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.     

基于多传感器天文信息的自主导航算法及可观测性分析

自主导航是未来航天器的发展趋势,利用由太阳敏感器、月球敏感器和红外地球敏感器组成的一体化多传感器天文观测平台,构建了多传感器的天文测量模型,结合航天器动力学模型,分析了自主导航系统的可观测性. 基于UKF滤波算法,建立多传感器自主导航算法,并采用原始测量信息和单点解析定位信息两种模式分别进行了仿真验证. 仿真结果表明,基于原始天文测量信息的自主导航模式,其导航精度要高于单点解析定位数据的自主导航精度,在无系统误差情况下,导航精度约为200m. 采用系统误差估计的自主导航方法后,常值系统误差对导航精度基本不产生影响.      

四种卡尔曼滤波器在仅视线测量相对导航中的性能比较

针对航天器交会时在仅有视线测量条件下的相对导航问题,比较了扩展卡尔曼滤波(extended Kalman filter,EKF)、无迹卡尔曼滤波(unscented Kalman filter,UKF)及平方根形式的卡尔曼滤波(square-root extended Kalman filter,SREKF以及square-root unscented Kalman filter,SRUKF)在这一导航问题中的性能.介绍了仅有视线测量条件下相对导航的特点以及上述4种卡尔曼滤波算法;建立了追踪航天器和目标航天器间相对动力学方程以及基于仅视线测量相对导航时的量测方程;结合3种典型的相对运动形式进行了数值仿真.仿真结果表明:在仅视线测量相对导航中,4种算法的精度处于同一量级;UKF估计相对距离的精度稍优于EKF;SREKF和SRUKF估计相对距离的精度稍优于EKF和UKF.     

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.      

四种卡尔曼滤波器在仅视线测量相对导航中的性能比较

针对航天器交会时在仅有视线测量条件下的相对导航问题,比较了扩展卡尔曼滤波（extended Kalman filter,EKF）、无迹卡尔曼滤波（unscented Kalman filter,UKF）及平方根形式的卡尔曼滤波（square-root extended Kalman filter,SREKF以及square-root unscented Kalman filter,SRUKF）在这一导航问题中的性能.介绍了仅有视线测量条件下相对导航的特点以及上述4种卡尔曼滤波算法;建立了追踪航天器和目标航天器间相对动力学方程以及基于仅视线测量相对导航时的量测方程;结合3种典型的相对运动形式进行了数值仿真.仿真结果表明：在仅视线测量相对导航中,4种算法的精度处于同一量级;UKF估计相对距离的精度稍优于EKF;SREKF和SRUKF估计相对距离的精度稍优于EKF和UKF.     

导航卫星的地面站定轨算法

导航星座轨道的长期保持是星座导航系统运营管理的重要组成部分,而现有的导航卫星地面定轨算法又存在精度不高或计算量大不适合工程应用的问题。为此,研究了单向、被动测量模式的导航卫星地面定轨算法。基于单向伪距观测,将导航卫星钟差参数作为状态量,推导了滤波算法的状态方程、测量方程,并最终建立了滤波器模型。以不同轨道面的4颗GPS导航卫星为例进行了2天的仿真试验,考虑卫星的可见性仿真中加入了测量中断,并设计在测量恢复后重启滤波算法。仿真结果表明,4颗卫星的轨道位置估计精度可以达到米级,钟差随机偏差的估计精度可以达到纳秒级,并且在滤波中断后重启滤波器,仍然可以达到此估计精度,表明此定轨算法具有收敛性和稳定性。     

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。     

航天器自主交会对接的视觉相对导航方法

针对航天器自主交会对接在最终逼近阶段的相对导航问题,研究了基于特征光标的航天器视觉相对导航方法。首先建立了小角度假设条件下的相对导航模型。给出了航天器相对位置和采用欧拉角描述的相对姿态的近似解析算法。其次利用相对姿态的解析解作为观测信息,采用降阶的无迹卡尔曼滤波方法对目标航天器的姿态角和惯性角速度进行了估计,间接得到了相对姿态和相对姿态角速度的估计值。数值仿真表明提出的解析算法能够有效获得相对位置和相对姿态测量信息,通过降阶滤波可明显提高相对姿态确定精度。     

卫星自主导航系统存在常值偏差的滤波方法研究

由于敏感器常值偏差对导航精度影响较大,因此有必要对其进行标定。考虑到传统常偏扩维算法计算量大,且可能出现数值病态的问题,提出了两步UKF算法,该算法对状态和偏差实施分离估计,从而达到解耦目的。不仅能够准确标定常值偏差,而且还可以提高导航精度。近地卫星自主导航系统仿真结果验证了该算法的有效性。     

基于UKF的雷达高度计自主定轨

探讨了利用推广卡尔曼滤波估计非线性系统状态时存在的问题,从而介绍了目前广泛使用的分步逼近的卡尔曼滤波(UKF,Unscented Kalman Filter).为了提高导航的可靠性和准确性,在星敏感器导航系统中引入雷达高度计作为一个新的测量设备,提出了一种基于星上雷达测高仪及星敏感器联合进行卫星自主定轨的算法.建立了比较复杂的地球海平面模型,并考虑了其中风生重力波的影响. 利用雷达测高仪的测量结果和地球形状模型,计算地心矢量在卫星本体中坐标系的方向.利用UKF滤波定轨算法,明显提高了自主定轨的精度.数值仿真结果表明,UKF定轨精度要远优于推广卡尔曼滤波.      

