融合TRIAD算法用于GPS姿态确定

研究把观测矢量定姿算法用于ＧＰＳ姿态确定。传统的ＴＲＩＡＤ算法利用两个非平行矢量确定载体的三轴姿态,但它存在对主矢量敏感,且不能利用第３根矢量的测量信息等缺点。文章提出一种改进的ＴＲＩＡＤ算法,克服了主矢量敏感问题;为了能利用３根基线的观测信息,在ＯＰＴＴＲＩＡＤ算法的基础上提出融合ＴＲＩＡＤ算法,它可以提高定姿精度。用接收机进行了实验,结果表明改进的ＴＲＩＡＤ算法确实克服了主矢量敏感问题;较之传     

确定无陀螺卫星姿态的二阶非线性滤波算法研究

应用基于二阶泰勒级数近似得到的非线性滤波技术，设计了利用星敏感器矢量观测信息确定无陀螺三轴稳定卫星姿态的二阶非线性滤波算法，结合矢量观测的特点，分别讨论了单矢量观测信息与多矢量观测信息的处理方法，并把QUEST算法作为矢量观测数据压缩技术有效地结合进姿态估计器中，使得多矢量观测情况下的滤波修正算法得到了简化，仿真测试结果证明，二阶非线性姿态估计器的滤波性能要优于的扩展卡尔曼滤波姿态估计算法。     

基于UPF滤波的微小航天器姿态矩阵估计方法

针对基于惯性-星光姿态确定系统噪声存在非高斯分布的情况,提出了将离散粒子滤波(UPF)方法应用于定姿系统滤波器设计,该方法用离散卡尔曼滤波(UKF)得到粒子滤波的重要采样函数,从而克服扩展卡尔曼滤波(EKF)和UKF只能应用到噪声为高斯分布的不足。文章以微机电系统(MEMS)陀螺和互补性金属氧化物半导体有源像素图像传感器(CMOS APS)星敏感器为姿态敏感器件,选取基于矢量观测的最小参数姿态矩阵估计方法为定姿算法,提出将UPF与最小参数姿态矩阵估计方法结合,设计了一种针对微小航天器的UPF姿态估计器,采用从MEMS陀螺采集的数据进行了半物理仿真并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的姿态估计方法可以取得比EKF和UKF更快的滤波收敛性和更好的滤波精度,有效地提高了定姿性能。     

基于多矢量定姿的动基座最优化对准算法

针对车载捷联惯导系统（Strapdown Inertial Navigation System, SINS）的传统动基座粗对准方法精度低且环境适应性差的问题,提出了一种基于多矢量定姿的动基座最优化粗对准算法。在传统的基于重力矢量的初始对准方法基础上,将姿态矩阵求解问题转化为Wahba问题,实现对多个时刻重力矢量信息的充分利用,并通过SVD算法实现对Wahba问题的求解,结合全球导航卫星系统（Global Navigation Satellite System, GNSS）输出信息和SINS输出信息,构建状态方程和量测方程,采用Sage-Husa自适应滤波算法以解决量测噪声不准确问题,不断修正载体系变换矩阵以获得更加精确的姿态转换矩阵。仿真和半物理实验表明,改进算法能够明显提高惯导系统在动基座下的姿态精度,转台实验对准方位误差小于0.05°。     

一种高精度角速率圆锥补偿算法

以角速率信号作为算法输入时,采用以往常用的圆锥补偿算法,算法误差明显增大.鉴于光纤陀螺角速率信号可以直接获取,提出了一种以角速率信号作为圆锥补偿算法输入的新补偿算法.在姿态更新周期内,以光纤陀螺角速率信号作为输入,求得陀螺角速率输出的表达式,结合旋转矢量微分方程,推导出新圆锥补偿算法表达式,然后以算法漂移误差最小对新算法进行优化.采用规则进动、典型的圆锥运动以及有噪声干扰的圆锥运动作为测试输入,通过与传统算法的对比,新算法计算量低、计算简单方便,算法精度高.新算法的提出为高动态环境下光纤陀螺捷联系统的姿态误差补偿提供了一个新的思路.     

高动态环境下SINS姿态更新的改进等效旋转矢量算法

高动态环境下捷联惯导系统的姿态算法是提高系统精度的关键技术. 通过研究SINS高动态姿态更新方法, 分析姿态矩阵解算的四元数及等效旋转矢量算法, 使等效旋转矢量算法在高动态环境下的应用问题得以完善. 为改善等效旋转矢量算法对于高动态飞行环境的适应性, 以圆锥运动作为环境条件, 对等效旋转矢量算法进行改进, 推导改进算法的误差. 通过与单子样和三子样等效旋转矢量算法进行仿真对比, 验证了改进算法的有效性.      

