共查询到10条相似文献,搜索用时 31 毫秒
1.
GPS/速率陀螺组合Kalman滤波姿态确定算法研究 总被引:1,自引:1,他引:1
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。 相似文献
2.
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。 相似文献
3.
基于极大后验估计原理,提出了一种改进的噪声估计器,以实现对噪声均值和方差的在线估计,抑制滤波器发散。对自适应扩展卡尔曼滤波算法在卫星姿态确定系统中的应用进行了仿真。结果表明新算法滤波精度优于扩展卡尔曼滤波(EKF),与Sage—Husa自适应滤波算法相比,可阻止滤波器发散,提高系统滤波精度。 相似文献
4.
多传感器加权观测融合自适应UKF滤波器 总被引:1,自引:0,他引:1
对于带有相同观测方程和未知噪声统计的非线性多传感器系统,提出了一种基于Sage-Husa估计的自适应UKF滤波算法.该算法利用导出的平稳随机序列的相关函数估计系统观测噪声方差统计R(j),并证明了其收敛性.进而利用Sage-Husa估计算法得到自适应UKF滤波算法.该方法避免了传统Sage和Husa的自适应滤波算法不能处理Q和R均未知的系统的局限性.为了将多传感器信息加以充分利用,提高滤波精度,本文利用加权最小二乘法(WLS),实现了多传感器加权观测融合自适应UKF滤波器.一个带3传感器非线性系统的仿真例子说明了该算法的有效性. 相似文献
5.
在矢量观测的基础上,针对单独的星敏感器定姿,提出了一种将粒子滤波(PF)和预测滤波相结合的姿态确定算法,通过设计粒子初始化,结合重要性采样、重采样和规则化等手段,成功地将姿态四元数作为状态粒子进行更新和传递,避免了状态方程的线性化和协方差矩阵的计算;利用预测滤波算法估计模型误差和姿态角速度,在保证滤波精度的同时,有效降低了粒子滤波器的维数.实验在某对地观测通用小卫星平台上进行,选取卫星自由飞行状态和飞轮控制对地稳定模式,分别对滤波器进行了仿真,实验结果验证了该算法对本质非线性、非高斯的卫星姿态估计问题具有快速的收敛性能和良好的稳定精度.该方法还为粒子滤波器的设计和无角速度敏感器测量的飞行器姿态确定提供了借鉴. 相似文献
6.
7.
8.
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。 相似文献
9.
10.
一种应用于星光观测导弹姿态确定的强跟踪滤波算法 总被引:2,自引:0,他引:2
为提高基于星光观测的导弹姿态确定系统的非线性滤波器性能,对更具自适应能力的强跟踪扩展卡尔曼滤波器进行了研究。针对一般强跟踪扩展卡尔曼滤波算法的自适应能力有限的缺点,推导了一种能根据每一个状态噪声的变化来调解误差方差阵中相应的渐消因子的强跟踪滤波算法,根据其在导弹姿态确定中的应用特点对其进行了优化;并将其应用到基于星光观测的导弹姿态确定仿真中以验证算法的效果;仿真实验说明算法的速度、精度和可靠性能够满足基于星光观测的导弹姿态确定的需要。 相似文献