脉冲星导航系统的星历表误差RKF校正算法

为了减小星历表误差对脉冲星导航系统的影响,本文提出了一种针对星历表误差的RKF(Robust Kalman filter)导航定位方法。通过对星历表误差进行分析,得到星历表误差随时间变化的关系。建立带有星历表误差的量测模型,利用Kalman滤波原理进行计算。在Kalman滤波计算的过程中,星历表误差项是未知的,利用矩阵不等式进行处理,最终确定误差协方差的下界,并计算反馈增益得到最终的状态估计值。将RKF方法与UKF和其他两种处理星历表误差的滤波方法分别在绕飞地球和火星的轨道上进行测试并进行对比分析,实验结果表明,提出的方法可以取得到比UKF和其他两种滤波方法更高的定位精度,有效的减小星历表误差对脉冲星导航系统的影响。     

抑制UKF发散的改进算法在卫星轨道确定中的应用

为避免实际应用中一般无迹Kalman滤波（UKF）算法的不稳定性,基于对传统线性Kalman框架的UKF算法造成滤波发散现象的阐述,讨论了无迹转换（uT）的基本原理开口UKF算法,并给出了造成滤波发散的原因,提出了两种抑制滤波发散的改进UKF算法。仿真分析了某星载GPS低轨卫星轨道发散的主因,结果表明改进算法有效。     

利用X射线脉冲星和多普勒频移的组合导航

为了提高航天器自主导航能力,提出了一种利用X射线脉冲星和多普勒频移的组合导航方法。多普勒导航利用相对于太阳的多普勒径向速度作为量测信息,该方法不能得到所有的状态估计。脉冲星导航系统具有完全可观测性,但是滤波周期较长,不能提供连续的导航信息。因这两种方法具有互补性,利用联邦滤波器来融合脉冲星导航与多普勒导航提供的信息。由于两种方法的量测方程与状态方程都是非线性的,采用无迹卡尔曼滤波器(UKF)作为子滤波器。实验结果验证了该导航方法的可行性和精确性。与脉冲星导航方法相比,该组合导航方法可提供更高的位置估计精度。     

基于简化联邦CKF的INS/GNSS组合导航算法

针对高精度INS/GNSS组合导航子系统模型为部分非线性的问题,提出了一种新的简化联邦CKF滤波算法。该算法将容积卡尔曼滤波(Cubature Kalman Filter,CKF)的计算过程融入到联邦滤波结构框架中,并针对子系统模型存在部分非线性问题,对算法的时间更新过程进行了简化,简化后直接用状态转移矩阵计算一步预测和预测协方差矩阵,避免了采用求容积点近似计算的复杂过程及协方差矩阵分解。最后,建立了INS/GNSS紧组合导航模型,对提出的算法进行了仿真验证,将仿真结果与联邦UKF算法、联邦CKF算法进行对比。仿真结果表明,相比于联邦UKF和CKF算法,所提算法在保证滤波精度的情况下,有效减小了计算量,改善了组合导航系统的性能。     

四维黎曼时空下脉冲星导航模型精度分析

考虑深空探测中广义相对论的影响,以适应纳秒量级的计时精度要求,本文针对航天器绕飞轨道,建立四维黎曼时空下带有时间转换项的脉冲星导航系统轨道动力学模型和四维观测模型,并基于无迹卡尔曼滤波方法设计脉冲星导航算法,针对模型中的时延项对导航精度的影响进行分析。分析结果表明:在时间转换模型中引力时延、航天器偏轨时延以及绕飞行星曲率时延等因素远大于航天器曲率时延对导航精度的影响,在量测模型中太阳系的引力远大于周年视差效应和脉冲星自行对导航精度的影响。     

