基于交互式多模型秩滤波的移动机器人组合导航算法

发布时间：2018-01-20 02:39

  本文关键词： 移动机器人 秩滤波 交互式多模型 组合导航　出处：《中国惯性技术学报》2017年03期 　论文类型：期刊论文

【摘要】：针对非结构化环境下移动机器人组合导航系统中存在的时变或非高斯噪声,将秩滤波器(rank Kalman filter,RKF)与交互式多模型算法(interactive multiple model filter,IMM)相结合,提出一种交互式多模型秩滤波算法(IMM-RKF)。秩滤波根据秩统计量相关原理确定采样点和权值,可适用于具有非高斯噪声的非线性系统;交互式多模型算法是解决结构和参数易发生变化系统中状态估计问题的重要途径,能够抑制组合导航系统中时变噪声引起的导航参数估计误差。仿真实验表明,相比于交互式多模型扩展卡尔曼滤波(IMM-EKF)和交互式多模型无迹卡尔曼滤波(IMM-UKF),提出的IMM-RKF算法能够提高组合导航系统姿态、速度和位置估计精度。
[Abstract]:In view of the time-varying or non-#china_person0# noise in the mobile robot integrated navigation system in unstructured environment, the rank filter is rank Kalman filter. RKF and interactive multiple model filterimm). An interactive multi-model rank filtering algorithm (IMM-RKFF) is proposed, which can be used to determine sampling points and weights according to the correlation principle of rank statistics, which can be applied to nonlinear systems with non-#china_person0# noise. Interactive multi-model algorithm is an important way to solve the problem of state estimation in systems with variable structure and parameters. It can suppress the error of estimation of navigation parameters caused by time-varying noise in integrated navigation system. Compared with the interactive multi-model extended Kalman filter (IMM-EKF) and the interactive multi-model unscented Kalman filter (IMM-UKF). The proposed IMM-RKF algorithm can improve the accuracy of attitude, velocity and position estimation of integrated navigation system.
【作者单位】： 安徽科技学院电气与电子工程学院;东南大学仪器科学与工程学院微惯性仪表与先进导航技术教育部重点实验室;
【基金】：国家自然科学基金(61374215) 安徽省自然科学基金(1708085QF146) 东南大学微惯性仪表与先进导航技术教育部重点实验室(B类)开放基金资助项目(SEU-MIAN-201701) 安徽科技学院人才稳定项目(DQWD201601)
【分类号】：TN713;TP242
【正文快照】： 2.东南大学仪器科学与工程学院微惯性仪表与先进导航技术教育部重点实验室,南京210096)近年来,移动机器人替代人类在危险、恶劣环境中作业的步伐越来越快,其工作场合也越来越多地面向野外和行星表面等室外非结构化环境。由于室外非结构化环境具有的多样性、随机性与复杂性等特

【参考文献】

相关期刊论文 前7条

1 周凌峰;董燕琴;赵汪洋;赵小明;屈原津;侯志宁;;基于自适应交互多模滤波的SCNS/RSINS紧组合对准方法（英文）[J];中国惯性技术学报;2016年04期

2 王磊;程向红;李双喜;高海涛;;自适应交互式多模型AUV组合导航算法（英文）[J];中国惯性技术学报;2016年04期

3 Fariz Outamazirt;Fu Li;Lin Yan;Abdelkrim Nemra;;A new SINS/GPS sensor fusion scheme for UAV localization problem using nonlinear SVSF with covariance derivation and an adaptive boundary layer[J];Chinese Journal of Aeronautics;2016年02期

