单星只测角对低轨卫星的EKF跟踪分析

利用扩展卡尔曼（EKF）滤波原理研究基于天基光学平台对低轨卫星的跟踪问题，根据单星只测角观测值建立了相应的状态模型和观测模型，并进行低轨卫星的跟踪仿真，结果表明：该方法可以获得较高的跟踪精度，这使得基于单星只测角星上滤波跟踪成为可能。     

跟飞编队卫星相对导航自适应EKF算法研究

针对跟踪星对目标星跟飞编队的相对导航问题,提出了基于自适应扩展卡尔曼滤波（EKF）的相对导航算法。以线性离散化的椭圆参考轨道相对动力学模型为导航状态方程．设计了虚拟测量量及相应的测量矩阵,避免了求解雅可比矩阵的复杂计算。为了适应构型尺寸变化引起的模型误差变化,提出了模型误差在线估计算法。仿真显示,算法具有较快的收敛速度和较高的估计精度。该研究成果可作为卫星编队应用的有益参考。     

基于自适应SRCKF的空间非合作目标实时轨道确定

针对天基测角对非合作目标跟踪定轨的动力学模型简化误差问题,提出一种基于非线性预测滤波和SRCKF(Square Root Cubature Kalman Filter,平方根容积Kalman滤波)的自适应滤波方法.采用考虑地球J2摄动影响的轨道动力学模型作为状态方程,在跟踪滤波过程中,用NPF(Nonlinear Predictive Filter,非线性预测滤波)对动力学模型进行实时修正,利用SRCKF对修正后的动力学模型进行状态估计.将该方法应用于高轨航天器对非合作低轨目标的实时测角定轨任务中,进行数字仿真,仿真结果证明,该方法相比传统的滤波方法具有更高的精度、更强的鲁棒性和稳定性.     

编队卫星队形重构防碰撞最优轨迹规划

 针对编队卫星队形重构的轨迹规划问题,提出了直接配置混合整数线性规划(DCMILP)方法。首先将卫星编队飞行问题进行简化,整个过程使用线性化描述;继而将三阶Simpson方法扩展至编队卫星的队形重构过程中,将各卫星的状态量和控制量在各节点处离散化;然后根据目标函数及碰撞规避问题等各种约束条件,将整个过程转化为混合整数线性规划问题,从而可以找到该非凸问题的全局最优解。最后,通过对三维和二维两组编队卫星队形重构进行仿真,由结果可以看出,与传统方法相比该方法快速有效,能够满足实时性的要求,使得卫星编队的自主运行成为可能。     

一种基于信息一致性的卫星编队协同控制策略

提出一种基于信息一致性的分布式协同控制策略,实现了卫星编队的构型建立、保持与整体机动。首先根据编队各星的初始相对状态,应用一阶一致性算法,协商估计出编队整体系统基准参考点的相对状态;再根据编队整体系统模型预测方程,以凸优化方法规划出期望重构机动路径;之后设计了基于二阶一致性算法的反馈协同控制律,使各星彼此协同地跟踪期望路径与构型、整体机动参考信息,并证明了系统的稳定性。仿真结果表明:只要在基准参考点一致性估计过程中信息拓扑图中存在最大生成树,该策略就能实现卫星编队的协同机动;反馈协同控制律能有效消除相对初始状态误差与地球非球形摄动J2项引起的各星状态偏离,并具有较好的容错性;与传统方法相比,本文方法在燃料消耗总量与均衡性方面均有所改善,且在构型快速建立或重构时,燃料消耗总量方面优势较为明显。     

对卫星目标的仅测角天基单站无源定位可观测性分析

可观测性分析是无源定位与跟踪系统的前提和基础。由于卫星运动系统方程是状态变量的隐函数形式,以及观测方程的非线性,使得对卫星目标仅测角无源定位的可观测性研究难度较大。鉴于此,从伪线性化角度对非线性系统方程进行改造,推导了关于状态变量的显性系统状态方程,对仅测角条件下的单星对星无源定位系统进行了可观测性分析,为进一步研究仅测角单星对星的无源定轨跟踪提供了理论基础。最后给出了仿真实例,验证了理论分析的正确性。     

基于循环追踪控制的卫星编队构形调整控制律设计

卫星编队控制问题中，分布式控制优于主从式控制，在编队控制中应用日益广泛。提出了一种基于循环追踪算法的分布式控制策略，分析了该方法的优势。由于循环追踪算法存在编队中心由初始几何中心固定并与运动过程无关的弱点，引进了虚拟灯塔导引进行联合控制实现编队中心可变。建立了三维空间相对运动数学模型，设计非线性循环追踪算法与虚拟灯塔导引联合控制律，对全员联合控制与单星联合控制其余卫星采用非线性循环追踪控制两种方案的计算结果进行比较。结果表明，全员联合控制律的控制方案优于仅单星采用联合控制的方案，两种方案均可实现卫星编队按指定构形运动。     

