改进的Sage—Husa滤波及在卫星姿态估计中的应用

基于极大后验估计原理,提出了一种改进的噪声估计器,以实现对噪声均值和方差的在线估计,抑制滤波器发散。对自适应扩展卡尔曼滤波算法在卫星姿态确定系统中的应用进行了仿真。结果表明新算法滤波精度优于扩展卡尔曼滤波（EKF）,与Sage—Husa自适应滤波算法相比,可阻止滤波器发散,提高系统滤波精度。     

多传感器加权观测融合自适应UKF滤波器

对于带有相同观测方程和未知噪声统计的非线性多传感器系统,提出了一种基于Sage-Husa估计的自适应UKF滤波算法.该算法利用导出的平稳随机序列的相关函数估计系统观测噪声方差统计R(j),并证明了其收敛性.进而利用Sage-Husa估计算法得到自适应UKF滤波算法.该方法避免了传统Sage和Husa的自适应滤波算法不能处理Q和R均未知的系统的局限性.为了将多传感器信息加以充分利用,提高滤波精度,本文利用加权最小二乘法(WLS),实现了多传感器加权观测融合自适应UKF滤波器.一个带3传感器非线性系统的仿真例子说明了该算法的有效性.     

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。     

一种多模型自适应联邦滤波器及其在INS/CNS/GPS组合导航系统中的应用

本文介绍一种基于多模自适应估计的联邦滤波器的原理和特点。设计了INS/CNS/GPS组合导航系统的联邦滤波算法 ,并首次将多模自适应估计方法运用到联邦卡尔曼滤波器中。此外 ,联邦滤波器算法中采用自适应调整信息分配系数的方法。仿真结果表明 ,与采用单一模型的联邦滤波算法相比 ,多模自适应方法与联邦滤波方法结合使用能大大提高导航系统的精度和可靠性。     

INS／GPS／Odometer组合系统初始对准及自适应联合滤波

本文提出了INS／GPS／Odometer（测速仪）组合际航系统。基于信息融合理论，提出了基于子滤波器可观性矩阵条件数和误差协方差矩阵特征值分解的自适应联合滤波。然后利用该方法对INS／GPS／Odometer组合系统的初始对准问题进行了研究。仿真结果表明，自适应联合滤波能够改善系统初始对准的状态估计精度，信息分配因子的不同选择对状态估计有一定的影响。     

空间非合作机动目标跟踪相对导航方法研究

就基于雷达测量的空间非合作机动目标跟踪相对导航问题进行了研究,提出了一套 既能够处理测量粗差,又能使滤波器在存在未知输入情况下快速收敛的相对导航算法。本文 将强跟踪滤波器的思想引入到二阶分离插值滤波算法（DDF2）,设计DDF2\|STF滤波器;另 外,本文将DDF2与Huber滤波算法相结合,设计DDF2\|Huber滤波器;最后,本文设计了相应 的滤波器切换准则,根据不同情况选用DDF2\|Huber和DDF2\|STF滤波器,从而得到一套 完整的相对导航算法。数学仿真证实了所提出相对导航算法的有效性。本文的研究成果为工 程设计提供了理论参考。
     

基于自适应采样滤波器的临近空间飞行器姿态确定

为提高临近空间飞行器的姿态估计精度和稳定性,研究了捷联惯性导航系统与星敏感器组合定姿方法和滤波融合算法.首先给出了临近空间飞行器的高精度姿态确定方案及其模型,然后针对一般采样型滤波器自适应能力有限的缺点,推导了一种能在线自适应估计过程噪声和量测噪声协方差阵的自适应采样滤波算法,该算法融合了自适应估计和非线性滤波各自的优点,不仅能对姿态确定系统的非线性滤波问题进行高精度估计,而且估计结果具有较强的鲁棒性,最后进行了仿真实验.实验结果表明本文方法达到10角秒的定姿精度,其滤波精度和稳定性均满足临近空间飞行器的定姿要求.     

