基于联合滤波的卫星姿态确定

对由星敏感器、陀螺、太阳敏感器和磁强计构成的组合姿态确定系统,建立了卫星确定系统模型、子系统滤波方程。基于信息融合设计了改进的联合滤波,讨论了信息分配因子确定,给出了改进的系统滤波流程。仿真结果表明：改进后卫星姿态确定的算法有能效提高卫星姿态的估计精度。     

联邦滤波器在卫星姿态估计中的应用

本文介绍了由惯性器件、GPS姿态传感器、太阳敏感器、地球敏感器组成的卫星姿态测量系统 ,利用联邦滤波器对载体姿态进行分散化估计 ,计算机仿真表明该方案不仅有与集中滤波器相当的精度 ,且容错性好。在本文给出的系统中 ,选取不同的信息分配因子进行联邦滤波器的设计 ,可以获得不同的子滤波器性能 ,以利于故障诊断。     

卫星多敏感器组合姿态确定系统中的信息融合方法研究

针对卫星陀螺，红外地平仪，太阳敏感器，GPS接收机组合姿态确定系统的特点，提出一种基于联邦卡尔曼滤波算法的信息融合方法，其中信息分配系数通过计算协方差矩阵的迹在线自适应确定。推导了由四元素描述的卫星姿态误差状态方程和各子系统的测量方程。仿真分析结果表明采用该信息融合算法可以提高定姿精度，有效抑制滤波发散，并使整个系统的运算速度和收敛速度都有所提高。     

推广联合滤波算法在卫星组合定姿系统中的应用

研究了不同模型下的推广联合滤波算法。基于信息融合理论和信息守恒原理，提出信息分配是信息融合的逆过程的观点，给出和证明了信息分配定理，为推广联合滤波算法提供了理论基础。以某卫星组合姿态确定系统为例，详细讨论了推广联合滤波的结构及其实现过程。理论分析和数学仿真结果表明：推广联合滤波算法比现有的联合滤波算法计算量小，且推广联合滤波算法能够同时保证全局最优和局部最优，而现有的联合滤波算法不是局部最优。     

多敏感器信息融合技术在卫星姿态确定中的应用

针对惯性陀螺、星敏感器和红外地平仪组成的卫星姿态确定系统,基于联邦卡尔曼滤波技术和多敏感器信息融合技术,提出了二级分散滤波方案,该方案能够实现系统的故障诊断与系统重构,提高系统的可靠性,最后通过仿真解算出高精度的姿态测量信息。     

AEKF在姿态确定中的应用研究

设计了加性扩展Kalman滤波器(AEKF),对卫星姿态进行了准确估计。针对四元数法描述卫星姿态所引起的信息冗余能使滤波误差协方差阵产生奇异,并导致滤波发散,为此提出了用协方差阵降维法解决该问题。仿真结果表明,应用本文设计的滤波器,能有效克服姿态敏感器的量测噪声,准确估计出卫星的姿态。     

INS／GPS／Odometer组合系统初始对准及自适应联合滤波

本文提出了INS／GPS／Odometer（测速仪）组合际航系统。基于信息融合理论，提出了基于子滤波器可观性矩阵条件数和误差协方差矩阵特征值分解的自适应联合滤波。然后利用该方法对INS／GPS／Odometer组合系统的初始对准问题进行了研究。仿真结果表明，自适应联合滤波能够改善系统初始对准的状态估计精度，信息分配因子的不同选择对状态估计有一定的影响。     

基于星敏感器/陀螺组合的一种半确定性卫星定姿方法

针对星敏感器/陀螺典型卫星姿态确定系统配置,考虑确定性方法的离散性及状态估计法对模型准确程度的依赖性,提出了一种半确定性姿态确定方法.以四元数为姿态描述参数,用基于Taylor展开近似的线性回归修正陀螺预报的姿态,并用修正的姿态信息反推出陀螺漂移量.仿真结果表明:该算法实现简单,无需实时递推滤波器增益阵,计算速度快,定姿性能较佳,可有效提高陀螺的姿态预报精度.     

基于自适应采样滤波器的临近空间飞行器姿态确定

为提高临近空间飞行器的姿态估计精度和稳定性,研究了捷联惯性导航系统与星敏感器组合定姿方法和滤波融合算法.首先给出了临近空间飞行器的高精度姿态确定方案及其模型,然后针对一般采样型滤波器自适应能力有限的缺点,推导了一种能在线自适应估计过程噪声和量测噪声协方差阵的自适应采样滤波算法,该算法融合了自适应估计和非线性滤波各自的优点,不仅能对姿态确定系统的非线性滤波问题进行高精度估计,而且估计结果具有较强的鲁棒性,最后进行了仿真实验.实验结果表明本文方法达到10角秒的定姿精度,其滤波精度和稳定性均满足临近空间飞行器的定姿要求.     