基于相位差测量的脉冲星时间相对导航方法

针对传统脉冲星导航方法在相位估计时依赖脉冲星信号轮廓,存在整周模糊及不确定星历参数引起的系统共模误差问题,提出基于相位差测量的脉冲星时间相对导航方法。该方法通过对脉冲星光子到达时间序列进行相位估计,以相邻时刻的相位差作为观测量,建立航天器位置增量与相位差的关系,采用广义卡尔曼滤波器处理系统噪声相关问题进行导航,可有效减小系统误差,实现脉冲星导航的应用。通过对导航系统初始定位方法、可观性分析,及基于罗西X射线时变探测器（RXTE）观测的Crab脉冲星的在轨实测数据试验分析,证明了该方法的自主性与可行性。最后,对基于相位差测量的脉冲星时间相对导航系统进行导航滤波仿真,试验结果表明,导航系统完全可观,噪声不累积,位置估计精度可满足实际应用。     

卫星自主导航中的偏差分离鲁棒滤波

研究卫星自主导航中的滤波算法.在以地心矢量为观测量的卫星自主导航系统中,由于观测模型不准、测量设备精度有限等因素,使得系统的观测量存在多种偏差,最终问题可抽象为观测量中含有偏差的离散线性系统的状态估计问题.把观测量中难以建模的复杂时变偏差看作不确定项,用一个模型误差界参数来描述不确定性的影响,由此设计鲁棒卡尔曼滤波器.进一步,把常值偏差与状态进行分离,分别构造无常偏的鲁棒滤波器和针对常偏的鲁棒滤波器,最终得到偏差分离鲁棒滤波算法.仿真表明该算法可以有效地抑制系统中的不确定性偏差,明显提高了卫星自主导航的精度.     

基于滤波算法的拟平均轨道根数自主实时确定方法

针对卫星长期自主运行的发展要求,首次提出了基于滤波算法的卫星自主计算拟平均轨道根数的在轨实时方法。首先以受地球非球形摄动影响的低轨卫星为研究对象,推导了拟平均轨道根数的变化率并考虑了J2平方项补偿;以拟平均轨道根数为状态变量并以卫星瞬时速度和位置作为观测量建立了滤波方程,然后分别应用平方根无迹卡尔曼滤波(SR UKF)和扩展卡尔曼滤波(EKF)对拟平均轨道根数进行估计。仿真结果表明,两种滤波方法均能有效地计算拟平均轨道根数,其中平方根UKF滤波具有更高的精度和稳定度,且都可以满足卫星在轨自主实时计算拟平均轨道根数的需求。     

基于UKF的机载无源定位算法

提出了一种基于UKF(Unscented Kalman Filter)的机载无源定位算法,并结合应用背景,对系统模型以及通常的UKF算法作了相应的改进。该算法对量测模型非线性问题采用UKF予以解决,克服了EKF(Extended Kalman Filter)中引入的较大线性化误差对性能的影响。与基于EKF的定位算法相比,本文提出的算法滤波性能更好,对初始估计误差不敏感,并且算法不用计算雅可比或黑赛矩阵,更容易实现。仿真结果验证了提出算法的优越性。     

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.     

基于能观度分析的信息融合组合导航方法研究

以观测模型能观度为基础,提出了一种基于能观度分析的信息融合方法.首先分析了影响脉冲星导航的主要误差来源,然后以火星环绕段为例,结合火星的两颗卫星中心矢量观测模型,通过格莱姆矩阵能观度分析方法考察观测模型的能观度.在能观度分析的基础上提出了一种观测信息系数分配方案.研究了适用于组合导航非线性问题的UKF滤波方法.通过数学...     

