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。     

基于遗传算法的多模型Kalman滤波算法 及应用研究

基于长航时无人机惯性/天文/卫星(INS/CNS/GPS)组合导航系统模型,针对复杂环境所引起的系统模型参数变化导致单一固定参数滤波器精度降低问题,提出了一种基于遗传算法的多模型自适应Kalman滤波算法,并与单一模型下的Kalman滤波器方法进行了比较.仿真结果表明,与采用单一模型的Kalman滤波算法相比,该方法不仅能大大提高导航系统的精度和可靠性,而且还可以较好地辨识出组合导航系统惯性器件噪声统计模型参数.      

随机时变信道中角调信号的最佳滤波

本文讨论由白噪声策动的角调信号,通过随机时变信道的最佳滤波问题。文中应用扩大状态变量方法,建立了角调信号通过瑞利信道的非线性估计模型。然后,应用线性滤波和非线性滤波方法对相位消息过程和信道过程进行最佳过滤。理论分析和计算机模拟结果表明,对于随机时变信道中的非线性估计模型,非线性滤波的估计性能比线性滤波的估计性能优越。     

基于非抽取小波包变换的信号滤波算法

对航天测控信号进行滤波处理,有利于改善信号品质,提高系统的测量性能。针对航天测控信号中的差分单程测距(DifferentialOne-wayRanging, DOR)信标信号等侧音信号,提出了基于非抽取小波包变换（Un-decimatedWaveletPacketTransform,UWPT）的滤波改进算法。该算法以功率平坦度为准则,判断某一节点是否需要继续分解。改进算法克服了以能量聚焦度为准则时算法误判停止分解或多重分解算法复杂、计算量大等的缺点,同时解决了阈值不易确定的问题。仿真结果表明改进算法在降低算法复杂度的同时,滤波性能相对有所提高。最后采用改进算法对仿真信号和在轨卫星数据进行处理,结果表明滤波后仿真信号差分相位估计精度提高约3倍、实测数据差分相位估计精度提高0.72倍。     

Kalman滤波算法在遥测伺服系统中的应用

针对雷达和无线电角跟踪系统目标机动过程中无法准确预知目标下一时刻运动状态的问题,论述了一种自适应Kalman滤波器,采用机动目标均值自适应的"当前"统计模型,构造角位置角速度二阶观测器,实现机动目标Kalman滤波算法,对算法及模型进行了理论分析证明了滤波器的能控能观性,最后给出了在遥测伺服系统中Kalman滤波器的实验结果,验证了该滤波器的有效性和可靠性。     

一种模型误差鲁棒的卫星姿态确定方法

提出一种结合非线性预测滤波和二阶插值滤波实现基于星光/陀螺的高精度姿态确定的新算法.该算法用非线性预测滤波估计模型误差,再对补偿后的模型用高精度的二阶插值滤波来估计姿态参数.解决了在卫星实际运行中难以获得姿态确定系统的精确动力学模型,采用传统EKF(Extended Kalman Filter)将模型误差作为零均值白噪声处理,导致滤波精度降低甚至发散的问题.同时,二阶插值滤波将非线性模型按照二阶近似,无需计算函数偏导数,得到高精度的卫星姿态估计.仿真验证了该方法能有效地实时估计并补偿模型误差,提高了姿态估计的精度,且估计精度受滤波周期的影响不大,从而验证了算法的鲁棒性和有效性.      

基于圆周相关扩频信号的快速捕获改进方法

针对大多普勒频偏、低信噪比条件下长周期伪码的扩频信号捕获问题,提出了一种基于圆周相关扩频信号的快速捕获改进方法。该算法对圆周相关后的结果利用快速傅里叶变换(FFT)进行频率估计,扩大了传统圆周相关法的扫频步进,使扫频步进不再受跟踪环路带宽的限制。理论分析及仿真结果表明,在信噪比为-34 dB、多普勒频率为500 kHz条件下算法可以正确地估计出伪码相位和多普勒频偏。在达到相同的灵敏度条件下,所提算法的平均捕获时间与传统的圆周相关法相比缩短了约47%,与基于FFT的并行频率搜索法相比缩短了约88%。另外,用于频率估计的FFT点数仅占圆周相关点数的1%,故额外增加的硬件资源很少。算法逻辑控制简单,尤其适用于大多普勒频偏、低信噪比及长周期伪码的卫星通信系统。     

