X射线脉冲星导航中的滤波方法分析

X射线脉冲星导航由于需要大量的观测数据来确定天体方位,因此需要较长的滤波周期(500 ～ 1000s),系统的状态方程是非线性的.若采用扩展Kalman滤波(EKF),线性化时会产生较大的高阶截断误差,且Jacobian矩阵不易精确计算,导致定轨的精度较低.文中采用非线性滤波方法- Unscented Kalman 滤...     

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。     

基于磁强计与太阳敏感器的卫星自主定轨算法

针对低轨微小卫星,为了实现低成本自主定轨,并达到一定的定轨精度,提出了一种基于三轴磁强计和太阳敏感器数据,利用扩展Kalman滤波进行自主轨道确定的方法.分析了国际地磁参考场(IGRF)模型,建立了简化的太阳轨道模型,在此基础上,建立了以轨道位置和速度作为状态量,以地磁矢量的模值和地磁矢量与太阳矢量的夹角信息作为观测量的滤波算法.数字仿真结果表明,该算法是收敛的、有效的,同时通过比较表明引入太阳敏感器数据后,大大提高了定轨精度.     

NPF算法在X射线脉冲星导航中的应用研究

针对X射线脉冲星导航中航天器模型的强非线性、高阶模型不确定性等问题,提出应用非线性预测滤波(NPF)算法实时估计航天器的轨道信息。首先,建立具有模型不确定性的X射线脉冲星导航定轨指标函数,优化得到满足指标函数最小的系统模型误差值,通过降低模型不确定性的影响来提高航天器自主定轨精度。对STK生成的“火星探路者”和“金星快车”及“北斗一号”三种航天器轨道数据进行分析,仿真结果表明,该算法比EKF算法具有更高的定轨精度,能够满足深空以及近地轨道航天器的自主定轨精度指标要求。     

利用分步Kalman滤波器的自主定轨信息融合算法

将星敏感器/红外地平仪的天文定轨信息与星间观测进行信息融合是消除基于星间链路自主定轨中星座整体旋转问题的有效途径。针对两种定轨方法精度相差较大导致融合效果较差的问题,提出了一种分步 Kalman 滤波算法。该算法利用星敏感器观测信息能够有效修正旋转参数的特点,将星敏感器观测信息和星间观测信息进行分步处理和最优信息融合以消除自主定轨算法中存在的星座整体旋转误差,提高定轨精度。通过对Walker星座的仿真表明,利用提出的分步Kalman滤波信息融合算法,星座自主定轨60天后星座URE误差能够稳定在 1.5米 以内,且能有效消除星座整体旋转误差。     

基于X射线脉冲星自主导航中UKF滤波算法的仿真研究

基于X射线脉冲星的航天器导航是新的自主导航技术.鉴于该导航系统所建的状态方程和测量方程都是非线性的,本文给出在X射线脉冲星导航中采用UKF(Unscented Kalman Filter)算法仿真研究,并与传统的EKF(Extended Kalman Filter)算法进行对比分析,仿真结果显示,采用UKF算法时的导航精度比EKF算法有显著提高.     

无人机TDRSS／SINS组合导航定位技术研究

文章利用TDRSS的单向多普勒自主定轨功能,从理论上推导了非轨道远距离无人机通过接收有TDRS的多普勒信息组成的观测方程,再加上自身的捷联式惯导系统（SINS）得到无人机的状态方程,利用Kalman滤波进行组合导航定位的定位方法,并对其精度进行了简略分析。     

基于Unscented滤波的伴飞卫星自主相对导航滤波器

为提高导航滤波器的稳定性和计算精度,根据卫星自主导航原理,构造了基于Unscented Kalman滤波（UKF）的伴飞卫星自主相对导航滤波器,建立了算法模型。仿真结果表明：UKF的滤波精度优于扩展Kalman滤波（EKF）,且无需计算量测方程的Jacobi矩阵,计算量小、易于实现。     

X射线脉冲星导航原理

X射线脉冲星导航是以脉冲星的X射线辐射信号作为信息输入,经过相应的信号和数据处理,为近地轨道、深空和星际空间飞行的航天器提供高精度的位置、速度、时间和姿态等导航信息的实现过程。首先提出了基于X射线脉冲星的卫星自主导航的基本框架和实现流程;然后,概述X射线脉冲导航的时空基准,重点研究X射线脉冲星导航定位的测量方程、系统状态方程及其噪声统计特征等数学模型。最后,详细论述卫星自主导航信息处理的鲁棒滤波算法,即经典算法和现代鲁棒滤波算法。从理论方法和工程应用角度,初步论证X射线脉冲星导航的原理可行性和算法可实现性。     

