绕月探测器的自主光学导航研究

提出了一种利用高斯-马尔科夫过程和Unscented卡尔曼滤波的绕月探测器自主光学导航算法。针对很难事先确定精确地绕月探测器轨道动力学模型问题,提出利用高斯-马尔科夫过程来近似轨道动力学中的无模型加速度,进而提高了轨道动力学模型的精度;考虑到基于扩展卡尔曼滤波的轨道确定存在的问题,提出利用基于Unscented卡尔曼滤波来估计探测器的位置、速度及无模型加速度,提高了轨道估计精度和保证了算法的稳定性。最后,通过数学仿真验证了自主光学导航算法的有效性。     

具有通信约束的分布式SOR多智能体轨迹估计算法

针对传统多智能体轨迹估计算法信息交换量大，计算量随群规模指数增长，可扩展性差等诸多不足，提出了一种基于超松弛迭代（SOR）的分布式多智能体轨迹估计算法，通过将最大似然（ML）准则下的轨迹估计转化为两级线性优化问题，并综合利用分布式超松弛迭代（Distributed SOR）和标记初始化方法，加快求解速度并简化信息交换流程，最终实现了多智能体位姿轨迹优化和协作定位。实验表明，所提的分布式方法能达到集中式算法的精度水平，在49个智能体规模条件下，位置估计误差小于0.15 m，姿态估计误差小于0.03°，且数据交换量仅到现有主流分布式方法DDF-SAM的0.06%，能很好用于大规模集群的场景。     

基于最小约束系统的分布式协作定位研究

5G移动通信系统中,设备到设备的通信方式产生了节点间的信号测量,可用于提升无线定位的覆盖范围和定位精度。提出了一种基于最小约束系统的分布式协作定位方法,该方法首先利用已有算法估计节点参考位置,并据此构建最小约束确定网络的位置及朝向,然后在该约束下极大化由节点间测量引出的似然函数,获得位置估计。理论研究表明,该方法将由节点间测量确定的相对位置拟合到参考位置处,在参考位置等于真实位置时达到最优效果。仿真结果表明,该方法可有效提高定位精度,并具有分布式和可扩展等优点。     

集群编队条件下通导一体高精度时间同步方法

针对集群编队条件下对高精度时间同步的需求，对通导一体高精度时间同步方法进行了研究，将卫星导航系统与数据链系统进行深度融合，提出了动基座条件下基于卫星导航载波差分算法的节点间高精度时间同步算法。该算法通过协同时间驯服的方式来抑制两次定位间隔间受钟漂影响导致的节点间时间同步误差发散以及节点间时钟修正不同步导致的时间同步误差，提升了编队组网条件下节点间的时间同步精度。最后,通过仿真对算法进行了验证。结果表明，时空同步精度可以达到1ns，可有力支撑未来集群编队作战、高精度协同探测、高精度协同制导等典型场景下对节点间高精度时间同步的需求。     

无人艇集群协同定位算法误差分析

无人艇以集群方式被广泛应用于各个领域。无人艇集群完成任务的前提是获知相对的位置关系。为此,针对无人艇集群协同定位算法误差进行了全面分析。首先,给出了基于数据链协同定位原理。在此基础上,深入剖析了协同定位误差种类、特点及影响。最后,针对协同定位算法中对协同定位精度影响较大的 3个因素进行了仿真分析。分析结果表明,伪距测量误差和几何精度因子对协同定位误差影响最大。协同定位误差增大比例与伪距测量误差增大比例基本一致,大于几何精度因子增大比例;协同定位误差增幅小于源节点位置误差增幅。     

非线性系统中多传感器目标跟踪融合算法研究

主要阐述了在非线性系统中多传感器目标跟踪的融合算法，提出了基于变换测量卡尔曼滤波器（CMKF）的分布式融合算法，从该理论出发，导出了分布式变换测量卡尔曼滤波算法（DCMKFA）几乎能够重视集中式融合估计，仿真结果证明了这一结论，因此，DCMKFA对于非线性系统中的目标跟踪是一个有效的分布式融合算法。     

基于混合粒子滤波的激光惯导系统误差的补偿

针对激光陀螺捷联惯导系统在动态尤其是高动态环境下的姿态误差显著增大的问题,提出了一种基于改进高斯混合粒子滤波的纯方位跟踪算法。算法基于混合粒子的卡尔曼滤波和粒子滤波的特点,用有限的高斯模型来近似后验状态密度、系统噪声和观测噪声的分布通过EM的算法设计实现模型的降阶,一定程度上克服了EM算法迭代的结果需要依赖初始值、可能收敛到局部最大点或可能收敛到参数空间边界的缺点,从而改善了粒子携带信息的衰减问题。通过仿真与试验结合,在纯动态应用环境下的姿态与定位精度补偿效果,与传统Kalman滤波相比,算法在保持高精度估计能力的同时,具有较强的鲁棒性,是解决非线性系统状态估计问题的一种有效方法。     