基于BP神经网络的自主定轨自适应Kalman滤波算法

针对Sage Husa自适应滤波方法存在的窗函数开窗大小选择问题,提出一种基于BP神经网络学习估计系统协方差矩阵的自适应Kalman滤波算法。该算法以Kalman滤波预测残差向量作为网络输入,通过网络分段离线学习确定预测残差向量与预测残差协方差矩阵间的非线性关系,自适应地估计Kalman滤波系统协方差矩阵。将其应用到自主定轨系统,仿真结果表明利用本文算法自主定轨60天星座平均URE误差小于1.9米,且能够快速跟踪到系统噪声的突变,较Kalman滤波方法和Sage Husa自适应滤波方法具有更好的性能。     

基于自适应IMM算法的高超声速飞行器轨迹预测

针对非弹道式高超声速飞行器的周期跳跃运动特点,提出了一种基于多种运动模型的自适应交互多模型(IMM)方法对目标运动状态进行估计。建立了目标的常速度、常加速度、Singer和蛇形机动模型,以及雷达的量测模型。自适应IMM算法包括混合概率计算、输入融合(混合交互)、模型条件滤波、模型概率更新和滤波估计融合等步骤。算法融合了Singer和蛇形机动模型,能较好地适应有幅值变化和频率衰减的模型状态估计,并用滤波估值和双正弦和函数拟合加速度,进一步递推目标运动轨迹。仿真结果表明:自适应IMM算法对高超声速目标有较好的弹道跟踪和预测精度。     

基于H∞滤波技术的GPS/INS全组合导航系统研究

本文根据H∞鲁棒滤波理论，提出了基于H∞滤波技术的GPS/INS全组合导航系统。该系统仅含有位置误差、速度误差和平台误差角9维状态，并利用GPS和INS的位置、速度和姿态观测信息对全部状态进行观测，组成全松组合导航系统，由H∞滤波来提高系统的鲁棒性。文中对提出的全组合系统进行了动态仿真，仿真结果表明，该系统结构简单，状态估计精度较高，系统鲁棒性好，便于工程实现，坚实际工程应用具有重要的现实意义。     

INS／GPS／TERCOM组合制导系统中的信息融合方法研究

提出由坐标变换、误匹配检测和卡尔曼滤波三个单元构成的一种新型INS／GPS／TERCOM系统优化结构，并对INS／GPS／TERCOM组合系统自适应联邦滤波信息融合和分散式信息融合两种算法分别进行了研究，将这两种算法与传统的集中滤波算法进行了比较。结果表明，系统无故障情况下三种方法精度相同；而在有故障情况下自适应联邦融合法优于另两种方法。     

推广联合滤波算法在卫星组合定姿系统中的应用

研究了不同模型下的推广联合滤波算法。基于信息融合理论和信息守恒原理，提出信息分配是信息融合的逆过程的观点，给出和证明了信息分配定理，为推广联合滤波算法提供了理论基础。以某卫星组合姿态确定系统为例，详细讨论了推广联合滤波的结构及其实现过程。理论分析和数学仿真结果表明：推广联合滤波算法比现有的联合滤波算法计算量小，且推广联合滤波算法能够同时保证全局最优和局部最优，而现有的联合滤波算法不是局部最优。     

利用增量相位和星光仰角增强XNAV

针对X射线脉冲星导航系统(XNAV)中过程噪声统计特性难以准确获取，对其不当假设导致滤波器估计性能不佳的问题，提出基于自适应差分卡尔曼滤波器(ADDF)的多信息融合算法。为了降低导航误差，在传统脉冲星计时观测的基础上，增加恒星星光仰角及两个时刻间的相位增量观测量，共同增强XNAV。首先，分别建立计时观测模型、相位增量模型及星光仰角模型；然后将多信息测量模型集成到卫星轨道动力学方程中，以建立ADDF滤波模型；最后对所提方法进行仿真验证。实验结果表明，在相同的初始状态和初始噪声误差条件下，与传统X射线脉冲星导航算法相比，多信息融合算法能将导航位置估计精度提高70%以上，位置估计误差降低到 200 m 左右，速度估计精度提高40%以上，且ADDF性能优于无迹卡尔曼滤波器。     

基于多尺度分布式融合估计的GPS/INS组合导航系统的研究

针对如何融合多传感器的数据、提高数据处理的可靠性和精度的问题,将基于模型的动态系统分析方法与基于统计特性的多测度信号变换方法相结合,提出基于Kalman滤波的多尺度分解与估计联合的多尺度分布式融合估计算法.该算法首先建立系统的动态方程和观测方程,再利用小波变换将数据在不同尺度上进行融合处理,归纳出该算法的实现步骤.最后通过组合导航系统的仿真验证算法的有效性,结果进一步证明了该算法能够有效地提高多传感器数据的处理精度.     

