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。     

一种用于实时轨道确定的NPF-SRCKF滤波算法

针对航天器实时轨道确定中建模复杂、计算量大、估计精度低的问题,设计了一种考虑地球J 2 摄动影响的基于NPF-SRCKF的实时轨道确定算法,该算法采用非线性预测滤波(NPF)对模型误差进行补偿修正,利用平方根容积卡尔曼滤波(SRCKF)算法对修正模型误差后的系统进行状态估计。针对单测站、双测站跟踪测量设计了不同的实时轨道确定算法。实验结果显示,将非线性预测滤波和平方根容积卡尔曼滤波结合在一起,运用于简化的实时轨道确定模型,能有效降低计算复杂度,改进数值运算的稳定性,提高状态估计的精度。     

基于星间链路的多星系统分散定轨算法

介绍了一种基于星间链路信息的多星系统自主导航方法。首先以星间相对位置矢量为观测量建立两星系统的观测方程,采用强跟踪滤波(STF)算法进行集中定轨,获得卫星的参考轨道信息。在此基础上,建立单星的观测方程,然后使用加权最小二乘估计器和卡尔曼滤波器进行单星轨道确定,从而实现了一种不需要长期轨道预报信息的分散定轨算法。数学仿真表明,该算法是可行的,且具有较好的定轨精度。     

多星编队相对轨道的自主确定

编队飞行的相对轨道确定具有重要意义。针对编队应用中多颗环绕星相对中心星的自主定轨问题进行了研究，提出引入环绕星间相对测量信息的分布式滤波方案。设计了二级滤波器，利用环绕星间测量信息提高一级滤波得到的环绕星相对轨道的确定精度。仿真结果验证了这种导航方案的有效性。     

考虑姿轨耦合的航天器高精度实时导航定轨方法

针对近地轨道航天器及其全球导航卫星系统(GNSS)测量数据驱动的实时导航定轨方法,使用轨道动力学原理解析了由GNSS天线安装位置与航天器质心偏差造成的定轨误差。基于航天器在轨的刚体运动特性和对地姿态特征,提出针对安装关系对应的相对速度修正项。使用姿轨耦合的分析方法,明确了基于航天器质心轨道积分和天线测量点位速修正的GNSS测量信息模拟。结合扩展卡尔曼滤波(EKF)形式的实时导航算法,分析了安装关系造成的定轨系统误差。围绕半长轴确定误差的长期变化规律,仿真证明了GNSS测量数据的位速修正在高精度实时导航定轨过程中的必要性。     

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。     

基于磁强计与太阳敏感器的卫星自主定轨算法

针对低轨微小卫星,为了实现低成本自主定轨,并达到一定的定轨精度,提出了一种基于三轴磁强计和太阳敏感器数据,利用扩展Kalman滤波进行自主轨道确定的方法.分析了国际地磁参考场(IGRF)模型,建立了简化的太阳轨道模型,在此基础上,建立了以轨道位置和速度作为状态量,以地磁矢量的模值和地磁矢量与太阳矢量的夹角信息作为观测量的滤波算法.数字仿真结果表明,该算法是收敛的、有效的,同时通过比较表明引入太阳敏感器数据后,大大提高了定轨精度.     

中心差分Kalman滤波方法在X射线脉冲星导航中的应用

由于脉冲星脉冲到达时间的测量需要较长时间,基于传统的扩展Kalman滤波的X射线脉 冲星定轨方法精度较低。为此,提出了将中心差分Kalman滤波应用于X射线脉冲星导航中, 利用中心差分Kalman滤波替代扩展Kalman滤波,通过结合航天器轨道动力学模型和脉冲星观 测信息进行定轨。仿真结果表明,中心差分Kalman滤波方法的定轨精度高于扩展Kalman滤波 方法。     

利用TDRSS信息的单向多普勒测轨方法

介绍了利用跟踪中继卫星系统（TDRSS）信息的单向多普勒定轨技术。分析了单向多普勒测轨的基本原理和系统组成，采用扩展卡尔曼滤波（EKF）法，推导用于自主定轨算法的卫星轨道测量状态及观测方程。讨论了影响滤波精度的状态变量和动力学模型精度等多种误差源及其该方法能达到的测轨精度。     

DORIS系统自主在轨实时定轨的实现与精度分析

国家科技重大专项高分辨率空间对地观测项目的实施,对卫星平台的自主在轨实时定轨提出了新的需求。由法国发展的DORIS实时定轨系统虽已成功应用于多个对地观测平台,但该系统从未公布其原始数据和数据处理的技术细节,因此本文尝试利用DORIS地面主控站提供的ENVISAT标准格式多普勒数据,假设星上自主定轨时采用相同的数据,基于卡尔曼滤波算法实现（仿真）自主实时定轨。计算表明仅考虑简单的非球形引力模型,对于位置误差1km,速度误差1m/s的初始条件,2小时后滤波趋于稳定,滤波精度为十米量级,速度精度为厘米每秒级。为提高滤波计算效率,对坐标系统转换进行简化后,定轨精度仍在十米量级。基于DORIS仿真测量数据滤波计算表明,随着测量精度的提高和每圈观测弧段的增加,滤波计算的精度也会得到有效提高。     

