隨著貝葉斯定理的提出,高斯濾波(GF)成為現(xiàn)代濾波領(lǐng)域里具有代表性的重要技術(shù)之一,在航天、通信、交通及化工等工程領(lǐng)域應(yīng)用廣泛,尤其是在導(dǎo)航領(lǐng)域,已成為當(dāng)前的研究熱點(diǎn)。由于系統(tǒng)存在建模誤差和觀測(cè)誤差,需要設(shè)計(jì)高精度、高性能的濾波算法,對(duì)原始含噪聲的信號(hào)進(jìn)行處理,輸出所需的信號(hào)。GF算法的正常運(yùn)行需要滿足多個(gè)假設(shè)條件,在實(shí)際工程中,非理想情況的存在會(huì)導(dǎo)致GF器無法正常工作。另外,為了彌補(bǔ)單個(gè)傳感器自身缺陷,保證工程系統(tǒng)持續(xù)穩(wěn)定的正常工作,通常采用多傳感器協(xié)同工作的方式。高效、高精度、高穩(wěn)定性的信息融合算法是多傳感器協(xié)同工作的核心部分。為保證工程系統(tǒng)的正常運(yùn)行,需要設(shè)計(jì)具有精度高、穩(wěn)定性強(qiáng)的濾波算法,及高效、高穩(wěn)定性、高精度的信息融合算法。由于工程環(huán)境的特殊性和復(fù)雜性,有些工程系統(tǒng)在工作中經(jīng)常會(huì)存在隨機(jī)觀測(cè)時(shí)滯、模型含有乘性噪聲、噪聲非高斯等問題。為解決這些問題,本文提出幾種改進(jìn)濾波算法,從而獲得有效的狀態(tài)估計(jì)值。另外,為提高多傳感器組合測(cè)量系統(tǒng)的穩(wěn)定性和精確性,本文還設(shè)計(jì)了幾種多傳感器信息融合算法對(duì)狀態(tài)估計(jì)值進(jìn)行進(jìn)一步融合處理。首先,針對(duì)系統(tǒng)中含有乘性噪聲的問題,將乘性噪聲統(tǒng)計(jì)特性與GF框架相結(jié)合,設(shè)計(jì)改進(jìn)GF算法。算法考慮了乘性噪聲滿足高斯分布的假設(shè),在預(yù)測(cè)和更新過程中考慮乘性噪聲的條件均值方差,根據(jù)貝葉斯估計(jì)理論,改進(jìn)GF框架。另外,針對(duì)系統(tǒng)同時(shí)存在的量測(cè)時(shí)滯、噪聲相關(guān)和容積點(diǎn)中心偏移的問題,在改進(jìn)GF框架的基礎(chǔ)上,結(jié)合狀態(tài)擴(kuò)維、容積點(diǎn)改進(jìn)等方法,使改進(jìn)GF算法可以在不同的非理想條件下具有較高的估計(jì)精度。然后,針對(duì)系統(tǒng)噪聲為重尾噪聲的問題,通過將GF框架與魯棒代價(jià)函數(shù)結(jié)合,設(shè)計(jì)魯棒GF算法。算法通過最大熵準(zhǔn)則、M估計(jì)準(zhǔn)則等設(shè)計(jì)對(duì)重尾噪聲具有魯棒性的代價(jià)函數(shù),代入GF框架中,或者以粒子框架、Student’s t濾波框架代替GF框架,從而使改進(jìn)GF算法對(duì)重尾噪聲具有魯棒性。同時(shí),利用基于M估計(jì)的魯棒濾波逼近重要密度函數(shù),降低粒子貧化現(xiàn)象,利用觀測(cè)差分法去除噪聲的時(shí)間相關(guān)性,通過狀態(tài)擴(kuò)維的方法解決因觀測(cè)時(shí)滯導(dǎo)致的噪聲條件均值不為零的問題,提高所設(shè)計(jì)魯棒濾波算法的適用范圍。接著,針對(duì)GF算法估計(jì)結(jié)果的一致性實(shí)時(shí)監(jiān)測(cè)問題,設(shè)計(jì)一種新型的監(jiān)測(cè)算法。首先,研究了GF框架下的濾波算法在非理想條件影響下,由于無法滿足高斯近似假設(shè),或者由于建模誤差,導(dǎo)致估計(jì)值不一致的問題。然后,基于統(tǒng)計(jì)假設(shè)檢測(cè)法,以后驗(yàn)估計(jì)值和先驗(yàn)估計(jì)值的差值為被檢測(cè)的統(tǒng)計(jì)量,給出了一種新的一致性監(jiān)測(cè)算法。該算法既避免了對(duì)狀態(tài)真值的依賴,滿足了實(shí)時(shí)監(jiān)測(cè)要求,又是直接對(duì)后驗(yàn)估計(jì)值進(jìn)行監(jiān)測(cè)。且自動(dòng)執(zhí)行監(jiān)測(cè),避免了運(yùn)行期間用戶交互的繁瑣操作,簡(jiǎn)化結(jié)構(gòu),提高計(jì)算效率。最后,將監(jiān)測(cè)算法嵌入到容積四元數(shù)濾波中,測(cè)試算法在實(shí)際應(yīng)用中的性能,從而確保所設(shè)計(jì)算法的有效性。最后,針對(duì)組合導(dǎo)航系統(tǒng)在非理想情況下的信息融合問題,將之前的研究成果與信息融合算法結(jié)合,設(shè)計(jì)改進(jìn)信息融合算法。首先,針對(duì)乘性噪聲及觀測(cè)噪聲相關(guān)的問題,以改進(jìn)GF算法為基礎(chǔ),結(jié)合觀測(cè)矩陣擴(kuò)展法,設(shè)計(jì)了改進(jìn)集中式融合算法。其次,針對(duì)系統(tǒng)噪聲為Student’s t分布的問題,以改進(jìn)Student’s t濾波框架為基礎(chǔ),結(jié)合拉格朗日乘子法計(jì)算融合權(quán)重,給出基于Student’s t的分布式融合算法。最后,針對(duì)多傳感器采樣率不同,及系統(tǒng)噪聲和觀測(cè)噪聲相關(guān)的問題,通過多尺度系統(tǒng)理論統(tǒng)一采樣率,結(jié)合一階斯特林插值法將非線性函數(shù)線性化,解決系統(tǒng)噪聲相關(guān)的問題,提出改進(jìn)協(xié)方差交叉融合算法,并通過所提出一致性監(jiān)測(cè)算法對(duì)估計(jì)結(jié)果進(jìn)行監(jiān)測(cè)。
【學(xué)位單位】：哈爾濱工業(yè)大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位年份】：2019
【中圖分類】：TN713;TP212
【部分圖文】：