INS/CNS/GNSS组合导航系统信息分析及其滤波器设计

分析了INS/CNS/GNSS组合导航系统信息结构的特殊性 ,指出在此情况下应用联邦滤波器进行状态估计的信息不对等。针对此类情形 ,设计了几种滤波器的结构 ,分析了所设计滤波器的信息构成及信息的分配与融合 ,并尝试提出伪联邦滤波器的概念。本文所讨论的情形及设计的滤波器结构可以推广到一般的同类情形 ,并应用到相似的多传感器信息融合系统中     

基于故障因子函数的鲁棒联邦滤波算法研究

针对联邦滤波器子系统传感器故障，提出了一种基于状态递推器的滑动残差检验法，并在故障检测函数的基础上，定义了故障因子函数，用于联邦滤波器的信息分配。根据新的算法，联邦滤波器的信息分配系数可根据故障因子函数进行自动调整，以减少故障通过全局重置对其他无故障子系统的污染程度，从而减少了故障信息的影响程度和持续时间，提高了故障隔离后联邦滤波器的快速恢复能力。仿真结果表明该算法是有效的。     

基于新的数值积分粒子滤波的机载无源定位算法

针对机载无源定位这一多维非线性滤波问题,提出一种新的用3阶数值积分卡尔曼滤波算法来产生重要性密度函数的粒子滤波算法。新算法采用球形和径向数值积分规则选取积分点和确定相应的权值,得出的积分点数仅为状态维数的二倍,大幅的减少了计算量,较好地解决了求积分卡尔曼粒子滤波算法（Quadrature Kalman Particle Filter, QPF）在高维滤波时存在计算量大的问题;而且通过设定比例因子使得所产生的重要性密度函数在系统状态转移概率密度的基础上,融入最新的观测值,增加了粒子的多样性,提高了对系统状态后验概率的逼近程度。仿真结果表明：新算法在稳定性和定位精度上与QPF相当,但计算时间仅约为QPF的15%。     

航天器非合作目标相对导航的联邦滤波算法研究

提出了一种适用于空间机器人在轨对非合作目标进行测量的“激光测距仪+可见光 测角相机”组合的联邦卡尔曼滤波相对导航算法。分析了激光测距仪和可见光相机进行非合 作目标测量时存在的问题,为此设计了一套包括分别基于测角信息和测距信息的子滤波器, 以及进行子滤波器数据融合的主滤波器在内的联邦卡尔曼滤波器,并提出了具体的判据来对 子滤波器进行“条件重置”。仿真实验数据表明该联邦卡尔曼滤波器能够在部分目标测量设 备的输出出现暂时故障情况下输出较为平稳的相对导航数据,并且滤波算法具有较好的容错 性。
     

基于视线角四元数序列的视线角速率样条滤波

依据坐标系转换四元数与坐标系旋转角速度之间的关系，提出了基于视线角四元数序列的视线角速率自适应样条滤波算法。该算法利用样条函数表示视线角四元数，结合四元数与角度之间的对应关系，建立了系统状态方程；在只给出视线角序列信息的情况下，对观测误差进行了补偿，实现了自适应样条滤波算法，获得了有效的视线角速率信息。     

一种用于深空高动态微弱信号的频率估计算法

研究了低载噪比与高动态环境下的深空测控系统频率估计算法,在分析已有方法不足的基础上,提出了一种基于无迹卡尔曼滤波(UKF)的闭环载波跟踪方法。此方法结合了锁频环鉴别器和UKF的优点,获得了宽的估计范围,高的估计精度和低的载噪比门限。在分析UKF模型的基础上,此方法还减少了原有UKF算法的运算量。仿真过程模拟了接收机的高动态运动轨迹,结果表明此法具有较好的动态适应能力、收敛性能和跟踪精度,能够有效地完成低载噪比与高动态环境下的频率估计。此法与基于扩展卡尔曼滤波(EKF)的频率估计算法相比,具有更低的频率估计误差,因此有着良好的应用前景。