基于训练序列的时域OFDM载波同步算法

在研究单次频偏累积相偏估计的基础上,详细分析了2次独立的频偏累积相偏估计带来的频偏捕获范围的提高.并在此基础上提出一种基于训练序列的载波同步算法.这种算法利用时域2次独立的不同分辨力的相偏估计,解决了单次估计可能存在的相位模糊问题,从而实现了大频偏载波同步.通过理论分析给出了这种算法的性能,并通过仿真进行了验证.由于完全在时域进行估计,和其他大频偏载波同步算法相比,这种算法计算量小,且实现简单.     

多星敏感器测量最优姿态估计算法

多数利用星敏感器加陀螺组合的姿态确定方法中,由于星敏感器精度较高,使得系统定姿的精度比较高.然而,姿态确定的算法因观测模型和误差处理不当,导致滤波器观测修正能力下降,从而不能有效地估计陀螺的漂移误差.提出了基于星敏感器观测姿态角的误差建模,研究了多星敏感器组合的最优安装构型和观测融合方法.利用加权最小二乘法对观测数据的预处理,使观测方程定常化.再利用陀螺加星敏感器组合的扩展Kalman滤波(EKF,Extended Kalman Filtering)对航天器姿态和陀螺漂移进行估计.仿真结果表明,提出的多星敏感器最优组合的滤波方法能够有效精确地估计卫星三轴姿态和陀螺漂移,且该方法计算量小,有利于卫星定姿系统的在轨自主运行.     

空间非合作目标的相对导航粒子滤波算法

针对激光交会雷达作为在空间交会对接过程中的相对导航敏感器,研究了未来特殊背景下,非合作目标航天器对雷达信号发射干扰的情况下的相对导航滤波算法.针对高维模型计算量大的特点对传统粒子滤波算法进行了改进,并与扩展卡尔曼滤波器进行了仿真比较,仿真结果表明改进后的粒子滤波器的滤波效果远远优于扩展卡尔曼滤波器,且计算量优于传统粒子滤波.     

Nonlinear filtering for sequential spacecraft attitude estimation with real data: Cubature Kalman Filter,Unscented Kalman Filter and Extended Kalman Filter

This article compares the attitude estimated by nonlinear estimator Cubature Kalman Filter with results obtained by the Extended Kalman Filter and Unscented Kalman Filter. Currently these estimators are the subject of great interest in attitude estimation problems, however, mostly the Extended Kalman Filter has been applied to real problems of this nature. In order to evaluate the behavior of the Extended Kalman Filter, Unscented Kalman Filter and Cubature Kalman Filter algorithms when submitted to realistic situations, this paper uses real data of sensors on-board the CBERS-2 remote sensing satellite (China Brazil Earth Resources Satellite). It is observed that, for the case studied in this article, the filters are very competitive and present advantages and disadvantages that should be dealt with according to the requirements of the problem.     

深空探测器接近段自适应滤波方法研究

天文导航是一种广泛应用于深空探测任务的全自主导航方法.基于状态模型和量测模型的非线性卡尔曼滤波方法在天文导航中被广泛使用.卡尔曼滤波要求状态和量测模型误差是高斯白噪声且先验协方差信息已知,但在深空探测器天文导航系统中,状态模型和量测模型噪声通常不能精确知道且是时变的.因此,自适应卡尔曼滤波器广泛用于解决状态和量测模型误差未知且时变的问题.本文首先结合火星探测器接近段的实际情况分析了火星探测器接近段模型噪声的时变特性,然后对三种常用的在线调节自适应滤波方法在火星探测接近段的滤波表现进行了仿真实验.      

