无人机组合导航直接法与间接法滤波方式比较

全球导航卫星系统/惯性导航系统（GNSS/INS）组合导航可以提供连续、高精度的位置、速度、姿态信息，被广泛应用于无人机的状态估计。其中滤波算法的构建是其组合关键。不同组合导航的模式会对导航定位结果产生相应的影响。针对直接法和间接法这2种常见的组合模式，分别构建了基于扩展卡尔曼滤波（EKF）的全球定位系统/惯性导航系统（GPS/INS）松组合模式，并将其运用于不同飞行场景下无人机（UAV）的实时动态状态估计。仿真场景以及实际数据验证结果表明，间接法在精度和稳定性方面优于直接法，直接法在滤波计算速率方面优于间接法。因此，当系统具有较高的计算性能，且面向高精度的应用情况下可选择间接法作为无人机导航的技术方案；对于快速求解但精度要求不高的应用情况下，选择直接法作为无人机导航的技术方案可以在一定程度上降低系统的成本。      

EKF/UKF在编队飞行卫星GPS相对导航中的应用

 　航天器编队飞行协调工作,必须精确确定各航天器的相对位置和相对速度,即进行编队飞行相对导航。将扩展卡尔曼滤波(EKF,extended Kalman filter)和非线性滤波unscented Kalman filter(UKF)算法同时应用于编队飞行卫星的载波相位差分GPS相对导航。EKF与UKF算法原理不同,UKF算法的精度比EKF的精度高。在实际应用中,可以将两种算法组成互为备份的相对导航滤波器,这样可提高滤波系统冗余性能。     

发射系下的SINS/CNS/GNSS组合导航UKF滤波算法

弹载系统的组合导航系统模型常建立在发射惯性坐标系下，且捷联惯性/天文导航/卫星导航（SINS/CNS/GNSS）是一种目前研究较多的组合模式。该组合导航系统的状态方程具有强非线性的特点，常用的滤波方法为扩展卡尔曼滤波（EKF）。为了提高组合导航系统的精度及可靠性，对该组合导航系统的无迹卡尔曼滤波（UKF）模型进行了设计，直接将姿态、位置与速度参数作为状态的一部分，利用CNS及GNSS提供的姿态与位置构成量测方程，并详细给出了姿态样本点的生成、均值及方差的生成过程。仿真结果表明，相对于EKF算法，采用UKF算法后各导航参数的精度可提高约20%~30%，并且系统的实时性也可以得到保证。     

星间测量自主导航改进状态相关黎卡提方程滤波

针对分布式卫星系统的应用需求,研究基于星间相对位置矢量测量的自主导航滤波算法问题。为了解决扩展卡尔曼滤波(EKF)对能观度不敏感的问题,提高滤波精度,减少计算量,推导了基于状态相关黎卡提方程滤波(SDREF)的导航算法,并定义了一种新的在线反映能观性程度的特征量,提出了基于该特征量对滤波增益阵进行在线调整的方法,构成改进的状态相关黎卡提方程滤波(MSDREF)。数学仿真表明,MSDREF的计算量约为EKF的13%,稳态误差约为EKF的21%。     

航天器轨道机动过程中的自主导航方法

典型的航天器自主天文导航方法利用地球敏感器和星敏感器的观测信息,根据轨道动力学模型和测量信息,采用扩展卡尔曼滤波算法（EKF）估计航天器位置矢量。为了在航天器轨道机动过程中减小滤波器的估计误差,设计了用于航天器自主导航的自适应鲁棒扩展卡尔曼滤波（AREKF）算法。仿真结果表明,采用AREKF算法能够有效地减小推力不确定性的不利影响,在不增加导航敏感器的前提下改善系统的导航性能,取得优于传统EKF算法和自适应扩展卡尔曼滤波（AEKF）的估计精度。     

基于特征模型的高超声速飞行器姿态控制器与自适应滤波算法的设计

提出一种基于特征模型的强跟踪无迹卡尔曼滤波（CSUKF）算法对状态和参数进行联合估计,利用特征模型参数构造时变的二阶状态转移阵,使滤波和辨识模型简化;结合强跟踪滤波（STF）的强跟踪能力和无迹卡尔曼滤波的（UKF）的非线性高逼近性对含测量噪声的高超声速飞行器系统进行参数辨识和滤波,并将其与非线性黄金分割自适应控制律相结合,对高超声速飞行器进行姿态控制.最后,将提出的CSUKF与基于特征模型的无迹卡尔曼滤波（CUKF）和基于特征模型的普通扩展卡尔曼滤波算法（CEKF）进行比较,仿真结果说明CSUKF与非线性黄金分割自适应控制律相结合可以有效改善控制的平稳性,且具有更好的滤波精度和系统输出,从而能更好地处理含测量噪声情况下的高超声速飞行器的辨识与控制问题.     

