简介:针对线性高斯系统的平滑问题,分析了RTS固定区间平滑与双滤波器固定区间平滑两种算法,提出了一种滤波存储数据更少的RTS平滑新算法.结合平面内的运动追踪问题,基于二维CWPA模型,仿真分析了卡尔曼滤波、RTS固定区间平滑以及双滤波器平滑算法的估计性能.仿真结果表明,两种固定区间平滑算法的估计效果等效,精度均优于卡尔曼滤波,对于实际问题中固定区间平滑算法的选用具有一定的参考价值.最后,结合双滤波器结构提出了一种基于双平滑器的舰载武器惯导传递对准精度评估方法,结果表明新方法相比于单一的平滑算法,可以获取更优的综合平滑性能,特别提升了水平姿态对准误差的平滑估计性能.
简介:惯导固有原因使得载体长时间航行累积大量误差.可通过重力梯度量测与惯导组合导航方法来修正导航误差.先对重力梯度仪与惯导组合导航原理进行阐述,提出重力梯度仪辅助INS(GAINS)的系统框架图,对导航用重力梯度图和重力梯度仪进行分析,设定组合量测方程.然后根据状态空间方程的特点,提出使用边缘Cubature粒子滤波(CPF)进行融合估值.通过理论方法证明其对方差的减小,同时给出算法流程.相同条件下与已有APO-PF算法仿真进行经纬度RMSE结果对比,表明该算法估值精度更高;并用CEP对导航误差研究,得到在性能较低的惯导条件下、在梯度仪1E2和10E2噪声下4h的CEP数值分别为0.044nmile和0.072nmile的结果.最后对状态方程简化,定性分析出其余状态量的估值效果.
简介:针对系统误差的不确定性可能会引起滤波精度降低或发散的问题,提出一种新的基于模型预测滤波的前向神经网络算法。首先,采用模型预测滤波估计网络在正向传递过程中的模型误差,并对其进行修正,以弥补模型误差对隐含层权值更新的影响;然后,利用模型预测滤波为神经网络提供精确的训练样本,学习待估计系统的非线性关系。将提出的算法应用于SINS/CNS/BDS组合导航系统,并与扩展卡尔曼滤波进行比较,仿真结果表明,提出的算法得到的姿态误差、速度误差和位置误差分别在[-0.25′,+0.25′]、[-0.05m/s,+0.05m/s]和[-5m,+5m]以内,滤波性能明显优于扩展卡尔曼滤波算法,表明该算法能提高组合导航定位的解算精度。