基于Gauss-Newton和UKF结合的微小卫星姿态确定算法

为提高微型低成本姿态敏感器的姿态确定精度,文章基于磁强计/太阳敏感器/陀螺的姿态敏感器配置,设计了高斯牛顿（Gauss-Newton,GN）迭代算法和无迹卡尔曼滤波（Unscented Kalman Filter,UKF）有机结合的微小卫星姿态确定算法,先用Gauss-Newton算法融合磁强计和太阳敏感器的数据,迭代计算最优四元数,然后以最优四元数联合陀螺数据作为观测量,以姿态四元数和惯性系下的角速度为状态量进行UKF,降低观测维数,并将观测方程转化为线性方程,显著减小计算量,同时克服了测量误差对姿态确定精度的影响。     

微小卫星鲁棒自适应姿态确定算法

基于磁强计测量的微小卫星姿态确定系统中,由于状态方程和测量方程均为轨道参数的函数,因此在轨道估计存在误差的情况下,标准的扩展卡尔曼滤波算法（ExtendedKalmanFilter,EKF）并不能获得姿态的最优解。针对轨道确定误差对姿态确定的影响,基于自适应滤波及鲁棒估计原理,提出了鲁棒自适应卡尔曼滤波（RobustAdaptiveKalman Filter,RAKF）算法。该算法通过构建合理的膨胀因子和自适应因子,自动调节观测噪声方差矩阵和一步预测方差矩阵的大小,从而改变旧有数据及观测信息在滤波中的权重,获得更合理的卡尔曼增益,使滤波器获得近似最优结果。基于标准卡尔曼滤波的稳定性理论,证明了若系统一致完全可控并且一致完全可观,该滤波器是一致渐近稳定的。数学仿真表明,与EKF相比,RAKF能够将欧拉角估计精度从0.3°提高到0.2°,从而证明了该算法的有效性。     

磁定姿近地轨道卫星EKF与UKF算法比较

某近地轨道(LEO)卫星通过磁强计测量、飞轮控制和磁力矩器卸载,实现三轴姿态稳定.围绕该卫星姿态确定问题,对扩展卡尔曼滤波(EKF)和无迹卡尔曼滤波(UKF)算法进行综合分析对比,最后给出该卫星姿态确定实现方法.分析了地磁模型误差、磁强计测量误差及剩磁的影响,推导了四元数均值及协方差的计算方法.分别引入EKF和UKF进行姿态确定,并讨论了影响算法性能的因素.对两种方法的估计精度、收敛时间及计算需求等指标进行了对比.最后针对该卫星姿态确定要求和硬件条件,选用EKF算法实现姿态确定,满足对地指向精度优于1°,稳定度优于0.1(°)/s的设计指标.     

融合TRIAD算法用于GPS姿态确定

研究把观测矢量定姿算法用于ＧＰＳ姿态确定。传统的ＴＲＩＡＤ算法利用两个非平行矢量确定载体的三轴姿态,但它存在对主矢量敏感,且不能利用第３根矢量的测量信息等缺点。文章提出一种改进的ＴＲＩＡＤ算法,克服了主矢量敏感问题;为了能利用３根基线的观测信息,在ＯＰＴＴＲＩＡＤ算法的基础上提出融合ＴＲＩＡＤ算法,它可以提高定姿精度。用接收机进行了实验,结果表明改进的ＴＲＩＡＤ算法确实克服了主矢量敏感问题;较之传     

多敏感器联邦SSUKF融合姿态确定算法

针对四元数姿态估计问题,提出了一种分布式非线性滤波融合结构。通过引入基于超球面分布采样点变换(SSUT)技术的无迹卡尔曼滤波算法(SSUKF),以较低的计算量实现了高数据更新率、高精度的非线性滤波,并通过融合重构,保障系统无间断可靠工作,不受敏感器故障、视场盲区等因素影响。应用该算法对陀螺、磁强计、太阳敏感器、星敏感器构成的系统进行了具体设计并开展仿真研究,验证了算法的有效性。     

基于自适应联邦滤波的卫星姿态确定

卡尔曼滤波采用常值量测噪声协方差阵,当量测噪声统计特性发生变化时,易导致估计误差增大,甚至滤波发散。针对该问题,在联邦卡尔曼滤波子系统中采用自适应卡尔曼滤波,形成自适应联邦卡尔曼滤波算法,新算法采用模糊推理系统实时调整量测噪声协方差阵的加权系数,使模型量测噪声逐渐逼近真实噪声水平。将该算法应用于多传感器卫星姿态确定系统,仿真结果验证了算法的有效性。     

卫星高精度相对姿态确定技术

高分辨率遥感卫星姿态事后处理精度的典型指标要求为2.4″(3σ).受星敏感器低频误差影响,常规的星敏感器/陀螺组合定姿方法的姿态确定精度难以实现上述指标要求.考虑到陀螺短期测量精度高的特性,提出了一种基于陀螺测量信息的相对姿态确定方案.利用陀螺信息确定各时刻相对于起始时刻的相对姿态,起始时刻的绝对姿态精度由地面高精度标定等手段保证.采用该方案可以在一定时间内实现高精度的姿态确定精度.给出了针对该方案的理论分析、数学仿真以及物理仿真试验结果.     

