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。     

比例最小偏度单形采样的UKF及其在卫星定轨中的应用

基于Unscented变换(UT),在最小偏度单形采样策略中使用比例修正算法,提出了一种比例最小偏度单形采样的Unscented卡尔曼滤波(UKF)算法,用于基于地基观测的低轨卫星实时定轨.仿真结果表明:比例最小偏度单形采样UKF的精度与比例对称采样UKF相当,但计算效率至少可提高三分之一.     

基于滤波算法的拟平均轨道根数自主实时确定方法

针对卫星长期自主运行的发展要求,首次提出了基于滤波算法的卫星自主计算拟平均轨道根数的在轨实时方法。首先以受地球非球形摄动影响的低轨卫星为研究对象,推导了拟平均轨道根数的变化率并考虑了J2平方项补偿;以拟平均轨道根数为状态变量并以卫星瞬时速度和位置作为观测量建立了滤波方程,然后分别应用平方根无迹卡尔曼滤波(SR UKF)和扩展卡尔曼滤波(EKF)对拟平均轨道根数进行估计。仿真结果表明,两种滤波方法均能有效地计算拟平均轨道根数,其中平方根UKF滤波具有更高的精度和稳定度,且都可以满足卫星在轨自主实时计算拟平均轨道根数的需求。     

无迹粒子滤波在捷联惯导初始对准中的应用研究

给出了捷联惯导系统初始对准时的非线性误差模型,处理非线性系统的传统方法是扩展卡尔曼滤波方法(EKF)即对非线性系统进行线性化后再利用卡尔曼滤波进行处理。而无迹粒子滤波(UPF)是基于蒙特卡罗方法和贝叶斯理论,用加权的粒子表示概率密度函数,通过观测值更新粒子的权值,得到优化的状态估计值和方差,结合无迹卡尔曼滤波(UKF)进行迭代计算,是一种新型处理非线性系统的方法。本文对UPF滤波方法进行研究,运用于捷联惯导系统初始对准的姿态估计,计算机仿真和试验结果均表明了该方法的方位失准角估计精度和收敛速度明显优于传统的EKF。     

抑制UKF发散的改进算法在卫星轨道确定中的应用

为避免实际应用中一般无迹Kalman滤波（UKF）算法的不稳定性,基于对传统线性Kalman框架的UKF算法造成滤波发散现象的阐述,讨论了无迹转换（uT）的基本原理开口UKF算法,并给出了造成滤波发散的原因,提出了两种抑制滤波发散的改进UKF算法。仿真分析了某星载GPS低轨卫星轨道发散的主因,结果表明改进算法有效。     

EKF和UKF在INS/GPS组合导航中的应用分析

扩展卡尔曼滤波(EKF)是在非线性系统中常用的一种滤波方法,Un-scented卡尔曼滤波(UKF)是一种新的非线性滤波算法,其主要特点是与EKF一样传递状态的前两阶矩,但不用计算Jacobian矩阵。将EKF和UKF分别应用到INS/GPS系统的滤波中,仿真结果表明UKF比EKF更适合于在INS/GPS系统中使用。     

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...     

北斗/罗兰C组合导航非线性滤波算法研究

北斗/罗兰C组合可以实现无源三维导航定位.建立了组合导航系统状态方程和量测方程,针对量测方程为非线性的情况,分别应用扩展卡尔曼滤波(EKF)和Unscented卡尔曼滤波(UKF),设计了滤波算法,仿真结果表明,采用UKF方法比EKF方法能改善定位效果,该方法已经成功应用在工程实践中.     

一种基于强机动的目标跟踪改进算法

针对传统目标跟踪算法鲁棒性较差等问题,提出了一种基于当前统计模型的无迹卡尔曼滤波交互式多模型(IMM-CS-UKF)融合算法。在交互式多模型算法框架内,计算当前统计模型的概率,提高了统计模型的目标加速度和自适应性。该算法结合了交互式多模型和无迹卡尔曼滤波算法,具有对不同机动模式目标的自适应跟踪能力和精度高等优点。仿真结果表明,该算法对以多种机动策略实时机动的目标具有较好的跟踪性能。     

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。     

基于地磁场测量估计卫星姿态的UKF算法

提出了利用UKF（Unscented Kalman Filter）处理地磁场测量数据进行低轨道（LEO）卫星自主定姿的算法。通过使用估计姿态、轨道参数和国际地磁场参考（IGRF）计算得到的地磁矢量与三轴磁强计（TAM）的测量矢量之差作为更新信息，可以实现实时的姿态角和角速度估计。针对卫星稳态定姿、大角度快速机动的定姿以及姿态失控状态下的定姿等三种任务，分别用UKF和传统的EKF（Extended Kalman Filter）进行了数值仿真。仿真结果显示出本文提出的定姿算法的优越性。     