基于星敏感器的卫星姿态估计方法研究

以星敏感器姿态信息作为测量数据,结合卫星姿态动力学方程组,采用增广卡尔曼滤波方法对无陀螺卫星姿态进行估计。研究发现,干扰力矩的变化会降低卫星姿态估计结果的精度,为此提出两种改进的姿态估计算法:增广自适应卡尔曼滤波方法和增广强跟踪卡尔曼滤波方法;仿真表明,两种算法都能很好地克服干扰力矩变化导致的精度下降现象。     

一种鲁棒Sigma-point滤波算法及其在相对导航中的应用

研究了一种鲁棒Sigma-point滤波方法在无人机编队相对导航问题上的应用。该方法采用Huber估计方法,将Sigma-point滤波量测更新转化为求解线性回归问题,新的Sigma-point滤波方法是一种混合L1、L2范数最小估计,当量测噪声为受污染的高斯白噪声时,该方法具有一定的鲁棒性。给出了编队无人机相对惯导方程和相对视线矢量测量原理,应用鲁棒Sigma-point滤波方法融合相对惯导信息和相对视线矢量信息,估计出无人机之间的相对姿态、相对速度和相对位置。仿真结果表明,与扩展卡尔曼滤波和常规Sigma-point滤波相比,鲁棒Sigma-point滤波可以获得更高的估计精度。     

基于PDR和磁场匹配的智能手机室内定位

目前，基于磁场的室内定位方法存在指纹采集无法快速建库的问题，导致匹配特征较少、无法快速进行匹配操作和航向角估计精度低。基于磁场梯度的快速近似，使用高斯牛顿迭代方法结合通过PDR测量的轨迹进行磁场轮廓匹配定位，提高了单点磁场指纹的可分辨性。基于步态模型的更新用作测量信息以改善C-INS的导航性能，提出了一种基于捷联惯性导航系统的行人航位推算算法。基于MFS参考位置，使用扩展Kalman滤波器控制PDR惯性导航的位置漂移误差，进一步提高了轨迹轮廓的精度。测试结果表明，该算法可以获得更好的位置估计和航向估计结果。     

基于类GPS技术的编队卫星相对参数测量研究

针对编队飞行小卫星间相对位置和相对姿态的测量,提出利用类GPS技术实现编队卫星间的自主测量,建立相应的测量模型来获得与相对位置和相对姿态相关的观测量。利用C-W方程和姿态运动学方程建立相应的状态方程,通过扩展卡尔曼滤波实现对编队卫星间相对参数的实时估计。MATLAB仿真结果表明,此方法能够获得很高的测量精度。     

基于联邦自适应滤波的分布式传递对准方法CSCD

为解决复杂飞行环境下由于机翼的挠曲变形等因素导致分布式传递对准的精度下降和稳定性差的问题,提出了一种基于27维状态变量传递对准模型的新型联邦自适应滤波算法。首先,子滤波器采用基于R和P自适应更新的卡尔曼滤波算法并结合27维传递对准模型进行单点传递对准。然后,主滤波器采用基于误差协方差矩阵的原则,对多个子滤波器的冗余信息和信息权重进行信息融合以及自适应分配。基于实际飞行数据的半物理仿真实验表明:该方法在一定程度上提高了分布式传递对准的稳定性和精度,姿态估计稳定性得到明显提高,动态杆臂以及航向角估计精度分别提高了61.54%和42.35%。     

基于序列图像的航天器自主导航降维滤波方法

非合作目标的运动感知与状态估计,是太空领域技术发展的重要组成部分。非合作目标相对状态的精确估计是相对导航的难点问题。传统的非合作目标扩展卡尔曼滤波算法需要结合非合作目标的质心位置,增加了状态变量的维数,提高了系统不确定性,从而会影响状态扩展卡尔曼滤波的收敛速度。提出了一种基于序列图像的非合作目标相对导航方法,该方法在不对质心进行估计的情况下首先对非合作目标姿态进行估计,在完成非合作目标姿态估计后再对其质心进行估计。本文推导了光学相机测量值与目标真实姿态的关系,构建了基于序列图像的测量模型,分别建立了不含有非合作目标质心位置的状态方程和基于非合作目标位置、速度矢量的状态方程,设计了适用于非合作目标状态估计的扩展卡尔曼滤波算法。仿真实验表明该方法可在10 Hz采样频率下经过50次采样（即5 s）内快速收敛,从而有利于空间飞行器的在轨服务与维护。     