基于IMU/FADS/无线电的火星上升器组合导航方案

以火星采样返回任务中火星表面上升为背景，研究了基于惯性测量单元（Inertial Measurement Unit, IMU）、嵌入式大气数据传感系统（Flush Air Data Sensing System, FADS）和无线电信标的组合导航方法。首先，在传统的IMU导航框架中加入由无线电测量获得的相对距离、速度信息，以及由FADS获取的动压、温度数据，建立了基于IMU、无线电和FADS的导航观测模型；然后，基于无迹卡尔曼滤波（Unscented Kalman Filter, UKF）技术对测量信息进行了融合，并压制了过程噪声和测量噪声，从而对上升器的状态进行了联合估计；最后，在数值仿真中，将UKF与自适应无迹卡尔曼滤波（Adaptive Unscented Kalman Filter, AUKF）技术进行了对比，在比较不同滤波器性能的同时，验证了组合导航方法的有效性。     

UKF方法在脉冲星自主导航中的应用

针对X射线脉冲星自主导航中的非线性系统滤波问题，将无迹卡尔曼滤波方法应用于自主导航计算过程中。首先，在简述脉冲星导航可行性的基础上，研究了脉冲星自主导航系统的基本原理和实施方案。然后，根据牛顿二体引力模型构建了航天器运动状态方程，根据脉冲到达时间模型建立了系统观测方程，并对二者进行了误差分析和建模。最后，将UKF算法应用于航天器自主导航过程中，仿真结果表明该方法能够实现航天器自主导航信息的解算。     

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.     

Onboard orbit determination using GPS observations based on the unscented Kalman filter

Spaceborne GPS receivers are used for real-time navigation by most low Earth orbit (LEO) satellites. In general, the position and velocity accuracy of GPS navigation solutions without a dynamic filter are 25 m (1σ) and 0.5 m/s (1σ), respectively. However, GPS navigation solutions, which consist of position, velocity, and GPS receiver clock bias, have many abnormal excursions from the normal error range for space operation. These excursions lessen the accuracy of attitude control and onboard time synchronization. In this research, a new onboard orbit determination algorithm designed with the unscented Kalman filter (UKF) was developed to improve the performance. Because the UKF is able to obtain the posterior mean and covariance accurately by using the second-order Taylor series expansion through the sampled sigma points that are propagated by using the true nonlinear system, its performance can be better than that of the extended Kalman filter (EKF), which uses the linearized state transition matrix to predict the covariance. The dynamic models for orbit propagation applied perturbations due to the 40 × 40 geo-potential, the gravity of the Sun and Moon, solar radiation pressure, and atmospheric drag. The 7(8)th-order Runge–Kutta numerical integration was applied for orbit propagation. Two types of observations, navigation solutions and C/A code pseudorange, can be used at the user’s discretion. The performances of the onboard orbit determination were verified using real GPS data of the CHAMP and KOMPSAT-2 satellites. The results of the orbit determination were compared with the precision orbit ephemeris (POE) of the CHAMP and KOMPSAT-2 satellites.     

月球探测器天文导航的遗传粒子滤波方法

天文导航系统是典型的非线性和噪声非高斯分布的系统.针对传统的扩展卡尔曼滤波不适于非线性和噪声非高斯分布的系统,和一般粒子滤波存在的粒子退化和采样枯竭问题,提出了一种基于遗传算法进行再采样的月球探测器自主天文导航粒子滤波新方法.计算机仿真结果显示了该方法可以有效的克服传统粒子滤波方法的缺点,提高天文导航系统的定位精度.      

四元数UKF超紧密组合导航滤波方法

针对GPS/SINS(Global Positioning System/Strapdown Inertial Navigation Sys-tem)超紧密组合导航系统线性化滤波在高动态、弱GPS信号等环境下性能下降严重的问题,提出了一种以四元数UKF(Unscented Kalman Filter)为基础的GPS/SINS超紧密组合导航系统非线性滤波方法.通过分析GPS与SINS在超紧密组合导航系统中的关系,提出了一种利用SINS信息来估计、修正GPS载波信号的方法,在此基础上建立了组合导航滤波的状态方程和量测方程;以四元数乘性误差模型为基础,提出了一种可应用于UKF滤波的求解四元数加权均值的方法;提出了基于四元数UKF的GPS/SINS超紧密组合导航滤波方法.仿真实验表明:在高动态环境下,四元数UKF滤波方法增强了GPS/SINS超紧密组合导航系统的定位精度和抗干扰能力.