Jerk模型用于高速机动飞行器跟踪的性能分析

针对高速机动飞行器的跟踪应用,对SJ(Singer Jerk)、CSJ(当前统计Jerk)、MCSJ(修正当前统计Jerk)和αJ等4种主要Jerk模型进行了综述。比较了它们的建模假设、设计参数以及实际应用时的限制因素。基于UKF(无迹卡尔曼滤波)算法,分别在单台和2台雷达的测量条件下,在3种滤波参数集设置下,利用各模型对近空高速滑翔飞行器进行了跟踪仿真。飞行器真实飞行轨迹根据简化动力学方程通过四阶龙格库塔数值积分方法得到。仿真结果表明:4种模型都具有很好的初值鲁棒性;在目标弱机动段落,4种模型具有较好的参数鲁棒性;但在强机动段落,SJ、CSJ、MCSJ等3种模型的参数鲁棒性很差,滤波误差发生严重突跳,αJ模型的参数鲁棒性最好。针对高速机动飞行器的跟踪应用,αJ模型的综合性能最优,而MCSJ模型最差。     

双视线测量相对导航方法误差分析与编队设计

空间非合作目标的相对导航是在轨维护和近距离监视任务中的关键技术,目前的研究表明仅有视线测量条件下中距离相对导航沿距离方向的观测度较差,而基于双视线测量的相对导航方法可以有效解决该问题。为此,研究了两个追踪航天器所组成的编队,在双视线测量条件下进行自主相对导航的方法。首先,详细地介绍了双视线测量相对导航方案的构成以及具体的导航算法;其次,根据两个追踪航天器与目标航天器的几何构型,推导双视线测量方法中的误差传递规律,并分析其中的影响因素;然后,对两个追踪航天器的编队构型进行设计,并分析编队构型对该方法导航性能的影响;最后,通过数值仿真对上述相关的结论进行验证。     

单星多普勒定位系统仿真与性能分析

给出了单星多普勒定位系统单目标定位基本原理以及系统多目标定位的数据处理方法。由于单星系统定位资料较为稀疏且空间几何条件较差,提出采用高程约束辅助定位方法。采用地面测试系统进行半物理仿真,对通过随机方法产生的全球分布的500个目标进行解算,系统拷机用时10h左右,仿真结果表明:当对卫星轨道高度为840.053km时,有效定位率在98.6%以上;当轨道高度为499.226km时,有效定位率在96.4%以上。证实了解算方法的有效性。     

失效卫星远距离相对位姿估计与优化方法

针对远距离非合作慢旋目标位姿估计精度问题,提出一种融合图像超分辨与视觉SLAM的相对位姿估计方法。算法主要包含3个步骤：通过梯度引导生成式对抗超分辨技术,提升目标图像的质量以获取更多更高质量的特征点;构建特征数据库实现当前帧与特征数据库的匹配,提升旋转目标的特征跟踪稳定性;利用图优化对多帧图像进行联合位姿优化,消除累计误差,得到更为精确的估计结果。为稳定网络的训练,将自然进化算法引入到对抗训练中。为增强模型的泛化性和鲁棒性,实验中的数据集采用半物理仿真获得。实验结果表明,当等效距离为25 m且失效卫星以25（°）/s的速度旋转时,目标图像经超分辨网络增强后,能够实现连续稳定的长时间测量。     

基于IMMKF算法的ADS-B监视应用目标跟踪

目标跟踪是机载广播式自动相关监视（ADS-B）应用的基础功能,对提升航空器周边的弱机动民航飞机目标跟踪性能具有重要意义。提出一种基于交互式多模型卡尔曼滤波（IMMKF）算法的ADS-B 监视应用目标跟踪方法。首先,针对弱机动背景下的民航飞机的飞行特点,建立包含匀速模型和标准协同转弯模型的运动模型集,并对模型进行线性化近似;然后,将模型预测和ADS-B 状态矢量量测数据作为IMMKF 算法中多个并行卡尔曼滤波器的输入,进行并行滤波;最后,计算得到目标状态矢量的估计和模型近似概率,并作为下一次迭代的输入。结果表明：相比于基于匀速模型的卡尔曼滤波目标跟踪方法,IMMKF 方法的位置跟踪误差降低了59%,速度跟踪误差降低了77%,显著提升了状态估计性能,具备较高的跟踪精度、稳健性与计算效率,在ADS-B 监视应用中具有实际应用价值与借鉴意义。     

