AEKF在姿态确定中的应用研究

设计了加性扩展Kalman滤波器(AEKF),对卫星姿态进行了准确估计。针对四元数法描述卫星姿态所引起的信息冗余能使滤波误差协方差阵产生奇异,并导致滤波发散,为此提出了用协方差阵降维法解决该问题。仿真结果表明,应用本文设计的滤波器,能有效克服姿态敏感器的量测噪声,准确估计出卫星的姿态。     

自适应SCKF在高动态COMPASS信号参数估计中的应用

高动态环境下北斗二号导航信号具有较高的非线性特性,载波参数估计难以保证较高的精度。在分析高阶非线性载波模型的基础上,提出了一种基于平方根容积卡尔曼滤波（SCKF）的自适应滤波算法,对载波相位及其三阶导数进行估计。该算法使用容积数值积分原则直接计算非线性随机函数的均值和方差,且在迭代滤波过程中,利用移动窗口法通过最新量测信息来改进过程噪声和量测噪声的协方差阵,可获得较高的估计精度。仿真结果表明,相比EKF和SCKF,本文提出的方法具有更高的估计精度和更快的收敛速度。     

高斯混合模型优化的四元数约束CKF姿态估计

针对四元数非线性滤波在姿态估计中噪声为非理想高斯分布时随机模型的失配现象，提出了一种基于高斯混合模型的四元数约束容积卡尔曼滤波（GM-QCKF）。讨论了四元数在容积卡尔曼滤波中的加权均值方法，并利用高斯混合模型对高斯分量更新与求和从而精化随机模型，最后通过两步投影理论做归一化限制，有效地改进了四元数约束容积卡尔曼滤波的稳定性。通过仿真测试，表明GM-QCKF可明显提高姿态估计精度；跑车试验验证了GM-QCKF算法在实际应用中精度和稳定性的优势。     

Cubature Kalman filtering for relative spacecraft attitude and position estimation

A novel relative spacecraft attitude and position estimation approach based on cubature Kalman filter is derived. The integrated sensor suit comprises the gyro sensors on each spacecraft and a vision-based navigation system on the deputy spacecraft. In the traditional algorithm, an assumption that the chief?s body frame coincides with its Local Vertical Local Horizontal (LVLH) frame is made to construct the line-of-sight observations for convenience. To solve this problem, two relative quaternions that map the chief?s LVLH frame to the deputy and chief body frames are involved. The general relative equations of motion for eccentric orbits are used to describe the positional dynamics. The implementation equations for the cubature Kalman filter are derived. Simulation results indicate that the proposed filter provides more accurate estimates of relative attitude and position over than the extended Kalman filter.     

无陀螺卫星姿态的二阶插值非线性滤波估计

采用四元数作为姿态描述参数，提出了一种确定无陀螺卫星姿态的新方法，即二阶插值非线性姿态估计算法，它能够利用星敏感器提供的矢量观测信息准确地估计三轴稳定卫星的姿态。这种姿态估计算法的实现非常简单，其运算量与传统的扩展卡尔曼滤波姿态估计算法相当，但滤波性能却与基于二阶泰勒级数近似得到的非线性姿态估计算法一致。而且，在二阶插值非线性姿态估计算法中，不会遇到由四元数正交约束所造成的协方差阵奇异性问题。     

卫星多敏感器组合姿态确定系统中的信息融合方法研究

针对卫星陀螺，红外地平仪，太阳敏感器，GPS接收机组合姿态确定系统的特点，提出一种基于联邦卡尔曼滤波算法的信息融合方法，其中信息分配系数通过计算协方差矩阵的迹在线自适应确定。推导了由四元素描述的卫星姿态误差状态方程和各子系统的测量方程。仿真分析结果表明采用该信息融合算法可以提高定姿精度，有效抑制滤波发散，并使整个系统的运算速度和收敛速度都有所提高。     

基于陀螺和星敏感器的卫星姿态确定算法

主要研究了基于陀螺和星敏感器配置的卫星姿态确定算法.为保证卫星姿态确定的高精度,利用星敏感器提供的姿态四元数结合扩展卡尔曼滤波,对陀螺漂移进行实时补偿.并利用在轨数据,通过matlab数学仿真,验证了高精度滤波算法的有效性.所设计的滤波器能准确估计陀螺漂移,估计误差优于5.56×10-5(°)/s;姿态估计误差优于0....     

