CN101572533A - 一种复合分层抗干扰滤波器 - Google Patents
一种复合分层抗干扰滤波器 Download PDFInfo
- Publication number
- CN101572533A CN101572533A CNA2009100868969A CN200910086896A CN101572533A CN 101572533 A CN101572533 A CN 101572533A CN A2009100868969 A CNA2009100868969 A CN A2009100868969A CN 200910086896 A CN200910086896 A CN 200910086896A CN 101572533 A CN101572533 A CN 101572533A
- Authority
- CN
- China
- Prior art keywords
- filter
- interference
- battle array
- composite layered
- layered anti
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Feedback Control In General (AREA)
Abstract
一种复合分层抗干扰滤波器,涉及一类多源干扰***的复合分层抗干扰滤波器设计;该发明针对一类含有随机干扰、能量有界干扰和外部模型描述干扰的多源干扰***。首先,构造干扰观测器估计并抵消多源干扰***中的外部模型描述干扰;其次,构造具有H∞和保成本性能指标的滤波器,其中H∞性能指标抑制***中能量有界干扰,保成本性能指标抑制***中随机干扰,并能优化估计误差方差的上界;基于干扰观测器、鲁棒H∞和保成本滤波器,构造复合分层抗干扰滤波器;最后,基于凸优化算法求解复合分层抗干扰滤波器增益阵列。本发明具有抗干扰性强、滤波精度高等优点,可用于航空航天器导航与控制***等。
Description
技术领域
本发明涉及一种具有干扰抵消和抑制性能的复合分层抗干扰滤波器,可用于多源干扰***的抗干扰滤波,如航空航天器导航与控制***等。
背景技术
由于各种干扰噪声广泛地存在于***和量测过程中(例如惯性导航***中存在惯性器件漂移,随机噪声,模型不确定性等多源干扰),因此对于干扰的抑制、补偿和抵消近年来已成为控制界的一个研究热点。对于各种能量有界的干扰信号或随机噪声,人们提出了LQG(线性二次高斯,如卡尔曼滤波)以及H2滤波、H∞滤波等思想,可以使得干扰对滤波器性能的影响最小。上述几种方法对于线性的被控对象来说,理论上都已经取得了比较完善的解决方法。但单一干扰抑制方法(如H∞滤波、H2滤波、LQG滤波等)或者保守性较大,难以实现高精度控制和滤波性能;或者对于被控对象和干扰模型要求严格,难以广泛应用。对于非线性模型,处理方法主要有EKF、UKF、粒子滤波、H∞滤波、H2和H∞滤波、基于干扰观测器的滤波方法等。EKF主要是将非线性模型线性化且要求噪声满足高斯白噪声假设,模型线性化产生较大的模型误差,影响滤波精度。UKF虽然可以直接使用***的非线性模型无需线性化,但仍要求噪声是高斯白噪声。粒子滤波可以解决非线性、非高斯情况下的滤波问题且对于观测值中的坏点容忍性较强,但它容易陷入粒子枯竭,而且其递推过程计算量大,实时性不能保证。H∞滤波方法,可以解决噪声统计特性未知的非线性***滤波问题,并具有一定的鲁棒性能,但由于单一的性能指标使得其精度不高。对于基于干扰观测器的滤波方法,早期的工作仅考虑了针对常值干扰的线性干扰观测器,而实际中干扰总是具有不同类型的时变值,有些***中会同时存在多源干扰如谐波干扰、常值干扰等外部模型描述干扰、导数有界干扰、无模型干扰等,这就进一步增加了研究难度。H2和H∞滤波方法可以解决同时含有高斯白噪声和模型不确定性***的滤波问题,但对于具有已知特性的干扰采用干扰抑制,使得滤波精度不高。
发明内容
本发明的技术解决问题是:针对多源干扰***,克服现有技术的不足,提供一种具有干扰抵消和抑制性能的复合分层抗干扰滤波器,解决了多源干扰***的抗干扰滤波器设计问题,提高了***的滤波精度。
本发明的技术解决方案为:一种复合分层抗干扰滤波器,其实现步骤如下:
(1)针对多源干扰***∑1中外部模型描述干扰d1(t),构造干扰观测器为:
其中,为干扰观测器状态变量、为d1(t)的估计值,K2∈Rp×m(Rp×m表示p×m维实矩阵空间)为待定观测器增益阵,p和m均为自然数;y(t)为多源干扰***输出变量,为复合分层抗干扰滤波器输出变量;同时含有随机干扰、能量有界干扰和外部模型描述干扰的多源干扰***∑1,其***状态方程为:
其中,多源干扰***状态变量x(t)∈Rn(Rn表示n维实向量空间),A∈Rn×n为***阵; 为能量有界(即L2范数 有界)干扰,其增益阵为B2,n和q2均为自然数;y(t)∈Rm为***输出变量,C∈Rm×n为***输出阵,输出***干扰增益阵为B3;非线性项f(x(t))满足Lipschitz条件,即存在已知Lipschitz参数阵U∈Rn×n使得如下不等式成立:
||f(x1(t))-f(x2(t))||≤||U(x1(t)-x2(t))||
其中,x1(t),x2(t)∈{x(t)|t∈R}为***状态集合中的任意两个状态,非线性项增益阵为F;外部模型描述干扰d1(t)由下列外部干扰模型∑2表示:
其中,w(t)∈Rp为外部干扰模型的状态变量,W∈Rp×p表示外部干扰模型的***阵, 为外部干扰模型的输出矩阵, 为外部模型描述干扰增益阵,B4为外部干扰模型的能量有界干扰增益阵,q1为自然数;
(2)针对多源干扰***中能量有界干扰d2(t)、随机干扰d3(t),构造鲁棒H∞和保成本滤波器为:
(3)基于干扰观测器、鲁棒H∞和保成本滤波器,构造具有干扰抵消和抑制性能的复合分层抗干扰滤波器如下:
其中, 为滤波器的状态变量, (R(n+p)×m表示(n+p)×m维实矩阵空间)为待定滤波器增益阵列,K1为待定滤波器增益阵,K2为待定观测器增益阵,C=(C 0)∈Rm×(n+p),为复合分层抗干扰滤波器的输出变量;
(4)利用凸优化算法求解复合分层抗干扰滤波器增益阵列:
求解以下凸优化问题:
min((xT(0)wT(0))P1(xT(0)wT(0))T)
其中:x(0),w(0)为给定初始值,r、α为区域极点配置参数,λ为非线性权重参数,γ为干扰抑制度,Φ11=(P1A-R1C)+(P1A-R1C)T+λ2U0 TU0, 符号*表示对称矩阵中相应部分的对称块;C1∈R(n+p)×(n+p),和C2∈R(n+p)×(n+p)分别为估计误差闭环***∑3的H∞和保成本性能可调输出矩阵,将多源干扰***与复合分层抗干扰滤波器相减得估计误差闭环***∑3:
其中, 为滤波估计误差***状态, z∞(t)、zg(t)分别为H∞和保成本性能的参考输出;求解得矩阵P1、R1,则滤波器增益阵为
本发明的原理是:H∞滤波、H2滤波等单一干扰抑制方法仅针对***的某一性能,保守性较大,难以实现高精度滤波;基于干扰观测器的滤波方法,可以抵消已知特性的干扰,但当***存在多源干扰时,其滤波精度将要降低。该发明针对一类含有随机干扰、能量有界干扰和外部模型描述干扰的多源干扰***;首先,构造干扰观测器估计并抵消多源干扰***中的外部模型描述干扰;其次,构造具有H∞和保成本性能指标的滤波器,其中H∞性能指标抑制***中能量有界干扰,保成本性能指标抑制***中随机干扰,并能优化估计误差方差的上界;然后,基于干扰观测器、鲁棒H∞和保成本滤波器,构造具有干扰抵消和抑制性能的复合分层抗干扰滤波器;将多源干扰***和复合分层抗干扰滤波器相减可得估计误差闭环***,由精度要求提出保成本、H∞性能指标的参考输出,根据鲁棒控制理论多目标优化方法,基于线性矩阵不等式(LMI)将复合分层抗干扰滤波器设计问题转化为凸优化问题;最后,求解该凸优化问题,并通过相应的代数变换从凸优化问题可行解中解出复合分层抗干扰滤波器增益阵列。
本发明与现有技术相比的优点在于:
(1)本发明对干扰的鲁棒性强,在同时存在随机干扰、能量有界干扰和外部模型描述干扰等多源干扰情况下,所构造的方法中干扰观测器抵消外部模型描述干扰,鲁棒H∞和保成本滤波器抑制随机干扰和能量有界干扰,所构造的方法有很好的干扰抵消和抑制能力;克服了EKF和UKF、H2滤波对噪声统计特性要求较高的问题;避免了H2,H∞等鲁棒滤波方法、基于观测器的滤波方法的滤波精度不高的不足,提高了***的滤波精度。
(2)通过基于凸优化的多目标设计方法保证了***的混合性能指标要求,所构造的方法考虑了干扰抵消、H∞、保成本性能指标;克服了EKF、UKF、H2滤波、H∞滤波、基于干扰观测器的滤波等单一性能指标滤波方法的不足,提高了***的综合性能;克服了H2和H∞滤波方法对外部模型描述干扰进行抑制所造成的精度下降。
(3)基于凸优化算法得到了复合分层抗干扰滤波器增益阵,克服了EKF、UKF、粒子滤波等递推过程运算量大的缺点。
附图说明
图1为本发明一种复合分层抗干扰滤波器的设计流程图。
具体实施方式
如图1所示,本发明具体实现步骤如下(以下以平台惯性导航***的初始对准为例来说明方法的具体实现):
