、速度和时间等信息。
卫星发射的信号一般采用无线电波,包括众多的频率和编码方式。
接收机通过接收这些信号,并对信号进行解码和处理,可以计算出自身的位置和速度等信息。
在信号传输过程中,信号会受到大气层、建筑物、地形等因素的影响,导致信号的传播延迟和失真[2]。
因此,卫星导航系统需要考虑这些因素,通过信号处理和误差校正等方法来提高系统的精度和可靠性。
1.2惯性导航技术原理惯性导航技术是一种利用惯性元件(如陀螺仪和加速度计)测量运动状态,进而确定位置、速度和姿态等信息的技术。
惯性导航系统不依赖于外部参考,可以在无法接收卫星信号或者信号不稳定的情况下,仍能够提供准确的导航信息。
惯性导航系统的核心是惯性元件,包括陀螺仪和加速度计。
陀螺仪可以测量旋转角速度,而加速度计可以测量加速度。
非线性滤波算法
SINS/CNS组合导航技术众所周知,SINS和CNS具有很强的互补性。
将CNS与SINS组合,构成SINS/CNS自主组合导航系统,既能有效弥补SINS误差随时间积累的缺陷,又能弥补CNS平台结构设计难度大、结构复杂、成本高的缺陷。
显然,SINS/CNS 自主组合系统兼备了SINS、CNS两者的优点,相互取长补短,不但抗干扰能力强、而且自主性能好,定位精度高,非常适合飞机对导航系统性能的要求。
SINS/CNS组合导航的技术难点1. 需要设计一套具有实时性和可行性的SINS/CNS自主组合导航系统方案,具体化各子传感器技术指标,使得各子传感器指标可考核;各传感器信息既互相兼容、互补和辅助,又能有效地进行信息交换。
2. 在某些特定情况下,系统的线性化数学模型的确能够反映出实际系统或过程的实际性能和特点。
但是,任何实际系统总是存在不同程度的非线性,其中有些系统可以近似看成线性系统,而大多系统则不能仅用线性数学模型来描述,存在于这些系统中的非线性因素不能忽略。
3.SINS/CNS组合导航系统利用CNS输出的位置信息对SINS进行修正,能够克服SINS导航误差随时间积累的缺点,提高导航系统的定位精度。
然而,由于CNS导航系统星图匹配及定位时需要耗用的不等的匹配计算时间,导航数据输出存在时延现象,导致其输出的位置及航向信息具有滞后效应,这将严重影响组合导航的解算精度。
本项目为了贴近实际工程系统,建立的自主组合导航系统模型为非线性数学模型。
显然,卡尔曼滤波不能满足项目需求,必须建立与之相适应的非线性滤波系统。
扩展卡尔曼滤波(Extended KalmanFilter,EKF)在组合导航系统非线性滤波中得到了广泛应用,但它仍然具有理论局限性,具体表现在:(1)当系统非线性度较严重时,忽略Taylor展开式的高阶项将引起线性化误差增大,导致EKF的滤波误差增大甚至发散;(2)雅可比矩阵的求取复杂、计算量大,在实际应用中很难实施,有时甚至很难得到非线性函数的雅可比矩阵;(3)EKF将状态方程中的模型误差作为过程噪声来处理,且假设为高斯白噪声,这与组合导航系统的实际噪声情况并不相符;同时,EKF是以KF为基础推导得到的,其对系统初始状态的统计特性要求严格。
Kalman滤波理论及其在导航系统中的应用
阅读感受
在我阅读《Kalman滤波理论及其在导航系统中的应用》这本书的过程中,我 深深地被书中深入浅出的解释和详尽的实例所吸引。这本书不仅为我揭示了 Kalman滤波理论的深层含义,还让我了解到这一理论在导航系统中的广泛应用。
这本书的主题是Kalman滤波理论及其在导航系统中的应用,这无疑是对于我 来说非常具有吸引力的一个主题。在我看来,这本书的内容非常充实,从Kalman 滤波理论的基础知识到其在导航系统中的应用,再到最新的相关研究进展,都进 行了深入而详细的阐述。
本书重点介绍了Kalman滤波理论在导航系统中的应用。首先介绍了全球定位系统(GPS)
的工作原理及其在导航中的应用,然后详细阐述了Kalman滤波器在GPS定位中的重要作用。还讨 论了Kalman滤波器在惯性导航系统(INS)中的应用,以及如何将INS和GPS进行组合以提供更准 确的导航信息。