弹载SINS四元数模约束下滤波空中对准

针对弹载SINS/GPS系统的空中对准,提出一种四元数模约束条件下的非线性滤波初始对准算法。首先,利用坐标变换和四元数姿态描述,将传统的强非线性滤波对准问题转化为一个二阶弱非线性滤波问题;其次,采用二阶扩展卡尔曼滤波（EKF）对二阶非线性部分进行处理,得到一种简洁的滤波对准方案;最后,推导了四元数模约束条件下滤波算法的最优实现,及反馈四元数估计结果时的闭环滤波形式。利用车载MEMS IMU/GPS系统,进行了初始对准的地面试验,结果表明,在车辆弱机动条件下,对准算法能够实现姿态和惯性器件误差的快速估计,实现惯导系统的对准。     

一种面向弹道再入目标跟踪的HPD-SRCQSPF算法

针对弹道再入目标轨迹跟踪问题，提出基于混合建议分布的平方根容积求积采样粒子滤波（HPD-SRCQSPF）算法，该算法以混合建议分布为框架，由两个基本建议分布组成。其中一个基本建议分布为先验分布，另一个基本建议分布为平方根容积求积卡尔曼滤波估计后的值。该混合建议分布与真实的后验分布很接近，因此有着高效性、高精度等特点。仿真结果表明，对于弹道再入目标轨迹跟踪模型，相比于标准粒子滤波（SPF）算法和平方根容积求积粒子滤波（SRCQPF）算法，HPD-SRCQSPF算法可以在较低运算负载的情况下获得更好的跟踪性能。特别是在弹道目标变轨机动的情况时，所提出算法的性能增益更为显著。     

无速度测量下的航天器安全接近位姿一体化控制

针对考虑位姿耦合的非合作航天器交会对接场景,在没有速度测量情况下为了同时解决安全约束、模型不确定性、执行器故障和输入饱和问题,提出一种基于容积卡尔曼滤波算法(CKF)的自主安全接近方法。首先基于容积卡尔曼滤波器和扩张状态观测器(ESO)分别估计目标航天器的位姿信息和相对速度信息;然后通过将一种新颖的安全包络与人工势函数(APF)结合设计自适应滑模控制器,并设计非奇异辅助系统对执行器故障和输入饱和带来的影响进行集中处理。提出的控制策略在不违反安全约束情况下,能在固定时间内实现位置接近和姿态同步。通过李雅普诺夫方法可以保证闭环系统固定时间稳定。仿真结果表明,所提控制方法具有较高的精度和良好干扰抑制能力。     

GPS/速率陀螺组合Kalman滤波姿态确定算法研究

建立了GPS／速率陀螺组合姿态估计系统的模型，研究比较了三种典型的Kalman滤波姿态确定算法：状态扩充法、量测量求差法和时变噪声估计跟踪自适应滤波算法。给出了某航天器采用GPS／速率陀螺组合姿态确定的仿真计算结果，并对结果进行了分析。结果表明，与传统Kalman滤波算法比较，时变噪声跟踪自适应滤波算法和量测量求差滤波算法能较好地消除GPS测量中相关时变噪声的影响，提高姿态确定的精度；而且时变噪声跟踪自适应滤波算法能很好地消除由于噪声统计性能的不确定性对Kalman滤波的影响，提高姿态确定系统的性能。     

自适应渐消EKF方法及其在卫星跟踪中的应用

针对在系统不能确切建模或模型误差随时间改变等场合下,传统扩展卡尔曼滤波方法及其改进算法估计误差较大甚至引起滤波发散等问题,将基于新息序列对状态噪声协方差矩阵实时估计的方法引入到渐消EKF中,提出了一种自适应渐消扩展卡尔曼滤波方法,推导了相关公式并详细给出了新方法的计算流程。采用单星对卫星仅测角被动定轨跟踪的例子对算法性能进行了对比分析。仿真结果表明,与传统EKF方法及其改进算法相比,该方法在估计精度、滤波收敛速度以及对初始状态误差的适应性等方面,显著提高了非线性滤波器的性能。     