1、建立平台惯性导航***误差状态方程:
为了提高初始对准精度,取消方位失准角的小角度假设,则导航坐标系到平台坐标系的姿态矩阵Cn p为:
其中,αx=αxcosαz-αysinαz,αy=αxsinαz+αy cosαz。
(1)水平速度误差方程:
(2)姿态误差方程:
其中,δVE、δVN为水平速度误差;αx、αy为水平失准角,αz为方位失准角; 为两个加速度计相关漂移(本实施例取一阶高斯-马尔可夫过程),εx p,εy p,εz p为陀螺相关漂移(本实施例取一阶高斯-马尔可夫过程);Ω为地球自转角速度;g为当地重力加速度;RM、RN分别表示沿子午圈和卯酉圈的曲率半径;h为当地海拔高度;L为地理纬度。
(3)以水平速度误差为测量值,则***的测量方程为:
其中,υ(t)为测量噪声。
(4)惯导误差状态方程的状态空间描述:
将速度误差方程、姿态误差方程、观测方程联列,并表示成状态空间形式:
其中,
xT(t)=[δVE δVN αx αy αz]为向量x(t)的转置,ω(t)为***随机噪声, 为向量d1(t)的转置,
2、针对惯性器件相关漂移d1(t),构造干扰观测器:
3、针对马尔可夫过程的高斯噪声δ(t)、***随机噪声ω(t)、测量噪声υ(t),构造鲁棒H∞和保成本滤波器为:
4、基于干扰观测器、鲁棒H∞和保成本滤波器,构造复合分层抗干扰滤波器:
5、利用凸优化算法求解复合分层抗干扰滤波器增益阵:
(1)由惯导误差状态方程和复合分层抗干扰滤波器相减可得滤波估计误差闭环***为:
其中, z∞(t)、zg(t)分别为H∞和保成本性能的输出,C1,C2为H∞和保成本可调输出矩阵, D=(0 0 I)。
(2)保成本、H∞性能参考输出矩阵的选取:
为抑制随机噪声对滤波精度的影响,滤波估计误差***的H∞性能参考矩阵C1∈R10×10,本实施例取为I10;为提高滤波精度,保成本参考矩阵C2∈R10×10,本实施例取为I10。
(3)区域极点配置参数r、α,非线性权重参数λ,干扰抑制度γ的选取:
α、r分别为区域极点配置的圆心和半径,α>0,α>r,本实施例α取为3,r可取为1;λ为非线性部分调节参数,取值在[0.1 10]之间,如果方位失准角大于5°,则非线性性就严重,λ选取就接近于10;若方位失准角小于0.1°,则非线性性就弱,λ取值就接近于0.1,本实施例取为0.5;γ为干扰的抑制程度,取值在[0.1 1]之间,可根据能量有界干扰的上界确定,本实施例取为0.3。
(4)复合分层抗干扰滤波器存在的条件:
由于初始状态x(0)未知但其协方差矩阵为cov(x0),w(0)=0,对保成本性能的优化可以转化为 可调输出矩阵C1,C2,区域极点配置参数α、r、非线性权重λ;干扰抑制度γ,求解以下凸优化问题:
其中:Φ11=(P1A-R1C)+(P1A-R1C)T+λ2U0 TU0,Φ12=P1B-R1D, U为非线性项f(x(t))的Lipschitz参数阵;符号*表示对称矩阵中相应部分的对称块。P1为正定的LMI矩阵变量;R1为LMI矩阵变量。
(5)复合分层抗干扰滤波器增益阵求解:
求解凸优化问题得矩阵P1、R1,则滤波器增益阵为
本发明说明书中未作详细描述的内容属于本领域专业技术人员公知的现有技术。
Claims (1)
1、一种复合分层抗干扰滤波器,其特征在于包括以下步骤:
首先,构造干扰观测器估计并抵消多源干扰***中的外部模型描述干扰;其次,构造具有H∞和保成本性能指标的滤波器抑制多源干扰***中随机干扰和能量有界干扰;基于干扰观测器、鲁棒H∞和保成本滤波器,构造复合分层抗干扰滤波器;最后,基于凸优化算法求解复合分层抗干扰滤波器增益阵列;具体步骤如下:
(1)构造干扰观测器为:
其中,为干扰观测器状态变量,为干扰观测器输出变量,待定观测器增益阵为K2∈Rp×m,Rp×m表示p×m维实矩阵空间,p和m均为自然数;为复合分层抗干扰滤波器输出;W∈Rp×p和 分别表示外部干扰模型∑2的***矩阵和输出矩阵,q1为自然数;y(t)∈Rm为多源干扰***∑1的输出变量;
(2)构造鲁棒H∞和保成本滤波器为:
其中,为鲁棒H∞和保成本滤波器的状态变量,A∈Rn×n为多源干扰***∑1的***阵,K1∈Rn×m为待定滤波器增益阵;为滤波器的非线性项,其增益阵为F∈Rn×n,为复合分层抗干扰滤波器输出,C∈Rm×n为多源干扰***的输出阵;n和m均为自然数;
(3)基于干扰观测器、鲁棒H∞和保成本滤波器,构造复合分层抗干扰滤波器:
其中, 为复合分层抗干扰滤波器的状态变量,为复合分层抗干扰滤波器输出, 为待定滤波器增益阵列,K1∈Rn×m为待定滤波器增益阵,K2∈Rp×m为待定观测器增益阵, W和V分别表示外部干扰模型∑2的***矩阵和输出矩阵,A为多源干扰***∑1的***阵,,R(n+p)×(n+p)表示(n+p)×(n+p)维实矩阵空间,B1为多源干扰***∑1中外部模型描述干扰 的增益阵,表示q1维实向量空间,q1为自然数;C=(C0)∈Rm×(n+p);
(4)基于凸优化算法求解多源干扰***的复合分层抗干扰滤波器得到增益阵列 其中P1、R1由以下凸优化问题求得:
其中,x(0)、w(0)为给定初始值,C1∈R(n+p)×(n+p)、C2∈R(n+p)×(n+p)为估计误差闭环***∑3的可调输出阵,r、α为区域极点配置参数,λ为非线性权重参数,γ为干扰抑制度;Φ11=(P1A-R1C)+(P1A-R1C)T+λ2U0 TU0, U为∑1中非线性项f(x(t))的Lipschitz参数阵, K1∈Rn×m为待定滤波器增益阵,K2∈Rp×m为待定观测器增益阵, 分别为***∑1中状态和输出***的能量有界干扰增益阵,B4为外部干扰模型∑2的能量有界干扰增益阵;符号*表示对称矩阵中相应部分的对称块,q2为自然数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2009100868969A CN101572533B (zh) | 2009-06-18 | 2009-06-18 | 一种复合分层抗干扰滤波器的设计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2009100868969A CN101572533B (zh) | 2009-06-18 | 2009-06-18 | 一种复合分层抗干扰滤波器的设计方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN101572533A true CN101572533A (zh) | 2009-11-04 |
CN101572533B CN101572533B (zh) | 2011-05-04 |
Family
ID=41231784
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2009100868969A Active CN101572533B (zh) | 2009-06-18 | 2009-06-18 | 一种复合分层抗干扰滤波器的设计方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101572533B (zh) |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102749852A (zh) * | 2012-07-24 | 2012-10-24 | 北京航空航天大学 | 多源干扰***的容错抗干扰控制方法 |
CN102866629A (zh) * | 2012-09-19 | 2013-01-09 | 北京航空航天大学 | 随机***基于动静混合神经网络建模的抗干扰控制方法 |
CN103217902A (zh) * | 2013-03-14 | 2013-07-24 | 郭雷 | 一种基于干扰观测器的指令滤波反步控制方法 |
CN103885451A (zh) * | 2014-03-29 | 2014-06-25 | 北京航空航天大学 | 一种新型抗干扰姿态控制电路解算*** |
CN105700537A (zh) * | 2016-01-22 | 2016-06-22 | 高卫东 | 无人机姿态控制滤波单元和方法 |
CN105785790A (zh) * | 2016-01-22 | 2016-07-20 | 高卫东 | 无人***自控状态下滤波切换控制单元和方法 |
CN106017509A (zh) * | 2016-05-30 | 2016-10-12 | 北京航空航天大学 | 一种多源干扰环境下抗干扰姿态确定方法与测试平台 |
CN107270892A (zh) * | 2017-05-22 | 2017-10-20 | 扬州大学 | 一种惯性导航***抗干扰容错初始对准方法 |
CN109945895A (zh) * | 2019-04-09 | 2019-06-28 | 扬州大学 | 基于渐消平滑变结构滤波的惯性导航初始对准方法 |
CN110007296A (zh) * | 2018-01-04 | 2019-07-12 | 中国科学院声学研究所 | 一种基于引导信号修正的时域干扰抵消方法 |
