CN104062672A - 基于强跟踪自适应Kalman滤波的SINSGPS组合导航方法 - Google Patents
基于强跟踪自适应Kalman滤波的SINSGPS组合导航方法 Download PDFInfo
- Publication number
- CN104062672A CN104062672A CN201310612225.8A CN201310612225A CN104062672A CN 104062672 A CN104062672 A CN 104062672A CN 201310612225 A CN201310612225 A CN 201310612225A CN 104062672 A CN104062672 A CN 104062672A
- Authority
- CN
- China
- Prior art keywords
- sins
- filtering
- gps
- error
- adaptive kalman
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
- G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
- G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
- G01S19/42—Determining position
- G01S19/48—Determining position by combining or switching between position solutions derived from the satellite radio beacon positioning system and position solutions derived from a further system
- G01S19/49—Determining position by combining or switching between position solutions derived from the satellite radio beacon positioning system and position solutions derived from a further system whereby the further system is an inertial position system, e.g. loosely-coupled
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/10—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration
- G01C21/12—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning
- G01C21/16—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation
- G01C21/165—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation combined with non-inertial navigation instruments
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Automation & Control Theory (AREA)
- Position Fixing By Use Of Radio Waves (AREA)
- Navigation (AREA)
Abstract
本发明公开了一种基于强跟踪自适应Kalman滤波的SINSGPS组合导航方法,首先将捷联惯导系统和GPS接收机安装在载体上;对捷联惯导系统预热后采集捷联惯导系统输出的位置信息与GPS输出的位置信息;建立SINS/GPS组合导航系统的状态方程与量测方程;设计强跟踪Kalman滤波器与Sage-Husa自适应滤波器;采用收敛判据对滤波的发散趋势进行判断,设计基于强跟踪自适应Kalman滤波的SINS/GPS组合导航方案。采用本发明能够满足SINS/GPS组合导航系统遇到的高动态应用环境,抑制滤波的发散,进一步提高导航精度。