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。     

一种带自适应因子的IMM-UKF的GPS/BD-2导航方法

针对GPS/北斗-2(BD-2)卫星导航系统中机动载体运动模型和噪声统计特性不确定性导致滤波精度低的问题,为提高导航定位的精确性和稳定性,提出一种自适应的滤波方法。首先,提出了一种新的自适应UKF(AUKF)算法,该方法将残差序列的协方差矩阵视为过程噪声协方差矩阵的不确定量,基于此采用平滑滤波的方法设计自适应因子,并利用该自适应因子实时调整过程噪声协方差矩阵,减弱了噪声统计特性不确定性对滤波精度的影响;其次,采用交互式多模型(IMM)算法设置模型集M,并通过实时调整模型概率来实现各个模型间的软切换,解决了单一模型对载体运动状态描述不全面而导致滤波精度低的问题。仿真结果证明该算法能有效提高载体在复杂机动状态下的定位精度。     

存在常值偏差的卫星自主导航系统滤波算法

由于敏感器系统误差对导航精度影响较大,因此有必要对其进行标定.针对系统误差为常值偏差的情况,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,本文在UKF算法的基础上提出了两级UKF算法,该算法对状态和偏差实施分离估计,不仅能够精确标定常值偏差,而且还可以提高导航精度.利用该算法对存在常值偏差的月球卫星自主导航...     

基于多时刻时差的三星时差定位跟踪算法

对于高海拔目标,引入地球椭球模型会产生很大的系统误差,三星座时差定位算法只能采用两路时差信息作为观测向量。因此,传统的时差定位方法具有一定的局限性。提出了一种利用不同时刻时差信息的三星座时差滤波算法,利用不敏卡尔曼滤波(UKF)对不同时刻时差信息进行滤波估计静止目标位置。仿真表明该滤波方法相对于三星座时差滤波算法来说跟踪性能更好。     

迭代IMM机动目标被动单站跟踪算法

单站无源定位初始估计误差大、可观测性弱,并且可以得到的观测量受限,对机动辐射源的单站被动定位一直是一个难题。针对单站无源定位以及机动跟踪的特点,为改善IMM(Interacting multiple model)算法在单站无源定位中的性能,对IKF(Iterated Kalman Filter)进行改进,将改进的IKF和IMM结合,提出基于迭代的IMM算法。该算法对IMM算法中模型滤波器的输出进行迭代运算,并在滤波迭代中引入交互,从而减小模型滤波误差,改善模型滤波融合效果。对本文方法和IMM方法的仿真比较表明,本文方法在出现大的估计误差时可以得到比IMM更好的跟踪性能。     

平流层飞艇的组合导航研究

针对平流层飞艇的飞行特点,提出SINS/GPS/陆标组合导航方法,给出SINS/陆标组合导航的观测模型,并将状态与偏差分离的估计算法与联邦滤波相结合,应用于SINS/GPS/陆标组合导航系统.数学仿真结果表明:新组合导航系统相对于SINS/GPS组合导航系统可以有效改善平台误差角的估计精度,同时,提出的简化状态与偏差分离联邦滤波算法能在保持滤波精度基本不变的前提下减少计算量.     

基于光学/脉冲星的木星探测转移段自主组合导航

提出一种基于光学/X脉冲星的木星探测器转移段自主组合导航方案。该方案在探测器转移段动力学模型的基础上,以地球、火星、木星、木星卫星以及X射线脉冲星作为观测目标,从待观测目标的几何分布、视星等以及导航精度几个方面,分析光学自主导航待观测目标的可观测条件和可观测度,优化选取最优的光学观测目标;结合X射线脉冲星观测信息,构建光学/X射线脉冲星组合导航方案;结合无迹卡尔曼滤波算法,应用于木星探测转移段,实现探测器位置和速度估计。从数学仿真结果来看,该组合导航方案状态估计精度显著优于单独使用光学导航或者X脉冲星导航系统。     

利用UKF的航天器自主导航方法研究

UKF(Unscented卡尔曼滤波)是一种新型的直接针对非线性系统的滤波方法。用星敏感器和地平仪测量星光与地平之间的“星光仰角”为观测量的天文自主导航方法,其状态方程和量测方程都是非线性的,使用以往的EKF(推广卡尔曼滤波)进行导航滤波,需将上述两方程分别线性化,故精度较低。本文提出在航天器天文自主导航系统中采用UKF方法,并从仿真计算结果中看到,导航精度有显著提高。     

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。