基于SINS/CNS组合导航系统的多模型自适应估计算法

针对单一模型滤波器在未知或不确定的系统参数下适应性较差的问题,提出了一种新的基于多模型自适应估计(multiple model adaptive estimation,MMAE)的滤波方法。该方法利用改进的卡尔曼滤波代替传统的卡尔曼滤波,比如扩展卡尔曼滤波(extended Kalman filter,EKF)和无迹卡尔曼滤波(unscented Kalman filter,UKF)。EKF和UKF被用来作为多模型自适应估计的子滤波器,从而实现对非线性系统的状态估计。同时,还将该方法应用于基于弹道导弹模型的组合导航中实现了系统仿真。仿真结果表明,与传统的EKF和UKF算法比较,改进的滤波方法可以解决传统模型滤波器适应性差的问题,并提高系统的导航精度。     

基于特征值分解的小天体着陆自主导航系统可观度分析

摘要： 针对非线性导航系统中状态估计可观性与导航精度之间的关系，采用基于误差方差阵特征值分解的可观度分析方法，结合扩展卡尔曼滤波(EKF)算法对非线性预测滤波(NPF)算法进行改进，推导改进预测滤波的误差协方差矩阵，并对其进行特征值分解.分析特征值和特征向量与导航精度的关系，以小天体探测器着陆自主导航系统为例进行仿真验证，与EKF导航精度比较的基础上验证改进的NPF算法的有效性和精确性，并分析不同误差因素(模型误差，陀螺噪声，陆标误差)对可观度的影响，为航天器实际过程中自主导航系统的滤波器设计提供参考.     

基于ST-SRCKF的超高速强机动目标跟踪算法

针对超高速强机动目标运动模型难以准确建立且观测数据易出现不良量测而导致滤波发散的问题,提出一种适用于超高速强机动目标的跟踪算法。该算法根据正交性原理推导了一种新的强跟踪平方根容积卡尔曼滤波（ST-SRCKF）结构,并引入多重渐消因子,渐消因子求解方法和作用位置均不同于已有的ST-SRCKF。根据新息的统计学特性,即新息协方差矩阵的迹服从卡方分布,建立了一种改进的CS-Jerk模型,该模型对目标机动的描述更准确,它与改进ST-SRCKF算法的结合实现了对超高速强机动目标的高精度跟踪。仿真结果表明,改进算法对超高速强机动目标的跟踪性能更佳。      

基于AIGWO-IMMUKF的目标跟踪算法

针对目标跟踪算法中滤波器选择和模型设计问题，提出了一种具有自适应性的交互式多模型无迹卡尔曼滤波（IMMUKF）目标跟踪算法。首先，介绍了IMMUKF的算法步骤；其次，提出运用改进的灰狼优化（IGWO）算法优化其中的滤波参数，通过构造调节因子建立了时变的Markov状态转移概率，形成了AIGWO-IMMUKF算法，并给出其算法流程；最后，将所提AIGWO-IMMUKF算法与传统算法在相同条件下进行仿真，得出位置、速度均方根误差曲线，以及时效性对比。结果表明，所提AIGWO-IMMUKF算法克服了传统IMMUKF算法的不足，提升了算法性能，精度和时效性都更优。      

一种用于GPS/DR组合定位的非线性滤波算法

建立了适用于车辆导航系统的基于UKF(Unscented Kalman Filter)的GPS/DR(Global Positioning System/Dead Reckoning)组合定位滤波模型及算法.针对系统状态方程为线性、观测方程为非线性的特点,提出了一种将UKF和EKF(Extended Kalman Filter)相结合的非线性滤波算法.结合后的算法和原有UKF算法相比减少了在时间更新阶段的运算量,并且由于采用基于Unscented变换的思想来处理系统观测方程的非线性问题,避免了EKF引入的线性化误差,提高了滤波精度.仿真结果证明:算法在减少运算量的同时,仍具有较高的滤波精度,且明显优于EKF,因而能够满足车辆导航系统占用资源少、滤波精度高的要求.      