Description
技术领域
本发明涉及一种SINS/GPS组合导航方法,尤其涉及一种基于强跟踪自适应Kalman滤波的SINSGPS组合导航方法。
背景技术
组合导航系统有效地结合了多种导航技术,不仅可以取长补短,发挥各自的优点,提高导航精度,而且如果采用低精度的导航系统仍可以得到较高的导航精度,降低成本和技术难度。另外,组合导航系统具有更好的容错性和可靠性。SINS/GPS组合导航系统能够有效地对运载体定位误差进行补偿和校正,准确地给出位置信息,便于运载体精确定位,目前使用最为广泛。
Kalman滤波在组合导航系统中具有十分重要的作用,能够给出导航系统各导航参数误差的最优估计,以实现对导航参数进行校正,提供更精确的导航信息,国内外对基于Kalman滤波算法的组合导航系统做了大量的研究工作。恶劣环境的影响会使得SINS/GPS组合导航系统的误差模型复杂而多变,如果仍然采用常规Kalman滤波进行处理,会导致滤波精度降低,甚至发散,难以满足运载体的高精度导航任务。专利CN103281054A公开了“一种带噪声统计估值器的自适应滤波方法”,通过在线加入噪声统计估计器,在系统噪声和量测噪声统计信息未知或者时变的情况下,对其统计特性进行实时估计与修正。这种方法计算量较大,降低了实时性,且在高动态环境下无法保证滤波的收敛性和稳定性。
发明内容
本发明的目的就在于为了解决上述问题而提供一种基于强跟踪自适应Kalman滤波的SINSGPS组合导航方法。
本发明通过以下技术方案来实现上述目的:
一种基于强跟踪自适应Kalman滤波的SINSGPS组合导航方法,其特征在于,包括以下步骤:
步骤1:将捷联惯导系统和GPS接收机安装在载体上,对捷联惯导系统预热后采集捷联惯导系统输出的位置信息与GPS输出的位置信息;
步骤2:建立SINS/GPS组合导航系统的状态方程与量测方程;
步骤3:设计Sage-Husa自适应滤波器;
步骤4:设计强跟踪Kalman滤波器;
步骤5:采用收敛判据对滤波的发散趋势进行判断,设计基于强跟踪自适应Kalman滤波的SINS/GPS组合导航方案。
所述步骤2中建立SINS/GPS组合导航系统的状态方程与量测方程:
状态方程为:
其中:
XGPS=[δtu δtru]T
WGPS=[εtu εtru]T
WSINS=[wgx wgy wax wax wax 01×8]T,
其中:δVx、δVy分别为东、北向速度误差;φx、φy和φz分别为东向、北向和方位失准角;δλ、δL分别为经纬度误差;ωie为地球自转角速度;L为当地纬度;R为地球半径;为捷联姿态矩阵;εx、εy和εz分别为陀螺漂移;wgx、wgy和wgz为陀螺噪声;分别为加速度计零偏;wax、way为加速度计噪声;δtu表示接收机的钟差误差;δtru表示接收机钟差的漂移误差;τtu、τtru分别表示接收机的相关时间;εtu、εtru分别表示白噪声向量;
量测方程为:
在SINS/GPS组合导航系统中,将惯导解算的位置信息相对应的伪距、伪距率与GPS测量的伪距、伪距率之差作为量测值:
其中:i为可见的卫星数目;δρi=ρIi-ρGi,ρIi为惯导输出的位置信息相对应的伪距,ρGi为GPS接收机测量得到的伪距;H(t)为量测矩阵;v(t)为各元素为零均值的高斯白噪声,且互不相关。
步骤3中所述设计Sage-Husa自适应滤波器,其具体算法如下:
假设线性离散系统方程为:
其中:Xk为状态向量,Φk,k-1为tk-1时刻至tk时刻的一步转移矩阵,Γk-1为系统噪声驱动阵,Wk-1为系统噪声向量,Zk为量测向量,Hk为量测矩阵,Vk为量测噪声向量;
Sage-Husa自适应Kalman滤波器设计如下:
计算一步预均方误差Pk,k-1:
计算滤波增益Kk:
计算均方误差Pk:
Pk=[I-KkHk]Pk,k-1
状态一步预测:
状态更新:
量测更新:
Sage-Husa自适应Kalman滤波中的量测噪声均值r和量测噪声方差阵R的计算方法如下:
其中:dk=(1-b)/(1-bk+1),0<b<1表示遗忘因子;
所述设计强跟踪Kalman滤波器,具体为:
通过用加权系数λk+1乘以状态量估计误差的验前方差阵得以实现:
其中:
λk+1=diag[λ1(k+1),λ2(k+1),L,λm(k+1)]
其中:αi由先验知识确定,为系统估计误差,v0(k+1)为误差的方差阵。
