非合作机动目标天基测角定轨研究

在对空间非合作目标天基测角卡尔曼滤波定轨中,目标机动会导致常规卡尔曼滤波器发散.提出一种无迹卡尔曼滤波(UKF)结合带次优渐消因子的无迹卡尔曼滤波(SFUKF)的滤波定轨方法,目标无机动时使用UKF,在目标机动时使用SFUKF,给出了目标机动的判断准则.仿真结果表明,此滤波方法在目标无机动时有较高的状态估计精度,在目标...     

天基红外低轨星座对目标的跟踪算法研究

建立了天基红外低轨星座对自由段目标的观测模型,考虑了精确的目标运动模型。针对天基红外低轨星座的任务特点,从收敛速度、估计精度、估计有效性以及运算效率等方面比较了批处理滤波、EKF、UKF、高阶UKF和粒子滤波等算法的性能。仿真结果表明,综合考虑各种因素的影响,UKF具有最佳估计性能,能够对天基红外低轨星座中自由段目标进行有效跟踪。该文的理论分析和仿真实验对天基红外低轨星座的跟踪滤波器设计具有重要的指导意义。     

基于地磁场模型修正的自主定轨

地磁场模型存在的误差是磁测定轨精度较低的主要原因之一,为提高自主定轨的精度,本文采用扩展卡尔曼滤波作为处理磁测自主导航问题的滤波算法,以磁强计及星敏感器输出信号为测量信息,对卫星的位置及速度信息进行了估计,并对地磁场模型中几个重要的高斯系数进行了估计与修正。最后给出了数学仿真算例。     

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。     

基于深度前馈网络的自适应相对导航滤波

针对空间非合作翻滚目标近距离相对导航中出现测量异常偏差导致滤波精度下降甚至发散的问题,研究了具有抗差能力的自适应滤波估计方法。在设计了相对导航滤波模型的基础上,提出了基于深度前馈网络的自适应扩展卡尔曼滤波算法,并且详细设计了智能故障检测与估计的深度前馈网络模型与训练方法。数学仿真结果表明:深度前馈网络能够有效估计测量异常偏差且估计误差小于异常偏差值的15%,基于深度前馈网络的自适应扩展卡尔曼滤波结果显著优于常规扩展卡尔曼滤波。     

基于多时刻时差的三星时差定位跟踪算法

对于高海拔目标,引入地球椭球模型会产生很大的系统误差,三星座时差定位算法只能采用两路时差信息作为观测向量。因此,传统的时差定位方法具有一定的局限性。提出了一种利用不同时刻时差信息的三星座时差滤波算法,利用不敏卡尔曼滤波(UKF)对不同时刻时差信息进行滤波估计静止目标位置。仿真表明该滤波方法相对于三星座时差滤波算法来说跟踪性能更好。     

卡尔曼滤波中动态模型的分级解耦

本文对卡尔曼滤波中动态模型的解耦提一种新的方法，这种方法其实质是把对整个动态模型的并联滤波估计变成对整个动态模型的分级串联滤波估计。这种分解耦的方法即可用于线性动态模型又可用于非线性动态模型。对于阶数很高的非线性动态模型，这种方法对于提高估计精度，减少量和计算时间，更有其优越性。本文利用一个九阶非线性动态模型进行仿真计算。计算结果说明了这种方法的有效性。     

基于无迹卡尔曼滤波的空间目标双星定位方法

利用双星对空间目标的观测角进行目标定位,可以很好地避免地基探测系统探测弧段短的缺点。研究了基于动力学滤波的双星定位方法,介绍了无迹卡尔曼滤波的基本原理,建立了考虑地球非球形J2项引力摄动的空间目标动力学方程和基于无偏量测转换的双星观测方程。通过仿真比较两种滤波方法在相同条件下对目标的定位误差,可知无迹卡尔曼滤波方法在收敛速度和定位精度上均优于扩展卡尔曼滤波方法。     

基于鲁棒非线性卡尔曼滤波的自适应SLAM算法

针对传统非迹卡尔曼滤波算法缺乏在线自适应调整能力,在噪声模型出现误差时滤波精度下降的问题,提出了一种基于鲁棒无迹卡尔曼滤波的同步定位与地图创建算法。该算法引入了一个多维观测噪声尺度因子,能根据观测噪声统计特性的实际变化情况对每种传感器的噪声模型做出自适应调整,使其逼近真实噪声水平,进而将滤波增益调整到一个适当值,实现滤波器的最优估计。SLAM仿真实验结果表明,在噪声统计特性发生变化的情况下,该算法相比其它几种SLAM算法具有更好的自适应能力,估计精度更高,鲁棒性更强。     