基于IUKF的单星对空间目标仅测角跟踪算法

针对普通UKF(无迹卡尔曼滤波)测量更新方法的非线性近似精度相对较低,导致目标跟踪滤波精度和稳定性较低的问题,在单星对空间目标的天基仅测角跟踪滤波过程中,提出一种基于迭代测量更新方法的IUKF(迭代UKF)算法。通过在测量更新过程中提高非线性系统状态估计的近似精度,进而提高目标跟踪滤波精度,并引入具有全局收敛性的阻尼Gauss-Newton(高斯-牛顿)法来改进IUKF的数值稳定性。理论分析与实验结果表明,该方法不仅避免了求解雅可比矩阵和Hessian矩阵,而且具有较高的滤波精度和数值稳定性。     

自主姿态测量最优算法研究

针对利用地球重力场和磁场矢量观测进行自主姿态测量的应用问题,提出了一种新的最优递推估计算法。该算法采用卡尔曼滤波框架,利用加权统计线性回归并结合自适应滤波技术进行测量更新,与现有方法相比,在提高测量精度的同时,增加了同步提供姿态速率信息的功能。仿真结果表明,新算法的姿态估计精度比目前常用的直接计算方法提高近两倍。     

基于扩展卡尔曼滤波的小型固定翼无人机姿态估计方法分析

随着小型固定翼无人机的发展,由于其成本低、体积小的特点受到越来越多的企业青睐,但是由于成本问题,导致大部分企业只能选择成本较低的传感器,因此,针对固定翼无人机的姿态估计变得困难。为了解决这个问题,需要研究出一种新的姿态估计方法。利用离散型扩展卡尔曼滤波原理,结合常用的惯性导航系统和卫星定位系统,对小型无人机姿态进行估计解算。仿真结果显示,该方法可以准确地估计出无人机的姿态信息,其最大误差不超过2°,通过与未进行滤波算法处理的结果相比较,大大地减小了姿态估计的误差,因此这种基于扩展卡尔曼滤波的姿态估计算法针对小型无人机的姿态估计是可靠的。     

一种非线性滤波器的误差分析及应用

针对一类具有未建模误差和扰动的非线性系统的状态估计问题,提出一种在线估计并补偿模型误差的非线性滤波算法,该算法利用非线性预测滤波(NPF)基于预测输出残差的方差最小的基本原则估计模型误差,冉利用扩展卡尔曼滤波(EKF)的思想对补偿后的模型进行状态估计;详细推导了状态估计误差及其方差阵的传播模型.以卫星姿态确定系统为例,...     

混合线性/非线性模型的准高斯Rao-Blackwellized粒子滤波法

 针对混合线性/非线性模型,提出一种新的递推估计滤波算法,称为准高斯Rao-Blackwellized粒子滤波器（Q-GRBPF）。算法采用Rao-Blackwellized思想,将线性状态与非线性状态进行分离,对非线性状态运用准高斯粒子滤波（Q-GPF）算法进行估计,并将其后验分布近似为单个高斯分布,再利用非线性状态的估计值对线性状态进行卡尔曼滤波（KF）估计。将Q-GRBPF应用于目标跟踪的仿真结果表明,与Rao-Blackwellized粒子滤波器（RBPF）相比,Q-GRBPF在保证估计精度的前提下有效降低了计算复杂度,计算时间约为RBPF的58%;与Q-GPF相比,x坐标与y坐标的估计精度分别提升了45％和30％,而计算时间也节省了约30％。     

多UAV集群固定拓扑分布式控制方法研究

通过定高飞行假设,建立了集群运行的简化空间模型、基于静止坐标系和运动坐标系的集群控制模型和分布式控制结构。将既定加速度量和势差加速度量按比例结合,控制UAV跟踪轨迹形成并保持集群状态。基于UAV模型和智能体的仿真结果表明,该模型及算法能够实现稳定的UAV固定拓扑集群行为,且具有优越的队形保持和速度控制性能。     

半虚拟现实座舱中基于最大后验概率框架的手姿态估计

手姿态估计是半虚拟现实(SVR)座舱环境中进行人机交互(HCI)的基础工作,为此提出一种基于最大后验概率(MAP)框架的手姿态估计方法.针对手部自遮挡问题,建立多视点手势特征树,通过树节点搜索实现手姿态参数的快速估计,并利用时序信息提高估计精度.在树节点搜索过程中,采用改进的局部敏感哈希(LSH)索引算法提高搜索效率....