《Kalman滤波理论及其在导航系统中的应用》是一本深入浅出、理论与实践相结合的书籍,对于 希望了解和应用Kalman滤波理论的读者来说是一本非常宝贵的参考书。这本书不仅为导航系统的 设计和实现提供了重要的理论基础,也为相关领域的研究人员和技术开发者提供了实用的技术指 导。
在第一章,我们深入探讨了Kalman滤波理论的基础知识。它以最小均方误差 为最优准则,通过建立线性动态系统模型,实现对系统状态的精确估计。这种理 论在处理带有噪声的观测数据时,表现出了极高的精确性和鲁棒性。
第二章则是对实用Kalman滤波技术的详解。这一章详细介绍了如何将Kalman 滤波器应用于实际问题,包括如何建立系统模型,如何设置滤波器的参数,以及 如何处理系统噪声等。同时,通过实例演示,使我们对这种技术有了更直观的理 解。
谢谢观看
《Kalman滤波理论及其在导航系统中的应用》这本书为我们提供了一个全面、 深入的视角来看待和处理Kalman滤波理论及其在导航系统中的应用问题。它不仅 包含了基础的理论知识,还结合了许多实际的应用案例,使我们对这种理论有了 更深入的理解和应用。这本书对于导航、制导与控制领域的研究者和工程师来说 是一本极具价值的参考书籍。
迭代滤波方法在汽车导航中的应用
65
22
ve +vn εs
vn ae -
2
ve an
2
+εω
ve +vn
(2)
可转换为:
v 姨
姨 姨
n
ae -
ve
an
姨 22
Z=
姨 姨
ve +vn
姨
姨
姨
ε 姨
姨
ω
+姨
姨
姨
姨
姨
姨 Ψ 姨
姨 姨
T
v +v 2 2 姨 姨 e n姨
εS
(3)
其中,Ψ 为里程仪的标定系数,为常数;εw、εs 为陀螺仪和
里程仪总的测量误差,εw、εS 分别为均值为零,方差为
2w、
2 S
的高斯白噪声。
2 迭代扩展 K a l m a n 滤波方程
把观测方程X赞 (k/k- 1)在预测值附近进行泰勒级数展开,可 建立 DR 系统扩展 Kalman 滤波方程。考虑观测方程线性化误
- 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)。
构非常适合于计算机 的实时处理 ,因此在许多工程领域都取得 了极大 的成 功 。然而 ,现实 生活 中还有 许多工程 实际 问题都具有非线性的模型 ,这就促使 人们去研究和探索各 种非线 性 的滤波方法 。 目前滤 波理论的研究 已经跨越 了对于维纳滤波 和卡 尔曼滤波本 身的研究 阶 段 ,而致力于寻求 非线性滤波严 格正确 的数学描述 ,并希 望最终能够得到象 解决线性滤 波 那样的统一的而 不是个别的方法 。这是对滤波理论 问题研 究的一种 自然 延伸 ,可 以说这 种
计就是其 中— 个典型 的实例 。由非线性欧 拉方程所描述 的系统动 态方 程显示 ,每~根轴上 的 角加速度 在和施加于这 根轴上的力矩成 正 比的同时 ,还 正 比于其 他两根轴上的 角速度之 积 。常规的 E F在处理 这种强本质非线性 问题时显 得无 能为力 。 K 为了解决这一 问题 , 近年 来 A ri 出了一种全新的耦合滤波方法 (nel e am nFl r g 简称 I )1。 1 n提 a It a dK l a iei , rc t n l [ 。他 ‘ 将 非线性欧拉模型分解成两个等价的伪线性模 型 :基 本模型和辅 助模型 ,分别 用来描述状 态 向量中线性项和非线性项 的动态行为 。同时运行 两个相互耦合的离散时 间线性卡尔曼滤 波器 ,分别对系统状态 向量 中线性项和非线 性项进行估计 ,最后再将各 自的估计结果进行 综合 ,从而在没有对模型进行线性化处理 的前 提下 ,得到了非线性系统状 态变 量的一种次 优估计 。它的原理框 图如 图 1 所示 。工程 实践证明 ,这种耦合滤波方法 既具 有线性卡尔曼 滤波简单 、高效和 收敛速度快 等优点 ,同时 又克服了常规广义卡尔曼滤波所 固有的一系列 缺点 ,是近年来 非线性 滤波研究领域所取得 的—个重大进展 。 