基于自适应滤波的光谱畸变误差抑制方法

为降低天文光谱畸变误差对多普勒测速导航精度的影响,设计结合非线性Sage-Husa噪声估计器及抗差扩展卡尔曼滤波器(Robust Extend Kalman Filter,REKF)的自适应滤波算法。当系统模型可靠时,抗差滤波能够通过预测残差判断异常量测并降低其权重;当系统模型噪声先验信息不准确时,通过Sage-Husa噪声估计器估计系统噪声协方差阵Q阵,以保证抗差滤波的效果。此外,结合多普勒测速导航及X射线脉冲星导航进行组合导航,以提高位置估计精度。仿真结果表明,该算法能够在系统模型噪声先验信息不准确的情况下有效控制光谱畸变造成的量测误差对导航精度的影响。     

基于脉冲星的空间飞行器自主导航技术研究

研究了利用X射线脉冲星实现空间飞行器自主导航的原理,指出通过测量脉冲星发射的脉冲到达航天器与到达太阳系质心的时间差可以确定该航天器的位置。给出了两种适合用于处理脉冲星观测量的方法,即基于最小二乘(LS)的方法和基于卡尔曼滤波(KF)的方法。通过数值仿真验证了X射线脉冲星自主导航技术的可行性,并且说明采用KF算法能够有效利用卫星轨道运动方程中包含的导航信息,从而获得更高的导航精度。     

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。     

改进的推广KALMAN滤波器在导弹被动制导中的应用

本文研究将改进的推广Ｋａｌｍａｎ滤波器应用于导弹被动制导问题。为了提高系统的可观性，我们采用一种双重指标来设计最优导引律。仿真结果表明，如何系统状态的均值较高，波动较小，那么ＭＥＫＦ的估计精度明显优于推广Ｋａｌｍａｎ滤波器。     

预测-校正EKF算法在自主导航中的应用

为提高航天器自主导航系统非线性估计精度,通过分析EKF线性化方法的缺 点,基于数学分析理论研究了非线性函数线性化展开点以及雅可比矩阵取值点不同对线性化 逼近程度的影响,然后对传统EKF算法的线性化展开方式进行了改进,提出了一种基于中值 定理和平滑估计的预测-校正EKF（FR\|EKF）新算法。仿真结果表明,该算法在精度上优于 EKF算法。     

基于多敏感器的卫星姿态确定算法

针对多敏感器组成的卫星姿态确定系统,采用四元数方法建立卫星姿态估计器模型,应用扩展卡尔曼滤波EKF算法进行信息融合,通过仿真算例验证此算法具有较高的精度。与此同时,在EKF算法基础上提出一种定常增益的卡尔曼滤波CGKF算法。通过数学仿真对EKF算法和CGKF算法进行比较分析,证明在一定条件下CGKF算法具有与EKF算法相当的滤波精度,并且简化后的CGKF算法在获得与EKF算法相近滤波效果的同时,还能够节约星上资源,减少计算量。     

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。     

基于GPS的低轨伴飞卫星自主导航轨道确定

对基于EKF算法的相对导航滤波器和基于全球卫星定位系统(GPS)伪距测量的伴飞星定轨进行了研究。用几何法与相对动力学方法联合获得目标星轨道信息,给出了伴飞卫星伪距测量定位的模型。仿真结果表明:该定轨方法可用于低轨卫星实时定位导航,定轨精度较高。     

一种用于实时轨道确定的NPF-SRCKF滤波算法

针对航天器实时轨道确定中建模复杂、计算量大、估计精度低的问题,设计了一种考虑地球J 2 摄动影响的基于NPF-SRCKF的实时轨道确定算法,该算法采用非线性预测滤波(NPF)对模型误差进行补偿修正,利用平方根容积卡尔曼滤波(SRCKF)算法对修正模型误差后的系统进行状态估计。针对单测站、双测站跟踪测量设计了不同的实时轨道确定算法。实验结果显示,将非线性预测滤波和平方根容积卡尔曼滤波结合在一起,运用于简化的实时轨道确定模型,能有效降低计算复杂度,改进数值运算的稳定性,提高状态估计的精度。     

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。