基于SSUKF的航天器自主导航算法

针对航天器自主导航系统对稳定性、精确性和实时性的要求,将超球面分布采 样点变换SSUT(Spherical Simplex Unscented Transformation)和Unscented卡尔曼滤波(UK F)相结合,研究了基于SSUT的UKF(SSUKF)导航滤波算法.由于SSUT减少了采样点个 数,在保证滤波精度和标准UKF相当的条件下减轻了计算负担.根据UKF和扩展卡尔曼滤波(E KF)计算过程相似的特点,设计了SSUKF和EKF相结合的混合卡尔曼滤波算法.算法通过能够 度量估计误差的模式切换函数,可以自适应地在SSUKF和EKF之间切换,避免了UKF计算效率低 以及EKF对滤波参数敏感、容易发散的缺点.数值仿真结果表明,混合卡尔曼滤波器提高了 计算效率,保证了估计精度,具有良好的鲁棒性,适合于航天器自主导航系统.      

自适应卡尔曼滤波器在陆地车辆导航中的应用

建立了车载GPS(Global Positioning System)/DR(Dead-Reckoning)组合导航系统自适应扩展卡尔曼滤波模型及其算法,从而大大提高了车辆导航系统的定位精度.首次提出依据PDOP(位置误差系数)等GPS定位系统的输出参数,自动调整观测噪声协方差阵[WTHX]R和系统噪声协方差阵Q[WT]的大小,从而自适应地调整组合导航系统模型性能的方法,使得模型具有较强的适应性.计算机仿真及实验结果表明应用该模型具有良好的效果.      

一种用于高动态GPS频率估计的滤波算法

针对常用高动态GPS(Global Positioning System)频率估计算法扩展卡尔曼滤波(EKF,Extended Kalman Filter)的缺陷,提出了一种新的称为简化无迹高斯粒子滤波(SUGPF,Simplified Unscented Gaussian Particle Filter)的算法.SUGPF将卡尔曼滤波(KF,Kalman Filter)、无迹卡尔曼滤波(UKF,Unscented Kalman Filter)与高斯粒子滤波(GPF, Gaussian Particle Filter)三者相结合.在时间更新阶段,用KF的方法更新预测分布;在测量更新阶段,用UKF的方法得到重要采样函数,并用GPF的方法更新后验分布.仿真结果表明:与EKF和UKF相比,SUGPF性能更优越,功能更全面,在高斯与非高斯观测噪声环境下均能取得与GPF类似的良好性能,并且其计算复杂度低于GPF.     

基于视线测量和轨道预报高轨非合作目标相对导航方法

对于非合作目标,由于中远距离星上相对测量手段有限,大多情况仅能获得视线角信息.仅视线测量相对导航方法在GEO轨道条件下滤波精度低、可观测性差.提出一种基于星间视线方位测量和轨道预报信息结合的非合作目标相对导航方法.建立基于星间相对运动模型的状态方程和基于星间视线测量和轨道预报信息的观测方程,分别选取了扩展卡尔曼滤波和无迹卡尔曼滤波两种方法,仿真分析了轨道预报信息精度和滤波方法对导航精度的影响.     

基于改进预测滤波的小天体精确着陆自主导航方法研究

针对小天体形状不规则、质量不均匀导致模型建立不准确的问题,研究基于改进的预测滤波实现自主着陆过程中精确导航的关键技术。在导航算法设计中,首先建立了小天体引力场模型,并建立了导航系统运动学模型,然后建立了基于惯性测量单元、光学相机及测速敏感器多信息融合的测量模型,结合扩展卡尔曼滤波(Extended Kalman Filter, EKF)算法对非线性预测滤波(Nonlinear Predictive Filter, NPF)算法进行改进,在该导航算法下,对系统的可观性进行了分析。仿真结果表明:在引力不确定性引起的模型不准确度下,该方法可实时估计模型误差,在与EKF导航精度比较的基础上验证了改进的NPF算法的有效性和精确性。     

一种新的星载GPS定轨滤波算法

针对传统EKF(Extended Kalman Filtering)算法应用于星载GPS(Global Positioning System)低轨卫星定轨时系统噪声方差初值不易确定的问题,提出了一种新的定轨滤波算法.该算法在非线性方程线性化过程中,在前一时刻滤波估值点进行线性化,从而得到扰动方程,并将该扰动方程引入到传统EKF进行滤波处理.该算法与传统EKF分别应用在星载GPS低轨卫星的定轨中,通过比较,结果表明改进的算法在一定程度上抑制了由于系统噪声方差阵选取偏差较大而引起的滤波发散现象,且对于系统噪声方差的初值选取有较强的鲁棒性.