基于四元数的UKF多传感器卫星姿态确定

对采用磁强计和太阳敏感器的卫星姿态模型,应用无迹卡尔曼滤波(UKF)算法确定卫星姿态。由四元数描述姿态,在算法中将其转换成旋转矢量,另设计了四元数求均值的迭代算法,解决了四元数在UKF算法中的处理。仿真结果表明:广义卡尔曼滤波(EKF)算法对初值依赖性较大,UKF算法不受初值影响且精度高于EKF,具快速性、精度高和稳定性强等优点。     

预警卫星对主动段弹道跟踪算法研究

针对预警卫星视线(LOS,LIne-of-Sight)测量下对弹道导弹目标的跟踪问题,传统的方法(如EKF)存在易发散、不稳定的现象.引入一种更为稳健和有效的滤波估计算法UKF,其通过特别选取一些样点,给出随机变量经过非线性变化后的均值和方差,从而得到滤波器基于非线性方程的更新,避免了非线性方程的线性化.解析表达了导弹推力加速度值和导弹在重力作用下姿态的变化特性,提出了基于弹体旋转的主动段运动方程.通过Monte-Carlo仿真,与其它算法比较,说明该算法跟踪性能更好,在空间预警系统应用中具有较好的适应能力.     

基于UKF的异类传感器集中式融合算法

综合考虑航天器跟踪测量中速度和精度的要求,对异类传感器集中式融合问题进行了研究,提出了基于无迹卡尔曼滤波(UKF,Unscented Kalman Filter)和简化的分类数据压缩技术的非线性系统实时集中式融合算法.仿真表明新的算法融合性能优于基于扩展卡尔曼滤波(EKF,Extended Kalman Filter)和扩维技术的并行集中式融合算法.     

改进的Sage—Husa滤波及在卫星姿态估计中的应用

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。     

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 。
     

深空导航系统状态描述形式的选取问题研究

深空导航系统的状态描述采用轨道六根数还是位置速度是一个重要问题。首先根据两种描述下的非线性特性和空间结构特性,研究了导航算法中涉及的状态方程、观测方程和导航系统适用的非线性Kalman滤波器。然后引入非线性强度理论,分析了两种描述形式对导航系统可观测性的影响,解释了描述形式不同时可观测性不一致现象。最后以深空巡航段导航为例对上述理论进行了仿真验证,结果显示基于适当的滤波器,采用轨道根数描述状态时的导航系统具有较高的导航精度和计算效率。因此深空导航特别是巡航段导航应优先使用轨道根数描述状态,但是在判断系统可观测性时要首先判断非线性强度问题。     

无迹粒子滤波在捷联惯导初始对准中的应用研究

给出了捷联惯导系统初始对准时的非线性误差模型,处理非线性系统的传统方法是扩展卡尔曼滤波方法(EKF)即对非线性系统进行线性化后再利用卡尔曼滤波进行处理。而无迹粒子滤波(UPF)是基于蒙特卡罗方法和贝叶斯理论,用加权的粒子表示概率密度函数,通过观测值更新粒子的权值,得到优化的状态估计值和方差,结合无迹卡尔曼滤波(UKF)进行迭代计算,是一种新型处理非线性系统的方法。本文对UPF滤波方法进行研究,运用于捷联惯导系统初始对准的姿态估计,计算机仿真和试验结果均表明了该方法的方位失准角估计精度和收敛速度明显优于传统的EKF。     

用于非线性目标跟踪的测量值预处理

若我们在极坐极或球坐标系统中得到测量值值，跟踪算法就变成非线性的。作者研究当测量值是在极坐标系统中得到时，跟踪作直线匀速运动目标的问题。文中提出一种与坐标变换、线性化和近似相关的新算法。对变换后的测量值进行预处理，并将其提供卡尔曼滤波器，以得到最后的状态估值。模拟结果证明，对于非线性问题，这一新算法具有其优越性。     