空间翻滚非合作目标相对位姿估计的视觉SLAM方法

针对空间翻滚非合作目标相对位姿测量中目标先验信息缺失和模型不确定问题,将移动机器人视觉同步定位与建图（SLAM）贝叶斯滤波估计模型推广到非合作目标相对位姿测量中,提出一种基于视觉SLAM的翻滚非合作目标相对位姿估计方法。首先,构建了相对位姿估计的贝叶斯滤波状态转移模型和量测更新模型。其次,为避免平动噪声协方差过大导致滤波性能下降的问题,对状态转移方程进行优化,采用最小二乘估计方法预测位置参数。最后,采用一种联合无损卡尔曼滤波和粒子滤波的贝叶斯滤波方法实现了目标全部位姿参数的快速平滑估计。基于计算机合成图像数据和真实图像序列的仿真实验表明：提出的方法具有较优的速度和精度,且对目标速度变化、特征提取和数据关联误差等具有较好的鲁棒性。     

SINS/DGPS/Magnetometer组合导航研究

本文针对SINS/DGPS/Magnetometer全组合系统进行了研究,建立了相应的误差模型和系统观测模型。应用扩展卡尔曼滤波算法将GPS测量方程和SINS动态线性化,进行SINS验前状态估计及其误差协方差时间更新。仿真结果表明:本文提出的组合导航系统能够给出载体的高精度姿态信息,位置误差和速度误差也较小。     

基于模糊卡尔曼滤波的内阻尼姿态算法研究

在系统机动性不强的情况下，传统的平台内阻尼算法将系统本身的速度信息通过阻尼网络加到系统中，达到提高姿态角精度的目的。将这种平台内阻尼的思想引入到捷联惯性航姿系统中，在系统加速度较小的情况下，利用加速度计的输出估计系统姿态角，通过卡尔曼滤波的形式补偿系统姿态误差。由于加速度的大小直接影响滤波器精度，本文设计了模糊自适应卡尔曼滤波算法，根据三轴加速度计的输出调整内阻尼量测误差方差阵，从而避免了滤波器的发散。仿真和实验验证，内阻尼算法可明显抑制舒勒周期振荡和傅科周期振荡，避免了系统姿态漂移，有效提高了捷联惯性航姿系统的精度。     

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。     

对空间碎片的相对位姿估计

针对几何、质量特性参数均未知的空间碎片,提出一种基于扩展卡尔曼滤波（EKF）的相对位姿估计算法。该算法以单目相机获得的目标图像特征视线信息作为测量输入,以目标姿态、姿态角速度、惯量比、相对位置、相对速度和特征位置作为滤波状态。对算法进行可观性分析,给出两个可以保证算法可观性的条件。分别针对不同条件进行数值仿真,仿真结果表明新算法能够对几何和质量参数未知的空间碎片进行有效的相对位姿 估计。     

星间相对测量自主导航的改进容积卡尔曼滤波

针对仅利用星间相对位置测量的双星自主导航系统，提出一种基于可观度的改进容积卡尔曼滤波算法。该算法从系统可观度的物理意义出发，通过对预测协方差阵进行在线调整改善标准容积卡尔曼滤波算法对系统可观度敏感和不满足滤波拟一致性等问题。对具体算例进行数值仿真，校验了该改进容积卡尔曼滤波算法在基于星间相对位置测量的双星自主导航系统中的有效性，与标准容积卡尔曼滤波相比趋稳更快，精度更高。     

基于盒粒子滤波的低成本皮纳卫星高效姿态确定算法

针对低成本皮纳卫星姿态确定系统在质量、体积、计算量以及能耗等方面的限制问题，本文基于区间分析理论提出了卫星姿态区间化描述方法并建立了运动学区间化方程，提出了基于盒粒子滤波(BPF)的皮纳卫星姿态确定算法。该算法首先采用双矢量算法对太阳敏感器和磁强计得到的量测进行姿态解算，并将解算出的姿态四元数作为伪量测值输入传递给BPF，从而降低敏感器噪声对估计精度的影响。仿真实验表明，相比于传统粒子滤波的姿态确定算法，本文所提出的BPF姿态确定算法能够在保证姿态确定精度的同时大幅缩短算法运行时间。     

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。