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。     

基于UKF与修正罗德里格参数的GPS/陀螺组合姿态确定

提出了一种用于GPS/陀螺组合姿态确定的Unscented卡尔曼滤波(UKF)方法.采用姿态的修正罗德里格参数(MRPs)表示法,以消除状态误差方差阵的奇异性,建立了GPS/陀螺组合姿态估计系统的模型.仿真结果表明:与基于扩展卡尔曼滤波(EKF)相比,UKF的收敛速度更快、精度更高,且不同滤波器初值对稳态精度的影响较小.     

一种卫星姿态确定的非线性算法

在稳态卡尔曼滤波算法中引入非线性项 ,改进了算法的性能。思路是在姿态确定误差较大时 ,使得非线性滤波算法等价于具有较大滤波增益的稳态卡尔曼滤波器。理论分析和仿真结果表明在保证同样稳态估计精度的情况下 ,与稳态卡尔曼滤波算法相比较 ,非线性滤波算法具有更快的收敛速度     

基于双回路扩展卡尔曼滤波的惯性平台连续自标定

为解决传统的惯性平台连续自标定中,由于系统非线性强、状态向量维数大引起的滤波收敛速度慢、对滤波初始条件敏感等问题,研究了一种双回路扩展卡尔曼滤波方法。首先给出了平台连续自标定的误差模型;然后根据加速度计误差与导航误差之间的关系,对加速度计输出进行预滤波得到加速度计输出误差;同时通过分析陀螺仪误差在平台连续自标定过程中的传播特性,将耦合在加速度计输出误差中的陀螺仪误差解耦;最后以陀螺仪误差和加速度计输出为观测量,建立了陀螺仪和加速度计的扩展卡尔曼滤波方程,分别对陀螺仪和加速度计误差系数进行标定,实现双回路扩展卡尔曼滤波。仿真结果表明,该方法能够在900 s内以低于0.05%的相对误差标定出所有的平台误差系数,并且对滤波初始条件不敏感,可以有效地扩展连续自标定方法的实际应用。     

基于UKF的航天器最小参数姿态矩阵估计方法

钊对航天器的惯性-星光姿态确定系统，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。但是由于系统模型是非线性的，针对系统模型的非线性，将UKF（Unscented Kalman Filter）与最小参数姿态矩阵估计方法结合，设计了一种针对MEMS陀螺和CMOS APS星敏感器的UKF姿念估计器。仿真结果表明：在敏感器精度较差的情况下，该UKF、姿态估计器能够满足大多数航天器对姿态确定精度的要求。此外，UKF和EKF（Extended Kalman Filter）的仿真对比结果表明：UKF滤波器的收敛速度高于EKF滤波器，状态估计的精度也优于EKF滤波器，且数值稳定性好。     

基于Unscented滤波的伴飞卫星自主相对导航滤波器

为提高导航滤波器的稳定性和计算精度,根据卫星自主导航原理,构造了基于Unscented Kalman滤波（UKF）的伴飞卫星自主相对导航滤波器,建立了算法模型。仿真结果表明：UKF的滤波精度优于扩展Kalman滤波（EKF）,且无需计算量测方程的Jacobi矩阵,计算量小、易于实现。     

基于MEP-UKF的组合导航滤波算法

针对目前应用于SINS／GPS组合导航系统中的扩展卡尔曼滤波(Extended Kalman
Filter, EKF)存在精度低、实时性差的缺点,提出一种基于模型误差预测(Model Error
Prediction, MEP)的Unscented 卡尔曼滤波(Unscented Kalman Filter,
UKF)。MEP-UKF滤波算法将惯性器件测量误差作为模型误差使用MEP进行实时预测的同时,采 用UKF估计载体的姿态、速度及位置等误差信息,并反馈给SINS系统来校正导航参数。MEP-U KF不仅克服了UKF必须假设惯性器件误差为高斯白噪声的局限性,而且降低了SINS／GPS组合 导航系统状态变量的维数,大大缩短了导航解算的时间。仿真结果表明,MEP-UKF的收敛速 度和滤波精度均明显优于EKF,更好地满足了工程应用中对导航精度和实时性的要求。     