抑制UKF发散的改进算法在卫星轨道确定中的应用

为避免实际应用中一般无迹Kalman滤波（UKF）算法的不稳定性,基于对传统线性Kalman框架的UKF算法造成滤波发散现象的阐述,讨论了无迹转换（uT）的基本原理开口UKF算法,并给出了造成滤波发散的原因,提出了两种抑制滤波发散的改进UKF算法。仿真分析了某星载GPS低轨卫星轨道发散的主因,结果表明改进算法有效。     

基于TANA函数的非概率可靠度分析方法

建立一种基于TANA(Two-Point Adaptive Nonlinear Approximation)函数的高效稳定非概率型可靠度分析方法。首先,对随机变量采用凸集合非概率多椭球模型进行描述,在可靠度指标法框架下,采用增强混沌控制(Enhanced Chaos Control,ECC)方法,在逼近最佳设计点时,利用两点自适应非线性逼近的TANA2函数拟合强非线性的功能函数,减少了可靠度分析中功能函数的调用次数,有效提高了算法的效率及稳定性。还对不同非线性程度的功能函数进行了可靠度求解以及优化的算例验证。     

EKF和UKF在INS/GPS组合导航中的应用分析

扩展卡尔曼滤波(EKF)是在非线性系统中常用的一种滤波方法,Un-scented卡尔曼滤波(UKF)是一种新的非线性滤波算法,其主要特点是与EKF一样传递状态的前两阶矩,但不用计算Jacobian矩阵。将EKF和UKF分别应用到INS/GPS系统的滤波中,仿真结果表明UKF比EKF更适合于在INS/GPS系统中使用。     

A residual based adaptive unscented Kalman filter for fault recovery in attitude determination system of microsatellites

This paper presents an adaptive unscented Kalman filter (AUKF) to recover the satellite attitude in a fault detection and diagnosis (FDD) subsystem of microsatellites. The FDD subsystem includes a filter and an estimator with residual generators, hypothesis tests for fault detections and a reference logic table for fault isolations and fault recovery. The recovery process is based on the monitoring of mean and variance values of each attitude sensor behaviors from residual vectors. In the case of normal work, the residual vectors should be in the form of Gaussian white noise with zero mean and fixed variance. When the hypothesis tests for the residual vectors detect something unusual by comparing the mean and variance values with dynamic thresholds, the AUKF with real-time updated measurement noise covariance matrix will be used to recover the sensor faults. The scheme developed in this paper resolves the problem of the heavy and complex calculations during residual generations and therefore the delay in the isolation process is reduced. The numerical simulations for TSUBAME, a demonstration microsatellite of Tokyo Institute of Technology, are conducted and analyzed to demonstrate the working of the AUKF and FDD subsystem.     

基于修正罗德里格参数的小卫星SSUKF姿态确定

用无陀螺的三轴稳定偏置动量小卫星三轴磁强计和太阳敏感器获得观测矢量,提出了一种基于超球面分布采样Unscented变换滤波(SSUKF)和修正罗德里格参数(MRPs)的姿态估计方法,给出了算法模型.SSUKF在保证滤波性能的基础上减少了采样点个数,减轻了星载计算机的负载;用MRPs描述小卫星姿态大幅减少了计算量.某小卫星的仿真结果表明:算法兼顾了精度、收敛速度和鲁棒性,且提高了计算效率,适于小卫星.     

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。     

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。     

基于双星编队的空间非合作目标联合定轨方法

针对单颗卫星对空间非合作目标的纯测角跟踪定轨系统存在观测几何条件差和定轨误
差较大的缺点,提出利用双星编队对空间非合作目标进行协同观测。该方法引入平方根无迹
卡尔曼滤波(UKF)算法,并融合地面站观测双星编队信息、双星编队星间测量数据以及双星
编队对空间目标光学观测信息进行整网定轨,实现在纯测角条件下双星编队对空间非合作目
标的实时跟踪。仿真结果表明该方法可以改进观测几何条件和提高空间非合作目标的跟踪定
轨精度。     

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。     

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.     

基于新息和残差的自适应UKF算法

针对先验噪声统计特性与实际不符引起卡尔曼滤波精度下降的情况,提出了一种基于新息和     

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。