卫星编队飞行的相对轨道自主确定研究

为了研究卫星编队飞行相对轨道的自主确定,基于相对轨道根数建立编队卫星间的相对运动方程,利用测量所得到的星间距离和方位信息作为观测量。不同于目前广泛采用的扩展卡尔曼滤波算法,设计Unscented Kalman Filter(UKF)算法实现卫星编队飞行的相对轨道自主确定。仿真结果表明这种相对轨道自主确定方案能获得较高的定轨精度。     

基于UPF滤波的微小航天器姿态矩阵估计方法

针对基于惯性-星光姿态确定系统噪声存在非高斯分布的情况,提出了将离散粒子滤波(UPF)方法应用于定姿系统滤波器设计,该方法用离散卡尔曼滤波(UKF)得到粒子滤波的重要采样函数,从而克服扩展卡尔曼滤波(EKF)和UKF只能应用到噪声为高斯分布的不足。文章以微机电系统(MEMS)陀螺和互补性金属氧化物半导体有源像素图像传感器(CMOS APS)星敏感器为姿态敏感器件,选取基于矢量观测的最小参数姿态矩阵估计方法为定姿算法,提出将UPF与最小参数姿态矩阵估计方法结合,设计了一种针对微小航天器的UPF姿态估计器,采用从MEMS陀螺采集的数据进行了半物理仿真并对其特性进行了分析与比较。仿真比较结果表明:在敏感器精度较差并且系统噪声非高斯分布的情况下,这种基于UPF的姿态估计方法可以取得比EKF和UKF更快的滤波收敛性和更好的滤波精度,有效地提高了定姿性能。     

未知参数高阶线性系统基于特征模型的卡尔曼滤波

针对一类有量测噪声的未知参数高阶线性系统设计了基于特征模型的卡尔曼滤波器,改进了由于传统卡尔曼滤波器在未知系统状态转移阵时应用的难题.在对高阶线性系统的自适应控制中,利用建立系统的特征模型构造状态转移阵,结合卡尔曼滤波的思想对系统输出进行滤波,使系统输出以及控制量的性能得到极大的改善.通过对一个未知参数的高阶线性系统仿真实验验证了此方法的有效性.     

外弹道重构的改进Bayes滤波

由于被积函数及观测方程的复杂性，直接利用古典Bayes方法估计外弹道参数是极其困难的，而Kalman滤波等方法因数据质量问题经常出现发散现象，为了有效重构外弹道，基于Bayes方法，提出了外弹道重构的改进Bayes滤波算法，并给出了递推公式，仿真计算证明，该方法有效解决滤波发散问题和实际工程中的精度问题，是切实可行的方法。     

一种近地卫星自主定轨的联合滤波算法

地磁场具有完整的数学模型,而地磁场矢量是卫星的位置矢量函数,利用地磁场测量可以实现近地卫星的自主导航。首先建立近地卫星的高精度轨道动力学模型,提出基于星敏感器与磁强计相结合的自主导航算法,利用星敏感器输出高精度的姿态信息,同时恒星星光矢量与地磁场矢量组成两种观测模式,采用联合滤波算法对系统进行数值仿真,并对滤波算法的收敛性和仿真结果的精度进行了分析。通过对数值仿真结果的分析证实了该方案具有良好的鲁棒性和容错性。     

集合卡尔曼滤波在电离层短期预报中的应用

提出了一种利用集合卡尔曼滤波对电离层f0F2短期预报结果进行优化的方法. 利用训练好的神经网络对f0F2进行提前1~24 h的预报, 考虑前一天预报误差的反馈信息, 动态跟踪 f0F2的变化趋势, 引入集合卡尔曼滤波对神经网络的预报结果实行进一步修正和优化. 实验结果表明, 此方法的预报效果优于单纯的神经网络模型和IRI模型. 此方法还可以应用于其他电离层参量的短期预报.      

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。     

同温层气球平台反向定位系统的研究

反向定位系统是针对驻留型同温层气球平台的一种新型定位系统 ,该系统的基本原理是由接收站的位置计算得出发射机的位置。文章采用卡尔曼滤波的方法 ,建立了反向定位系统的模型 ,给出其滤波算法 ;鉴于地面接收站的位置选择对该系统的定位精度有较大的影响 ,给出地面站选址依据 ,并通过计算、仿真获得一组较为理想的布站方式。此外 ,钟差是系统的一个主要误差源 ,文中对其引起的定位误差进行了分析 ,并给出估算的方法 ;对系统中的传播误差、设备误差也进行了分析。最后 ,对系统建立了仿真模型进行仿真。结果表明 ,该定位系统具有较好的定位精度