空间转移飞行器自主导航系统SINS／GPS／SS的卡尔曼滤波器降阶方案

基于Kalman滤波的Strapdown Inertial Navigation system/Global Positioning System/star sensor(SINS/GPS/SS)组合导航系统已被研究用于满足空间转移飞行器自主导航能力的需求.为提高该方案实时性,论文提出两步降阶简化设想.第一,在星敏感器精度较高且保持稳定的前提下,认为绝对姿态(四元数)误差较小,可忽略组合系统速度误差通道中的姿态四元数误差,实现姿态四元数误差与速度和位置误差的解耦,进而将原滤波器简化为分别估计姿态四元数误差和估计速度、位置误差的两个完全独立的降阶滤波器;第二,针对估计位置、速度误差的滤波器,采用噪声等效思想.简化加速度计误差模型,进一步降低滤波器维数.此时,原16维滤波器将被化分为两个同时运行的7维和6维降阶滤波器.仿真表明在计算量明显下降的同时,该降阶滤波器和原滤波器估计效果却相当.证实这种思想具有一定的可行性.     

基于自适应采样滤波器的临近空间飞行器姿态确定

为提高临近空间飞行器的姿态估计精度和稳定性,研究了捷联惯性导航系统与星敏感器组合定姿方法和滤波融合算法.首先给出了临近空间飞行器的高精度姿态确定方案及其模型,然后针对一般采样型滤波器自适应能力有限的缺点,推导了一种能在线自适应估计过程噪声和量测噪声协方差阵的自适应采样滤波算法,该算法融合了自适应估计和非线性滤波各自的优点,不仅能对姿态确定系统的非线性滤波问题进行高精度估计,而且估计结果具有较强的鲁棒性,最后进行了仿真实验.实验结果表明本文方法达到10角秒的定姿精度,其滤波精度和稳定性均满足临近空间飞行器的定姿要求.     

基于低成本陀螺和倾角仪的姿态估计

针对动中通测控系统中低成本陀螺和倾角仪的姿态估计和陀螺误差校正问题,提出一种利用UKF（Uncented Kalman Filter）滤波器对载体姿态角进行估计,然后利用互补滤波器对陀螺漂移进行估计的算法。该算法通过设计三维完全可观测UKF滤波方程和陀螺误差校正模型对姿态角和陀螺漂移分别进行估计,有效避免了利用卡尔曼滤波进行姿态估计和陀螺漂移误差估计时由于误差模型不准确而产生的发散问题,同时降低了滤波器维数。试验中姿态角估计误差在1°以内,x轴陀螺漂移估计误差为0.0148°/s,y轴陀螺漂移估计误差为0.0017°/s,试验结果表明该算法能有效提高姿态角估计和陀螺漂移估计的精度。     

基于星敏感器四元数的卫星角速度预测滤波算法

为在无陀螺或陀螺故障时可用星敏感器估计姿态角速度，在扩展卡尔曼滤波（EKF）和非线性预测滤波的基础上提出了基于四元数的卫星角速度估计算法，并给出了相应的模型。该算法对角速度建模精度的要求较低，无需卫星动力学方程，方法简单且易于实现。仿真结果表明，算法的精度较高。虽然仍受噪声和步长的影响，但相对基于EKF和最小模型误差的角速度估计算法，其性能改善较大。     

多姿态敏感器测量的信息融合定姿方法研究

基于最优融合估计理论,给出并证明了多敏感器组合姿态确定系统状态最优融合估计形式。设计了基于信息分配的多信息融合联合滤波器结构和算法,分析估计性能,讨论了决定联合滤波器融合的性能信息分配因子选择方法,提出了一种基于协方差阵特征值平方分解的动态自适应信息分配因子确定方法。以某卫星多姿态敏感器组合测量为例,推导了卫星姿态确定的误差状态方程和各子系统的量测方程及观测阵。仿真结果表明：采用联合滤波器对多敏感器卫星姿态确定系统进行信息融合能改善定姿精度,有效抑制滤波发散,并提高整个系统的运算与收敛速度。     