4 傅惠民;肖强;娄泰山;肖梦丽;;非线性非高斯秩滤波方法[J];航空动力学报;2015年10期

5 丁继成;黄卫权;王野;;非高斯环境下的GPS自适应多径抑制技术[J];航空学报;2014年08期

6 孙枫;唐李军;;基于cubature Kalman filter的INS/GPS组合导航滤波算法[J];控制与决策;2012年07期

7 傅惠民;不完全数据秩分布理论[J];航空学报;1993年11期

【共引文献】

相关期刊论文 前10条

1 王磊;程向红;李双喜;;基于交互式多模型秩滤波的移动机器人组合导航算法[J];中国惯性技术学报;2017年03期

2 徐晓苏;董亚;童金武;代维;;基于5阶球面最简相径的改进型容积卡尔曼滤波在SINS/DVL组合导航中的应用[J];中国惯性技术学报;2017年03期

3 孟阳;高社生;高兵兵;王维;;基于UKF的INS/GNSS/CNS组合导航最优数据融合方法[J];中国惯性技术学报;2016年06期

4 赵琳;李久顺;程建华;贾春;王秋帆;;基于延时对准船用捷联惯导舒勒振荡抑制方法[J];系统工程与电子技术;2016年10期

5 沈飞;郝顺义;吴训忠;郭创;杨彬;;简化平方根容积卡尔曼滤波的INS/GPS紧组合算法[J];航天控制;2016年01期

6 郑为;邹启明;倪文玺;;水下无人潜航器避障与导航仿真系统设计与应用[J];系统仿真学报;2016年01期

7 傅惠民;肖强;娄泰山;肖梦丽;;非线性非高斯秩滤波方法[J];航空动力学报;2015年10期

8 刘华;吴文;王世元;;基于平方根CKF的多传感器序贯式融合跟踪算法[J];系统工程与电子技术;2015年07期

9 周德新;李宏肖;崔海青;;一种改进的高精度组合导航滤波算法仿真[J];计算机仿真;2015年04期

10 于m[;宋申民;王硕;李鹏;;具有随机时滞和异步相关噪声的非线性系统的高斯滤波器设计[J];中国惯性技术学报;2015年02期

【二级参考文献】

相关期刊论文 前10条

1 张涛;陈立平;石宏飞;胡贺庆;;基于SINS/DVL与LBL交互辅助的AUV水下定位系统[J];中国惯性技术学报;2015年06期

2 周凌峰;赵小明;赵帅;姚琪;杨琳;;基于递推最小二乘估计的CNS/INS组合导航系统初始对准[J];中国惯性技术学报;2015年03期

3 傅惠民;肖强;娄泰山;肖梦丽;;秩粒子滤波[J];机械强度;2014年06期

4 傅惠民;肖强;吴云章;娄泰山;;秩滤波方法[J];机械强度;2014年04期

5 傅惠民;吴云章;娄泰山;肖强;;自校准Kalman滤波方法[J];航空动力学报;2014年06期

6 王江安;刘鹏举;李珊珊;;自适应遗传算法抑制复杂短时延Galileo BOC(1,1)多径[J];中南大学学报(自然科学版);2012年12期

7 屈蔷;刘建业;熊智;;基于加性四元数误差方程的惯性/天文姿态组合算法[J];中国惯性技术学报;2011年03期

8 姚彦鑫;杨东凯;张其善;;GPS多径信号的自适应滤波估计方法[J];航空学报;2010年10期

9 钱辉;丁永忠;;大航程AUV SINS/DVL组合导航定位精度研究[J];兵工自动化;2010年02期

10 李荣冰;刘建业;赖际舟;熊剑;;Sigma-Point直接式卡尔曼滤波惯性组合导航算法[J];控制与决策;2009年07期

【相似文献】

相关期刊论文 前10条

1 田宏伟,敬忠良,胡士强,胡洪涛;自适应多速率交互式多模型算法[J];上海交通大学学报;2004年12期

2 李辉;沈莹;张安;程t$;;交互式多模型目标跟踪的研究现状及发展趋势[J];火力与指挥控制;2006年11期

3 齐立峰;冯新喜;李峰;;多速率交互式多模型粒子滤波研究[J];指挥控制与仿真;2008年02期

4 张世仓;胡新梅;;基于修正无偏转换测量的交互式多模型算法[J];火控雷达技术;2009年04期

5 汪大宝;刘上乾;马彩文;;基于多速率交互式多模型的快速光电跟踪算法[J];光子学报;2009年12期

6 刘毅;;自适应交互式多模型滤波在被动制导中的应用[J];现代防御技术;2009年02期

7 廖阳;王睿;曾昭博;熊加遥;;两阶段卡尔曼滤波自适应交互式多模型算法[J];探测与控制学报;2010年03期

8 孙杰;江朝抒;;基于卷积粒子滤波的交互式多模型算法[J];系统工程与电子技术;2011年05期

9 张保山;徐国亮;吴一全;;基于坐标转换的卡尔曼交互式多模型滤波算法[J];指挥控制与仿真;2007年05期

10 刘贵喜;高恩克;范春宇;;改进的交互式多模型粒子滤波跟踪算法[J];电子与信息学报;2007年12期

相关会议论文 前2条

1 潘泉;张洪才;戴冠中;杜宏伟;;交互式多模型滤波器及其并行实现研究[A];1995年中国控制会议论文集（上）[C];1995年

2 于连庆;张煜婕;陈华础;;多假设跟踪方法的应用研究[A];2010年通信理论与信号处理学术年会论文集[C];2010年

相关硕士学位论文 前10条

1 张健;基于交互式多模型的无源多传感器目标跟踪研究[D];电子科技大学;2015年

2 文庆臻;无线传感器网络中同时定位与跟踪[D];湘潭大学;2015年

3 魏凤丽;线性系统状态估计中的噪声容限确界方法研究[D];河南大学;2015年

4 马阳阳;交互式多模型电力负荷建模理论与方法研究[D];山东大学;2016年

5 刘宇玺;载体机动条件下导航接收机滤波解算技术研究[D];国防科学技术大学;2014年

6 李贤;容积卡尔曼滤波方法及其应用研究[D];河南大学;2016年

7 杨艳成;基于交互式多模型的机动目标跟踪算法研究[D];哈尔滨工程大学;2012年

8 邹润芳;交互式多模型滤波算法研究及应用[D];上海交通大学;2009年

9 郑雅聪;基于交互式多模型的机动目标跟踪算法研究[D];石家庄铁道大学;2014年

10 任坚斌;基于交互式多模型的机动目标跟踪算法研究[D];南京理工大学;2007年

，

本文编号：1446510