CN112068176A (zh) * | 2020-09-15 | 2020-12-11 | 北京航空航天大学 | 一种携带多微纳卫星组网的无人智能火星探测***及方法 |
CN112269317A (zh) * | 2020-11-04 | 2021-01-26 | 天津大学 | 一种基于扩展卡尔曼滤波器的双边遥操作控制方法 |
CN112461235A (zh) * | 2020-11-20 | 2021-03-09 | 北京航空航天大学 | 一种基于干扰观测器的抗干扰组合导航方法 |
CN113419462A (zh) * | 2021-07-08 | 2021-09-21 | 北京航空航天大学杭州创新研究院 | 一种基于谐波干扰观测器的电网电流复合预测控制方法 |
-
2009
- 2009-06-18 CN CN2009100868969A patent/CN101572533B/zh active Active
Cited By (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102749852A (zh) * | 2012-07-24 | 2012-10-24 | 北京航空航天大学 | 多源干扰***的容错抗干扰控制方法 |
CN102749852B (zh) * | 2012-07-24 | 2014-07-02 | 北京航空航天大学 | 多源干扰***的容错抗干扰控制方法 |
CN102866629A (zh) * | 2012-09-19 | 2013-01-09 | 北京航空航天大学 | 随机***基于动静混合神经网络建模的抗干扰控制方法 |
CN102866629B (zh) * | 2012-09-19 | 2015-02-11 | 北京航空航天大学 | 随机***基于动静混合神经网络建模的抗干扰控制方法 |
CN103217902B (zh) * | 2013-03-14 | 2016-05-25 | 北京航空航天大学 | 一种基于干扰观测器的指令滤波反步控制方法 |
CN103217902A (zh) * | 2013-03-14 | 2013-07-24 | 郭雷 | 一种基于干扰观测器的指令滤波反步控制方法 |
CN103885451B (zh) * | 2014-03-29 | 2017-01-25 | 北京航空航天大学 | 一种新型抗干扰姿态控制电路解算*** |
CN103885451A (zh) * | 2014-03-29 | 2014-06-25 | 北京航空航天大学 | 一种新型抗干扰姿态控制电路解算*** |
CN105700537A (zh) * | 2016-01-22 | 2016-06-22 | 高卫东 | 无人机姿态控制滤波单元和方法 |
CN105785790A (zh) * | 2016-01-22 | 2016-07-20 | 高卫东 | 无人***自控状态下滤波切换控制单元和方法 |
CN105785790B (zh) * | 2016-01-22 | 2018-08-07 | 山东中宇航空科技发展有限公司 | 一种基于无人***自控状态下滤波切换控制单元的控制方法 |
CN106017509A (zh) * | 2016-05-30 | 2016-10-12 | 北京航空航天大学 | 一种多源干扰环境下抗干扰姿态确定方法与测试平台 |
CN107270892A (zh) * | 2017-05-22 | 2017-10-20 | 扬州大学 | 一种惯性导航***抗干扰容错初始对准方法 |
CN110007296B (zh) * | 2018-01-04 | 2020-10-23 | 中国科学院声学研究所 | 一种基于引导信号修正的时域干扰抵消方法 |
CN110007296A (zh) * | 2018-01-04 | 2019-07-12 | 中国科学院声学研究所 | 一种基于引导信号修正的时域干扰抵消方法 |
CN109945895A (zh) * | 2019-04-09 | 2019-06-28 | 扬州大学 | 基于渐消平滑变结构滤波的惯性导航初始对准方法 |
CN109945895B (zh) * | 2019-04-09 | 2020-11-06 | 扬州大学 | 基于渐消平滑变结构滤波的惯性导航初始对准方法 |
CN112068176A (zh) * | 2020-09-15 | 2020-12-11 | 北京航空航天大学 | 一种携带多微纳卫星组网的无人智能火星探测***及方法 |
