基于相位差测量的脉冲星时间相对导航方法

针对传统脉冲星导航方法在相位估计时依赖脉冲星信号轮廓,存在整周模糊及不确定星历参数引起的系统共模误差问题,提出基于相位差测量的脉冲星时间相对导航方法。该方法通过对脉冲星光子到达时间序列进行相位估计,以相邻时刻的相位差作为观测量,建立航天器位置增量与相位差的关系,采用广义卡尔曼滤波器处理系统噪声相关问题进行导航,可有效减小系统误差,实现脉冲星导航的应用。通过对导航系统初始定位方法、可观性分析,及基于罗西X射线时变探测器（RXTE）观测的Crab脉冲星的在轨实测数据试验分析,证明了该方法的自主性与可行性。最后,对基于相位差测量的脉冲星时间相对导航系统进行导航滤波仿真,试验结果表明,导航系统完全可观,噪声不累积,位置估计精度可满足实际应用。     

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。     

XNAV算法及其整周模糊度确定方法研究

X射线脉冲星导航(XNAV)是一种新型的航天器天文导航方法.研究了利用脉冲星脉冲相位观测信息进行导航卫星自主定轨的算法.首先分析了X射线脉冲在卫星和太阳系质心之间的传播时间方程,然后利用卫星与太阳系质心之间的相位差分观测量建立了系统的观测方程;结合导航卫星的轨道动力学特性,采用扩展卡尔曼滤波算法估计卫星的轨道.考虑到卫星轨道动力学预报得到的卫星位置值具有较好的精度,提出直接利用该位置预报值快速确定整周模糊度,并验证了该方法的可行性.数学仿真表明,该导航算法能够精确确定导航卫星在 l惯性系F的绝对位置.     

利用X射线脉冲星和多普勒频移的组合导航

为了提高航天器自主导航能力,提出了一种利用X射线脉冲星和多普勒频移的组合导航方法。多普勒导航利用相对于太阳的多普勒径向速度作为量测信息,该方法不能得到所有的状态估计。脉冲星导航系统具有完全可观测性,但是滤波周期较长,不能提供连续的导航信息。因这两种方法具有互补性,利用联邦滤波器来融合脉冲星导航与多普勒导航提供的信息。由于两种方法的量测方程与状态方程都是非线性的,采用无迹卡尔曼滤波器(UKF)作为子滤波器。实验结果验证了该导航方法的可行性和精确性。与脉冲星导航方法相比,该组合导航方法可提供更高的位置估计精度。     

X射线脉冲星导航中钟差的可观测性问题

标准X射线脉冲星导航(XNAV)能够求解航天器的位置信息,但航天器钟差会导致XNAV的结果产生误差.鉴于脉冲星周期的稳定性,在利用XNAV进行轨道估计中,将钟差作为状态变量进行估计的授时方案已被相关学者提出.一种针对卫星轨道修正专门设计的可观测性分析工具在文中给出,利用其能够有效地判断各个状态的可观测性情况.利用该方法分析将钟差作为状态变量的导航方案,其结果表明仅需2颗脉冲星就可以对全部轨道六根数,以及卫星钟差进行观测;仿真结果验证了可观测性分析结论,双脉冲星导航时系统可以达到60m的定位精度和60ns的授时精度.对比仿真同时揭示了该方案能够有效地抑制钟差对导航精度的影响,将由于钟差引起的定位误差减小20倍以上.理论分析与仿真表明,将钟差作为状态变量的导航方案是一种能够有效地估计钟差,并抑制钟差影响、提升系统估计精度的导航方案.     

