基于Unscented四元数粒子滤波的 微小卫星姿态估计

针对基于微小卫星姿态确定系统精度低和噪声存在非高斯分布的情况,研究了适用于该定姿系统的Unscented粒子滤波(UPF,Unscented Particle Filter)算法.UPF方法结合了Unscented卡尔曼滤波(UKF,Unscented Kalman Filter) 与粒子滤波(PF,Particle Filter)的特点,用UKF得到PF的重要采样函数,从而克服了PF没有考虑最新量测信息、 扩展卡尔曼滤波(EKF,Extended Kalman Filter)和UKF只能应用到噪声为高斯分布的不足.以MEMS(Micro Electronic Mechanical System)陀螺和CMOS APS(Complementary Metal Oxide Semiconductor Active Pixel Sensors)星敏感器为姿态敏感器件,将UPF与基于误差四元数的卫星姿态运动学方程结合,构建了UPF定姿滤波器,并用MEMS陀螺采集的随机噪声数据进行了半物理仿真,对其特性进行了分析与比较.仿真比较结果表明:在敏感器精度较差并且系统噪声非高斯分布的情况下,这种基于UPF的姿态估计方法在计算粒子数目相对于PF较少的情况下,可以取得比UKF更好的滤波精度,从而有效地提高了定姿性能.      

一种用于高动态GPS频率估计的滤波算法

针对常用高动态GPS(Global Positioning System)频率估计算法扩展卡尔曼滤波(EKF,Extended Kalman Filter)的缺陷,提出了一种新的称为简化无迹高斯粒子滤波(SUGPF,Simplified Unscented Gaussian Particle Filter)的算法.SUGPF将卡尔曼滤波(KF,Kalman Filter)、无迹卡尔曼滤波(UKF,Unscented Kalman Filter)与高斯粒子滤波(GPF, Gaussian Particle Filter)三者相结合.在时间更新阶段,用KF的方法更新预测分布;在测量更新阶段,用UKF的方法得到重要采样函数,并用GPF的方法更新后验分布.仿真结果表明:与EKF和UKF相比,SUGPF性能更优越,功能更全面,在高斯与非高斯观测噪声环境下均能取得与GPF类似的良好性能,并且其计算复杂度低于GPF.     

基于SSUKF的航天器自主导航算法

针对航天器自主导航系统对稳定性、精确性和实时性的要求,将超球面分布采 样点变换SSUT(Spherical Simplex Unscented Transformation)和Unscented卡尔曼滤波(UK F)相结合,研究了基于SSUT的UKF(SSUKF)导航滤波算法.由于SSUT减少了采样点个 数,在保证滤波精度和标准UKF相当的条件下减轻了计算负担.根据UKF和扩展卡尔曼滤波(E KF)计算过程相似的特点,设计了SSUKF和EKF相结合的混合卡尔曼滤波算法.算法通过能够 度量估计误差的模式切换函数,可以自适应地在SSUKF和EKF之间切换,避免了UKF计算效率低 以及EKF对滤波参数敏感、容易发散的缺点.数值仿真结果表明,混合卡尔曼滤波器提高了 计算效率,保证了估计精度,具有良好的鲁棒性,适合于航天器自主导航系统.      

一种无人机视觉导航方法及其滤波算法改进

设计了一种无人机视觉/惯性组合导航系统,将无人机和地标点的运动模型作为状态方程,视觉信息作为观测量构建了与之对应的滤波模型.在滤波处理上,采用了复杂加性噪声模型对系统噪声进行建模处理;将小波分析引入到UKF(Unscented Kalman Filter)滤波中得到小波-UKF滤波算法,以此克服视觉观测噪声对滤波的影响;采用最大后验概率准则(MAP,Maximum A Posterior)自适应估计观测噪声协方差阵,并将其反馈到滤波过程中克服了小波处理后观测噪声方差阵不易确定的不足.仿真结果证明:对滤波算法的改进可以有效地提高滤波估计的精度.     

四元数UKF超紧密组合导航滤波方法

针对GPS/SINS(Global Positioning System/Strapdown Inertial Navigation Sys-tem)超紧密组合导航系统线性化滤波在高动态、弱GPS信号等环境下性能下降严重的问题,提出了一种以四元数UKF(Unscented Kalman Filter)为基础的GPS/SINS超紧密组合导航系统非线性滤波方法.通过分析GPS与SINS在超紧密组合导航系统中的关系,提出了一种利用SINS信息来估计、修正GPS载波信号的方法,在此基础上建立了组合导航滤波的状态方程和量测方程;以四元数乘性误差模型为基础,提出了一种可应用于UKF滤波的求解四元数加权均值的方法;提出了基于四元数UKF的GPS/SINS超紧密组合导航滤波方法.仿真实验表明:在高动态环境下,四元数UKF滤波方法增强了GPS/SINS超紧密组合导航系统的定位精度和抗干扰能力.     

