基于扩展卡尔曼滤波的XPNAV-1卫星自主定轨算法研究

X射线脉冲星导航1号（XPNAV-1）是全球首颗脉冲星导航专用试验卫星。利用该卫星观测的单颗脉冲星数据，采用几何约束方法，能够有效抑制轨道误差增长，但存在长时间定轨发散问题。针对XPNAV-1卫星拓展试验任务及脉冲星导航后续发展需求，利用多颗脉冲星的观测数据，研究基于扩展卡尔曼滤波（EKF）的卫星自主定轨算法。首先，建立该卫星的轨道力学模型和观测方程；然后，详细论述EKF滤波算法和分段式定常系统（PWCS）的可观测性分析方法；最后，通过综合分析XPNAV-1卫星的观测数据、脉冲星对该卫星轨道的覆盖性以及系统状态的可观测性，进行自主定轨算法试验。试验结果表明，基于EKF的自主定轨算法滤波过程收敛，验证了该算法的合理性和有效性。     

基于Bayes统计模型的卫星融合定轨方法研究

根据目前天基导航系统现状,结合中国对低、中轨卫星精密定轨的要求,给出了天地基信息融合定轨的原理;结合卫星待估融合参数的先验信息,提出了基于Bayes统计模型的卫星精密定轨方法;在卫星观测的线性化融合模型中引入观测噪声,利用概率估计融合模型,根据Bayes理论进行卫星状态改进量的最大后验估计,并分析了Bayes估计方法的定轨精度;依据期望融合的待估改进量方差最小规则建立了相应的参数求解算法;最后以导航融合测控系统中测距和测速数据的融合定轨为例进行了仿真实验,表明该融合方法能够得到很好的定轨效果。     

一种用于GPS/DR组合定位的非线性滤波算法

建立了适用于车辆导航系统的基于UKF(Unscented Kalman Filter)的GPS/DR(Global Positioning System/Dead Reckoning)组合定位滤波模型及算法.针对系统状态方程为线性、观测方程为非线性的特点,提出了一种将UKF和EKF(Extended Kalman Filter)相结合的非线性滤波算法.结合后的算法和原有UKF算法相比减少了在时间更新阶段的运算量,并且由于采用基于Unscented变换的思想来处理系统观测方程的非线性问题,避免了EKF引入的线性化误差,提高了滤波精度.仿真结果证明:算法在减少运算量的同时,仍具有较高的滤波精度,且明显优于EKF,因而能够满足车辆导航系统占用资源少、滤波精度高的要求.      

近地卫星的GPS自主定轨算法研究

为了用GPS实现近地卫星的高精度自主定轨,提出了采用序贯UD协方差分解滤波算法作为定轨算法.完整地给出了序贯UD分解算法的计算公式,详细地推导了系统的状态方程和观测方程,建立了由9维状态向量和8维观测向量组成的导航系统模型.最后作了数字仿真试验,试验结果表明,文中的定轨算法既有较高的精度又便于星上计算机的实现.      

基于并行模型自适应滤波的空间目标相对位姿估计

摘要： 扩展卡尔曼滤波(EKF)的估计精度受限于测量噪声统计特性的准确程度,如果敏感器测量噪声方差偏离其标称值,将会对滤波性能产生不利影响.尽管自适应扩展卡尔曼滤波(AEKF)能够对测量噪声方差进行估计,但是,噪声特性准确的情况下,AEKF的性能往往不及传统EKF.针对上述问题,本文提出一种并行模型自适应滤波(PMAF),基于特定的自适应率将EKF和AEKF结合起来,使得在先验信息准确的情况下,EKF在状态估计中起主导作用;相反,在实际噪声方差偏离标称值时,令AEKF起主导作用.这样,即能有效削弱测量噪声统计特性不确定性对滤波性能的影响,又能确保正常情况下的估计精度.以空间目标相对位姿估计为例,通过数学仿真对EKF、AEKF和PMAF进行了对比研究,表明所提算法的综合性能优于传统方法.     

单星导航HEO卫星初轨确定算法

HEO(Highly Elliptical Orbit)轨道卫星利用星载GPS(Global Positioning System)进行自主定轨面临的主要难题之一就是解决在单颗导航卫星条件下的初轨确定问题.从理论上分析了利用单颗导航卫星的观测量确定HEO卫星轨道初值的所需满足的条件,指出了利用F.G级数法求解初值存在的问题,提出了一种基于轨道根数约束的迭代批处理算法,该算法无需复杂的数学运算,避免了F.G级数法用短弧资料定初轨时系数矩阵秩亏的影响.仿真结果表明,当先验轨道根数误差在允许范围内取值时,在考虑轨道射入误差的情况下,初值的位置偏差在10⁴ m量级,速度偏差在10⁰ m/s量级,能够根据单颗导航卫星的短弧观测值可靠地完成轨道初值的确定.     

粗差拟准检定法在星载GPS低轨卫星定轨中的应用

利用自适应卡尔曼滤波进行星载GPS低轨卫星定轨时,必须解决量测方程中经常存在的粗差问题．在分析以往方法的优缺点后,用拟准检定法来探测和修正量测方程中存在的粗差．该法的优点是辨识粗差准确率高,能同时定位多个粗差．另外,为了克服星载GPS低轨卫星定轨的滤波器可能出现的数值不稳定性及发散现象,还采用了UD分解算法及Sage自适应滤波器．最后用一个CHAMP卫星的模拟算例验证本方法的可行性和有效性．     

基于Unscented四元数粒子滤波的 微小卫星姿态估计

针对基于微小卫星姿态确定系统精度低和噪声存在非高斯分布的情况,研究了适用于该定姿系统的Unscented粒子滤波(UPF,Unscented Particle Filter)算法.UPF方法结合了Unscented卡尔曼滤波(UKF,Unscented Kalman Filter) 与粒子滤波(PF,Particle Filter)的特点,用UKF得到PF的重要采样函数,从而克服了PF没有考虑最新量测信息、 扩展卡尔曼滤波(EKF,Extended Kalman Filter)和UKF只能应用到噪声为高斯分布的不足.以MEMS(Micro Electronic Mechanical System)陀螺和CMOS APS(Complementary Metal Oxide Semiconductor Active Pixel Sensors)星敏感器为姿态敏感器件,将UPF与基于误差四元数的卫星姿态运动学方程结合,构建了UPF定姿滤波器,并用MEMS陀螺采集的随机噪声数据进行了半物理仿真,对其特性进行了分析与比较.仿真比较结果表明:在敏感器精度较差并且系统噪声非高斯分布的情况下,这种基于UPF的姿态估计方法在计算粒子数目相对于PF较少的情况下,可以取得比UKF更好的滤波精度,从而有效地提高了定姿性能.      

基于扩展Kalm an滤波的实时测速定轨算法

针对实时测速定轨 (即只用测速数据确定运动目标的状态参数 )的实现问题 ,研究了一种扩展 Kalman滤波方法 ,并利用其状态方程和线性化观测方程得到定轨算法。理论推导和仿真结果表明 ,此算法是收敛的 ,且精度较高。     

EKF/UKF在编队飞行卫星GPS相对导航中的应用

 　航天器编队飞行协调工作,必须精确确定各航天器的相对位置和相对速度,即进行编队飞行相对导航。将扩展卡尔曼滤波(EKF,extended Kalman filter)和非线性滤波unscented Kalman filter(UKF)算法同时应用于编队飞行卫星的载波相位差分GPS相对导航。EKF与UKF算法原理不同,UKF算法的精度比EKF的精度高。在实际应用中,可以将两种算法组成互为备份的相对导航滤波器,这样可提高滤波系统冗余性能。     

椭圆轨道航天器相对导航的多项式插值滤波算法

针对运行于椭圆轨道的航天器的相对自主导航问题,建立了惯性坐标系下的近距离相对运动方程,方程中没有圆轨道的假设,相对Clohessy-Wiltshire(C-W)方程具有更广的应用范围。将二阶多项式插值(Divided Difference 2,DD2)滤波应用于相对导航算法中,和扩展卡尔曼滤波(Extended Kalman Filter,EKF)相比,前者不需要对状态方程组进行微分处理,且对非线性函数统计特性近似到二阶程度。数值仿真比较了DD2滤波和EKF两种算法的性能,验证了利用惯性坐标系下的近距离相对运动方程实现相对导航的可行性,并分析了主动航天器的轨道和姿态确定误差对相对导航精度的影响。     

基于自适应滤波的编队卫星实时相对定轨

提出基于自适应滤波的编队卫星实时相对定轨算法,利用2005-12-09—10两颗GRACE（Gravity Recovery and Climate Experiment）卫星的GPS（Global Positioning System）实测数据进行实时相对定轨试验计算,采用JPL（Jet Propulsion Laboratory）轨道对试验结果外部检核,结果表明:①自适应滤波相对定轨通过自适应因子,可以较好地平衡编队卫星的观测信息和相对动力学信息,其相对定轨结果精度优于Kalman滤波相对定轨结果;②自适应滤波相对定轨结果随着星间基线缩短而精度提高;③两颗GRACE卫星采用单频伪距和广播星历进行自适应滤波相对定轨,可以得到精度优于6cm的星间基线。     

基于IMM-UKF的航天器相对位姿确定算法

在航天器相对导航过程中,相对距离测量信息容易受到干扰,测量误差有较大的不确定性,通常基于单一模型的滤波算法无法对噪声进行辨识,很难获得精确的导航结果。针对应用Clohessy-Wiltshire(C-W)方程受到圆轨道假设的限制问题,研究了建立在惯性坐标系下的近距离相对运动方程(Lawden方程),建立了基于这两个方程的模型集。根据导航系统测量敏感器的特点,设计基于Rodrigues参数及无迹卡尔曼滤波(UKF)的交互式多模型(IMM)视觉相对位姿动态估计算法(IMM-UKF),在保证计算效率的前提下,确保相对轨道姿态确定的稳定性和精确性。数值仿真验证了算法的有效性和先进性。     

基于显著特性的保持边缘滤波算法

针对传统保持边缘滤波算法中存在光晕的缺点,提出了基于显著特性的图像保持边缘滤波算法.该算法主要思想是利用原图的显著特性图具有边缘突出的特点,简化双边滤波法中灰度因子的设定工作.首先提取出原图像的显著图,然后根据图像显著值的大小自适应模糊图像中的细节和噪声部分:显著值较小的区域灰度因子设置较大,平滑此区域;显著值较大的区域灰度因子设置较小,保持边缘部分的清晰.实验结果表明,该算法在平滑了细节和噪声的同时,有效地保持了边缘信息的清晰,与传统方法相比,新方法不仅避免了光晕现象的产生,而且应用更为广泛.      

基于联合滤波器的高精度卫星定姿系统设计

设计了由陀螺、GPS姿态敏感器、红外地平仪和太阳敏感器构成的太阳同步极轨卫星姿态确定系统。提出联邦滤波器结构和算法,推导了各子系统的量测方程和姿态确定系统的误差状态方程。为规避对量测值进行非相关处理,采用减小GPS姿态敏感器输出的姿态滤波值作为系统滤波器量测值的频率的方法。仿真结果表明,采用联邦滤波器对多敏感器卫星姿态确定系统进行信息融合,具有计算量小、精度高、可靠性好等优点。     

具有约束项的自校准卡尔曼实时滤波定轨方法

针对在传统卫星定轨方法中存在的轨道根数解算复杂 ,实时定轨精度低 ,以及系统误差校不准等问题 ,提出并详细阐述了具有约束项的自校准卡尔曼实时滤波定轨方法。该方法复杂度低、实时性强、计算量小 ,仿真结果表明该方法同时具有收敛速度快、定轨精度高的优点 ,具有很好的应用前景     

一种卫星天文自主定轨定姿方法研究

利用安装在卫星上的太阳敏感器和紫外敏感器测量出的卫星—太阳、卫星—地球和卫星一月球方向矢量，并利用雷达测高仪测出的地心距作为观测量，提出采用广义卡尔曼滤波方法实时地确定卫星绕地球飞行的轨道，同时确定出卫星的对地姿态．对自主定轨进行了数学仿真，分析比较了采样周期、轨道倾角、轨道偏心率和轨道高度等因素对定轨精度的影响．总结了其变化规律，该方法可用于提高卫星自主定轨精度．     

导航卫星的地面站定轨算法

导航星座轨道的长期保持是星座导航系统运营管理的重要组成部分,而现有的导航卫星地面定轨算法又存在精度不高或计算量大不适合工程应用的问题。为此,研究了单向、被动测量模式的导航卫星地面定轨算法。基于单向伪距观测,将导航卫星钟差参数作为状态量,推导了滤波算法的状态方程、测量方程,并最终建立了滤波器模型。以不同轨道面的4颗GPS导航卫星为例进行了2天的仿真试验,考虑卫星的可见性仿真中加入了测量中断,并设计在测量恢复后重启滤波算法。仿真结果表明,4颗卫星的轨道位置估计精度可以达到米级,钟差随机偏差的估计精度可以达到纳秒级,并且在滤波中断后重启滤波器,仍然可以达到此估计精度,表明此定轨算法具有收敛性和稳定性。     

分布参数随机系统的条件滤波方法

针对分布参数随机系统在其控制输入,系统输出存在观测噪声情况下,提出了分布参数随机系统的条件滤波方法,使得在获得系统状态的最优估计的同时,可以得到关于不确知的控制输入的最优估值,该算法所具有的系统状态和控制输入的估计器结构上的相似性,为降低分布参数系统的滤波算法数值计算上的复杂性提供了一种解决途径,也使得该算法在工程实际中有较大的应用前景.