GPS/INS組合導航的變分貝葉斯自適應卡爾曼濾波
發(fā)布時間：2022-01-27 03:35
為解決GPS/INS組合導航的數(shù)據(jù)融合問題中卡爾曼濾波器因噪聲統(tǒng)計特性會發(fā)生變化而性能嚴重退化的問題,針對組合導航的系統(tǒng)模型提出并推導了一種基于變分貝葉斯學習的自適應卡爾曼濾波算法.該方法從概率角度將系統(tǒng)狀態(tài)與噪聲的統(tǒng)計矩一起作為待估計的隨機變量,在每次遞推地對狀態(tài)進行估計之前,用變分貝葉斯學習迭代逼近得到噪聲的后驗分布.仿真結果證明:在組合導航系統(tǒng)中,該自適應算法能夠較好地跟蹤變化的噪聲方差,并對速度、位置等系統(tǒng)狀態(tài)進行估計.
【文章來源】：哈爾濱工業(yè)大學學報. 2014,46(05)北大核心EICSCD
【文章頁數(shù)】：7 頁
【部分圖文】：
變分貝葉斯卡爾曼濾波3仿真實驗仿真實驗主要從兩方面來驗證算法的性能與
Ｒ=diagr1r2r3([])=diag(槡2×10－2rad)2(槡5×10－2rad)2(槡500m)2([])．其中diag為對角陣函數(shù)．然后在251～700s，701～1000s內分別設為Ｒ=diag(［10r110r22r3］)，Ｒ=diag(［5r15r21．5r3］)．!"#$"%$"##"%#&%&&&’&!&$$$($!#$!$$!!$!’!"#)*$%"#)*$"&)$#&+圖2飛行器運動軌跡圖3與圖4給出了上述假設條件下，基于變分貝葉斯的自適應卡爾曼濾波器的濾波誤差圖，并與單獨使用INS時的情形做比較．圖3實線為濾波后飛行器位置誤差的估計值，圖4實線為濾波后飛行器速度誤差的估計值．發(fā)現(xiàn)無論是位置誤差估計，還是速度誤差估計，由于慣導誤差的積累，未經(jīng)濾波的狀態(tài)估計(虛線表示)在一定時刻后均出現(xiàn)發(fā)散．考察本文設計的組合模型的濾波器，其觀測量的噪聲統(tǒng)計特性未知，且隨時間發(fā)生變化，但卻有著較好的濾波精度，誤差值較小，依然能對位置誤差與速度誤差進行良好的估計．更進一步，圖5與圖6比較了噪聲變化條件下卡爾曼濾波與自適應濾波的誤差．如圖所示，250s時刻之前，由于噪聲沒有發(fā)生變化，卡爾曼濾波器與自適應濾波器有著相當?shù)臑V波誤差．而250s時刻之后，噪聲開始發(fā)生變化，由于卡爾曼濾波器自身的局限性，并不能夠在線調整，以至于在之后750s的時間里，總體估計誤差顯著增大，相比自適應濾波的曲線，濾波精度較差，尤以250～700s間變化波動最為劇烈．!"#$%&"#!"""#"""$#"""%""&""’""(""!""""%""&""’""(""!""""%""&""’""(""!"""!)*%"""$%""$&""!"""#"""$#""()*’)+()*+)+()*,)+圖3濾波前后位置誤差對比!"!!#!!$!!%!!&
Ｒ=diagr1r2r3([])=diag(槡2×10－2rad)2(槡5×10－2rad)2(槡500m)2([])．其中diag為對角陣函數(shù)．然后在251～700s，701～1000s內分別設為Ｒ=diag(［10r110r22r3］)，Ｒ=diag(［5r15r21．5r3］)．!"#$"%$"##"%#&%&&&’&!&$$$($!#$!$$!!$!’!"#)*$%"#)*$"&)$#&+圖2飛行器運動軌跡圖3與圖4給出了上述假設條件下，基于變分貝葉斯的自適應卡爾曼濾波器的濾波誤差圖，并與單獨使用INS時的情形做比較．圖3實線為濾波后飛行器位置誤差的估計值，圖4實線為濾波后飛行器速度誤差的估計值．發(fā)現(xiàn)無論是位置誤差估計，還是速度誤差估計，由于慣導誤差的積累，未經(jīng)濾波的狀態(tài)估計(虛線表示)在一定時刻后均出現(xiàn)發(fā)散．考察本文設計的組合模型的濾波器，其觀測量的噪聲統(tǒng)計特性未知，且隨時間發(fā)生變化，但卻有著較好的濾波精度，誤差值較小，依然能對位置誤差與速度誤差進行良好的估計．更進一步，圖5與圖6比較了噪聲變化條件下卡爾曼濾波與自適應濾波的誤差．如圖所示，250s時刻之前，由于噪聲沒有發(fā)生變化，卡爾曼濾波器與自適應濾波器有著相當?shù)臑V波誤差．而250s時刻之后，噪聲開始發(fā)生變化，由于卡爾曼濾波器自身的局限性，并不能夠在線調整，以至于在之后750s的時間里，總體估計誤差顯著增大，相比自適應濾波的曲線，濾波精度較差，尤以250～700s間變化波動最為劇烈．!"#$%&"#!"""#"""$#"""%""&""’""(""!""""%""&""’""(""!""""%""&""’""(""!"""!)*%"""$%""$&""!"""#"""$#""()*’)+()*+)+()*,)+圖3濾波前后位置誤差對比!"!!#!!$!!%!!&
