Unscented卡尔曼滤波在飞航导弹地磁导航中的应用

对飞航导弹巡航段的地磁导航问题进行了讨论,导航算法为unseented卡尔曼滤波,导航信息为地磁异常强度.首先通过对比不同飞行轨迹下的滤波效果,得到了导弹射前路径规划的一些原则.由于unscented变换参数对滤波效果存在一定影响,提出了利用遗传算法优化unscented变换参数的方法,优化参数的鲁棒性分析进一步验证了该方法的有效性.最后对unscented卡尔曼滤波和扩展卡尔曼滤波的导航性能进行了比较,仿真结果表明前者具有更高的导航精度.     

基于三轴磁强计与雷达高度计的融合导航算法

为了减小近地轨道(小于1000km)地磁导航的估计误差协方差，提高导航的可靠性和准确性，在地磁导航系统中引入雷达高度计作为一个新的测量设备，提出了一种基于三轴磁强计与雷达高度计的融合导航算法。该算法取卫星的位置和速度向量作为状态向量，建立状态方程；取卫星周围的磁场强度和卫星到星下点实际海平面距离求出的地心距，作为观测量建立观测方程；利用扩展卡尔曼滤波构成一种融合导航算法。仿真结果表明，提出的融合导航算法对轨道位置的估计误差小于20米，速度的估计误差小于1米／秒，导航算法的精度和收敛性都优于使用单一地磁导航的系统。     

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BP神经网络组合导航融合算法

文章针对卡尔曼滤波算法的缺陷,建立了组合导航系统模型,提出了基于BP神经网络修正卡尔曼量噪权值的自适应卡尔曼滤波法,对量测噪声统计特性进行了自适应调整,并与传统卡尔曼算法进行计算机仿真比较。结果表明,基于BP神经网络的卡尔曼滤波器在一定程度上抑制了数据的发散,提高了导航精度。     

地磁导航发展与关键技术

地磁导航技术作为一种无源自主导航方法,具有抗干扰能力强、无积累误差和精度适 中的优点。本文简述了地磁场理论,回顾了地磁导航技术的研究历程,综合分析了地磁导航 技术采用的导航算法,指出了制约地磁导航技术发展的三大关键技术和当前的研究动向,最 后对地磁导航技术未来的发展和应用做了展望。     

基于模糊自适应卡尔曼滤波的INS/GPS 组合导航系统算法研究

针对车载组合导航系统量测噪声统计特性随实际工作条件的不同而变化的特点,提出了一种基于模糊自适应卡尔曼滤波的车载INS/GPS组合导航算法。该方法通过监视理论残差与实际残差的比值是否在一附近,应用模糊推理系统不断的调整量测噪声协方差阵的加权,对卡尔曼滤波的量测噪声协方差阵进行递推在线修正,使其逐渐逼近真实噪声水平,从而使滤波器执行最优估计,提高导航系统的精度。对车载组合导航系统的仿真结果表明,这种算法对时变的量测噪声具有较强的自适应性,进而精度比常规卡尔曼滤波也大为提高,是一种可行的车载组合导航算法。     

基于自适应算法的月球引力常数和J_2系数确定

针对月球引力场自主确定过程中测量噪声统计特性未知导致扩展卡尔曼滤波精度低、易发散的问题,提出了一种自适应扩展卡尔曼滤波算法。该算法通过采用改进的噪声估计器,对滤波过程中未知测量噪声统计特性进行实时估计和修正,有效地提高了扩展卡尔曼滤波器的稳定性,减小了状态估计的误差。通过与蒙特卡洛仿真,扩展卡尔曼滤波的结果比较,自适应扩展卡尔曼滤波算法加强了滤波的稳定性,并且明显提高了月球探测器轨道的确定精度、月球引力常数精度和月球J2项摄动系数精度。     

偏振光/地磁/GPS/SINS组合导航方法

为了提高微小型飞行器导航系统姿态测量性能，提出偏振光／地磁／GPS，SINS组合导航方法。推导了三维空间中应用偏振光／地磁辅助测姿原理，并证明了系统具有完全能观性，指出了观测结构具有退化现象和退化条件。采用联邦卡尔曼滤波方法实现了组合导航算法，利用Madab仿真方式对单独使用偏振光和同时使用偏振光／地磁辅助的组合导航系统的测姿修正效果和能观度改善效果进行了检验和比较。结果表明偏振光／地磁／GPS／STNS组合对测姿的修正能力优于单独使用偏振光辅助的情况。由此可以得出该方法能够改善导航系统能观性和精度的结论。     

多星座组合导航自适应信息融合滤波算法

针对多星座卫星组合导航,提出了一种双重自适应联合卡尔曼滤波算法,采用描述机动载体运动的"当前"统计模型,首先建立一种基于载体加速度方差自适应的动态定位卡尔曼滤波模型,并分别对GPS,GLONASS和GALILEO系统设计相应的自适应子滤波器,然后采用有重置的联合自适应滤波器对各个子滤波器进行数据融合处理,各子滤波器的信息分配系数根据各卫星导航系统输出的几何精度因子(GDOP)进行自适应调节.通过对GPS/GLONASS/GALILEO多星座组合导航系统的仿真,分析对比了加权平均滤波、常规联合滤波和本文提出的双重自适应滤波.结果表明:该双重自适应算法有效提高了组合导航系统的精度和可靠性,能更好地适应于量测噪声不断变化的卫星组合导航系统.     

