改进的Sage—Husa滤波及在卫星姿态估计中的应用

基于极大后验估计原理,提出了一种改进的噪声估计器,以实现对噪声均值和方差的在线估计,抑制滤波器发散。对自适应扩展卡尔曼滤波算法在卫星姿态确定系统中的应用进行了仿真。结果表明新算法滤波精度优于扩展卡尔曼滤波（EKF）,与Sage—Husa自适应滤波算法相比,可阻止滤波器发散,提高系统滤波精度。     

多传感器加权观测融合自适应UKF滤波器

对于带有相同观测方程和未知噪声统计的非线性多传感器系统,提出了一种基于Sage-Husa估计的自适应UKF滤波算法.该算法利用导出的平稳随机序列的相关函数估计系统观测噪声方差统计R(j),并证明了其收敛性.进而利用Sage-Husa估计算法得到自适应UKF滤波算法.该方法避免了传统Sage和Husa的自适应滤波算法不能处理Q和R均未知的系统的局限性.为了将多传感器信息加以充分利用,提高滤波精度,本文利用加权最小二乘法(WLS),实现了多传感器加权观测融合自适应UKF滤波器.一个带3传感器非线性系统的仿真例子说明了该算法的有效性.     

自适应融合滤波算法及其在INS/GPS组合导航中的应用

针对扩展卡尔曼滤波器(EKF)在系统模型不确定时存在鲁棒性差、精度低的问题,设计了一种基于交互式多模型(IMM)的自适应融合滤波(AFF)算法。IMM\|AFF算法采用两个模型来描述系统结构,且与每个模型相对应的Sage\|Husa滤波器和强跟踪滤波器(STF)独立并行工作,系统的状态估计则是两种滤波器估计的模型概率加权融合。IMM\|AFF算法兼具Sage\|Husa滤波器状态估计精度高和STF对系统模型不确定具有强鲁棒性的优点,克服了两种滤波器各自单独使用时的缺点。将IMM\|AFF算法应用于INS/GPS组合导航系统的仿真结果表明,IMM\|AFF算法的滤波精度和鲁棒性均明显优于目前工程应用中的EKF,特别是大大提高了INS/GPS系统的定位 精度 。
     

自适应渐消EKF方法及其在卫星跟踪中的应用

针对在系统不能确切建模或模型误差随时间改变等场合下,传统扩展卡尔曼滤波方法及其改进算法估计误差较大甚至引起滤波发散等问题,将基于新息序列对状态噪声协方差矩阵实时估计的方法引入到渐消EKF中,提出了一种自适应渐消扩展卡尔曼滤波方法,推导了相关公式并详细给出了新方法的计算流程。采用单星对卫星仅测角被动定轨跟踪的例子对算法性能进行了对比分析。仿真结果表明,与传统EKF方法及其改进算法相比,该方法在估计精度、滤波收敛速度以及对初始状态误差的适应性等方面,显著提高了非线性滤波器的性能。     

时变噪声系统的自适应强跟踪滤波器研究

在目标跟踪过程中,强跟踪滤波可以对目标的突变状态进行较好的跟踪,但由于系统噪声和观测噪声协方差阵是时变的未知量,采用固定数值将会影响目标跟踪的精度,所以需要对两种噪声特征进行在线估计.应用噪声有限记忆自适应算法改进强跟踪滤波,在线自适应估计噪声协方差阵,并提出基于时变噪声系统自适应强跟踪滤波的目标预测算法,提高了对目标状态的估计精度.利用自主研发的全自主足球机器人进行目标跟踪的仿真,结果验证了该算法的有效性.     