CN112269317A (zh) * | 2020-11-04 | 2021-01-26 | 天津大学 | 一种基于扩展卡尔曼滤波器的双边遥操作控制方法 |
CN112269317B (zh) * | 2020-11-04 | 2024-03-15 | 天津大学 | 一种基于扩展卡尔曼滤波器的双边遥操作控制方法 |
CN112461235A (zh) * | 2020-11-20 | 2021-03-09 | 北京航空航天大学 | 一种基于干扰观测器的抗干扰组合导航方法 |
CN113419462A (zh) * | 2021-07-08 | 2021-09-21 | 北京航空航天大学杭州创新研究院 | 一种基于谐波干扰观测器的电网电流复合预测控制方法 |
CN113419462B (zh) * | 2021-07-08 | 2022-06-10 | 北京航空航天大学杭州创新研究院 | 一种基于谐波干扰观测器的电网电流复合预测控制方法 |
Also Published As
Publication number | Publication date |
---|---|
CN101572533B (zh) | 2011-05-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101572533A (zh) | 一种复合分层抗干扰滤波器 | |
CN103323005B (zh) | 一种sins/gps/偏振光组合导航***多目标优化抗干扰滤波方法 | |
Yu | INS/GPS integration system using adaptive filter for estimating measurement noise variance | |
Wang et al. | Practical approaches to Kalman filtering with time-correlated measurement errors | |
CN103076015B (zh) | 一种基于全面最优校正的sins/cns组合导航***及其导航方法 | |
CN103323007B (zh) | 一种基于时变量测噪声的鲁棒联邦滤波方法 | |
CN104344837B (zh) | 一种基于速度观测的冗余惯导***加速度计***级标定方法 | |
CN106679693A (zh) | 一种基于故障检测的矢量信息分配自适应联邦滤波方法 | |
CN101571704A (zh) | 一种复合分层抗干扰控制器 | |
CN101949703A (zh) | 一种捷联惯性/卫星组合导航滤波方法 | |
CN104215259A (zh) | 一种基于地磁模量梯度和粒子滤波的惯导误差校正方法 | |
CN106840211A (zh) | 一种基于kf和stupf组合滤波的sins大方位失准角初始对准方法 | |
CN103245359A (zh) | 一种惯性导航***中惯性传感器固定误差实时标定方法 | |
CN102914308A (zh) | 一种基于新息正交性的抗野值联邦滤波方法 | |
CN105865441A (zh) | 一种针对多源干扰***的复合分层自适应滤波器 | |
CN103148849A (zh) | 基于地月卫星联合测距和紫外敏感器的组合导航方法 | |
CN102519485A (zh) | 一种引入陀螺信息的二位置捷联惯性导航***初始对准方法 | |
CN103884340A (zh) | 一种深空探测定点软着陆过程的信息融合导航方法 | |
CN102538788B (zh) | 一种基于状态估计和预测的低成本阻尼导航方法 | |
CN107270892A (zh) | 一种惯性导航***抗干扰容错初始对准方法 | |
Zuo et al. | A GNSS/IMU/vision ultra-tightly integrated navigation system for low altitude aircraft | |
Küchler et al. | Real-time estimation of a ship's attitude | |
CN101545778A (zh) | 一种基于非线性滤波的电控罗经初始对准方法 | |
CN103901459B (zh) | 一种mems/gps组合导航***中量测滞后的滤波方法 | |
CN103616026A (zh) | 一种基于h∞滤波的auv操纵模型辅助捷联惯导组合导航方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |