Unscented Kalman滤波在空间飞行器被动测距中的应用

介绍了Unscented Kalman滤波及其空间飞行器被动测距中的应用。Unscented Kalman滤波通过设计少量的sigma(抽样)点,计算这些点经过非线性函数的传播,获得滤波值基于非线性方程的更新。Unscented Kalman滤波避免了广义Kalman滤波等线性化方法的缺点,并提高了滤波精度。     

自适应UKF在北斗定位算法中的应用

北斗导航系统发展日益成熟，介绍了北斗定位解算与GPS解算的差异，针对扩展Kalman滤波(Extended Kalman Filter，EKF）算法在北斗解算过程中容易引入非线性误差，无迹Kalman滤波(Unscented Kalman Filter，UKF）算法受初值和系统噪声影响较大问题，提出了一种自适应无迹Kalman滤波(Adaptive Unscented Kalman Filter，AUKF）北斗定位解算算法。该算法利用观测残差信息构建自适应渐消矩阵，消除量测噪声异常带来的影响，同时提高了滤波精度。实验表明，与EKF和UKF定位解算算法相比，AUKF算法在定位精度和对系统噪声鲁棒性方面都有所提高，是一种可靠稳定的北斗定位算法。     

Unscented粒子滤波在静基座捷联惯导系统大方位失准角初始对准中的应用研究

 静基座大方位失准角的捷联惯导系统误差方程是非线性的，Unscented粒子滤波从非线性系统状态向量概率分布出发，结合Unscented卡尔曼滤波和粒子滤波的特点，无需对非线性系统模型进行处理而能达到较高的滤波精度。本文对Unscented粒子滤波进行了研究，并结合重采样算法，运用于捷联惯导系统静基座大方位失准角初始对准中，计算结果验证了该方法的有效性与优越性。     

基于UKF的测速定轨实时算法

针对多测速元定轨测量方程非线性强的特点，引入了UnscentedKalman滤波。UnscentedKalman滤波通过设计少量的sigma点，并计算这些点经过非线性函数的传播，获得滤波值基于非线性方程的更新，从而避免扩展Kalman滤波线性化等缺点，提高了滤波精度。仿真结果表明，UnscentedKalman滤波方法可以很好地实现测速定轨，在飞行器实时跟踪领域具有较好的应用价值。     

UKF方法及其在方位跟踪问题中的应用

采用UKF(Unscented Kalman Filter)方法处理了平面内地面站对目标的方位跟踪的估计问题。目标的位置和速度由选定的高斯分布采样点来近似，在每个更新过程中，采样点随着状态方程传播并随着非线性测量方程变换，由此不但得到目标位置和速度的均值及较高的计算精度，而且避免了对非线性方程的线性化过程。仿真结果表明，UKF方法比传统的扩展卡尔曼滤波(EKF)算法有更高的估计精度，并能有效地克服非线性严重时，方位跟踪问题中很容易出现的滤波发散问题。     

非线性状态方程自校准滤波方法

针对工程实际中遇到的非线性系统状态方程中含未知输入（如环境因素的影响、模型和参数选取不当等）的情况，采用自校准技术，基于秩滤波与无迹Kalman滤波算法提出了一种非线性状态方程自校准滤波方法,并分别讨论了自校准秩滤波(SRF)与自校准无迹Kalman滤波(SUKF)两种情况。大量仿真结果和工程应用表明:与无迹Kalman滤波(UKF)相比，该方法通过对系统状态方程中的未知输入进行自动估计和补偿，改善了系统受未知输入影响下的滤波效果，从算例中可以看到，估计精度至少提高了80%，且计算简单，便于工程应用。      

基于改进UKF的小卫星磁测定轨方法

针对小卫星设计简单、功耗低的特点,提出一种利用三轴磁强计测量信息实现卫星磁测自主定轨的方法。为了提高自主定轨的计算效率,采用基于球体单形ε点采样的改进UKF(Unscented Kalman Filter)作为处理自主定轨的滤波算法。最后对这种定轨方法进行了仿真试验,结果表明,该滤波算法能有效保证收敛的速度和定轨精度。     

非线性非高斯秩滤波方法

基于秩滤波原理,提出一种非线性非高斯秩滤波方法,给出其递推过程.目前常用的非线性滤波方法有无迹Kalman滤波和粒子滤波,无迹Kalman滤波只适用于高斯分布的情况,粒子滤波方法却存在粒子退化及重采样引起的粒子贫化问题.而非线性非高斯秩滤波方法不仅适用于常见的多元t分布、多元极值分布等非高斯分布的非线性滤波,并且计算简单、工作量小,便于工程应用.从仿真算例可以看到,该方法的滤波精度与无迹Kalman滤波和粒子滤波方法相比提高了500%以上.     

基于联邦UKF的多机协同无源定位

为提高多机协同无源定位的精度和速度,同时满足应用性强的要求,提出了基于UKF(Unscented Kalman Filter)联邦滤波算法的纯方位无源定位技术。核心思想是利用联邦滤波算法去解决各子滤波器滤波结果的全局最优融合问题;利用UKF算法去消除非线性状态方程或量测方程中的高斯噪声,从而实现多机协同对目标辐射源的高精度无源定位。仿真结果表明,该算法可行性强,定位精度高、速度快,具有很高的应用价值。     

自校准扩展Kalman滤波方法

提出一种自校准扩展Kalman滤波(SEKF)方法,针对3种含有未知输入(如未知系统误差、突风、故障等)的不同的非线性系统模型,分别给出了滤波递推算法.在导航、信号处理、故障诊断等领域的许多非线性工程中,传统的扩展Kalman滤波(EKF)方法无法消除未知输入的影响,在滤波过程中往往产生较大误差甚至发散.提出的SEKF方法能够对这种未知输入进行补偿和修正,从而提高滤波精度.数值仿真算例表明:SEKF的滤波误差均值和标准差分别减少到传统EKF的1/12和1/4,有效地改善了滤波精度.并且该方法计算简单,便于工程应用.     

一种基于模型误差预测的UKF方法

 UnscentedKalman滤波器（UKF）对本质非线性系统具有估计精度高、收敛速度快和容易实现等优点,但是对系统的模型误差比较敏感。针对这一问题,提出了一种基于模型误差预测的UKF方法,称为PUKF（PredictiveUnscentedKalmanFilter）。它利用非线性预测滤波器（NPF）的模型误差预测过程,能够对不准确的系统模型进行实时修正,弥补了UKF方法的不足。仿真结果表明,相对于原始的UKF方法,新方法从滤波精度、收敛速度和收敛的稳定性等几个方面,显著提高了非线性滤波的性能。PUKF可适用于模型不确定、非线性较强系统的滤波。     

基于ATSUKF算法的卫星姿控系统故障估计

针对卫星姿态控制过程中可能发生的执行机构或敏感器故障，提出了一种基于无损卡尔曼滤波（UKF）及偏差分离原理的自适应二阶无损卡尔曼滤波（ATSUKF）算法。首先，提出TSUKF算法，通过UKF处理姿态机动时的非线性并通过偏差分离原理将非线性系统的状态及故障分别估计，避免非线性模型的线性化过程同时降低了计算过程中的矩阵维度。然后，在TSUKF算法的基础上提出了ATSUKF算法，通过滑动窗口内的残差计算自适应矩阵，使滤波器在统计特性不准确的情况下仍然具有较快的收敛速度，特别适用于卫星快速机动过程中的姿态与故障估计。数值仿真结果表明，ATSUKF算法相较于TSUKF算法能有效降低统计特性不准对系统造成的不利影响，实现卫星姿态、执行机构/敏感器故障的快速估计。     

基于UKF算法的单站无源定位

机载单站无源定位具有机动性好、作用范围广等特点,而基于相位差变化率的定位方法又具有定位速度快、精度高等优点.文章研究了Unscenteed Kalman Filter(UKF)在机载单站无源定位中的应用,给出了相位差变化率定位方法的原理,介绍了UKF算法的滤波原理及滤波过程.从仿真结果表明,UKF算法应用在机载单站无源...     