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。     

自适应卡尔曼滤波在激光陀螺信号处理中的应用

各种随机噪声是激光陀螺误差的主要来源。为了减小激光陀螺的随机误差，建立了激光陀螺随机漂移数据的时间序列模型，设计了基于激光陀螺随机漂移数据时间序列模型的经典卡尔曼滤波器，对激光陀螺随机漂移数据进行了卡尔曼滤波，并针对经典卡尔曼滤波的不足，利用简化Sage—Husa自适应滤波算法对激光陀螺漂移数据进行处理，取得了较好的结果。滤波结果表明，简化的Sage—Husa自适应滤波优于经典卡尔曼滤波，并验证了简化的合理性。     

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。     

小天体着陆器协方差矩阵分割滤波方法

提出一种小天体着陆器协方差矩阵分割滤波方法,利用惯性测量单元和多个相机估计着陆器运动状态,通过分割协方差矩阵的方式将协方差矩阵隔离更新和传播,并在每次测量更新时使用残差卡方修正方法修正协方差矩阵。通过小天体着陆器着陆仿真测试,与传统扩展卡尔曼滤波算法相比,本文方法在测量噪声估计不准确时具有更好的精度和稳定性。     

自适应滤波在磁暴期间地磁导航中的应用

对磁暴期间巡航导弹巡航段的地磁导航问题进行了讨论。针对地磁导航在磁暴期间常规卡尔曼滤波容易发散的问题,提出了一种基于Sage\|Husa自适应卡尔曼滤波的地磁导航算法。算法根据新息的变化自适应调整测量噪声矩阵,消除了磁暴影响,提高了滤波稳定性。仿真表明在选择合适的遗忘因子基础上,即使在磁暴最剧烈的时间段,采用自适应卡尔曼滤波仍能保证一定的精度,定位精度在200m以内,满足巡航导弹中程制导的精度要求。     

导航星座自主星历更新技术

自主星历更新是导航星座自主导航的关键技术之一,包括卫星轨道精确确定和轨道短时预报两个方面的内容.相比之下,卫星轨道短时外推预报容易实现.因而,本文在系统地论述导航星座自主导航信息处理流程的基础上,重点提出一整套由星间双向伪距和测量方程、卫星受摄轨道系统状态方程、以及协方差匹配自适应Kalman滤波组成的卫星自主轨道确定算法.仿真结果表明：利用星载Kalman滤波器处理星间双向测量数据,卫星自主轨道确定精度和用户测距精度可以分别达到5.40m、1.86m,能够满足用户高精度导航应用需求.初步证明导航星座自主导航信息处理流程及其星历更新算法的合理性和可行性.     

北斗系统地固系自主定轨算法

为避免传统惯性系自主定轨算法中的多次坐标转换，针对地固系分布式自主定轨算法原理及其中的关键技术开展研究。给出在地固系中进行自主星历生成的总体框图，推导了地固系自主定轨算法的基本方程，提出一种新的以地固系位置速度为状态量的状态转移矩阵解析计算方法并分析其计算量，证明了地固系自主定轨算法可以进一步降低定轨算法复杂度，且无需上注地球定向参数进行坐标转换。使用仿真数据和真实在轨测量数据的测试结果表明，提出的地固系分布式自主定轨算法与传统算法定轨精度相当，说明了所提算法的可行性，验证了星载自主定轨原型软件的有效性。     

深空自主导航系统的可观性分析

研究了深空自主导航系统的可观性分析。建立了自主导航系统的观测模型，并提出了一种基于位置确定分析和可观性秩条件的导航系统可观性分析方法；该方法克服了直接利用多个导航目标的视线方向、视线角、夹角和图像信息等非线性观测量进行导航系统可观性分析的困难。针对观测矩阵的秩无法通过表达式直接确定的问题。给出了基于观测矩阵奇异值分解的导航系统可观性分析方法，并用来分析了几种观测模式对应的导航系统的可观性和轨道参数可观度。可以为在不同轨道段组合不同的敏感器提高轨道的估计精度提供参考。     

An information fusion algorithm for integrated autonomous orbit determination of navigation satellites

This paper focuses on the information fusion problem of integrated autonomous orbit determination using the observations from inter-satellite-link (ISL), X-ray pulsars and star sensors. A step Kalman filter structure is proposed to solve the information fusion problem of multiple subsystems that have greatly different filtering precision. The subsystems are grouped according to their measurement accuracy and the state parameters and covariance matrix of a group can be calculated using the federated filter structure and propagated to the next group step-by-step. Simulation results show that the mean user range error (URE) of the constellation will be less than 1.5 m in 60 days using the step Kalman filter structure for information fusion. And it has better performance than the federated structure in dealing with information fusion of the astronomical observations and the ISL ranging measurements in integrated autonomous orbit determination.     

