GPS/INS組合導航非線性系統(tǒng)最優(yōu)估計算法中,基于統(tǒng)計信息和假設檢驗理論的多漸消因子自適應濾波算法的應用前提條件是殘差向量為高斯白噪聲。本文針對觀測異常會影響殘差向量的數(shù)字特性分布,提出了一種神經(jīng)網(wǎng)絡輔助的多重漸消因子自適應SVD-UKF算法。該算法采用神經(jīng)網(wǎng)絡算法削弱觀測異常對殘差序列高斯白噪聲分布特性的影響,利用奇異值分解抑制UKF中先驗協(xié)方差矩陣負定性變化,同時構造多重漸消因子對預測狀態(tài)協(xié)方差陣進行調整,使得不同的濾波通道具有不同的調節(jié)能力,高效地應用于多變量復雜系統(tǒng)。最后利用車載實測數(shù)據(jù)進行了驗證。結果表明,神經(jīng)網(wǎng)絡算法極大削弱了觀測粗差對殘差序列高斯白噪聲分布特性的影響,拓展了多重漸消因子的應用范圍,使其能在觀測值含有粗差的條件下自適應調節(jié)不同濾波通道,消除濾波狀態(tài)中的異常,提高組合導航解的精度和可靠性。 

【文章來源】：測繪學報. 2015年04期 北大核心

【文章頁數(shù)】：8 頁

【文章目錄】：
1　前　言
2　基于多重漸消因子的 GPS/INS組合系統(tǒng)自適應SVD-UKF算法
    2.1　SVD-UKF算法
        2.1.1　狀態(tài)參數(shù)初始化
        2.1.2　計算Sigma點
        2.1.3　時間更新
        2.1.4　測量更新
        2.1.5　濾波更新
    2.2　多重漸消因子
3　RBFNN輔助多重漸消因子自適應濾波
    3.1　徑向基神經(jīng)網(wǎng)絡原理
    3.2　RBFNN輔助自適應算法模型
4　計算與分析
    4.1　預測殘差向量數(shù)字特征分析
    4.2　RBFNN輔助多重漸消因子自適應SVD-UKF算法分析
5　結　論


【參考文獻】：
期刊論文
[1]支持向量回歸輔助的GPS/INS組合導航抗差自適應算法[J]. 譚興龍,王堅,韓厚增.  測繪學報. 2014(06)
[2]多漸消因子卡爾曼濾波及其在SINS初始對準中的應用[J]. 錢華明,葛磊,彭宇.  中國慣性技術學報. 2012(03)
[3]多漸消因子Kalman濾波器在SINS初始對準中的應用（英文）[J]. 高偉熙,繆玲娟,倪茂林.  Chinese Journal of Aeronautics. 2011(04)
[4]GNSS/INS組合導航誤差補償與自適應濾波理論的拓展[J]. 吳富梅.  測繪學報. 2011(03)
[5]基于等效殘差積探測粗差的方差-協(xié)方差分量估計[J]. 李博峰,沈云中.  測繪學報. 2011(01)
[6]基于SUT-EKF的DGPS/DR組合定位算法[J]. 石杏喜,王鐵生,黃波,趙春霞.  測繪學報. 2010(05)
[7]自適應UKF算法及其在GPS/INS組合導航中的應用[J]. 高為廣,何海波,陳金平.  北京理工大學學報. 2008(06)
[8]神經(jīng)網(wǎng)絡輔助的GPS/INS組合導航自適應濾波算法[J]. 高為廣,楊元喜,張婷.  測繪學報. 2007(01)
[9]Adaptively robust filtering with classified adaptive factors[J]. CUI Xianqiang and YANG Yuanxi (Xi’an Research Institute of Surveying and Mapping, Xi’an 710054, China).  Progress in Natural Science. 2006(08)
[10]組合導航系統(tǒng)多重衰減因子自適應估計算法比較研究[J]. 耿延睿,郭偉,崔中興.  中國慣性技術學報. 2004(02)



本文編號：2956561