运用信息融合式高阶UKF的微小卫星姿态确定算法

为提高微小卫星微型低成本姿态敏感器的姿态确定精度，基于磁强计/太阳敏感器/陀螺仪的姿态敏感器配置以及无迹卡尔曼滤波方法（Unscented Kalman Filter，UKF），设计了一种基于高阶UKF算法并且融合磁强计与太阳敏感器观测信息的微小卫星姿态确定算法.为提高系统状态方程非线性函数的一步预测精度，采用基于五阶UT变换的高阶UKF算法，增加了Sigma采样点数量，提高了系统状态预测精度.单一观测向量滤波算法不能同时满足多个不同量纲观测数据，本文提出一种同时利用两个观测向量的信息融合式滤波算法，根据磁强计和太阳敏感器的观测信息，通过卡尔曼滤波原理中的增益计算，分别得出地磁矢量和太阳矢量对应的卡尔曼增益信息.采用高斯概率密度准则进行信息融合，进而完成预测值的修正，得到同时满足磁强计以及太阳敏感器观测需求的四元数估计值，降低了观测误差的影响.仿真分析验证了算法的优越性.      

航天器天文导航中星敏感器最佳安装方位研究

航天器自主天文导航中,通常用星敏感器和地平仪测量的星光角距作为观测量,星敏感器安装方位角是影响导航精度的一个重要因素.针对星光角距作为观测量的自主天文导航方法,分别采用扩展卡尔曼滤波EKF(Extended Kalman Filter)和Unscented卡尔曼滤波UKF(Unscented Kalman Filter)2种滤波方法进行仿真计算,研究了星敏感器安装方位角对导航精度的影响规律,得出星敏感器的最佳安装方位角,并考察了其在不同轨道参数下的适用性,为星敏感器的安装和星敏感器视场内观测星的选取提供了依据.仿真计算表明,本结论对其它利用"星光+地平"的自主导航方法也适用.      

基于UKF的雷达高度计自主定轨

探讨了利用推广卡尔曼滤波估计非线性系统状态时存在的问题,从而介绍了目前广泛使用的分步逼近的卡尔曼滤波(UKF,Unscented Kalman Filter).为了提高导航的可靠性和准确性,在星敏感器导航系统中引入雷达高度计作为一个新的测量设备,提出了一种基于星上雷达测高仪及星敏感器联合进行卫星自主定轨的算法.建立了比较复杂的地球海平面模型,并考虑了其中风生重力波的影响. 利用雷达测高仪的测量结果和地球形状模型,计算地心矢量在卫星本体中坐标系的方向.利用UKF滤波定轨算法,明显提高了自主定轨的精度.数值仿真结果表明,UKF定轨精度要远优于推广卡尔曼滤波.      

一种用于目标跟踪的UT-BLUE滤波方法

雷达机动目标跟踪问题中,通常目标运动模型可精确地在直角坐标系下建模,但大多数情形下模型是非线性的,同时在传感器坐标系下所获得目标量测又是直接可用的.通过将无迹变换与最优线性无偏滤波器有机结合,提出一种新的BLUE(Best Linear Unbiased Estimator) 滤波算法,以便解决上述非线性跟踪问题.首先,该算法利用无迹变换对经由直角坐标系下非线性目标运动模型得到的目标状态及其协方差作出预测,然后在保持传感器坐标系(极坐标系)下所固有的量测误差的同时,直接对它们作出状态估计.在算法推导及Monte-Carlo仿真过程中,将新的BLUE滤波算法和EKF(Extended Kalman Filter)、UKF(Unscented Kalman Filter)滤波算法进行比较,结果表明新算法的有效性和适用性.      

EKF/UKF在编队飞行卫星GPS相对导航中的应用

 　航天器编队飞行协调工作,必须精确确定各航天器的相对位置和相对速度,即进行编队飞行相对导航。将扩展卡尔曼滤波(EKF,extended Kalman filter)和非线性滤波unscented Kalman filter(UKF)算法同时应用于编队飞行卫星的载波相位差分GPS相对导航。EKF与UKF算法原理不同,UKF算法的精度比EKF的精度高。在实际应用中,可以将两种算法组成互为备份的相对导航滤波器,这样可提高滤波系统冗余性能。     

基于SINS/CNS组合导航系统的多模型自适应估计算法

针对单一模型滤波器在未知或不确定的系统参数下适应性较差的问题,提出了一种新的基于多模型自适应估计(multiple model adaptive estimation,MMAE)的滤波方法。该方法利用改进的卡尔曼滤波代替传统的卡尔曼滤波,比如扩展卡尔曼滤波(extended Kalman filter,EKF)和无迹卡尔曼滤波(unscented Kalman filter,UKF)。EKF和UKF被用来作为多模型自适应估计的子滤波器,从而实现对非线性系统的状态估计。同时,还将该方法应用于基于弹道导弹模型的组合导航中实现了系统仿真。仿真结果表明,与传统的EKF和UKF算法比较,改进的滤波方法可以解决传统模型滤波器适应性差的问题,并提高系统的导航精度。     

