針對標準容積卡爾曼濾波（CKF）在組合導航系統(tǒng)模型不確定情況下濾波精度下降甚至發(fā)散的問題,將奇異值分解（SVD）與CKF算法相結合,并引入強跟蹤濾波（STF）理論,提出一種改進的強跟蹤SVD—CKF算法。為提高數(shù)值計算的穩(wěn)定性,采用SVD代替標準CKF中的Cholesky分解;引入STF理論框架,通過漸消因子對預測誤差協(xié)方差陣進行在線修正,在系統(tǒng)模型不確定或系統(tǒng)發(fā)生大的突變時,能夠提高系統(tǒng)的強魯棒性。通過仿真結果驗證了改進算法的有效性。 

【文章來源】：傳感器與微系統(tǒng). 2016,35(12)

【文章頁數(shù)】：5 頁

【部分圖文】：

飛機理想飛行航跡Fig1Idealflighttrajectoryofaircraft

(X(t)，w(t))(38)式中f(·)為非線性函數(shù)，由捷聯(lián)慣導力學編排方程和姿態(tài)誤差方程得到，w(t)為系統(tǒng)噪聲。系統(tǒng)的量測向量z為BDS輸出的速度VEB，VNB，VUB和位置λB，LB，hB如式(39)z=［VEB，VNB，VUB，LB，λB，hB］(39)BDS/INS組合的量測方程如下zk+1=Hk+1xk+1+vk+1(40)式中Hk+1=［I6×6，O6×6］，vk+1為量測噪聲。對兩種濾波算法進行解算。圖1為飛機理想飛行航跡圖。圖1飛機理想飛行航跡Fig1Idealflighttrajectoryofaircraft圖2為兩種算法對比仿真解果。圖2兩種算法位置誤差比較Fig2Comparisonofpositionerroroftwoalgorithms從仿真結果可知，對比兩種算法，本文提出的改進的強跟蹤SVD-CKF算法比標準CKF算法具有較高的精度。從圖3中可以看出，兩種算法在姿態(tài)角的比較上，改進的算法具有明顯優(yōu)勢，系統(tǒng)在658～728s時間內(nèi)由于出現(xiàn)大的轉(zhuǎn)彎加爬坡的強非線性飛行狀態(tài)，對于系統(tǒng)的真實狀態(tài)，CKF算法并不能及時跟蹤，導致出現(xiàn)較大幅度的波動，對比改進的圖3兩種算法姿態(tài)角誤差比較Fig3Comparisonofattitudeangleerroroftwoalgorithms圖4兩種算法速度誤差比較Fig4Comparisonoftwoalgorithmsforspeederror算法，則不難看出，在此時間段內(nèi)，采用改進算法的姿態(tài)角度誤差較小，依然保持平穩(wěn)的狀態(tài)，在系統(tǒng)發(fā)生突變狀況時，改進的算法在強跟蹤能力上優(yōu)于CKF算法;有效提高了濾波的精度。從圖2中可以看出，在50～850s時間段內(nèi)，CKF算法得到的天向位置誤差［－5．5，4．4］m，北向位置誤差在［－6，4．4］m內(nèi)，東向誤差在［－15．7，12．5］m內(nèi);而本文提出的改進算法得到的天向位置誤差［－4．1，3．2］m，北向位置誤差在［－4．1，2．9］m內(nèi)，東向誤?

z=［VEB，VNB，VUB，LB，λB，hB］(39)BDS/INS組合的量測方程如下zk+1=Hk+1xk+1+vk+1(40)式中Hk+1=［I6×6，O6×6］，vk+1為量測噪聲。對兩種濾波算法進行解算。圖1為飛機理想飛行航跡圖。圖1飛機理想飛行航跡Fig1Idealflighttrajectoryofaircraft圖2為兩種算法對比仿真解果。圖2兩種算法位置誤差比較Fig2Comparisonofpositionerroroftwoalgorithms從仿真結果可知，對比兩種算法，本文提出的改進的強跟蹤SVD-CKF算法比標準CKF算法具有較高的精度。從圖3中可以看出，兩種算法在姿態(tài)角的比較上，改進的算法具有明顯優(yōu)勢，系統(tǒng)在658～728s時間內(nèi)由于出現(xiàn)大的轉(zhuǎn)彎加爬坡的強非線性飛行狀態(tài)，對于系統(tǒng)的真實狀態(tài)，CKF算法并不能及時跟蹤，導致出現(xiàn)較大幅度的波動，對比改進的圖3兩種算法姿態(tài)角誤差比較Fig3Comparisonofattitudeangleerroroftwoalgorithms圖4兩種算法速度誤差比較Fig4Comparisonoftwoalgorithmsforspeederror算法，則不難看出，在此時間段內(nèi)，采用改進算法的姿態(tài)角度誤差較小，依然保持平穩(wěn)的狀態(tài)，在系統(tǒng)發(fā)生突變狀況時，改進的算法在強跟蹤能力上優(yōu)于CKF算法;有效提高了濾波的精度。從圖2中可以看出，在50～850s時間段內(nèi)，CKF算法得到的天向位置誤差［－5．5，4．4］m，北向位置誤差在［－6，4．4］m內(nèi)，東向誤差在［－15．7，12．5］m內(nèi);而本文提出的改進算法得到的天向位置誤差［－4．1，3．2］m，北向位置誤差在［－4．1，2．9］m內(nèi)，東向誤差在［－11，5．5］m內(nèi)。通過在位置上的比較來看，改進的算法和標準的算法相差不是太大，但是改進的算法的精度略高。對于速度誤差來說，從圖4中可以看出，改進算法對于標準算法精度略高，但是優(yōu)勢并不明顯?

【參考文獻】：
期刊論文
[1]自適應高階容積卡爾曼濾波在目標跟蹤中的應用[J]. 崔乃剛,張龍,王小剛,楊峰,盧寶剛.  航空學報. 2015(12)
[2]自適應CKF強跟蹤濾波器及其應用[J]. 丁家琳,肖建,趙濤.  電機與控制學報. 2015(11)
[3]抗野值強跟蹤Kalman濾波在風場估計中的應用[J]. 李陽,孔毅,趙現(xiàn)斌.  傳感器與微系統(tǒng). 2015(07)
[4]強跟蹤自適應平方根容積卡爾曼濾波算法[J]. 徐樹生,林孝工,李新飛.  電子學報. 2014(12)
[5]非線性系統(tǒng)確定采樣型濾波算法綜述[J]. 王小旭,潘泉,黃鶴,高昂.  控制與決策. 2012(06)
[6]基于抗差EKF的GNSS/INS緊組合算法研究[J]. 王堅,劉超,高井祥,許長輝.  武漢大學學報(信息科學版). 2011(05)
[7]自適應SVD-UKF算法及在組合導航的應用[J]. 高社生,王建超,焦雅林.  中國慣性技術學報. 2010(06)
[8]雙重自適應聯(lián)邦濾波在SINS-衛(wèi)星組合中的應用研究[J]. 王春霞,趙偉,劉瑞華.  傳感器與微系統(tǒng). 2008(03)
[9]基于強跟蹤濾波器的多目標跟蹤方法[J]. 徐毓,金以慧,楊瑞娟.  傳感器技術. 2002(03)



本文編號：2974651