时变拓扑卫星集群分布式自主相对导航方法

针对时变拓扑卫星集群的相对导航需求，提出了基于图论的时变拓扑分布式一致性无迹卡尔曼滤波算法。首先给出了固定拓扑卫星集群的相对运动方程、测角测距测量模型和无迹卡尔曼滤波算法，然后考虑测角失效时相对导航系统不可观或弱可观的问题，结合矢量环一致性约束，构造了一致性无迹卡尔曼滤波算法，以提高系统的可观度；在此基础上，针对时变拓扑卫星集群，以滤波精度为优化指标，在图论的基础上利用Dijkstra算法对卫星集群的时变拓扑结构进行重构，并将重构后的拓扑结构应用于卫星集群相对导航。仿真结果表明所提算法能有效改善不完备测量带来的模糊轨道问题，并且能够实现实时的拓扑重构，以满足时变拓扑星群的相对导航精度要求。     

多传感器加权观测融合自适应UKF滤波器

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.     

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 。
     

基于自适应滤波的光谱畸变误差抑制方法

为降低天文光谱畸变误差对多普勒测速导航精度的影响,设计结合非线性Sage-Husa噪声估计器及抗差扩展卡尔曼滤波器(Robust Extend Kalman Filter,REKF)的自适应滤波算法。当系统模型可靠时,抗差滤波能够通过预测残差判断异常量测并降低其权重;当系统模型噪声先验信息不准确时,通过Sage-Husa噪声估计器估计系统噪声协方差阵Q阵,以保证抗差滤波的效果。此外,结合多普勒测速导航及X射线脉冲星导航进行组合导航,以提高位置估计精度。仿真结果表明,该算法能够在系统模型噪声先验信息不准确的情况下有效控制光谱畸变造成的量测误差对导航精度的影响。     

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。     

INS／GPS／TERCOM组合制导系统中的信息融合方法研究

提出由坐标变换、误匹配检测和卡尔曼滤波三个单元构成的一种新型INS／GPS／TERCOM系统优化结构，并对INS／GPS／TERCOM组合系统自适应联邦滤波信息融合和分散式信息融合两种算法分别进行了研究，将这两种算法与传统的集中滤波算法进行了比较。结果表明，系统无故障情况下三种方法精度相同；而在有故障情况下自适应联邦融合法优于另两种方法。     

基于进化神经网络的组合导航系统滤波算法研究

组合导航系统中,卡尔曼滤波算法的估计特性依赖于精确的系统模型和准确的外观测数据.任何一个条件不满足将导致滤波精度下降甚至发散.为此,本文引入进化神经网络和自适应卡尔曼滤波技术.仿真结果证明,文中所提算法能够有效克服常规卡尔曼滤波的缺点,并保持较高的精度.     

自适应融合IMM的自主无线电载波跟踪算法

针对深空自主无线电接收技术中信噪比(SNR)未知的载波跟踪问题,提出了一种自适应融合的交互式多模型(IMM)算法,可以根据实际环境的信噪比自适应地调节IMM估计器的噪声方差,以实现对未知SNR信号的正常跟踪,并保证频率跟踪精度几乎不受初始噪声方差的影响。在分析系统收敛性的基础上,该算法采用模型概率自适应调整策略,根据系统收敛判断条件自适应地调整IMM模型集中各模型的概率,保证了系统的收敛性,提高了跟踪精度,与广泛使用的Sage-Husa自适应滤波算法相比,收敛时间缩短了一倍左右。     

Adaptive Square-Root Cubature–Quadrature Kalman Particle Filter for satellite attitude determination using vector observations

A novel algorithm is presented in this study for estimation of spacecraft?s attitudes and angular rates from vector observations. In this regard, a new cubature–quadrature particle filter (CQPF) is initially developed that uses the Square-Root Cubature–Quadrature Kalman Filter (SR-CQKF) to generate the importance proposal distribution. The developed CQPF scheme avoids the basic limitation of particle filter (PF) with regards to counting the new measurements. Subsequently, CQPF is enhanced to adjust the sample size at every time step utilizing the idea of confidence intervals, thus improving the efficiency and accuracy of the newly proposed adaptive CQPF (ACQPF). In addition, application of the q-method for filter initialization has intensified the computation burden as well. The current study also applies ACQPF to the problem of attitude estimation of a low Earth orbit (LEO) satellite. For this purpose, the undertaken satellite is equipped with a three-axis magnetometer (TAM) as well as a sun sensor pack that provide noisy geomagnetic field data and Sun direction measurements, respectively. The results and performance of the proposed filter are investigated and compared with those of the extended Kalman filter (EKF) and the standard particle filter (PF) utilizing a Monte Carlo simulation. The comparison demonstrates the viability and the accuracy of the proposed nonlinear estimator.     

基于地磁场测量估计卫星姿态的UKF算法

提出了利用UKF（Unscented Kalman Filter）处理地磁场测量数据进行低轨道（LEO）卫星自主定姿的算法。通过使用估计姿态、轨道参数和国际地磁场参考（IGRF）计算得到的地磁矢量与三轴磁强计（TAM）的测量矢量之差作为更新信息，可以实现实时的姿态角和角速度估计。针对卫星稳态定姿、大角度快速机动的定姿以及姿态失控状态下的定姿等三种任务，分别用UKF和传统的EKF（Extended Kalman Filter）进行了数值仿真。仿真结果显示出本文提出的定姿算法的优越性。     

自适应卡尔曼滤波在平台射前自标定中的应用

研究了自适应卡尔曼滤波技术在平台射前自标定数据处理中的应用 ,标定采用四位置标定方法 ,对角度传感器输出建立常速度模型。在噪声统计未知或时变的情况下 ,每个位置采用自适应卡尔曼滤波解算出平台各轴的漂移角速率 ,并在此基础上辨识出漂移参数。仿真表明 ,自适应卡尔曼滤波能较好地满足标定精度要求