一种基于AUKF的航天器自主导航算法

 将非线性Sage-Husa噪声估计器与无迹滤波器(UKF)相结合,提出了一种新型的自适应无迹滤波器(AUKF).对基于AUKF的航天器自主导航系统进行了计算机仿真,仿真结果表明,对于存在测量偏差的自主导航系统,AUKF的导航滤波精度较传统的扩展卡尔曼滤波器(EKF)有显著的提高.进而,针对航天器自主导航系统测量偏差周期时变的特点,提出了提高偏差估计精度的改进算法.仿真结果表明,在适当增加计算量的条件下,利用偏差估计改进算法的AUKF能够进一步提高自主导航系统的导航精度.     

发射系下的SINS/CNS/GNSS组合导航UKF滤波算法

弹载系统的组合导航系统模型常建立在发射惯性坐标系下，且捷联惯性/天文导航/卫星导航（SINS/CNS/GNSS）是一种目前研究较多的组合模式。该组合导航系统的状态方程具有强非线性的特点，常用的滤波方法为扩展卡尔曼滤波（EKF）。为了提高组合导航系统的精度及可靠性，对该组合导航系统的无迹卡尔曼滤波（UKF）模型进行了设计，直接将姿态、位置与速度参数作为状态的一部分，利用CNS及GNSS提供的姿态与位置构成量测方程，并详细给出了姿态样本点的生成、均值及方差的生成过程。仿真结果表明，相对于EKF算法，采用UKF算法后各导航参数的精度可提高约20%~30%，并且系统的实时性也可以得到保证。     

基于视线测量和轨道预报高轨非合作目标相对导航方法

对于非合作目标,由于中远距离星上相对测量手段有限,大多情况仅能获得视线角信息.仅视线测量相对导航方法在GEO轨道条件下滤波精度低、可观测性差.提出一种基于星间视线方位测量和轨道预报信息结合的非合作目标相对导航方法.建立基于星间相对运动模型的状态方程和基于星间视线测量和轨道预报信息的观测方程,分别选取了扩展卡尔曼滤波和无迹卡尔曼滤波两种方法,仿真分析了轨道预报信息精度和滤波方法对导航精度的影响.     

融合高斯过程回归的UKF估计方法

高精度滤波估计是SINS/GNSS组合导航系统的关键技术之一,其估计精度直接影响了导航精度。传统滤波估计方法一般只基于惯导误差模型,未考虑惯导误差模型不确定性的影响。针对此问题,提出了一种采用高斯过程回归（GPR）增强无迹卡尔曼滤波（UKF）预测和估计能力的高精度滤波估计方法。一方面,能在有限的训练数据条件下通过UKF估计误差状态量;另一方面,高斯过程既考虑了噪声,也考虑了UKF的不确定性。将所提方法应用于SINS/GNSS组合导航系统中,车载实验结果表明,所提方法能有效提高滤波估计精度。      

混合式惯导系统姿态四元数连续自标定模型

混合式惯导系统作为一种新型惯导系统,具有三轴全姿态物理平台、捷联姿态算法和系统装机自标定等特点。针对以上特点,为提高其导航定位精度,在混合式惯导系统框架角约束方程的基础上,利用姿态四元数代替欧拉角描述混合式惯导系统中三轴物理平台的转动,建立了一种混合式惯导系统姿态四元数连续自标定模型对其进行误差系数标定。针对该模型的特点,对传统的无迹卡尔曼滤波（UKF）算法进行改进,提出了一种基于奇异值分解的四元数无迹卡尔曼滤波（SVD-QUKF）算法进行模型误差系数辨识。仿真和试验结果表明,基于SVD-QUKF算法,四元数连续自标定模型能够以低于1%的相对误差标定出混合式惯导系统所有的误差系数,在标定精度和计算速度上相比基于传统UKF算法的框架角自标定模型都具有一定优势。      

UKF方法在脉冲星自主导航中的应用

针对X射线脉冲星自主导航中的非线性系统滤波问题，将无迹卡尔曼滤波方法应用于自主导航计算过程中。首先，在简述脉冲星导航可行性的基础上，研究了脉冲星自主导航系统的基本原理和实施方案。然后，根据牛顿二体引力模型构建了航天器运动状态方程，根据脉冲到达时间模型建立了系统观测方程，并对二者进行了误差分析和建模。最后，将UKF算法应用于航天器自主导航过程中，仿真结果表明该方法能够实现航天器自主导航信息的解算。