所述步骤5中的采用收敛判据对滤波的发散趋势进行判断,设计基于强跟踪自适应Kalman滤波的SINS/GPS组合导航方案,具体为:采用收敛判据对滤波的发散趋势进行判断,若不发散,则采用Sage-Husa自适应Kalman滤波算法, 若发散,则采用强跟踪Kalman滤波算法:
滤波收敛判据:以新息序列的性质构造滤波收敛判据,即 由于表示新息序列平方和,其包括了实际估计误差,而理论预测误差则可描述为新息序列方差阵即:
其中:γ≥1表示可调系数,如果成立,则代表滤波器正常工作,此时可以采用Sage-Husa自适应Kalman滤波算法对状态变量进行估计;如果不成立,则表示滤波实际误差超过理论预测误差的γ倍,滤波发散,此时采用强跟踪滤波算法计算加权系数λk+1自适应调整Pk,k-1,充分发挥当前时刻量测量作用,以抑制滤波的发散。
本发明的有益效果在于:
本发明是一种基于强跟踪自适应Kalman滤波的SINSGPS组合导航方法,与现有技术相比,本发明能在航向发生机动的情况下,强跟踪自适应Kalman滤波比自适应Kalman滤波能更好地跟踪真实轨迹。无论是速度误差估计,还是位置误差估计,强跟踪自适应Kalman滤波都比自适应Kalman滤波的估计精度高,尤其是对位置误差的估计。结果表明,强跟踪自适应Kalman滤波能够更好地适应实际应用环境,满足SINS/GPS组合导航系统的高精度导航需要。
附图说明
图1为本发明的设计框图;
图2为强跟踪自适应Kalman滤波算法流程;
图3为基于两种不同滤波算法的东向速度误差曲线;
图4为基于两种不同滤波算法的北向速度误差曲线;
图5为基于两种不同滤波算法的经度误差曲线;
图6为基于两种不同滤波算法的纬度误差曲线。
具体实施方式
下面结合附图对本发明作进一步说明:
如图1至图6所示:一种基于强跟踪自适应Kalman滤波的SINSGPS组合导航方法,其特征在于,包括以下步骤:
步骤1:将捷联惯导系统和GPS接收机安装在载体上,对捷联惯导系统预热后采集捷联惯导系统输出的位置信息与GPS输出的位置信息;
步骤2:建立SINS/GPS组合导航系统的状态方程与量测方程;状态方程为:
其中:
XGPS=[δtu δtru]T
WGPS=[εtu εtru]T
WSINS=[wgx wgy wax wax wax 01×8]T,
其中:δVx、δVy分别为东、北向速度误差;φx、φy和φz分别为东向、北向和方位失准角;δλ、δL分别为经纬度误差;ωie为地球自转角速度;L为当地纬度;R为地球半径;为捷联姿态矩阵;εx、εy和εz分别为陀螺漂移;wgx、wgy和wgz为陀螺噪声;分别为加速度计零偏;wax、way为加速度计噪声;δtu表示接收机的钟差误差;δtru表示接收机钟差的漂移误差;τtu、τtru分别表示接收机的相关时间;εtu、εtru分别表示白噪声向量;
量测方程为:
在SINS/GPS组合导航系统中,将惯导解算的位置信息相对应的伪距、伪距率与GPS测量的伪距、伪距率之差作为量测值:
其中:i为可见的卫星数目;δρi=ρIi-ρGi,ρIi为惯导输出的位置信息相对应的伪距,ρGi为GPS接收机测量得到的伪距;H(t)为量测矩阵;v(t)为各元素为零均值的高斯白噪声,且互不相关。
步骤3:设计Sage-Husa自适应滤波器;其具体算法如下:
假设线性离散系统方程为:
其中:Xk为状态向量,Φk,k-1为tk-1时刻至tk时刻的一步转移矩阵,Γk-1为系统噪声驱动阵,Wk-1为系统噪声向量,Zk为量测向量,Hk为量测矩阵,Vk为量测噪声向量;
Sage-Husa自适应Kalman滤波器设计如下:
计算一步预均方误差Pk,k-1:
计算滤波增益Kk:
计算均方误差Pk:
Pk=[I-KkHk]Pk,k-1
状态一步预测:
状态更新:
量测更新:
Sage-Husa自适应Kalman滤波中的量测噪声均值r和量测噪声方差阵R的计算方法如下:
其中:dk=(1-b)/(1-bk+1),0<b<1表示遗忘因子;
步骤4:设计强跟踪Kalman滤波器;具体为:
通过用加权系数λk+1乘以状态量估计误差的验前方差阵得以实现:
其中:
λk+1=diag[λ1(k+1),λ2(k+1),L,λm(k+1)]
其中:αi由先验知识确定,为系统估计误差,v0(k+1)为误差的方差阵。
步骤5:采用收敛判据对滤波的发散趋势进行判断,设计基于强跟踪自适应Kalman滤波的SINS/GPS组合导航方案。具体为:采用收敛判据对滤波的发散趋势进行判断,若不发散,则采用Sage-Husa自适应Kalman滤波算法,若发散,则采用强跟踪Kalman滤波算法:
滤波收敛判据:以新息序列的性质构造滤波收敛判据,即 由于表示新息序列平方和,其包括了实际估计误差,而理论预测误差则可描述为新息序列方差阵即:
其中:γ≥1表示可调系数,如果成立,则代表滤波器正常工作,此时可以采用Sage-Husa自适应Kalman滤波算法对状态变量进行估计;如果不成立,则表示滤波实际误差超过理论预测误差的γ倍,滤波发散,此时采用强跟踪滤波算法计算加权系数λk+1自适应调整Pk,k-1,充分发挥当前时刻量测量作用,以抑制滤波的发散。
本发明的有益效果通过以下方法得以验证:
假设载体的航向角、纵摇角及横摇角的摇摆模型分别为:
其中,ψm、θm和γm为相应的摇摆角幅值;ωψ、ωθ和ωγ为相应的摇摆角频率;ωi=2π/Ti(i=ψ,θ,r),Ti为相应的摇摆周期;仿真时取ψm=10°,θm=6°,γm=12°,Tψ=6s,Tθ=8s,Tγ=10s;φψ、φθ和φr为相应的初始相位,由于受海浪等外界因素影响,取初始相位为φψ=φθ=φr=30°。
假设载体的初始位置为北纬45.7796°,东经126.6705°;系统状态初始估计值X(0)=0;初始位置误差10m;初始速度误差0.01m/s;陀螺漂移误差0.01°/h;加速度计误差10-4g;GPS接收机的时钟偏差为20m,时钟噪声为0.1m/s,伪距测量标准差为15m,伪距率测量标准差为0.1m/s。自适应Kalman滤波中的遗忘因子b=0.6,强跟踪Kalman滤波中的αi由先验知识确定为αi=a(i,i),其中,
a=diag(1 1 2.3 2.3 1 1 1 1 1 1 1 1 1 1)
根据上述仿真条件,并假设真实量测噪声为R′=10R,且载体做航向变化的机动,分别利用自适应Kalman滤波和强跟踪自适应Kalman滤波对水下航行器SINS/GPS组合导航系统进行仿真分析。失准角误差、速度误差和位置误差的仿真结果如图3至图6所示,其中,左图为自适应Kalman滤波的估计结果,右图为强跟踪自适应Kalman滤波的估计结果。
Claims (5)
1.一种基于强跟踪自适应Kalman滤波的SINSGPS组合导航方法,其特征在于,包括以下步骤:
步骤1:将捷联惯导系统和GPS接收机安装在载体上,对捷联惯导系统预热后采集捷联惯导系统输出的位置信息与GPS输出的位置信息;
步骤2:建立SINS/GPS组合导航系统的状态方程与量测方程;
步骤3:设计Sage-Husa自适应滤波器;
步骤4:设计强跟踪Kalman滤波器;
步骤5:采用收敛判据对滤波的发散趋势进行判断,设计基于强跟踪自适应Kalman滤波的SINS/GPS组合导航方案。
2.根据权利要求1中所述的基于强跟踪自适应Kalman滤波的SINSGPS组合导航方法,其特征在于:所述步骤2中建立SINS/GPS组合导航系统的状态方程与量测方程:
状态方程为:
其中:
XGPS=[δtu δtru]T
WGPS=[εtu εtru]T
WSINS=[wgx wgy wax wax wax 01×8]T,
其中:δVx、δVy分别为东、北向速度误差;φx、φy和φz分别为东向、北向和方位失准角;δλ、δL分别为经纬度误差;ωie为地球自转角速度;L为当地纬度;R为地球半径;为捷联姿态矩阵;εx、εy和εz分别为陀螺漂移;wgx、wgy和wgz为陀螺噪声;分别为加速度计零偏;wax、way为加速度计噪声;δtu表示接收机的钟差误差;δtru表示接收机钟差的漂移误差;τtu、τtru分别表示接收机的相关时间;εtu、εtru分别表示白噪声向量;
量测方程为:
在SINS/GPS组合导航系统中,将惯导解算的位置信息相对应的伪距、伪距率与GPS测量的伪距、伪距率之差作为量测值:
其中:i为可见的卫星数目;δρi=ρIi-ρGi,ρIi为惯导输出的位置信息相对应的伪距,ρGi为GPS接收机测量得到的伪距;H(t)为量测矩阵;v(t)为各元素为零均值的高斯白噪声,且互不相关。
3.根据权利要求1中所述的基于强跟踪自适应Kalman滤波的SINSGPS组合导航方法,其特征在于:步骤3中所述设计Sage-Husa自适应滤波器,其具体算法如下:
假设线性离散系统方程为:
其中:Xk为状态向量,Φk,k-1为tk-1时刻至tk时刻的一步转移矩阵,Γk-1为系统噪声驱动阵,Wk-1为系统噪声向量,Zk为量测向量,Hk为量测矩阵,Vk为量测噪声向量;
Sage-Husa自适应Kalman滤波器设计如下:
计算一步预均方误差Pk,k-1:
计算滤波增益Kk:
计算均方误差Pk:
Pk=[I-KkHk]Pk,k-1