基于光学/脉冲星的木星探测转移段自主组合导航

提出一种基于光学/X脉冲星的木星探测器转移段自主组合导航方案。该方案在探测器转移段动力学模型的基础上,以地球、火星、木星、木星卫星以及X射线脉冲星作为观测目标,从待观测目标的几何分布、视星等以及导航精度几个方面,分析光学自主导航待观测目标的可观测条件和可观测度,优化选取最优的光学观测目标;结合X射线脉冲星观测信息,构建光学/X射线脉冲星组合导航方案;结合无迹卡尔曼滤波算法,应用于木星探测转移段,实现探测器位置和速度估计。从数学仿真结果来看,该组合导航方案状态估计精度显著优于单独使用光学导航或者X脉冲星导航系统。     

基于Daubechies小波的X射线脉冲星信号降噪研究

针对X射线脉冲星弱信号埋没在强噪声中,在短时间内周期叠加的脉冲轮廓的信噪比低,影响脉冲到达时间的估计精度和效率,提出基于Daubechies小波的X射线脉冲星信号降噪的算法。在对RXTE观测数据预降噪处理和周期叠加的基础上,采用Daubechies小波算法做降噪处理,使得较短的时间内仍能获得高信噪比的脉冲轮廓。利用RXTE观测数据进行验证仿真,结果表明,该算法能有效滤除X射线脉冲星信号所包含的设备及空间环境的噪声,在保证脉冲到达时间精度的情况下,缩短了观测时间,提高X射线脉冲星导航的效率。      

一种求解X射线脉冲星导航周期模糊数的新方法

因为X射线敏感器不能分辨具体的脉冲,X射线脉冲星导航方法存在整脉冲周期模糊数问题.现有求解周期模糊数的方法过程复杂,计算量大.本文在飞行器估计位置十分精确的假设下,提出了无周期模糊数的X射线脉冲星迭代滤波导航方法.UKF滤波器基于轨道动力学给出探测器的估计位置,以脉冲到达标称位置和估计位置的时间差作为反馈,进行迭代滤波,最终得到探测器的真实位置和速度估计.仿真表明,该方法能在火星探测器的日心转移轨道上实现高精度的导航,其精度可达到位置误差5km和速度误差0.5m/s.     

基于联邦UKF算法的月球探测器自主组合导航

研究了月球探测器在地一月转移轨道阶段的自主导航方法，提出了利用地月位置信息和星光角距测量信息实现探测器自主组合导航的方案。针对导航系统的状态方程非线性的特点，将Unscented卡尔曼滤波算法和信息融合技术相结合，设计了新的联邦滤波器并应用于自主导航系统中。对这种导航方案进行了数值仿真，和传统的联邦滤波算法进行了比较。仿真结果表明，所提出的组合导航方法和联邦滤波算法的导航位置估计精度约为1km，速度估计精度约为0．01m／s，并且具有良好的鲁棒性和容错性能。     

X射线脉冲星导航原理

X射线脉冲星导航是以脉冲星的X射线辐射信号作为信息输入,经过相应的信号和数据处理,为近地轨道、深空和星际空间飞行的航天器提供高精度的位置、速度、时间和姿态等导航信息的实现过程。首先提出了基于X射线脉冲星的卫星自主导航的基本框架和实现流程;然后,概述X射线脉冲导航的时空基准,重点研究X射线脉冲星导航定位的测量方程、系统状态方程及其噪声统计特征等数学模型。最后,详细论述卫星自主导航信息处理的鲁棒滤波算法,即经典算法和现代鲁棒滤波算法。从理论方法和工程应用角度,初步论证X射线脉冲星导航的原理可行性和算法可实现性。     

基于脉冲星的空间飞行器自主导航技术研究

研究了利用X射线脉冲星实现空间飞行器自主导航的原理,指出通过测量脉冲星发射的脉冲到达航天器与到达太阳系质心的时间差可以确定该航天器的位置。给出了两种适合用于处理脉冲星观测量的方法,即基于最小二乘(LS)的方法和基于卡尔曼滤波(KF)的方法。通过数值仿真验证了X射线脉冲星自主导航技术的可行性,并且说明采用KF算法能够有效利用卫星轨道运动方程中包含的导航信息,从而获得更高的导航精度。     