为 了解 决造价 低廉的无 陀螺小卫星 的角速 率估计和姿态确定 问题 , uh在 A g a Rt lr n工 i 作的基础上 又提 出了一种次优的广义耦合 卡尔曼滤波器 (I F [ 。他将非线性的系统模 E K )1 引 型和观测模型转 化为三 组等价的伪线性模型 ,利用卫星传感器获得 的观测 向量及其微 分作 为滤波输入 ,同时 运行三 个线性卡尔曼滤 波器 ,对卫星 的角速率进 行粗估计 。然后再把经 过预处理得到 的角速率 的滤波估值再次通过 E K I F进行精估计 ,最 终得到卫 星角速率 的一 种次优估计 。这种方法 有效 地解决了多传感 器小卫星的角速率估计和姿 态确定 中有效观测
维普资讯
19 9 9年
非 线性 滤 波 及其在 组 合导航 系统 中 的应 用
—
题 宣泰
北京 10 8 ) 004
气 、
・
( 华大 学 清
l ④
>
摘
要
非线 性 滤 波 理 论 的研 究 在近 年 来取 得 了很 大 的 进 展 ,相 继 出现 了一
平滑的先例 。 来 , c mit 后 S h d 通过正交变换 把这 种方法 推广到有系统噪声 时的情况[ ,A . 7 n ] de s rw 则通过对 时 间序列 的处理将其推广到 测量量 为 向量时韵情况 [ 。为 了解 决缺乏先验 a ] 知识 滤波初 值难定的 问题 ,F ae 提 出了信 息滤波算法【 rsr 引,即传递信 息矩 阵 P 一 替协方 代 差矩 阵 , 以后发 展为平方根信息滤波 与平滑算 法 , 这种算法对测量更 新特别有效 。 0 7 年
1 非线性滤波的发 展历史和研究现状
滤波是 现代 通信和控制工程 中常用的信号处理方法之一 。所谓 滤波 ,就是通过对 一系 列带有误差 的实际测量数据的处理来滤除信号 中的干扰 ,从而尽 可能地恢 复—个被 噪声干 扰 了的信息流 的问题 。 世纪 4 年代 , 本 0 近代控制论和信 息论 的创始人维纳创造性 地把 统计 学的观点引入到通信与控制领 域 中来 ,针对 平稳时 间序列 的最 小均方误差估计 问题提 出了 著 名的维纳 滤波理 论[ 。但是 维纳滤波所 涉及到的维纳一 j ] 霍甫方 程 的求 解存 在着极 大 的 困 难 ,从而极大地 限制 了它的进一步应用和 发展 。6 年代 , 尔曼成功地将状 态变 量的概念 O 卡 引入到滤波理论 中来 ,用信号与干扰 的状 态空间模型代替了通常用 来描述 它们的协方差 函 数, 将状态 空间描 述与时 间更新联系起来 , 出了著名的卡 尔曼滤波递推算法[[ 。 提 2引 同维 纳 ]
1 2 非线性滤波 的分解算法 . 作为一套递推 算法 ,卡 尔曼滤波 在数字计算t 3 实现 时难免会遇 到各 种各 样的数值计 t= t
维普资讯
・ 8・ 3
导
航
19 9 9年
算 问题 。其 中比较典型 的就 是协方差矩 阵在递 推过 程 中由于失去其正 定性而导致 的滤波值 的不稳定甚至滤波 发散 的现象 。 针对这一问题 , otr 出了平 方根协 方差滤波算 法 。 Pt 提 e 他 把 按 C oek h l y方法 分解为下三角阵 即 尸 = s . 。 递推过程 中 , 播 即 可保证 在 传 的正定性 。这种算法经过 登月舱 几次应用都很成功 。 otr P t 开创 了平方根 协方差滤波与 e
特 点 ,介 绍 了近 年 来 涌现 出来 的 与之 相 关 的 各 种滤 波算 法 。通 过 对 各 种 算 法 性 能 的比 较 ,揭 示 了组 合 导航 系统 中非 线 性滤 波技 术 的未 来 发 展 方 向 。
关 词 — !——、 全—一’ 1’ 键 查 —兰— —苎 ,1( 一 一 !—奎 —一 T — —— 兰 兰 — 自 — J
将系统方程和量 测方程进行 线性化的 。以连续系统 为例 : f ()= X()t f f, 3+ G() () fW f
l ()= ^x( , f z [ f t V( ) 3+ f ) 式中 厂[]和 h[]分别是 维和 维 的非线性 向量 函数 。线性化 以后 的方程 为 : . .
