一种极低载噪比高动态信号跟踪的线性预测器设计

针对深空通信高动态低载噪比微弱信号跟踪精度低、稳态均方性能差的问题,提出了一种高动态低载噪比信号跟踪的分级异构凸组合线性预测器算法,该算法将归一化最小均方算法(NLMS)和最小二乘算法(RLS)进行分级异构凸组合,给出了算法的结构、跟踪精度联合优化设计方案和最优参数选择的方法。在载噪比(CNR)为10~30dB-Hz、载波多普勒频移为-300~300kHz、多普勒频率变化率为-800~1200Hz/s、码速率为20bps条件下对分级异构凸组合线性预测器跟踪性能及跟踪精度指标(归一化均方根误差)进行了仿真。理论分析和仿真结果表明,该线性预测器与分级同构凸组合线性预测器相比,算法运算量减少、信号跟踪精度提高、收敛速度加快。因此,该新型结构线性预测有着良好的应用前景。     

一种INS辅助GNSS高动态弱信号标量跟踪方法

为提高恶劣电磁环境下的高动态卫星导航接收机的干扰抑制能力,提出一种低成本INS自适应辅助标量跟踪环路方法。该方法以INS辅助二阶锁频环(IFLL2)算法为核心,采用INS/GNSS紧组合结果提高外部辅助跟踪环路的多普勒频率估计精度,以降低动态应力对跟踪环路的影响。建立了INS辅助锁相环和锁频环性能分析模型,基于该模型可知IFLL2对本地振荡器的抖动噪声抑制能力更强,可更多地降低跟踪环路带宽,故其性能优于INS辅助锁相环(IPLL)的性能。高动态仿真试验结果表明高动态环境下独立式三阶锁相环可跟踪载噪比为28dB Hz的GPS L1 C/A卫星信号,INS辅助最优带宽二阶锁频环算法可跟踪载噪比为19dB Hz的卫星信号,基于本算法的接收机的干扰抑制能力提高了9dB,与理论分析结果相当。     

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。     

基于卡尔曼滤波器的高动态GPS载波跟踪环

为解决传统锁相环( PLL)在高动态环境下对全球定位系统(GPS)信号的跟踪精度问题,将自适应渐消滤波和二级卡尔曼滤波相结合研究了一种新的自适应二级卡尔曼滤波算法,并且提出了一种利用新息协方差计算渐消因子的方法,通过自适应渐消因子在线调节误差协方差矩阵补偿不完整信息的影响,使滤波器在系统模型不完整或者噪声统计特性不准确时仍接近最优.基于自适应二级卡尔曼滤波算法提出了一种高动态GPS载波跟踪环的设计方案.仿真结果表明,提出的方案较传统PLL的跟踪精度有显著提高,频率跟踪精度提高到9.28Hz.     

一种高动态环境GPS信号的跟踪方法及实现

鉴于在高动态环境跟踪ＧＰＳ信号所遇到的问题，分析了高动态环境跟踪ＧＰＳ信号的基本方法，讨论了通过延时锁定环和载波辅助技术进行伪码跟踪的原理，重点研究通过３阶频率扩展卡尔曼滤波算法（ＦＥＫＦ）进行多普勒频率估计并进行载波跟踪的原理，模拟分析了ＦＥＫＦ算法的动态跟踪能力和频率估计误差，提出了一种适合高动态环境要求的ＧＰＳ信号跟踪方案     

状态估计中两种非线性滤波算法的对比研究

分析了粒子滤波算法和Unscented卡尔曼滤波算法的原理和算法实现；在状态估计模型中对两种算法的适应性进行了比较。通过实例进行仿真，结果表明粒子滤波算法估计精度比UKF算法高，但是计算量却相对较大。     