无源定位跟踪滤波算法研究及仿真分析

首先介绍了几种无源定位跟踪滤波算法原理,包括扩展卡尔曼滤波（EKF）,无迹卡尔曼滤波器（EKF）,交互多模型滤波器（IMM）;然后通过建立几种不同模型来对每一种滤波算法进行仿真,依据仿真图形和误差结果对滤波算法进行分析,从而实现不同滤波模型根据目标运动状态进行监视和切换,这对无源定位跟踪算法精度的提高和实际应用有很大的...     

基于双重卡尔曼滤波器的发动机故障诊断

提出了一种基于双重卡尔曼滤波器的航空发动机健康参数估计方法,实现了传感器发生故障情况下发动机故障的准确诊断.采用发动机动态工作点的测量数据,解决了可测量参数偏少导致故障诊断困难的问题;球面采样平方根UKF(Unscented Kalman filter)故障诊断滤波器具有更好的滤波稳定性与更低的计算量的要求,提高了故障诊断算法的效率与精度.某型双轴涡扇发动机故障诊断仿真结果表明,该方法可以准确的同步实现气路部件与传感器的故障诊断,是一种有效的航空发动机故障诊断方法.     

Interlaced optimal-REQUEST and unscented Kalman filtering for attitude determination

 Aimed at low accuracy of attitude determination because of using low-cost components which may result in non-linearity in integrated attitude determination systems, a novel attitude determination algorithm using vector observations and gyro measurements is presented. The various features of the unscented Kalman filter (UKF) and optimal-REQUEST (quaternion estimator) algorithms are introduced for attitude determination. An interlaced filtering method is presented for the attitude determination of nano-spacecraft by setting the quaternion as the attitude representation, using the UKF and optimal-REQUEST to estimate the gyro drifts and the quaternion, respectively. The optimal-REQUEST and UKF are not isolated from each other. When the optimal-REQUEST algorithm estimates the attitude quaternion, the gyro drifts are estimated by the UKF algorithm synchronously by using the estimated attitude quaternion. Furthermore, the speed of attitude determination is improved by setting the state dimension to three. Experimental results show that the presented method has higher performance in attitude determination compared to the UKF algorithm and the traditional interlaced filtering method and can estimate the gyro drifts quickly.     

Design of on-board calibration methods for a digital sun sensor based on Levenberg–Marquardt algorithm and Kalman filters

Digital sun sensor is one of the most important sensors used in the Attitude Determination System (ADS) of the satellite. Due to the harsh environmental conditions that exist in the space, various distortions may occur in the sun sensor optical system that lead to the reduced accuracy of this equipment. So, it is necessary to recalibrate the optical parameters of the aforementioned sensors. For this purpose, first a novel attitude independent error model is proposed for the SS-411 sun sensor that includes the central point of the CCD array, installation error, filter thickness and sensor misalignment. So, the mutual interfaces between the sensor parameters are considered in the developed model. In order to extract the sensor parameters, a nonlinear optimization technique called the Levenberg–Marquardt is applied to the developed model as a batch algorithm. In addition, the Extended Kalman Filter (EKF) and the Unscented Kalman Filter (UKF) have been utilized as sequential strategies. It will be shown that by considering a worst case of variation amount for sensor parameters, an accuracy improvement of about 17° is achieved by the developed calibration algorithms. Comparison between the developed algorithms represents that UKF has higher accuracy, shorter time convergence but higher computational load.     

改进粒子滤波算法及其在GPS/SINS组合导航中的应用

针对标准粒子滤波中存在的粒子退化问题,将无味卡尔曼滤波方法、线性规划方法与标准粒子滤波相结合,得到一种改进粒子滤波算法。改进粒子滤波算法中的重要性概率密度通过 UKF算法获得,从而使粒子使用效率得到提升;二次采样过程中加入线性规划方法,保证了粒子的多样性。将改进粒子滤波算法应用于 GPS/SINS组合导航,建立了 GPS/SINS组合导航模型,通过仿真验证了该滤波算法的有效性,使用该算法可使惯性组合导航系统导航精度得到提高。