一种基于磁强计的卫星自主导航方法研究

以地磁场强度矢量的模为观测量,将Unscented卡尔曼滤波(UKF)用于近地卫星的磁测自主导航。给出了包括采样点生成、时间更新和量测更新的滤波模型,以及卫星瞬时轨道根数的计算公式。仿真结果表明,UKF滤波方法优于扩展卡尔曼滤波(EKF),精度更高。     

Particle filter using a new resampling approach applied to LEO satellite autonomous orbit determination with a magnetometer

Particle filter (PF) is widely used in nonlinear and non-Gaussian systems. Resampling is one of the significant steps in PF. However, PF using conventional resampling approaches may lead to divergent solutions because of the degeneracy phenomenon or sample impoverishment associated with a multidimensional system. In this article, an efficient alternative to conventional resampling approaches, called adaptive partial systematic resampling (APSR) with Markov chain Monte Carlo move and intelligent roughening is proposed for satellite orbit determination using a magnetometer. The results of the new resampling approach are compared with conventional resampling approaches and with unscented Kalman filter (UKF) for various initial errors in position and velocity, measurement sampling periods, and measurement noises to evaluate and verify the performance of the new resampling approach. The results of the new resampling approach in all cases are significantly better than the results of conventional resampling approaches. The velocity accuracy of the orbit determination of APSR is slightly poorer than UKF for relatively small initial errors, and small Gaussian measurement noise. However, the proposed approach yields more robust and stable convergence than UKF under large initial errors, long measurement sampling period, large Gaussian measurement noise, or non-Gaussian noise.     

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。     

关于卫星姿态确定非线性滤波算法的研究

本文探讨了利用方位矢量和陀螺速率观测信息确定卫星姿态的问题。该问题实际上是一个非线性/非高斯状态滤波问题,因此,经典的基于EKF和UKF算法的姿态滤波器有可能失败,尤其是当初始状态的先验估计不可能精确得知的情况下。近来,粒子滤波理论已经开始应用于姿态确定问题,但是,这类算法往往需要大量的“粒子”,这对有限计算能力来说是一个沉重的负担。为此,本文尝试利用双重滤波方法,在每个序贯估计过程中,将有陀螺姿态确定问题暂时分解为1个四元数估计问题和1个陀螺常漂参数估计问题。本文提出了2个双重滤波器,包括1个姿态确定双重粒子滤波器和1个姿态确定的混合型滤波器。这两者都采用一个相同的四元数粒子滤波器,但在粒子重采样和平滑处理方面,不同于近来提出的类似滤波器。至于陀螺常漂估计,双重粒子滤波器发展了一个辅助粒子滤波器,而混合滤波器中则发展了一个参数UKF滤波器。通过与经典的姿态确定滤波器的仿真比较,证实了本文新提的2个算法的有效性和优越性。
     

基于UPF的航天器自主天文导航方法

利用红外地球敏感器和星敏感器直接敏感地平的天文导航方法是一种成熟、可靠的自主导航方法。这种导航方法的状态方程和量测方程都是严重非线性的,且在建立航天器轨道动力学模型时,通常将二阶带谐摄动项建模,而将其他摄动项等效为高斯白噪声,由于这些摄动项都有其精确的模型,通常不服从高斯分布。本文提出将UPF(Unscented Particle Filter)滤波方法应用于航天器自主天文导航,该方法用UKF(Unscented Kalman Filter)得到粒子滤波的重要性采样密度函数,从而克服了标准的粒子滤波没有考虑最新量测信息和UKF只能应用于噪声为高斯分布的不足。仿真结果表明,该方法可以取得比标准的粒子滤波和UKF更快的滤波收敛性和更高的滤波精度。     

利用TDRSS信息的单向多普勒测轨方法

介绍了利用跟踪中继卫星系统（TDRSS）信息的单向多普勒定轨技术。分析了单向多普勒测轨的基本原理和系统组成，采用扩展卡尔曼滤波（EKF）法，推导用于自主定轨算法的卫星轨道测量状态及观测方程。讨论了影响滤波精度的状态变量和动力学模型精度等多种误差源及其该方法能达到的测轨精度。     

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。