一种分布式信息融合的航天器实时轨道确定算法

针对传统航天器集中式实时轨道确定方法对计算中心依赖性强、鲁棒性差等问题，在分布式混合信息滤波算法(DHIF)的基础上，提出一种基于分布式信息融合的航天器实时轨道确定算法。通过该算法各测站融合自己和邻居节点的状态信息及量测信息，可同时对目标航天器进行局部实时定轨。该算法支持包含多类型传感器的观测网络，对定轨系统局部变化适应性强。仿真结果表明，该分布式定轨算法使各测站局部定轨精度优于单站滤波定轨精度，且一致逼近于多站集中式滤波定轨精度，测站局部定轨的收敛速度取决于测站网络通信的拓扑结构。     

基于星间无线电测距的卫星自主定轨与导航

提出了在空间数据链中基于星载无线电测距实现低轨卫星的自主定轨方法。通过星上天线发送和接收网内其他卫星的通信数据，从中获取相互间的距离信息，应用推广Kalman算法确定卫星的位置和速度，实现卫星间的互相定位。以铱系统为背景，针对所提出的两种不同组网方式进行了具体的仿真，并与GPS定轨相比较，得出了几点结论。     

基于星间链路的分布式导航自主定轨算法研究

针对脱离地面支持自主定轨的导航应用需求,提出了基于星间链路双向测距的自主导航定轨算法。文章分析了导航星座星间链路双向伪距测量模型,给出了分布式自主定轨数据流程,设计了导航星座基于星间链路分布式自主定轨算法。根据国际卫星导航服务组织公开的真实GPS系统事后精密星历,对本文设计的自主定轨算法进行仿真验证,结果表明：采用该设计的自主导航算法在自主定轨90天末期,用户测距误差（URE）达到30 m左右,验证了该设计的自主定轨算法具有较高的自主定轨精度。     

基于特征空间重构的子阵级ADBF方法

为实现大型阵列天线子阵级自适应数字波束形成,提出了一种基于阵列特征空间重构的方法。对子阵协方差矩阵进行奇异值分解,分离出信号、干扰与噪声子空间对应的特征值以及特征向量,并对特征子空间重新分配,重构阵列特征空间,完成子阵级ADBF。与常规方法相比,该方法能够消除子阵级输出噪声功率不一致造成的阵列方向图畸变,减小协方差矩阵估计误差的影响。理论分析与仿真结果表明,该方法在子阵级波束形成以及抗干扰接收等方面具有优良性能。     

基于神经网络和证据理论的火箭发动机故障诊断

针对运载火箭动力系统故障的复杂特性和故障模式的不确定性,提出了基于神经网络和证据理论的火箭发动机故障诊断。首先以火箭视加速度和角速度作为网络输入,故障类型矩阵作为网络输出,通过BP神经网络和RBF(径向基函数)神经网络进行故障诊断;之后通过D-S证据理论融合神经网络结果;最后通过滚动时域估计方法对火箭飞行状态特征量估计。仿真结果表明诊断准确率达到99%以上,表明提出的方法对于火箭发动机故障诊断具有较高的准确性和实用性。     

基于磁强计的卫星自主定轨

针对低轨小卫星 ,提出一种低成本的自主导航方法。该方法采用一个三轴磁强计作为测量手段 ,通过卫星所在位置的地磁场强度的量测值与国际地磁场模型 (IGRF)之间的差值来提供导航信息 ,利用推广的卡尔曼滤波技术来确定卫星的轨道。仿真研究的结果验证了该方法的可行性。