基于BP神经网络的自主定轨自适应Kalman滤波算法

针对Sage Husa自适应滤波方法存在的窗函数开窗大小选择问题,提出一种基于BP神经网络学习估计系统协方差矩阵的自适应Kalman滤波算法。该算法以Kalman滤波预测残差向量作为网络输入,通过网络分段离线学习确定预测残差向量与预测残差协方差矩阵间的非线性关系,自适应地估计Kalman滤波系统协方差矩阵。将其应用到自主定轨系统,仿真结果表明利用本文算法自主定轨60天星座平均URE误差小于1.9米,且能够快速跟踪到系统噪声的突变,较Kalman滤波方法和Sage Husa自适应滤波方法具有更好的性能。     

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GPS的低轨伴飞卫星自主导航轨道确定

对基于EKF算法的相对导航滤波器和基于全球卫星定位系统(GPS)伪距测量的伴飞星定轨进行了研究。用几何法与相对动力学方法联合获得目标星轨道信息,给出了伴飞卫星伪距测量定位的模型。仿真结果表明:该定轨方法可用于低轨卫星实时定位导航,定轨精度较高。     

比例最小偏度单形采样的UKF及其在卫星定轨中的应用

基于Unscented变换(UT),在最小偏度单形采样策略中使用比例修正算法,提出了一种比例最小偏度单形采样的Unscented卡尔曼滤波(UKF)算法,用于基于地基观测的低轨卫星实时定轨.仿真结果表明:比例最小偏度单形采样UKF的精度与比例对称采样UKF相当,但计算效率至少可提高三分之一.     

一种同轨区域集中的北斗卫星自主导航算法

基于北斗三号卫星配置规划,提出了一种同轨区域集中的北斗卫星自主导航算法。利用Ka星间链路指向切换灵活特性与激光链路高速通信特性,并克服激光终端异轨面通信困难,指向切换不便等缺陷,算法设计将轨道面内各卫星采集的Ka双向测距信息利用激光星间链路传入轨道面主卫星中,从而将测距信息集中处理并完成轨道面内各卫星的轨道信息更新。并且,本文还搭建了星内模拟仿真环境,对算法精度及性能进行验证。仿真结果表明,同轨道区域集中自主导航算法可在星内仿真环境中稳定运行,且其导航精度远优于分布式自主导航精度。     

基于联合定轨策略的星间相对测量自主定轨亏秩问题的改进

发展基于天基测控网的卫星测控定轨技术是克服传统地面测控方式缺陷的有效手段,而仅仅利用天基星间测量信息进行自主定轨易产生亏秩现象.为消除亏秩问题进一步提高定轨精度,本文以位置速度矢量作为轨道改进状态向量,对基于星间相对测量自主定轨亏秩问题的本质进行了再探讨,针对星间相对测量的三个应用领域中继卫星系统、编队卫星星座、双星定位系统提出了基于联合定轨策略的天地基测量信息融合的改进措施.以双星定位系统为例提出了数值融合联合定轨算法,并进行了联合定轨仿真实验.仿真计算结果表明,基于数值融合算法的联合定轨策略能够大大改善法方程系数矩阵的性态,两天观测数据下用户星定轨精度可以达到11.26米.     

对日观测卫星无陀螺姿态确定算法研究

研究了两种无陀螺姿态确定算法:Kalman滤波算法和二阶差分算法。基于某对日观测卫星,将“陀螺 太阳导行镜”组合Kalman滤波算法与以上两种无陀螺定姿算法进行了仿真比较。结果表明,Kalman滤波算法和二阶差分算法均能较好地实现对日观测卫星三轴姿态角和姿态角速度的估计。     

一箭多星发射卫星空间距离测量与预报技术

多星空间距离测量是一箭多星发射的一项重要任务。由于站点分布限制和轨道条件约束,国内多数卫星存在地面不可监测弧段,传统的地基测定轨方法无法满足全弧段连续性要求。针对上述问题,对星间距离测量技术进行了研究,提出了利用GPS进行星间距离测量的方法;并提出利用基于GPS数据的简化动力学模型法及多项式拟合法进行星间距离测量和预报,结果显示,预报10min的位置精度为数十米量级。该方法突破了地基测控可见区的限制,实现了全弧段的轨道确定,并规避了GPS接收机可能存在的短时中断或由于通信原因不能实时获得测量结果的风险;可为分析确定多颗卫星间的安全距离提供参考。     

GPS/速率陀螺组合Kalman滤波姿态确定算法研究

建立了GPS／速率陀螺组合姿态估计系统的模型，研究比较了三种典型的Kalman滤波姿态确定算法：状态扩充法、量测量求差法和时变噪声估计跟踪自适应滤波算法。给出了某航天器采用GPS／速率陀螺组合姿态确定的仿真计算结果，并对结果进行了分析。结果表明，与传统Kalman滤波算法比较，时变噪声跟踪自适应滤波算法和量测量求差滤波算法能较好地消除GPS测量中相关时变噪声的影响，提高姿态确定的精度；而且时变噪声跟踪自适应滤波算法能很好地消除由于噪声统计性能的不确定性对Kalman滤波的影响，提高姿态确定系统的性能。     

推广联合滤波算法在卫星组合定姿系统中的应用

研究了不同模型下的推广联合滤波算法。基于信息融合理论和信息守恒原理，提出信息分配是信息融合的逆过程的观点，给出和证明了信息分配定理，为推广联合滤波算法提供了理论基础。以某卫星组合姿态确定系统为例，详细讨论了推广联合滤波的结构及其实现过程。理论分析和数学仿真结果表明：推广联合滤波算法比现有的联合滤波算法计算量小，且推广联合滤波算法能够同时保证全局最优和局部最优，而现有的联合滤波算法不是局部最优。