多星敏感器测量最优姿态估计算法

多数利用星敏感器加陀螺组合的姿态确定方法中,由于星敏感器精度较高,使得系统定姿的精度比较高.然而,姿态确定的算法因观测模型和误差处理不当,导致滤波器观测修正能力下降,从而不能有效地估计陀螺的漂移误差.提出了基于星敏感器观测姿态角的误差建模,研究了多星敏感器组合的最优安装构型和观测融合方法.利用加权最小二乘法对观测数据的预处理,使观测方程定常化.再利用陀螺加星敏感器组合的扩展Kalman滤波(EKF,Extended Kalman Filtering)对航天器姿态和陀螺漂移进行估计.仿真结果表明,提出的多星敏感器最优组合的滤波方法能够有效精确地估计卫星三轴姿态和陀螺漂移,且该方法计算量小,有利于卫星定姿系统的在轨自主运行.     

基于UKF的姿态无关GPS双差整周模糊度确定

基于运动的GPS双差整周模糊度确定方法需要预先知道载体的姿态,为了消除对姿态的依赖,研究了一种新的整周模糊度确定方法。首先将多天线载波双差相位矢量观测方程转化为标量观测方程,消去了对载体姿态矩阵的依赖。经过短时离线观测,以中心估计算法和协方差白化算法估计和修正双差整周模糊度的近似解及协方差矩阵。再以该近似解和协方差矩阵为初值,由无迹卡尔曼滤波(UKF)实时估计双差整周模糊度的精确解。最后对该方法进行了仿真,仿真结果表明经过离线批处理算法的预处理UKF可准确收敛于真实解,证明了方法的正确和有效性。     

基于矢量观测的航天器分段信息融合定姿方法

针对基于MEMS(微机电系统)陀螺和CMOS APS星敏感器的集成惯性/星光姿态确定系统的低精度特点,研究了适用于该定姿系统的基于矢量观测的定姿算法.对于陀螺/星敏感器这种配置模式,有EKF(Extended Kalman Filter)、QUEST、最优REQUEST等几种适用的定姿算法.针对EKF和最优REQUEST算法的不同特点并结合确定性算法QUEST,以四元数为姿态参数,将姿态估计的EKF方法分别与QUEST算法和最优REQUEST算法进行了融合,提出一种分段信息融合的姿态估计器:陀螺漂移估计误差较大时,将EKF与QUEST结合,快速估计出陀螺漂移.当陀螺漂移误差减小到一定程度,再切换为EKF与最优REQUEST算法融合的双重滤波器.仿真比较结果表明,这种分段信息融合的姿态估计器既可以估计姿态参数也可以估计陀螺漂移,并能达到很高的定姿精度.     

双星定姿的建模与仿真

提出一种新的双星定姿方法,即利用２颗地球同步卫星载波信号测定运动载体的姿态,文中就双星定姿原理及精度进行了深入探讨。计算机仿真试验表明,当载波相位单差观测值均方差为０．０２周,天线阵列为１ｍ×１ｍ时,双星定姿均方差可达偏航０．２３°,俯仰０．１８°。     

运用信息融合式高阶UKF的微小卫星姿态确定算法

为提高微小卫星微型低成本姿态敏感器的姿态确定精度，基于磁强计/太阳敏感器/陀螺仪的姿态敏感器配置以及无迹卡尔曼滤波方法（Unscented Kalman Filter，UKF），设计了一种基于高阶UKF算法并且融合磁强计与太阳敏感器观测信息的微小卫星姿态确定算法.为提高系统状态方程非线性函数的一步预测精度，采用基于五阶UT变换的高阶UKF算法，增加了Sigma采样点数量，提高了系统状态预测精度.单一观测向量滤波算法不能同时满足多个不同量纲观测数据，本文提出一种同时利用两个观测向量的信息融合式滤波算法，根据磁强计和太阳敏感器的观测信息，通过卡尔曼滤波原理中的增益计算，分别得出地磁矢量和太阳矢量对应的卡尔曼增益信息.采用高斯概率密度准则进行信息融合，进而完成预测值的修正，得到同时满足磁强计以及太阳敏感器观测需求的四元数估计值，降低了观测误差的影响.仿真分析验证了算法的优越性.      

