简介:针对CNS/INS组合导航系统中缩短初始对准时间的问题,设计了一种CNS/INS组合导航系统组合对准新方法。在CNS/INS姿态四元数组合算法的基础上,推导CNS/INS组合系统线性化状态方程,分析了INS和CNS姿态四元数差值构建量测方程。利用递推最小二乘原理实现了对该组合系统的信息融合,设计了基于该估计原理的组合导航系统初始对准方法,考虑到大气层内动基座条件下对于星敏感器造成的干扰因素增加了加权处理环节,最后通过仿真实验验证了递推加权最小二乘法在处理组合导航系统初始对准中的有效性。仿真结果表明在微晃基座条件下,与传统的滤波方法相比较该估计方法能够有效地缩短约25%的对准时间。
简介:针对SAR图像匹配及定位需要耗用不等的计算时间而造成的量测不等间隔输出和量测信息滞后问题,提出一种新的SAR时延补偿算法。该算法在标准卡尔曼滤波(KF)基础上,当SAR有量测信息生成时,根据多模型方法进行量测预测,利用预测值修正SINS状态;而SAR无量测信息输出时,通过插值方法生成量测信息来改善系统滤波精度。仿真结果表明,采用基于多模型量测预测的KF算法可以将位置误差由45m减小到10m以内,航向角稳态误差值小于5.8";而在此基础上叠加插值预测算法可以将位置误差进一步控制在6m以内,航向角稳态误差小于4.7",证明了本文提出的算法能够有效补偿SAR的随机时延并提高组合导航系统的解算精度。
简介:对于目前的级联式SINS/GNSS组合导航系统来说,其卡尔曼滤波器的输出校正方式不能深入到捷联解算内部,无法抑制平台姿态误差的发散,也无法校正惯性器件误差,因而在该方式长时间运行不能控制滤波发散,导航精度随时间下降.为此设计了一种SINS/GNSS级联闭环反馈式组合导航系统,该系统能对SINS的位置、速度误差、平台误差及惯性器件误差作出最优估计并实施反馈.通过仿真证明:该系统不仅能提高导航解的精度,还在校准的同时具有动机座对准能力,满足了长时间导航定位的稳定性.
简介:TNNS(真航向导航系统)由MS860接收机、INS及处理数据的PC/104架构的嵌入式工控机构成.针对TNNS推导了INS(惯性导航系统)的误差模型,提出了适合于TNNS的降阶扩展卡尔曼滤波算法组合GPS和INS。系统在东海作了三次海试,软件及滤波算法平台由C/C++编制.海上试验表明,组合滤波后,INS的位置误差由i00m降低到40m以下;进行最优化滤波后的航向误差α由原来的0.105°减小为0.034°,纵横摇的误差也大幅减小.整个海试结果表明,在TNNS中组合GPS/INS采用的降阶扩展卡尔曼滤波算法,大幅提高了系统精度和可靠性.
简介:在分析证券市场中证券组合投资不确定性质的基础上,通过对Markowitz模型中证券期望收益与方差引入容差项来度量证券市场的不确定性,建立了不确定条件下具有容差项的Markowitz证券组合投资模型;分类讨论了容差的上界与下界所对应的两类有效组合前沿,得到了不确定条件下的证券组合投资模型的最优化解法及相关定理;最后给出了一个具体的数值实例.
简介:为了提高标准Cubature卡尔曼滤波(CKF)的稳定性和鲁棒性,提出一种改进的多重渐消H∞滤波cubamre卡尔曼滤波算法。首先基于系统状态的可观测性给出多重渐消因子矩阵求解过程,提高滤波算法的稳定性,抑制滤波发散;其次,引入H∞鲁棒思想,构造多重渐消H∞滤波Cubature卡尔曼滤波器;最后,提出采用一种奇异值分解的矩阵分解策略代替标准Cubature卡尔曼滤波中的Cholesky分解,进一步提高算法的数值稳定性。实际GPS/INS组合导航实验表明,改进的多重渐消H∞滤波Cubature卡尔曼滤波算法不仅能有效抑制滤波发散提高算法的稳定性,而且对观测野值具有更高的鲁棒性;提出的新算法与标准CKF算法相比,XYZ三个方向的位置精度分别提高了55.8%,46.6%和39.7%。