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。     

应用于仅有角度测量的寻的导弹制导的自适应修正增益推广Kalman滤波器

一种适用于一类特定的非线性系统全局收敛非线性滤波器被称作修正增益推广Ｋａｌｍａｎ滤波器（ＭＧＥＫＦ）。将ＭＧＥＫＦ与一种非线性时变观测噪声统计估值器相结合，导出一种自适应修正增益推广Ｋａｌｍａｎ滤波器（ＡＭＧＥＫＦ）。ＡＭＧＥＫＦ应用于三维仅有角度测量的寻的导弹制导，当测量噪声的方差不能精确已知时，不存在ＭＧＥＫＦ经常表现出的不稳定性，仿真结果表明ＡＭＧＥＫＦ是稳定的。而且与虚构的、对测量噪声方差精确已知的ＭＧＥＫＦ有几乎相同的估计效果。     

基于SRUKF的偏心仅测角相对导航方法

针对以单个光学/红外相机作为相对导航敏感器的航天器,提出采用相机偏心安装和平方根无损卡尔曼滤波（SRUKF）两种方法,解决自主交会时中远距离和近距离全过程的仅测角导航(AON)问题。在观测相机安装时,人为设置一个分米量级的安装偏心,按照观测距离分段建立相机观测模型并推导了观测敏感矩阵,从理论上证明了径向和法向相机安装偏心可以改善近距离v-bar相对位置保持点的观测度,并且对远距离导航精度没影响。构建了基于SRUKF的仅测角导航方法,该方法不需要强制要求初始估计误差满足小量假设和零均值高斯分布假设。经算例验证,在远距离时,采用本文提出的仅测角导航方法,其导航精度比传统扩展卡尔曼滤波（EKF）方法提高了一倍,计算负载降低了约10%;在近距离时,解决了仅测角导航v-bar相对位置保持点不可观测问题;并且当初始估计误差呈非高斯特性时,依然可以实现对相对距离的无偏估计。     

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。     

基于Unscented卡尔曼滤波器的卫星自主天文导航研究

针对星光折射间接敏感地平的卫星自主天文导航方法，建立了带摄动项的状态方程和以星光视高度为观测量的量测方程。由于该状态方程和量测方程都是严重非线性的，利用推广的卡尔曼滤波器进行导航时精度较低。Unscented卡尔曼滤波是一种针对非线性系统的估计新方法。本文提出将Unscented卡尔曼滤波用于自主天文导航。计算机仿真结果显示Unscented卡尔曼滤波的估计精度远优于推广的卡尔曼滤波。     

机载单站无源定位三维模型及其仿真

针对在空间作匀速直线运动的目标，建立了机载单站无源定位的三维模型。给出了其中的预处理过程和系统状态方程，并采用UKF算法进行滤波处理以提高定位精度。仿真结果表明，模型和算法有效。与扩展卡尔曼滤波(EKF)相比，在初始误差较大时UKF也能快速收敛。     

一种星间相对状态估计方法

编队自主导航是实现分布式遥感系统星间协同观测的基础。为实现分布式遥感系统星间相对状态的精确确定，提出一种基于MEMS激光雷达与纳型星罗盘的星间相对状态估计方法。借助相对姿态、轨道运动学方程建立了星间相对状态的无迹卡尔曼滤波(UKF)算法，解决了MEMS激光雷达测量与参考航天器姿态耦合的问题，并利用预定入轨参数及高精度轨道外推(HPOP)对方法进行仿真校验。结果表明，该方法具有可行性和实用性，估计精度满足分布式遥感任务需求，能够较好解决中远距离星间相对状态估计问题。     

基于滤波算法的拟平均轨道根数自主实时确定方法

针对卫星长期自主运行的发展要求,首次提出了基于滤波算法的卫星自主计算拟平均轨道根数的在轨实时方法。首先以受地球非球形摄动影响的低轨卫星为研究对象,推导了拟平均轨道根数的变化率并考虑了J2平方项补偿;以拟平均轨道根数为状态变量并以卫星瞬时速度和位置作为观测量建立了滤波方程,然后分别应用平方根无迹卡尔曼滤波(SR UKF)和扩展卡尔曼滤波(EKF)对拟平均轨道根数进行估计。仿真结果表明,两种滤波方法均能有效地计算拟平均轨道根数,其中平方根UKF滤波具有更高的精度和稳定度,且都可以满足卫星在轨自主实时计算拟平均轨道根数的需求。     

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。     

一种多级助推段弹道导弹跟踪算法

针对多级助推段弹道导弹存在多个加速度突变点、机动性强导致跟踪难度大的问题,提出一种基于量测转换的强跟踪输入估计（STMIE）弹道导弹跟踪算法。在对多级助推段弹道导弹动力学特性分析的基础上,推导出雷达站东北上（ENU）坐标系下弹道导弹的运动方程,并通过将修正的无偏量测转换（MUCM）与STMIE算法融合,使得在导弹跟踪中应用STMIE算法成为可能。以典型的多级助推段弹道导弹为跟踪目标进行仿真校验,结果表明,本文算法对多级助推段弹道导弹目标跟踪性能优越,且算法复杂度较低,效费比高。