基于多传感器的卫星自主导航信息融合算法

通常卫星上装有较多的自主导航传感器,如何将其信息有效的组织并充分利用,是卫星自主导航的关键问题。采用信息融合技术把两种或多种导航系统组合起来,应用最优估计理论,形成最优组合导航系统,有利于充分运用各导航系统的信息进行信息互补和信息合作,已逐渐成为了导航定位技术的发展方向。文章针对星敏感器、红外地平仪、雷达高度计、紫外敏感器组成的卫星自主导航系统的特点,提出了一种基于联邦卡尔曼滤波技术进行轨道确定的信息融合算法。仿真结果表明,该方案能够获得较高的定轨精度,有效抑制滤波发散,整个系统的运算速度和收敛速度也有所提高。     

基于UKF的姿态无关GPS双差整周模糊度确定

基于运动的GPS双差整周模糊度确定方法需要预先知道载体的姿态,为了消除对姿态的依赖,研究了一种新的整周模糊度确定方法。首先将多天线载波双差相位矢量观测方程转化为标量观测方程,消去了对载体姿态矩阵的依赖。经过短时离线观测,以中心估计算法和协方差白化算法估计和修正双差整周模糊度的近似解及协方差矩阵。再以该近似解和协方差矩阵为初值,由无迹卡尔曼滤波(UKF)实时估计双差整周模糊度的精确解。最后对该方法进行了仿真,仿真结果表明经过离线批处理算法的预处理UKF可准确收敛于真实解,证明了方法的正确和有效性。     

基于GPS伪距的微小卫星定轨技术研究

高可靠、高精度、低成本的全自主导航是现代微小卫星定轨领域的发展方向,GPS以其在成本、精度、功耗等方面的独特优势,在低轨航天器上得到应用。论文采用GPS伪距作为观测量,在可见星较少的情况下仍可得到观测信息,较GPS直接输出提高了导航精度,并能进一步降低硬件成本。还引入了衰减记忆滤波算法,通过调节协方差矩阵,削弱了历史量测信息对当前数据融合的贡献,从而减小了轨道摄动对定轨精度的影响。仿真结果表明当导航星数目较少时,该算法仍可实现信息融合,且显著提高了定位精度。     

The adaptive Gaussian mixtures unscented Kalman filter for attitude determination using light curves

The Adaptive Gaussian Mixtures Unscented Kalman Filter (AGMUKF) is introduced to estimate the attitude of a Resident Space Object using light curves. This filter models the state probability density function as a Gaussian Mixture. This enables to capture the non-linearities of the light-curve measurement model. A non-linearity index is used to refine the mixture when necessary, and individual Gaussian kernels are merged back together when their relative distance is below a certain threshold. A conventional attitude Unscented Kalman Filter (UKF) is used to propagate and update each kernel. The AGMUKF efficiently maintains the mixture population as low as possible, while still being able to represent non-symmetric, multimodal, arbitrarily complex distributions. Therefore, it is presented as a promising alternative to Particle-Filter-based implementations, the current state of the art used in sequential attitude estimation from light curves. The non-linearity index has been used to show that the measurement model is the main contributor to the system non-linearity. Results have demonstrated the superiority of the AGMUKF w.r.t. the UKF for attitude determination, and that it can converge for high initial state uncertainty cases, successfully capturing the non-Gaussian probability distribution of the state.     

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.      

基于UKF和信息融合的航天器自主导航方法

X射线脉冲星导航利用X射线辐射脉冲到达时间 (Time of Arrival, TOA)作为信息输入,星敏感器导航利用星光角距等作为信息输入,是两种不同机理的天文导航方法。提出一种将脉冲星TOA和星敏感器星光角距测量结合的信息融合天文自主导航方法,设计了一种利用激光光量子模拟脉冲星X射线辐射光子的半物理仿真系统用于算法验证,并基于无迹卡尔曼滤波(Unscented Kalman Filter, UKF)使用真轨道参数做了仿真试验。结果表明,基于UKF的信息融合方法比基于EKF（Extended Kalman Filter）的信息融合方法性能更好,与仅使用脉冲星或星敏感器的导航方法相比,能将位置估计精度分别提高52.7%和43.6%,速度估计精度分别提高82.2%和70.5%。     

一种基于AUKF的航天器自主导航算法

 将非线性Sage-Husa噪声估计器与无迹滤波器(UKF)相结合,提出了一种新型的自适应无迹滤波器(AUKF).对基于AUKF的航天器自主导航系统进行了计算机仿真,仿真结果表明,对于存在测量偏差的自主导航系统,AUKF的导航滤波精度较传统的扩展卡尔曼滤波器(EKF)有显著的提高.进而,针对航天器自主导航系统测量偏差周期时变的特点,提出了提高偏差估计精度的改进算法.仿真结果表明,在适当增加计算量的条件下,利用偏差估计改进算法的AUKF能够进一步提高自主导航系统的导航精度.     

单天线GPS姿态测量系统在制导火箭中的应用

了解决火箭横向尺寸不足以安装多天线GPS的技术问题, 提高制导火箭飞行姿态 的测量精度, 研究了利用单天线GPS进行姿态测量的方法. 引入伪姿态的概念, 分析了由伪姿态测量辅助求取载体姿态的具体算法, 建立了单天线GPS姿态测量的数 学模型, 利用卡尔曼滤波模型对状态矢量模型进行滤波, 得到相应的速度、加速度信息, 根据常规姿态与伪姿态的关系, 得到火箭的常规姿态信息. 通过仿真研究, 验证了这种姿态测量系统在制导火箭上的可行性和有效性.