预测滤波算法在微小卫星姿态确定中的应用

讨论了利用卫星姿态动力学与矢量观测信息融合确定卫星姿态的方法。引入基于模型误差最小准则的预测滤波算法,实现对未知扰动的实时辨识与估计,克服模型误差影响。针对预测滤波算法存在模型误差加权阵依赖经验选择的不足,提出了模型误差加权阵偏小设计准则,使预测滤波算法对模型误差的估计引入高频分量,根据卫星姿态机动速度远小于高频噪声的事实,采用ＦIＲ数字滤波器滤除由高频分量引入的噪声,放宽了模型误差加权阵的设计范围。仿真表明：应用该设计准则的预测滤波算法与优化模型误差加权阵的估计效果相当,且滤波精度对模型误差加权阵参数的选择不敏感;该法也克服了优化模型误差加权阵在滤波初始时刻的振荡。     

多传感器最优信息融合Kalman多步预报器及其应用

提出了一种新的标量加权线性最小方差意义下的多传感器最优信息融合算法。该算法考虑了局部估计误差之间的相关性，只需计算加权标量，避免了加权矩阵的计算，明显减小了计算负担，便于实时应用。基于该融合算法，对被多个传感器观测的离散线性随机系统，给出了具有容错性的多传感器标量加权最优信息融合分布式Kalman多步预报器。它具有两层融合结构，其中第一融合层具有网状并行结构，用来获得每时刻每两个无故障传感器子系统之间的滤波误差互协方差阵；第二融合层用来确定最优标量加权系数，进而获得标量加权最优融合Kalman多步预报器。将其应用于雷达跟踪系统验证了其有效性。     

多传感器分层多级变结构组合导航信息融合方法

基于惯性/卫星(全球卫星定位系统(GPS)/北斗双星)/多普勒/星光组合导航系统,提出了一种用于组合导航系统的多传感器分层多级变结构部分优化故障检测、隔离与系统重构(FDIR)的信息融合模型和算法。给出了模型的构成,并讨论了分层多级融合顺序与部分融合对全局估计的影响及其优化。理论分析和仿真试验结果表明,分层多级部分优化融合模型融合后的综合性能优于联邦滤波基本融合模型。     

多传感器信息融合技术综述

信息融合是信息领域一个前景广阔的研究方向。通过多传感器组网可以获得比单一传感器质量更高的信息。从信息融合的定义诠释了信息融合的内涵,指出信息融合的实质是推理与决策。给出集中式、分布式和混合式三种模型结构,比较它们的优缺点。融合层次对多传感器信息融合性能有重要影响,给出三种融合层次的性能对比结果。分析四种流行的融合处理算法,比较它们的性能。最后从技术发展和应用需求出发,对信息融合的发展作进一步展望。     

一种基于信息融合的深空巡航段自主导航算法

针对自主光学导航在深空巡航段应用中的问题,提出了一种基于信息融合的自主导航算法。由太阳敏感器测量获得太阳相对探测器的视线矢量,由分光计测量获得探测器相对太阳的径向速度,构建自主导航系统的两种信息观测方程;由基于状态估计误差协方差阵奇异值动态确定信息分配因子,用信息融合技术和扩展卡尔曼滤波算法实时估计探测器的位置与速度。对深度撞击任务的实际飞行数据的数值仿真结果表明:自主导航算法的轨道确定精度满足深空巡航段要求。     

空间站信息系统仿真验证平台设计

对空间站信息系统仿真验证平台的设计进行了研究。介绍了信息系统组成架构和工作原理,设计了仿真验证平台方案。给出了总线管理调度及数据融合仿真、高速以太网功能与性能验证、WIFI无线通信仿真验证、基于新架构的数字化仿真,以及信息系统联合仿真的内容、方案和结果。     

车载GPS/DR组合导航系统的信息融合新方案

总结了适用于车载 GPS/ DR组合导航系统的几种信息融合方法 ,提出一种可容错的新型联合卡尔曼滤波结构方案。针对系统重构和自适应调整的依据 ,提出一种新的分系统状态评估方法 ,定义了滤波器估计结果可信度的概念并给出对其进行模糊综合评判的方法。在此基础上进一步确定联合滤波模型的自适应信息分配准则 ,实时跑车数据处理结果表明 ,该方案大大提高了系统的导航精度和可靠性     

机载导弹电路多级信息融合技术的故障诊断

本文建构了多级信息融合技术故障诊断的框架 ,分析了该技术进行故障诊断的原理 ,并结合某型机载导弹电路说明该技术在故障诊断中的应用 ,得到了较为理想的结果。