f r = . X()z肌) + F()X()一 X()G() () 艾() 7 , 1 [ ] . 血 f[ z z] fW f
l ( = ^x( , x) 。 H( [ f 一 x( l y t f z ) [ f t c 敷) ) 3 1 + f x( . ) ) t + ( ) )
代 ,为了使 广 义卡 尔 曼滤 波能 够在微 机 上 得 以实现 ,C r o al n提 出了快 速 序列 平方 根滤 s 波 r ,避免 了复杂 的矩 阵运算 。Ben 在此基 础上提 出了计 算效率 更高 的 D 分解算 l i m ̄ r 法[] 1。他把协方差 阵分解 为上 三角阵 和对 角阵 D ,即 P = UE 1 Ur。 上 相 当于协方差
目前工程上 广泛 使用 的各种非线性 滤波方法都 是近似 的 ,其中最为简单 同时也是应用 最广的一种方法就是 对非线性方 程进行线 性化 处理 ,然后 再按照线性化 的方 程进行滤波 估 计 。广义卡 尔曼滤 波 ( K )就 是最 为常用的一种线 性化滤波方法 ,它是 围绕着 状态估值 E F
些次 优 和 最 优 的 非线 性 滤 波 算 法 。本 文首 先 对滤 波 理 论 的研 究现 状 作 了一 个 系统
一
导
舯
的总 结 , 同时 对现 有 各 种 非线 性 滤 波 方 法 的 效 率 和 精 度 进 行 了认 真 的 分 析 和比 较 。
在此基础上 ,指 出 了未 来非线性滤波 的发展趋 势。最后 针对组合 导航 系统 自身的
13 耦合滤波方法 .
众所周知 ,卡 尔曼滤波 器之所以能够 获得如此广泛 的应用就是 因为它可 以推广到非线 性系统 。然而 ,广 义卡 尔曼滤波 器的滤波效果 在很多情况下并不能令 人满意 。模型的线性 化误差往往会严重地影 响最终的滤波精度 ,甚 至导致滤波发散 。飞行 载体的三维 角运动估
维普资讯
第 3期
赵j 等 ・非线性滤波及其在组合导航系统中的应用 I I
向量维数随 环境不断变 化的问题 ,具有很强 的实用性 。 角速率估计值 X 门 ()
滤波一样 ,卡 尔曼滤波也是一种 基于最小均方误差准则的线性滤 波器 。所不同的是 ,维纳 滤波运用的工具 是频域 中的传递 函数 , 而卡 尔曼滤波所运 用的工具 则是 时域 中的状态方 程 ; 并且卡尔曼滤波给 出的是表征 系统状态估值及其均方误差的微 分方程 ,得到 的是最 小均方 误差准则下 的一套递推算法 ,而 不是象维纳滤波那样追求这 一准则下滤波器最优 单位冲激
式 中
=
=
非线性 系统广义卡 尔曼滤波方程 为 :
( f f R( t ÷K()z() )= [ o, - f { f 一 3’
( )= P( ) r( ) z z t月 z R一 ()
()t ) f, 3
户()= F() £ f f P()+ P() ()一 P() () 。fH () f fFr f tHr fR一 () fP()+ G() fGr f fQ() ()
估计来 降低线性化 误差 , 而后者则是 在把离散化方 程 围绕着参 考估值进 行台劳 ( alr 展 T yo) 开 时 ,不仅取到 一阶项而 目取到 二阶项 ,以此来 降低 线性化误差的影响 。 近年来 ,在 广义卡 尔曼滤波 的基础上又 出现了许 多新的非线性滤波算法 。S n [提 出 o g| ] 了一种变增益 的广 义卡 尔曼滤波器 ,并给 出了使这种 滤波器均方误差 指数 有界 的—个充分 条 件 。 u k n n运用并行卡 尔曼滤波技术墨 , R oo e ] 研究 了动态系统的故障检测 问题 , 保证 了在 任意给定的 阈值 条件下 决策过程的渐近稳定性 。