基于粒子群寻优的高精度星敏感器在轨标定方法

星敏感器结构设计与安装过程会产生多种误差，主要误差源有星敏感器像平面主点误差、主距误差、倾斜误差与旋转误差，这些误差影响了星敏感器在轨标定的精度。本文根据星敏感器的误差模型，提出了一种高精度的星敏感器在轨标定方法。在已知含有误差的像平面的基础上，构造一个虚拟的像平面。当粒子群优化算法使含有误差的像点投影到虚拟像平面上的坐标与无误差时像点的坐标一致时，再利用Quest解算出三轴姿态角求得两个像平面之间的姿态矩阵，得出两像平面之间的关系。结果表明：星敏感器姿态确定精度较高且比较稳定。这种方法与传统标定方法的优势在于不依靠陀螺信息，原理简单，提高了数据的准确性。     

自旋稳定通信卫星姿态确定的矩阵方法

文章陈述了自旋稳定通信卫星姿态确定的矩阵方法及其工程应用的七种情况。这种方法是同时应用地球角θ_s、太阳角θ_s和从太阳到地中的转动角λ_s。确定地球同步自旋稳定卫星的姿态。这种方法可唯一确定卫星姿态,简单了计算,并仅受地球矢量和太阳矢量共线的几何限制条件,姿态确定精度较高,这种矩阵方法得到了中国成功发射的五颗地球同步通信卫星的满意的应用和验证。     

基于激光跟踪仪的多立方镜姿态标定方法

提出了使用激光跟踪仪测量系统对立方镜姿态进行测量的方法。首先,根据反射原理及平面镜光学成像原理对立方镜法线进行测量,然后建立立方镜的角度坐标系,并标定多个立方镜坐标系间的转换矩阵。通过单个立方镜姿态测量及2个立方镜间坐标系转换矩阵标定的实验,验证了方法的可行性。实验结果表明,最大标定误差优于5″,满足测量精度的要求。     

多探头星敏感器分布式视场融合方法

为了解决单探头星敏感器三轴姿态精度不一致问题,提高数据更新率和实时性,提出了多探头分布式视场融合方法。该方法通过控制各探头等时间间隔曝光,将相邻时刻曝光的2个探头的观测星矢量信息进行时间配准、空间配准,之后进行视场融合并采用QUEST算法解算姿态。仿真试验表明,该方法可将光轴方向精度提高8~9倍,同时可将数据更新率提高3倍以上,从而提高了系统的实时性。     

基于零速修正与姿态自观测的惯性行人导航算法

针对惯性行人导航中航向角发散致使导航精度降低的问题,提出了一种基于零速修正与姿态自观测的惯性行人导航算法。通过四条件零速检测算法对行走步态中的零速区间进行检测。在检测得到的零速区间内,利用零速修正算法原理构造速度误差的观测量;利用零速区间内行人脚部与地面保持静止、只受到重力加速度及姿态角不变的特性,构造姿态角误差的观测量。应用卡尔曼滤波对零速区间内的姿态角、速度及位置的误差进行估计。利用得到的误差状态估计结果对行人导航进行误差校正,提高惯性行人导航的精度。实验表明:小范围矩形路径中,所提算法的导航轨迹相对误差平均值仅占总路程的0.98%,比零速修正算法减小了78.11%;导航轨迹误差标准差仅为0.14 m,比零速修正算法减小了88.62%;400 m标准操场闭合路径中解算终点相对位置误差仅为1.18%。解算轨迹与实际轨迹匹配度较高,具有良好的应用价值。      

基于单目视觉的非合作目标相对位姿测量

为实现对空间姿态翻滚航天器的在轨服务与维护以及对空间碎片的清理，需对其进行精确的相对位姿测量。针对相对位姿测量问题，提出了基于单目视觉与卡尔曼滤波的相对位姿测量方法。通过对特征点匹配算法进行调查，采用了具有尺度不变性与旋转不变性的尺度不变特征变换算法(SIFT)和加速稳健特征算法(SURF)的特征点提取方法，并对二者进行了对比，得到了二者分别适用的工况条件。通过对Kalman滤波算法进行研究，引入了相机偏置矩阵，设计了Kalman滤波器，解决了单目相机的距离模糊问题，估计得到了非合作目标的相对位姿、主惯量比以及特征点位置信息。经过仿真，姿态角度估计误差在稳定后低于0.3°，相对位置估计误差在稳定后低于0.5m，相较于真值，误差小于1.67%，主惯量比估计误差在稳定后低于0.01，特征点位置误差在稳定后低于0.005m。在引入相机偏置条件后，滤波状态变量均收敛，并得到具有足够精度的估计，成功解决了单目相机深度信息缺失问题。     

基于卫星编队的空间碎片视觉高精度导航方法

视觉方法被广泛应用于空间碎片这类和卫星之间没有任何通信的非合作目标导航。针对观测过程中视觉传感器的像差偏差引起位置不确定的问题,提出了利用卫星编队的立体视觉导航方法。首先,利用卫星编队构造了长基线的视觉传感器,通过Fisher矩阵对系统的可观测性进行了分析,验证了系统是可观的;其次,对视觉传感器进行了误差分析,通过安排最优视差角,使多颗卫星的观测信息融合达到最优;最后,应用卫星编队的视觉导航方法对空间碎片进行了导航仿真验证。结果表明,基于卫星编队的视觉导航方法可以显著减小观测误差,精度能达到01m量级,而且编队构形简单,易于工程实现。