捷联惯导与星跟踪器组合导航算法研究

捷联惯导与小视场星跟踪器构成惯性/天文组合导航系统,核心思想是利用星体跟踪器的高精度测角信息设计滤波修正算法对捷联惯导的导航姿态、方位和位置误差进行滤波估计并修正,以限制捷联惯导系统导航误差随时间的发散,最终提高系统长航时导航的导航精度。在分析小视场星体跟踪器量测量与SINS导航误差之间关系的基础上,设计了两种不同的组合导航算法：位置+方位修正算法和误差角组合导航修正算法。在此基础上对两种算法的导航精度进行了理论分析,并通过长航时仿真飞行数据进行了仿真验证。结果表明：位置+方位修正算法不受载体的位置误差的影响,更适用于星体跟踪器间断工作的情况;误差角组合算法不受载体姿态误差的影响,更适用于SINS初始位置误差得到有效修正的情况。     

一种新的脉冲星累积脉冲轮廓时间延迟测量算法

为提高X射线脉冲星导航系统中累积脉冲轮廓的时间延迟测量精度,分析了X射线脉冲星累积脉冲轮廓的特点和现有时延测量算法的缺陷,提出了一种粗略估计和精确测最相结合的时间延迟测量算法.该算法首先利用三阶互小波累积量进行粗略估计,可抑制尺度伸缩和噪声的影响;然后通过抛物面内插法精确测量时间延迟,避免了小步长的迭代运算,可大幅度降低算法的运算量.利用美国罗希(Rossi)X射线时变探测卫星的实测脉冲星数据进行实验,结果表明:该算法可屏蔽由多普勒效应和相位间隔长度的不同引起的尺度伸缩,能够抑制噪声,测量误差小于现有算法;当相位间隔为0.9°时,该算法的测量精度达到最高;该算法运算量小,不足现有算法的10%,适用于X射线脉冲星导航系统.     

单目-无扫描3D激光雷达融合的非合作目标相对位姿估计

针对传统的利用单一视觉传感器难以实现复杂非合作空间操控导航的问题,提出一种基于单目相机与无扫描三维激光雷达融合的非合作目标相对位姿估计方法。首先,设计了基于成像几何关系的单目纹理-非扫描距离图像的快速配准与融合方法;之后,在构建目标同步定位与建图（SLAM）贝叶斯滤波模型基础上,提出一种扩展卡尔曼滤波-无损卡尔曼滤波-粒子滤波联合的滤波估计算法,可实现尺度模糊下相对位姿的快速鲁棒估计;其次,针对估计中的尺度模糊问题,提出基于融合图像的全局尺度系数确定方法,将尺度系数估计问题转化为简单线性滤波问题。基于OpenGL生成的2D/3D图像实验表明：所提出的方法具有较优的精度和鲁棒性;相对位置估计误差与尺度估计误差相关,二者近似成线性正比关系。     

神经网络修正的速度约束辅助车载SINS定位算法

对于车载全球导航卫星系统(GNSS)/捷联惯性导航系统(SINS)组合导航系统，针对GNSS失效而SINS单独工作时仅使用速度约束辅助SINS其纵向位置误差逐渐发散的问题，提出一种神经网络修正的速度约束辅助车载SINS定位算法。通过径向基函数(RBF)神经网络预测SINS纵向位置误差修正系数，以提高SINS单独工作时的定位精度；此外，提出一种限定记忆指数加权实时估计量测噪声的自适应滤波算法。在人为设置GNSS失效以及真实隧道场景下进行车载试验，结果表明本文算法能够在不停车情况下在线修正SINS纵向位置误差，相比于速度约束与卡尔曼滤波相结合的常规算法，有效地提高了GNSS失效时的车载SINS定位精度。     

利用分步Kalman滤波器的自主定轨信息融合算法

将星敏感器/红外地平仪的天文定轨信息与星间观测进行信息融合是消除基于星间链路自主定轨中星座整体旋转问题的有效途径。针对两种定轨方法精度相差较大导致融合效果较差的问题,提出了一种分步 Kalman 滤波算法。该算法利用星敏感器观测信息能够有效修正旋转参数的特点,将星敏感器观测信息和星间观测信息进行分步处理和最优信息融合以消除自主定轨算法中存在的星座整体旋转误差,提高定轨精度。通过对Walker星座的仿真表明,利用提出的分步Kalman滤波信息融合算法,星座自主定轨60天后星座URE误差能够稳定在 1.5米 以内,且能有效消除星座整体旋转误差。