第 1 章 緒 論式融合結(jié)構(gòu)合結(jié)構(gòu)是將各個(gè)傳感器觀測(cè)到的原始數(shù)據(jù)直接輸入到中合法則進(jìn)行融合。集中式融合的結(jié)構(gòu)圖具體如圖 1-1 所優(yōu)勢(shì)是可以實(shí)時(shí)進(jìn)行融合，且所有信息直接融合，可以小方差意義下的最優(yōu)估計(jì)，因此估計(jì)精度高。但是，缺算能力要求高，不適用于低功耗處理器，另外，如果任問題都會(huì)導(dǎo)致融合失敗，因此，集中式融合算法的穩(wěn)定陷，集中式融合算法在實(shí)際導(dǎo)航系統(tǒng)中實(shí)現(xiàn)難度大。

哈爾濱工業(yè)大學(xué)工學(xué)博士學(xué)位論文精度低于集中式融合算法。布式融合算法由于其可靠性高、計(jì)算速度快的優(yōu)勢(shì)，目前得到廣泛應(yīng)62]等人研究了多傳感器觀測(cè)單目標(biāo)的跟蹤問題，為了對(duì)多傳感器為補(bǔ)和重疊的觀測(cè)信息進(jìn)行融合，設(shè)計(jì)了基于信息圖的分布式融合算等人研究了一類具有噪聲自相關(guān)或互相關(guān)，且系統(tǒng)模型存在乘性噪器系統(tǒng)，首先針對(duì)每個(gè)子系統(tǒng)設(shè)計(jì)了最優(yōu)魯棒卡爾曼型遞歸濾波器基礎(chǔ)上，設(shè)計(jì)了分布式加權(quán)魯棒卡爾曼濾波融合算法。該算法與集濾波相比具有更強(qiáng)的容錯(cuò)能力。Li[64]等人研究了具有時(shí)延和丟包的統(tǒng)分布式融合估計(jì)問題，利用多組 Bernoulli 分布隨機(jī)變量描述了不包的現(xiàn)象，然后利用線性最小方差意義下的矩陣加權(quán)融合估計(jì)算法式融合濾波算法。以上分布式融合算法均采用線性加權(quán)的形式進(jìn)行融式融合算法中還有一種特殊的方法，叫做協(xié)方差交叉(CI)融合算法[對(duì)各局部估計(jì)結(jié)果相關(guān)的問題具有魯棒性，因此，得到了學(xué)者們的文獻(xiàn)[66-68]均是基于 CI 融合算法的改進(jìn)算法。