基于序列图像的航天器自主导航降维滤波方法

非合作目标的运动感知与状态估计,是太空领域技术发展的重要组成部分。非合作目标相对状态的精确估计是相对导航的难点问题。传统的非合作目标扩展卡尔曼滤波算法需要结合非合作目标的质心位置,增加了状态变量的维数,提高了系统不确定性,从而会影响状态扩展卡尔曼滤波的收敛速度。提出了一种基于序列图像的非合作目标相对导航方法,该方法在不对质心进行估计的情况下首先对非合作目标姿态进行估计,在完成非合作目标姿态估计后再对其质心进行估计。本文推导了光学相机测量值与目标真实姿态的关系,构建了基于序列图像的测量模型,分别建立了不含有非合作目标质心位置的状态方程和基于非合作目标位置、速度矢量的状态方程,设计了适用于非合作目标状态估计的扩展卡尔曼滤波算法。仿真实验表明该方法可在10 Hz采样频率下经过50次采样（即5 s）内快速收敛,从而有利于空间飞行器的在轨服务与维护。     

Digital tracking filters with high order correlated measurement noise

The existing algorithms for the design of digital filters with colored measurement noise involve a restriction on the dimension of the measurement error model. Kalman filter equations and state space partition are used to formulate an optimal tracking filter without such restrictions. The input to the new filter are two consecutive measurements, and it is initialized by using the first available measurements and the error model correlation matrix. Several examples illustrate the filter formulation and initialization.     

增广误差模型算法在目标跟踪中的应用

针对目标机动运行过程中,滤波模型与机动状态模型失配的问题,提出了一种新的增广状态误差滤波模型。不同于现有增广方案,该模型从模型失配所致状态滤波误差的角度出发,将状态估计误差增广为一状态量,通过滤波估计后用其校正原状态量。算法分析表明,该增广滤波模型具有自适应调节多重渐消因子的等效特性,增强了对目标的跟踪能力。基于该增广状态误差滤波模型,给出了滤波算法设计并进行了仿真实验。实验结果表明,基于该模型的滤波算法在对机动目标进行跟踪时具有更强的鲁棒性。     

Adaptive controller design for satellite attached by non-cooperative object

When non-cooperative body attachment occurs in space, the inertia of the new combination and the change of the system’s momentum are unknown. This uncertainty may lead to the instability of the spacecraft’s attitude control. In order to solve this problem, we propose an adaptive control scheme based on the inertia estimation of the new, combined system of non-cooperative body and satellite. This method can allow the new combination of different situations to reach a stable state with a high level of precision and speed. In this paper, the stability of the adaptive control scheme is proven by constructing a Lyapunov function. A simulation environment in which a non-cooperative body attaches to a satellite attaches to is constructed. The simulation shows that the attitude error converges to a small field when using the control scheme, regardless of unfavorable cases, including unknown inertia parameters, added momentum. In addition, the simulation results show the strong robustness of the control scheme for the new combination.     

空间飞行器抓捕非合作目标后的复合控制

随着空间技术的不断发展，空间飞行器抓取非合作目标的稳定控制技术变得日益重要。基于拉格朗日动力学原则对空间飞行器进行动力学建模，考虑了非合作目标的未知参数、空间飞行器模型的不确定性及存在外部干扰的情况，理论分析了自适应控制及基于非线性干扰观测控制的可行性，并对比了二者的优缺点。在此基础上提出了一种可以在线精确估计非合作目标未知参数的复合控制方法，并进行了仿真验证。仿真结果表明，所提方法能够将所有参数的估计误差限制在很小的范围内，相对于自适应控制方法有了显著改善。     

单天基平台测向的空间非合作目标跟踪

针对仅含角度测量信息的单个天基平台可观测性较弱的问题,提出了一种含脉冲机动检测的空间非合作目标跟踪算法,并设计了非合作目标实时跟踪数据处理流程.该算法利用抗差估计技术和UKF（Unscented Kalman Filter,无迹卡尔曼滤波）算法构造目标跟踪滤波器,并综合残差多项式拟合和新息分布特征等方法实现目标机动检测,在天基平台观测信息类型有限和观测几何较差的情况下,可以同时排除孤立野值和成片测量野值的影响,实现非合作机动目标的连续稳定跟踪.数值实验验证了算法的可行性和有效性,也表明了跟踪精度和可靠性与测量精度密切相关.     

自适应高阶容积卡尔曼滤波在目标跟踪中的应用

针对传统容积卡尔曼滤波(CKF)在系统状态发生突变时估计精度下降的问题,将强跟踪滤波(STF)算法与高阶容积卡尔曼滤波(HCKF)算法相结合,提出了一种自适应高阶容积卡尔曼滤波(AHCKF)方法。该算法采用高阶球面-相径容积规则,可获得高于传统CKF的估计精度,同时在HCKF算法中引入STF,通过渐消因子在线修正预测误差协方差阵,强迫残差序列正交,提高了算法的鲁棒性,增强了算法应对系统状态突变等不确定因素的能力。将提出的AHCKF算法应用于具有状态突变的机动目标跟踪问题并进行数值仿真,仿真结果表明,AHCKF算法在系统状态发生突变的情况下表现出良好的滤波性能,有效地避免了状态突变造成的滤波精度下降,较传统的CKF、HCKF、交互式多模型-容积滤波(IMM-CKF)和自适应容积卡尔曼滤波(ACKF)算法有更强的鲁棒性和系统自适应能力。