HCKF性能评估及其在传递对准中的应用

针对高阶容积卡尔曼滤波(HCKF)算法在传递对准中的应用问题，提出综合运用多变量函数泰勒级数展开和计算复杂度分析的性能评估方法。基于高阶球面-径向容积准则建立HCKF算法模型，并对其估计精度和计算量进行量化和对比分析：HCKF具有5阶泰勒级数展开精度且计算复杂度为O(n 4)，综合性能优于高斯厄米特积分滤波(GHQF)和无迹卡尔曼滤波(UKF)。将三种非线性滤波算法应用到舰机大失准角传递对准系统中，摇摆台试验结果表明：HCKF的估计精度比UKF高17%，计算量比GHQF小2个数量级，与HCKF性能评估结果一致。     

CCPAZP-FFT捕获方法中频率估计算法研究

针对航天测控系统中因飞行器高速运动造成的直扩信号多普勒频率捕获精度下降问题,对CCPAZPFFT捕获方法中的频率估计算法进行了研究。结合M-Rife频率估计方法,通过频谱搬移将原始信号真实频率移动至量化频率中心,对获得的频谱的最大值与次大值进行插值,同时对捕获峰值的相邻相位维进行多普勒修正,提高多普勒频率的捕获精度。给出了算法的步骤,以及基于K7芯片的现场可编程逻辑阵列(FPGA)的实现流程。理论分析和仿真结果验证了算法的有效性,在接收信号载噪比38dB、多普勒动态-70~70kHz的环境中,多普勒捕获偏差由250Hz降至约10Hz,实测结果验证了算法的可行性。     

双站无源定位和跟踪算法研究

为提高无源定位和跟踪的性能,弥补传统技术信息量少、定位速度慢和跟踪精度低的缺陷,研究了针对空中目标的基于联合信号到达角(DOA)与到达时间差(TDOA)的双站无源定位算法,以及基于联合到达时间差与到达频率差(FDOA)的双站无源跟踪算法。无源定位算法利用空间几何关系解析目标位置,无源跟踪算法利用无色卡尔曼滤波(UKF)持续跟踪目标并获得更高精度的目标位置信息,给出了两种算法模型。仿真结果表明:联合DOA,TDOA的无源定位算法在基线较短的条件下,对距离100km内的目标定位精度优于10%,联合TDOA,FDOA的无源跟踪算法的收敛速度较快且跟踪精度能达百米级。     

高动态下SINS辅助北斗捕获方法优化

针对高动态环境下北斗卫星信号不易快速捕获和捕获精度低的问题,在传统快速傅里叶变换并行码相位捕获算法的基础上,提出一种基于细化快速傅里叶变换(Zoom-FFT)的捷联惯性导航系统(SINS)辅助北斗B1信号捕获的算法,并设计高动态信源进行仿真校验。仿真结果表明,该方法的冷启动时间比无辅助缩短了50%以上,温启动捕获时间仅为无辅助的2%左右,并且使系统捕获的灵敏性得到了改善;同时使捕获的载波频率估计分辨率提高50倍以上,误差在10Hz以内。优化算法可以使高动态环境下的SINS/北斗深组合导航系统具有较快的卫星信号捕获速度和较窄的载波频率捕获带,并且提高了系统捕获的性能。     

MLE辅助PLL的高动态GPS载波跟踪

针对传统锁频环（FLL）鉴别器存在一步延迟效应和近似误差的问题,提出一种基于极大似然估计器（MLE）辅助锁相环（PLL）的高动态载波跟踪环路。该方法从极大似然估计理论入手,构造多普勒频移的非相干极大似然代价函数,采用非迭代估计方法求取各通道多普勒频移偏差的极大似然估计,与PLL进行融合滤波并计算频率修正量,进而控制本地数控振荡器（NCO）完成载波跟踪。仿真结果表明：在同等环路阶数和滤波器带宽条件下,新方法的响应速度、动态忍受力优于基于FLL辅助PLL的方法,可以跟踪加加速度达到100 g/s的超高动态 信号。     

基于迭代容积滤波的无源跟踪算法

对无源目标跟踪问题进行了研究,给出一种只有角度和距离测量的目标跟踪算法。为提高估计的精度和数值稳定性,采用了容积滤波算法,并用基于龙贝格-马尔塔(LM)算法改进迭代容积滤波算法,以提高估计精度,算法实现了对目标的无源跟踪。仿真结果表明:迭代容积滤波算法的跟踪效果更好。     

基于UKF的异类传感器集中式融合算法

综合考虑航天器跟踪测量中速度和精度的要求,对异类传感器集中式融合问题进行了研究,提出了基于无迹卡尔曼滤波(UKF,Unscented Kalman Filter)和简化的分类数据压缩技术的非线性系统实时集中式融合算法.仿真表明新的算法融合性能优于基于扩展卡尔曼滤波(EKF,Extended Kalman Filter)和扩维技术的并行集中式融合算法.     