状态一步预测:
状态更新:
量测更新:
Sage-Husa自适应Kalman滤波中的量测噪声均值r和量测噪声方差阵R的计算方法如下:
其中:dk=(1-b)/(1-bk+1),0<b<1表示遗忘因子;
4.根据权利要求1中所述的基于强跟踪自适应Kalman滤波的SINSGPS组合导航方法,其特征在于:所述设计强跟踪Kalman滤波器,具体为:
通过用加权系数λk+1乘以状态量估计误差的验前方差阵得以实现:
其中:
λk+1=diag[λ1(k+1),λ2(k+1),…,λm(k+1)]
其中:αi由先验知识确定,为系统估计误差,v0(k+1)为误差的方差阵。
5.根据权利要求1中所述的基于强跟踪自适应Kalman滤波的SINSGPS组合导航方法,其特征在于:所述步骤5中的采用收敛判据对滤波的发散趋势进行判断,设计基于强跟踪自适应Kalman滤波的SINS/GPS组合导航方案,具体为:采用收敛判据对滤波的发散趋势进行判断,若不发散,则采用Sage-Husa自适应Kalman滤波算法,若发散,则采用强跟踪Kalman滤波算法:
滤波收敛判据:以新息序列的性质构造滤波收敛判据,即 由于表示新息序列平方和,其包括了实际估计误差,而理论预测误差则可描述为新息序列方差阵即:
其中:γ≥1表示可调系数,如果成立,则代表滤波器正常工作,此时可以采用Sage-Husa自适应Kalman滤波算法对状态变量进行估计;如果不成立,则表示滤波实际误差超过理论预测误差的γ倍,滤波发散,此时采用强跟踪滤波算法计算加权系数λk+1自适应调整Pk,k-1,充分发挥当前时刻量测量作用,以抑制滤波的发散。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310612225.8A CN104062672A (zh) | 2013-11-28 | 2013-11-28 | 基于强跟踪自适应Kalman滤波的SINSGPS组合导航方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310612225.8A CN104062672A (zh) | 2013-11-28 | 2013-11-28 | 基于强跟踪自适应Kalman滤波的SINSGPS组合导航方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN104062672A true CN104062672A (zh) | 2014-09-24 |
Family
ID=51550470
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310612225.8A Pending CN104062672A (zh) | 2013-11-28 | 2013-11-28 | 基于强跟踪自适应Kalman滤波的SINSGPS组合导航方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104062672A (zh) |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104655131A (zh) * | 2015-02-06 | 2015-05-27 | 东南大学 | 基于istssrckf的惯性导航初始对准方法 |
CN106291641A (zh) * | 2016-09-09 | 2017-01-04 | 中国人民解放军国防科学技术大学 | 一种速度自适应辅助定位方法 |
CN106441291A (zh) * | 2016-09-27 | 2017-02-22 | 北京理工大学 | 一种基于强跟踪sdre滤波的组合导航系统及导航方法 |
CN107246883A (zh) * | 2017-08-07 | 2017-10-13 | 上海航天控制技术研究所 | 一种高精度星敏感器安装矩阵在轨实时校准方法 |
CN108226976A (zh) * | 2017-11-17 | 2018-06-29 | 北京自动化控制设备研究所 | 一种RTK用自适应渐消Kalman滤波算法 |
CN108413986A (zh) * | 2018-03-07 | 2018-08-17 | 北京航空航天大学 | 一种基于Sage-Husa卡尔曼滤波的陀螺仪滤波方法 |