本文編號：3611679
【文章來源】：哈爾濱工業(yè)大學學報. 2014,46(05)北大核心EICSCD
【文章頁數(shù)】：7 頁
【部分圖文】：
變分貝葉斯卡爾曼濾波3仿真實驗仿真實驗主要從兩方面來驗證算法的性能與
Ｒ=diagr1r2r3([])=diag(槡2×10－2rad)2(槡5×10－2rad)2(槡500m)2([])．其中diag為對角陣函數(shù)．然后在251～700s，701～1000s內分別設為Ｒ=diag(［10r110r22r3］)，Ｒ=diag(［5r15r21．5r3］)．!"#$"%$"##"%#&%&&&’&!&$$$($!#$!$$!!$!’!"#)*$%"#)*$"&)$#&+圖2飛行器運動軌跡圖3與圖4給出了上述假設條件下，基于變分貝葉斯的自適應卡爾曼濾波器的濾波誤差圖，并與單獨使用INS時的情形做比較．圖3實線為濾波后飛行器位置誤差的估計值，圖4實線為濾波后飛行器速度誤差的估計值．發(fā)現(xiàn)無論是位置誤差估計，還是速度誤差估計，由于慣導誤差的積累，未經(jīng)濾波的狀態(tài)估計(虛線表示)在一定時刻后均出現(xiàn)發(fā)散．考察本文設計的組合模型的濾波器，其觀測量的噪聲統(tǒng)計特性未知，且隨時間發(fā)生變化，但卻有著較好的濾波精度，誤差值較小，依然能對位置誤差與速度誤差進行良好的估計．更進一步，圖5與圖6比較了噪聲變化條件下卡爾曼濾波與自適應濾波的誤差．如圖所示，250s時刻之前，由于噪聲沒有發(fā)生變化，卡爾曼濾波器與自適應濾波器有著相當?shù)臑V波誤差．而250s時刻之后，噪聲開始發(fā)生變化，由于卡爾曼濾波器自身的局限性，并不能夠在線調整，以至于在之后750s的時間里，總體估計誤差顯著增大，相比自適應濾波的曲線，濾波精度較差，尤以250～700s間變化波動最為劇烈．!"#$%&"#!"""#"""$#"""%""&""’""(""!""""%""&""’""(""!""""%""&""’""(""!"""!)*%"""$%""$&""!"""#"""$#""()*’)+()*+)+()*,)+圖3濾波前后位置誤差對比!"!!#!!$!!%!!&
Ｒ=diagr1r2r3([])=diag(槡2×10－2rad)2(槡5×10－2rad)2(槡500m)2([])．其中diag為對角陣函數(shù)．然后在251～700s，701～1000s內分別設為Ｒ=diag(［10r110r22r3］)，Ｒ=diag(［5r15r21．5r3］)．!"#$"%$"##"%#&%&&&’&!&$$$($!#$!$$!!$!’!"#)*$%"#)*$"&)$#&+圖2飛行器運動軌跡圖3與圖4給出了上述假設條件下，基于變分貝葉斯的自適應卡爾曼濾波器的濾波誤差圖，并與單獨使用INS時的情形做比較．圖3實線為濾波后飛行器位置誤差的估計值，圖4實線為濾波后飛行器速度誤差的估計值．發(fā)現(xiàn)無論是位置誤差估計，還是速度誤差估計，由于慣導誤差的積累，未經(jīng)濾波的狀態(tài)估計(虛線表示)在一定時刻后均出現(xiàn)發(fā)散．考察本文設計的組合模型的濾波器，其觀測量的噪聲統(tǒng)計特性未知，且隨時間發(fā)生變化，但卻有著較好的濾波精度，誤差值較小，依然能對位置誤差與速度誤差進行良好的估計．更進一步，圖5與圖6比較了噪聲變化條件下卡爾曼濾波與自適應濾波的誤差．如圖所示，250s時刻之前，由于噪聲沒有發(fā)生變化，卡爾曼濾波器與自適應濾波器有著相當?shù)臑V波誤差．而250s時刻之后，噪聲開始發(fā)生變化，由于卡爾曼濾波器自身的局限性，并不能夠在線調整，以至于在之后750s的時間里，總體估計誤差顯著增大，相比自適應濾波的曲線，濾波精度較差，尤以250～700s間變化波動最為劇烈．!"#$%&"#!"""#"""$#"""%""&""’""(""!""""%""&""’""(""!""""%""&""’""(""!"""!)*%"""$%""$&""!"""#"""$#""()*’)+()*+)+()*,)+圖3濾波前后位置誤差對比!"!!#!!$!!%!!&
本文編號：3611679
本文鏈接：http://sikaile.net/kejilunwen/wltx/3611679.html
最近更新
教材專著