Bhatt等人研究了慣性導(dǎo)航系統(tǒng)(INS)和 GPS 組成的組合導(dǎo)航系統(tǒng)，利統(tǒng)的融合方式進(jìn)行信息融合，但這些融合方法在傳感器誤差模型、抗噪聲和計(jì)算負(fù)載等方面都存在一些不足，因此設(shè)計(jì)了一種基于支持向量機(jī)(SVM新的混合融合方法，從而提高了定位精度。Lin[70]考慮到如果測(cè)量不可靠傳統(tǒng)的平方根立方體卡爾曼濾波(SRCKF)可能會(huì)給出不準(zhǔn)確的結(jié)果或發(fā)散題，利用多傳感器系統(tǒng)代替單傳感器系統(tǒng)，根據(jù)開關(guān)準(zhǔn)則，提出了一種基波殘差的子系統(tǒng)軟故障檢測(cè)算法并通過系統(tǒng)重構(gòu)，將故障子系統(tǒng)隔離開來為了提高多傳感器系統(tǒng)的性能，提出了一種基于自適應(yīng) SRCKF 的混合融法。2.4 自主導(dǎo)航空間在軌服務(wù)是近些年各航天大國(guó)研究的熱點(diǎn)航天項(xiàng)目，主要包括輔助、碎片清理、在軌衛(wèi)星燃料加注與延壽、在軌維修裝配等幾個(gè)方面。在軌可以有效的提高在軌衛(wèi)星的壽命，保證衛(wèi)星的運(yùn)行安全。在軌服務(wù)是建立會(huì)對(duì)接技術(shù)或抓捕技術(shù)的基礎(chǔ)上，無論交會(huì)對(duì)接技術(shù)還是抓捕技術(shù)，都需主導(dǎo)航技術(shù)提供精確的目標(biāo)狀態(tài)信息。因此，精確的自主導(dǎo)航技術(shù)是在軌

【參考文獻(xiàn)】

相關(guān)期刊論文 前8條

1 袁彥紅;尹海寧;范蕾懿;張巧云;;螢火一號(hào)火星探測(cè)器MEMS陀螺姿態(tài)確定技術(shù)[J];上海航天;2013年04期

2 魏喜慶;宋申民;張保群;;基于無模型無跡粒子濾波的編隊(duì)衛(wèi)星相對(duì)運(yùn)動(dòng)估計(jì)[J];系統(tǒng)工程與電子技術(shù);2012年06期

3 ;GPS/VISNAV integrated relative navigation and attitude determination system for ultra-close spacecraft formation flying[J];Journal of Systems Engineering and Electronics;2011年02期

4 ;SINS/CNS/GPS integrated navigation algorithm based on UKF[J];Journal of Systems Engineering and Electronics;2010年01期

5 李懷良;庹先國(guó);任家富;王詩東;葛維亮;;一種新型可控低通濾波器的研制[J];電子元件與材料;2010年01期

6 譚漢清;劉壘;;慣性/星光組合導(dǎo)航技術(shù)綜述[J];飛航導(dǎo)彈;2008年05期

7 周芳;韓立巖;;多傳感器信息融合技術(shù)綜述[J];遙測(cè)遙控;2006年03期

8 胡士強(qiáng),敬忠良;粒子濾波算法綜述[J];控制與決策;2005年04期

相關(guān)博士學(xué)位論文 前1條

1 吳峰;自主導(dǎo)航星敏感器關(guān)鍵技術(shù)的研究[D];蘇州大學(xué);2012年

本文編號(hào)：2821459