CN108444725A (zh) * | 2016-11-04 | 2018-08-24 | 北京自动化控制设备研究所 | 一种针对大数据的快速噪声滤除方法 |
CN108490472A (zh) * | 2018-01-29 | 2018-09-04 | 哈尔滨工程大学 | 一种基于模糊自适应滤波的无人艇组合导航方法 |
CN108663068A (zh) * | 2018-03-20 | 2018-10-16 | 东南大学 | 一种应用在初始对准中的svm自适应卡尔曼滤波方法 |
CN108844540A (zh) * | 2018-09-11 | 2018-11-20 | 北京机械设备研究所 | 一种结合协方差和Sage-Husa滤波技术的自适应滤波方法 |
CN113630106A (zh) * | 2021-08-02 | 2021-11-09 | 杭州电子科技大学 | 基于强跟踪滤波的高阶扩展卡尔曼滤波器设计方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102052923A (zh) * | 2010-11-25 | 2011-05-11 | 哈尔滨工程大学 | 一种小型水下机器人组合导航系统及导航方法 |
CN102096086A (zh) * | 2010-11-22 | 2011-06-15 | 北京航空航天大学 | 一种基于gps/ins组合导航系统不同测量特性的自适应滤波方法 |
CN103292812A (zh) * | 2013-05-10 | 2013-09-11 | 哈尔滨工程大学 | 一种微惯性sins/gps组合导航系统的自适应滤波方法 |
-
2013
- 2013-11-28 CN CN201310612225.8A patent/CN104062672A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102096086A (zh) * | 2010-11-22 | 2011-06-15 | 北京航空航天大学 | 一种基于gps/ins组合导航系统不同测量特性的自适应滤波方法 |
CN102052923A (zh) * | 2010-11-25 | 2011-05-11 | 哈尔滨工程大学 | 一种小型水下机器人组合导航系统及导航方法 |
CN103292812A (zh) * | 2013-05-10 | 2013-09-11 | 哈尔滨工程大学 | 一种微惯性sins/gps组合导航系统的自适应滤波方法 |
Non-Patent Citations (1)
Title |
---|
李瑶等: ""强跟踪自适应滤波算法在组合导航系统中的应用"", 《2009年江苏省"光科学与技术"博士生学术论坛暨长三角光子科技论坛论文集》, 9 June 2011 (2011-06-09) * |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104655131B (zh) * | 2015-02-06 | 2017-07-18 | 东南大学 | 基于istssrckf的惯性导航初始对准方法 |
CN104655131A (zh) * | 2015-02-06 | 2015-05-27 | 东南大学 | 基于istssrckf的惯性导航初始对准方法 |
CN106291641A (zh) * | 2016-09-09 | 2017-01-04 | 中国人民解放军国防科学技术大学 | 一种速度自适应辅助定位方法 |
CN106441291B (zh) * | 2016-09-27 | 2019-06-21 | 北京理工大学 | 一种基于强跟踪sdre滤波的组合导航系统及导航方法 |
CN106441291A (zh) * | 2016-09-27 | 2017-02-22 | 北京理工大学 | 一种基于强跟踪sdre滤波的组合导航系统及导航方法 |
CN108444725A (zh) * | 2016-11-04 | 2018-08-24 | 北京自动化控制设备研究所 | 一种针对大数据的快速噪声滤除方法 |
CN107246883A (zh) * | 2017-08-07 | 2017-10-13 | 上海航天控制技术研究所 | 一种高精度星敏感器安装矩阵在轨实时校准方法 |
CN108226976A (zh) * | 2017-11-17 | 2018-06-29 | 北京自动化控制设备研究所 | 一种RTK用自适应渐消Kalman滤波算法 |
