基于预测滤波的卫星交会对接相对位姿确定方法

基于视频制导系统提供的视线测量,引入一种高精度、高鲁棒性的、实时的预测滤波算法,建立系统的误差模型,对角速度和位移速度进行一步预测,从而精确地估计卫星的相对位置和相对姿态。此外提出修正方案,通过卡尔曼增益对相对姿态和相对位移进行修正和更新,估计性能得到改进优化。通过卫星交会对接仿真实验验证算法的有效性,结果表明,预测滤波算法高精确估计相对姿态和相对位置,修正后算法得到了更高的精度结果,满足卫星交会对接要求,对在轨实验有重要参考价值。     

基于模糊控制的组合导航算法

文章提出一种根据信号残差（新息）对导航信息进行自适应噪声协方差调整的算法,由此得到导航参数的最优状态估计。其中重点研究了模糊控制对滤波器的动态调整,建立模糊滤波控制的模型,并与传统卡尔曼算法进行比较。仿真结果表明,基于模糊控制器的卡尔曼滤波器很好地限制了数据的发散,并在很大程度上提高了系统的稳定性。     

在频域里具有有色测量噪声的连续时间卡尔曼跟踪滤波器的解析解

通过运用谱因式分解法，我们得到了关于具有位置测量的双态指数相关速度和三态指数相关加速度跟踪滤波器的稳态卡尔曼增益的解析解的新的表达式。测量有色噪声模型的特征可用相关时间１／λ来表示。系统模型中考虑了诸如风引起折弯的运载体振荡，该系统能产生最广义的状态转移矩阵。     

基于BP神经网络组合导航融合算法

文章针对卡尔曼滤波算法的缺陷,建立了组合导航系统模型,提出了基于BP神经网络修正卡尔曼量噪权值的自适应卡尔曼滤波法,对量测噪声统计特性进行了自适应调整,并与传统卡尔曼算法进行计算机仿真比较。结果表明,基于BP神经网络的卡尔曼滤波器在一定程度上抑制了数据的发散,提高了导航精度。     

基于DFT快速算法对扩频码捕获过程的优化

针对基于FFT的频域捕获方法采样点数必须为2的整数次幂的局限性,应用Colley-Tukey和Good-Thoma算法对DFT求解过程进行分解,并引入Winograd DFT算法将短点数DFT优化从而得到一种改进算法。利用改进算法对GPS的L5频段上扩频码捕获进行了仿真分析。与FFT算法相比,改进算法在保证精度和灵敏度的同时,降低了计算量,提高了信号捕获速度。     

一种改进的非相干序贯检测捕获方案

为实现伪码的快速捕获 ,提出了一种基于连续累加的非相干序贯检测判决逻辑 ,同时给出了一种估算连续积分 /累加序贯检测逻辑的采样数的概率分布密度和平均采样数上限 ASN(Average Sample Number)的算法。仿真结果表明 ,连续累加非相干序贯检逻辑达到了预期的虚警概率和检测概率 ,且性能优于传统序贯检测 ,证明了检测逻辑的正确性和可用性。此方案可以为扩频通信系统中如何解决伪码捕获这一问题提供新的思路和方法     

基于非等间距采样输出的旋转矢量姿态算法

基于实际系统中陀螺的输出为非等间隔的角增量信号，重点研究了采样时刻的变化对捷联姿态算法的影响，并推导出旋转矢量三子样算法和二子样算法的通用表达式及其误差方程。传统的Miller算法已被证明是本算法的特例。研究发现，算法误差与由采样时刻构成的误差系数阵密切相关，Miller算法中的等间距采样使得该矩阵奇异，而改变采样间距可使其满秩，从而降低算法误差。然而对角增量输出的二子样算法而言，等间隔采样比非等间距采样具有更小的箕法漂移。仿真及试验结果证明了本文的观点。     

基于最优估计神经网络的惯导系统初始对准研究

本文研究了一种基于卡尔曼滤波原理权值更新的多层神经网络学习算法，对此算法进行了详细的推证，并将该算法运用到惯导系统的初始对准过程。仿真结果表明了这种神经网络结构用于惯导系统初始对准问题的有效性，既可获得与卡尔曼滤波器相同的对准精度，又提高了系统的实时性。从而得到了利用神经网络解决惯导系统初始对准问题的一种有效算法。     

非均匀信道增益控制的多载波卫星容量分析

设置转发器最佳增益,减小功放非线性影响,提高系统容量是多载波卫星通信系统容量分析的首要问题。对于数字信道化转发器,采用非均匀子信道增益调整的思想独立设置各信道增益可以有效消除大小载波抑制问题,提高卫星系统容量。为此,提出一种直接计算求解各子信道增益的算法。该方法不需要采用复杂的优化过程以及矩阵求逆,因此适合求解任意数量链路增益。理论推导得到链路最佳发射功率为地面站最大可提供功率,通过直接计算非线性等式即可获得各子信道最佳增益。同时考虑到功率利用率问题,通过选取转发器最佳工作点,在最小转发器输出功率准则下可以有效提高卫星功率的利用率。实验结果表明,该算法在具有与优化算法相近性能的同时降低了求解复杂度。     

一种基于压缩感知的高分辨率宽测绘带合成孔径雷达成像算法

针对高分辨率宽测绘带合成孔径雷达（High Resolution Wide Swath Synthetic Aperture Radar, HRWS SAR）在俯仰向波束形成受地面目标高程影响造成增益损失以及在方位向非均匀采样造成模糊的问题,文中提出了一种基于压缩感知（Compressed Sensing, CS）技术的HRWS SAR成像算法。根据SAR系统和平台参数建立精确的观测模型后,通过求解优化问题直接准确地估计出了在地面高程变化影响下的目标来波方向（Direction of Arrival, DOA）并重建了非均匀采样下的方位向观测场景,从而实现了HRWS SAR在俯仰向和方位向的非模糊成像。仿真结果表明了本文算法的有效性。     

自校正卡尔曼滤波及其在组合导航中的应用

自校正卡尔曼滤波可在状态估计的同时对状态方程的参数及卡尔曼增益进行辨识，从而提高了适应能力。文中讨论了它在组合导航中的应用。     

机载单站无源定位三维模型及其仿真

针对在空间作匀速直线运动的目标，建立了机载单站无源定位的三维模型。给出了其中的预处理过程和系统状态方程，并采用UKF算法进行滤波处理以提高定位精度。仿真结果表明，模型和算法有效。与扩展卡尔曼滤波(EKF)相比，在初始误差较大时UKF也能快速收敛。     

基于"天基红外系统"对弹道导弹主动段估计滤波算法研究

美国的"天基红外系统"(SBIRS)包括高轨和低轨两类预警星座,前者主要用于弹道导弹主动段探测,后者主要用于被动段的跟踪测量.文章利用其高轨静止星座,对只有角测量条件下的主动段弹道估计滤波算法进行了分析比较.首先给出主动段状态方程和测量方程,然后分别结合扩展卡尔曼滤波、无迹卡尔曼滤波和粒子滤波这三类典型非线性滤波估计算...     

对接靠拢段的一种相对导航算法研究

自主相对导航技术是空间交会对接靠拢段的关键技术之一。Unscented卡尔曼滤波(UKF)是基于Unscented Transform(UT)变换的一种新型滤波器,它避免了扩展卡尔曼滤波(EKF)的线性化误差,不必计算Jacobian矩阵,而且其状态估计精度要比EKF的高。本文研究了基于UKF滤波器的自主相对导航算法。该算法根据追踪航天器上交会雷达的测量值,采用UKF滤波器对追踪航天器和目标航天器之间的相对位置和速度进行了估计,仿真结果表明该算法可以满足位置和速度估计精度的要求。     

基于鲁棒非线性卡尔曼滤波的自适应SLAM算法

针对传统非迹卡尔曼滤波算法缺乏在线自适应调整能力,在噪声模型出现误差时滤波精度下降的问题,提出了一种基于鲁棒无迹卡尔曼滤波的同步定位与地图创建算法。该算法引入了一个多维观测噪声尺度因子,能根据观测噪声统计特性的实际变化情况对每种传感器的噪声模型做出自适应调整,使其逼近真实噪声水平,进而将滤波增益调整到一个适当值,实现滤波器的最优估计。SLAM仿真实验结果表明,在噪声统计特性发生变化的情况下,该算法相比其它几种SLAM算法具有更好的自适应能力,估计精度更高,鲁棒性更强。     

时变拓扑卫星集群分布式自主相对导航方法

针对时变拓扑卫星集群的相对导航需求,提出了基于图论的时变拓扑分布式一致性无迹卡尔曼滤波算法。首先给出了固定拓扑卫星集群的相对运动方程、测角测距测量模型和无迹卡尔曼滤波算法,然后考虑测角失效时相对导航系统不可观或弱可观的问题,结合矢量环一致性约束,构造了一致性无迹卡尔曼滤波算法,以提高系统的可观度;在此基础上,针对时变拓扑卫星集群,以滤波精度为优化指标,在图论的基础上利用Dijkstra算法对卫星集群的时变拓扑结构进行重构,并将重构后的拓扑结构应用于卫星集群相对导航。仿真结果表明所提算法能有效改善不完备测量带来的模糊轨道问题,并且能够实现实时的拓扑重构,以满足时变拓扑星群的相对导航精度要求。     

重力测量卫星KBR系统相位中心在轨标定算法

针对低低跟踪(SST-LL)重力测量卫星K频段测距(KBR)系统相位中心在轨标定问题,提出了一种应用预测卡尔曼滤波算法的KBR系统在轨标定算法。首先,以磁力矩器和姿态控制喷气发动机为执行部件,对一颗卫星施加一定的组合力矩,使其绕另一颗卫星进行周期性姿态机动;然后,将星敏感器数据代入预测卡尔曼滤波算法中估计出卫星姿态;最后,根据KBR系统观测值与卫星姿态角之间的关系,利用扩展卡尔曼滤波算法估计出KBR系统相位中心的位置。数值仿真结果表明:KBR系统相位中心可以被实时估计,当存在较大的卫星姿态动力学模型误差时,KBR系统相位中心的标定误差仍在0.3mrad以内,证明此算法估计精度较高且鲁棒性强。     

自适应滤波在磁暴期间地磁导航中的应用

对磁暴期间巡航导弹巡航段的地磁导航问题进行了讨论。针对地磁导航在磁暴期间常规卡尔曼滤波容易发散的问题,提出了一种基于Sage\|Husa自适应卡尔曼滤波的地磁导航算法。算法根据新息的变化自适应调整测量噪声矩阵,消除了磁暴影响,提高了滤波稳定性。仿真表明在选择合适的遗忘因子基础上,即使在磁暴最剧烈的时间段,采用自适应卡尔曼滤波仍能保证一定的精度,定位精度在200m以内,满足巡航导弹中程制导的精度要求。     

区间卡尔曼滤波算法在高动态导航的研究

针对卡尔曼滤波算法中动力学系统模型以及噪声模型不能精确已知,导致卡尔曼滤波算法在实际中不能实现最优估计。首先分析了传统卡尔曼滤波算法中各种误差源的影响,以及区间矩阵运算的影响,经分析得到,区间运算可以保证集合映射的完全性,但不能体现最优化。通过分析,本文提出了一种新型的区间卡尔曼滤波,将各种误差源归约到先验估计值区间和后验估计值区间中,然后将区间交集运算应用于卡尔曼滤波算法。这种新算法运算量与传统卡尔曼滤波算法相当。通过仿真实验证实,该算法在含时变噪声的高动态导航定位中比传统卡尔曼滤波效果提高2dB。