基于UKF的无陀螺姿态确定

针对无陀螺卫星的姿态和角速度估计问题,提出了基于UKF(Unscent-ed Kalman Filtering)的无陀螺的姿态确定算法。采用星敏感器作为姿态敏感器,构造了基于罗德里格参数的UKF滤波器。与EKF相比,UKF不必计算Jacoabian矩阵而且能够至少精确到泰勒展开的二阶。通过EKF和UKF仿真结果的比较,表明UKF比EKF具有更快的收敛速度和更高的精度。     

基于双星编队的空间非合作目标联合定轨方法

针对单颗卫星对空间非合作目标的纯测角跟踪定轨系统存在观测几何条件差和定轨误
差较大的缺点,提出利用双星编队对空间非合作目标进行协同观测。该方法引入平方根无迹
卡尔曼滤波(UKF)算法,并融合地面站观测双星编队信息、双星编队星间测量数据以及双星
编队对空间目标光学观测信息进行整网定轨,实现在纯测角条件下双星编队对空间非合作目
标的实时跟踪。仿真结果表明该方法可以改进观测几何条件和提高空间非合作目标的跟踪定
轨精度。     

基于无迹卡尔曼滤波的空间目标双星定位方法

利用双星对空间目标的观测角进行目标定位,可以很好地避免地基探测系统探测弧段短的缺点。研究了基于动力学滤波的双星定位方法,介绍了无迹卡尔曼滤波的基本原理,建立了考虑地球非球形J2项引力摄动的空间目标动力学方程和基于无偏量测转换的双星观测方程。通过仿真比较两种滤波方法在相同条件下对目标的定位误差,可知无迹卡尔曼滤波方法在收敛速度和定位精度上均优于扩展卡尔曼滤波方法。     

UKF参数估计在航天器气动辅助变轨问题中的应用

为快速精确地求解气动辅助变轨问题，提出一种基于无损卡尔曼滤波(UKF)参数估计的数值求解方法。首先，针对气动辅助变轨问题，利用极大值原理将其转化为对应的两点边值问题;然后，以协态变量的初值作为估计参数，以末端条件为期望观测值，将该两点边值问题转化为参数估计问题，并应用UKF滤波算法求解。该算法基于估计理论，避免了计算传统数值方法所需要的梯度矩阵，同时克服了猜测协态变量初值的困难，降低了求解气动辅助变轨问题的难度。数值仿真表明，该算法结构简单，求解效率高，具有良好的鲁棒性。     

高超声速机动目标天基跟踪鲁棒性滤波方法

为解决高超声速滑翔飞行器(HGV)机动飞行过程中的跟踪问题,提出了一种基于机动观测器补偿的鲁棒扩展卡尔曼滤波方法。针对传统卡尔曼滤波器由于模型误差而无法稳定跟踪的问题,首先建立了HGV动力学模型和天基红外测量模型;随后,设计机动观测器对未知气动加速度进行在线估计;在此基础上,利用机动估计对扩展卡尔曼滤波中的预测步骤进行修正,克服了因模型误差而导致的滤波发散问题;最后,考虑到机动观测器的时延误差,在扩展卡尔曼滤波迭代过程中引入次优渐消因子,提高了滤波跟踪的鲁棒性。与强跟踪滤波、扩维卡尔曼滤波、交互多模型滤波等典型跟踪方法相比,所提方法可在不具备目标机动先验信息的情况下,以较低的计算耗时取得良好的稳定性和跟踪精度。