CN108226976B (zh) * | 2017-11-17 | 2021-10-19 | 北京自动化控制设备研究所 | 一种RTK用自适应渐消Kalman滤波算法 |
CN108490472A (zh) * | 2018-01-29 | 2018-09-04 | 哈尔滨工程大学 | 一种基于模糊自适应滤波的无人艇组合导航方法 |
CN108413986A (zh) * | 2018-03-07 | 2018-08-17 | 北京航空航天大学 | 一种基于Sage-Husa卡尔曼滤波的陀螺仪滤波方法 |
CN108413986B (zh) * | 2018-03-07 | 2021-11-05 | 北京航空航天大学 | 一种基于Sage-Husa卡尔曼滤波的陀螺仪滤波方法 |
CN108663068A (zh) * | 2018-03-20 | 2018-10-16 | 东南大学 | 一种应用在初始对准中的svm自适应卡尔曼滤波方法 |
CN108844540A (zh) * | 2018-09-11 | 2018-11-20 | 北京机械设备研究所 | 一种结合协方差和Sage-Husa滤波技术的自适应滤波方法 |
CN113630106A (zh) * | 2021-08-02 | 2021-11-09 | 杭州电子科技大学 | 基于强跟踪滤波的高阶扩展卡尔曼滤波器设计方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104062672A (zh) | 基于强跟踪自适应Kalman滤波的SINSGPS组合导航方法 | |
CN108226980B (zh) | 基于惯性测量单元的差分gnss与ins自适应紧耦合导航方法 | |
CN103389506B (zh) | 一种用于捷联惯性/北斗卫星组合导航系统的自适应滤波方法 | |
CN103017755B (zh) | 一种水下导航姿态测量方法 | |
CN102636798B (zh) | 基于环路状态自检测的sins/gps深组合导航方法 | |
CN103344259B (zh) | 一种基于杆臂估计的ins/gps组合导航系统反馈校正方法 | |
CN110779518B (zh) | 一种具有全局收敛性的水下航行器单信标定位方法 | |
CN103591965A (zh) | 一种舰载旋转式捷联惯导系统在线标定的方法 | |
CN103822633A (zh) | 一种基于二阶量测更新的低成本姿态估计方法 | |
CN105091907A (zh) | Sins/dvl组合中dvl方位安装误差估计方法 | |
CN104931995A (zh) | 一种基于矢量跟踪的gnss/sins深组合导航方法 | |
CN103674064B (zh) | 捷联惯性导航系统的初始标定方法 | |
CN110567455B (zh) | 一种求积更新容积卡尔曼滤波的紧组合导航方法 | |
CN103389115A (zh) | Sins/dvl组合导航系统一体化误差标定方法 | |
CN102252677A (zh) | 一种基于时间序列分析的变比例自适应联邦滤波方法 | |
CN108594272A (zh) | 一种基于鲁棒卡尔曼滤波的抗欺骗干扰组合导航方法 | |
CN102706366A (zh) | 一种基于地球自转角速率约束的sins初始对准方法 | |
CN102538792A (zh) | 一种位置姿态系统的滤波方法 | |
CN102679985A (zh) | 一种应用星间跟踪的航天器星座分散化自主导航方法 | |
CN102353378A (zh) | 一种矢量形式信息分配系数的自适应联邦滤波方法 | |
CN103557864A (zh) | Mems捷联惯导自适应sckf滤波的初始对准方法 | |
CN103529461A (zh) | 一种基于强跟踪滤波和埃尔米特插值法的接收机快速定位方法 | |
CN102654406A (zh) | 基于非线性预测滤波与求容积卡尔曼滤波相结合的动基座初始对准方法 | |
CN107607971A (zh) | 基于gnss共视时间比对算法的时间频率传递方法及接收机 | |
CN110779519A (zh) | 一种具有全局收敛性的水下航行器单信标定位方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20140924 |