卫星多敏感器组合姿态确定系统中的信息融合方法研究

针对卫星陀螺，红外地平仪，太阳敏感器，GPS接收机组合姿态确定系统的特点，提出一种基于联邦卡尔曼滤波算法的信息融合方法，其中信息分配系数通过计算协方差矩阵的迹在线自适应确定。推导了由四元素描述的卫星姿态误差状态方程和各子系统的测量方程。仿真分析结果表明采用该信息融合算法可以提高定姿精度，有效抑制滤波发散，并使整个系统的运算速度和收敛速度都有所提高。     

基于改进陀螺漂移模型的卫星姿态确定算法

三轴稳定卫星的有陀螺姿态确定系统需要对陀螺漂移误差进行建模.针对目前采用的白噪声驱动陀螺漂移模型会引起陀螺漂移估计误差曲线不光滑,进而导致姿态角估计误差和姿态角速度估计误差曲线不光滑的问题,提出两种改进的陀螺漂移误差模型,并从理论上分析了该方法的正确性和实用性.仿真实验表明,改进后的陀螺漂移模型可以有效降低漂移估计误差的稳态误差,提高姿态角和姿态角速度的估计精度.     

惯性/图像组合导航中的双模态双滤波器研究

在简要介绍了飞行器视觉图像定位导航原理及模型的基础上，针对其非线性模型的推广Kalman滤波的收敛与初始条件有关的问题，将其定位导航的两种模型（线性与非线性模型）组合，提出了双模态双滤波器滤波方法。这种滤波能很好地解决非线性推广Kalman滤波的收敛问题。通过第一个线性滤波器的滤波估计给第二个非线性滤波器提供滤波初值，使这一非线性滤波收敛，并能取得较高的滤波精度。     

陀螺与磁强计组合定姿及漂移估计算法优化

针对陀螺长时间积分定姿精度受陀螺角速率漂移影响,单独利用磁强计不能连续确定三轴姿态的问题,提出了陀螺与磁强计组合定姿算法,利用磁强计估计的姿态误差校正陀螺积分姿态,并基于PI滤波估计陀螺漂移。仿真验证表明,基于陀螺与磁强计组合定姿的姿态确定精度为1°左右。陀螺与磁强计PI滤波组合定姿算法简单有效,适合在纳星、皮星等微小卫星上应用。     

卫星姿态的鲁棒反馈滤波器方法研究

针对传统卫星姿态估计过程中计算量大的问题,提出了基于控制反馈的卫星姿态鲁棒滤波方法,将滤波器的新息作为闭环系统的输入,由此可以分离动态滤波方程中的时变因素(卫星姿态角速度),再将时变因素作为系统的不确定性考虑,最终通过鲁棒滤波方法对线性时不变系统的最终稳态值进行求解。该方法可以通过陀螺与星敏感器的参数信息,提前离线计算出滤波器的相关参数,具有很强的工程可用性。仿真结果表明,在卫星存在旋转角速度时,三轴的估计精度(MSE)比不考虑系统时变因素的控制反馈滤波器分别提升了12%,21. 05%,4%。     

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 。
     

陀螺与星敏感器组合定姿及陀螺漂移估计

研究基于PI滤波估计陀螺角速率漂移的陀螺与星敏感器组合定姿算法,首先推导了陀螺角速率漂移与姿态偏差四元数之间的关系,并基于姿态偏差四元数和PI滤波估计陀螺角速率漂移;接着给出了分别基于J2000惯性系和轨道坐标系的星敏感器与陀螺组合定姿算法和姿态偏差四元数求解方法;最后进行了工程应用方式分析和仿真验证。本文基于PI滤波的组合定姿算法简单,易于工程实现,并已通过在轨考核验证。     

惯性测量组合误差系数的时变分析与建模

为了提高惯性测量组合误差系数的标定精度,对惯性测量组合一次通电条件下多次测量的误差系数通过平滑滤波和最小二乘拟合等方法进行分析处理,建立了时漂误差模型。结合某惯性测量组合的相关计算结果,证明了时漂系数更能反映误差系数一次通电条件下的变化规律。