深空探测器接近段自适应滤波方法研究

天文导航是一种广泛应用于深空探测任务的全自主导航方法.基于状态模型和量测模型的非线性卡尔曼滤波方法在天文导航中被广泛使用.卡尔曼滤波要求状态和量测模型误差是高斯白噪声且先验协方差信息已知,但在深空探测器天文导航系统中,状态模型和量测模型噪声通常不能精确知道且是时变的.因此,自适应卡尔曼滤波器广泛用于解决状态和量测模型误差未知且时变的问题.本文首先结合火星探测器接近段的实际情况分析了火星探测器接近段模型噪声的时变特性,然后对三种常用的在线调节自适应滤波方法在火星探测接近段的滤波表现进行了仿真实验.      

基于SRCKF的多传感器融合自适应鲁棒算法

为解决模型误差和异常量测值发生时平方根容积卡尔曼滤波（SRCKF）算法滤波性能下降甚至滤波发散的问题,提出了一种多传感器融合自适应鲁棒算法。基于新息协方差匹配原则设计了鲁棒子系统以抑制量测异常值,同时为克服模型误差使用基于新息修正的低复杂度自适应SRCKF(LCASRCKF)算法设计了自适应子系统,根据2种子系统的特点和局限提出全局融合架构,使系统可以充分平衡并利用滤波过程中先验的模型预测值信息和后验的量测值信息,最终降低估计误差。仿真结果表明：相比鲁棒多渐消因子容积卡尔曼滤波（RMCKF）等算法,所提融合算法在滤波精度、稳定性和收敛速度等方面有明显优势。     

基于自适应联邦滤波的卫星姿态确定

卡尔曼滤波采用常值量测噪声协方差阵,当量测噪声统计特性发生变化时,易导致估计误差增大,甚至滤波发散。针对该问题,在联邦卡尔曼滤波子系统中采用自适应卡尔曼滤波,形成自适应联邦卡尔曼滤波算法,新算法采用模糊推理系统实时调整量测噪声协方差阵的加权系数,使模型量测噪声逐渐逼近真实噪声水平。将该算法应用于多传感器卫星姿态确定系统,仿真结果验证了算法的有效性。     

基于ST-SRCKF的超高速强机动目标跟踪算法

针对超高速强机动目标运动模型难以准确建立且观测数据易出现不良量测而导致滤波发散的问题,提出一种适用于超高速强机动目标的跟踪算法。该算法根据正交性原理推导了一种新的强跟踪平方根容积卡尔曼滤波（ST-SRCKF）结构,并引入多重渐消因子,渐消因子求解方法和作用位置均不同于已有的ST-SRCKF。根据新息的统计学特性,即新息协方差矩阵的迹服从卡方分布,建立了一种改进的CS-Jerk模型,该模型对目标机动的描述更准确,它与改进ST-SRCKF算法的结合实现了对超高速强机动目标的高精度跟踪。仿真结果表明,改进算法对超高速强机动目标的跟踪性能更佳。      

基于最小化新息协方差的修正SRCKF算法

目标跟踪过程中的模型误差会使得平方根容积卡尔曼滤波（SRCKF）性能下降,滤波精度降低;自适应滤波中的修正卡尔曼滤波（AKF）算法可以有效解决这一问题,但是难以应用到非线性滤波中。为了克服模型误差带来的不利影响,同时,进一步提高修正思想的应用范围,在SRCKF的基础上,基于最小化新息协方差准则推导了修正系数的向量形式,提出修正SRCKF(ASRCKF)算法。所提算法通过利用后期的测量数据,增加对测量值的信任度,从而达到对目标模型误差进行补偿的目的。仿真结果表明：与SRCKF和强跟踪SRCKF算法相比,所提ASRCKF算法能有效抑制模型误差,有着更优的滤波性能。     

基于特征值分解的小天体着陆自主导航系统可观度分析

摘要： 针对非线性导航系统中状态估计可观性与导航精度之间的关系，采用基于误差方差阵特征值分解的可观度分析方法，结合扩展卡尔曼滤波(EKF)算法对非线性预测滤波(NPF)算法进行改进，推导改进预测滤波的误差协方差矩阵，并对其进行特征值分解.分析特征值和特征向量与导航精度的关系，以小天体探测器着陆自主导航系统为例进行仿真验证，与EKF导航精度比较的基础上验证改进的NPF算法的有效性和精确性，并分析不同误差因素(模型误差，陀螺噪声，陆标误差)对可观度的影响，为航天器实际过程中自主导航系统的滤波器设计提供参考.     

一种快速星光角距/时间延迟量测组合导航方法

基于太阳震荡的时间延迟是一种新型天文导航量测量,将其与星光角距量测量结合,可以提高导航性能。然而,火卫一的星历误差将降低导航精度。针对这一问题,提出了一种快速星光角距/时间延迟量测组合导航方法,在线估计火卫一的位置和速度,抑制火卫一星历误差对星光角距/时间延迟量测组合导航估计精度的影响,并引入事件触发机制,通过设定阈值对新息(innovation)的幅值进行检验,选择性地进行基于时间延迟的隐式无迹卡尔曼滤波。仿真结果表明,提出的方法可以在保证导航精度的前提下,比在线估计运行的天文测角/时间延迟量测组合导航方法耗时减少约90%,有效提高了导航实时性,可为火星导航提供技术支持。     

高超声速飞行器惯性/天文鲁棒组合导航方法

对于高超声速飞行而言,惯性/天文组合导航的应用将会面临异常值干扰和噪声特性变化等问题,需要控制天文量测中异常值扰动的影响,提高对于可靠量测信息的利用效率。为此,本文研究了一种基于平衡因子的组合导航方法,采用鲁棒滤波方法进行惯性/天文组合导航系统的量测更新,将自适应滤波技术引入到鲁棒滤波中,考虑到天文量测信息不同的噪声特性和水平,将自适应因子分解为姿态自适应因子和位置自适应因子,从而平衡状态预测信息和天文测量信息的贡献。仿真结果表明,本文方法可以显著提高高动态环境影响下的组合导航性能。     

自适应卡尔曼滤波器在陆地车辆导航中的应用

建立了车载GPS(Global Positioning System)/DR(Dead-Reckoning)组合导航系统自适应扩展卡尔曼滤波模型及其算法,从而大大提高了车辆导航系统的定位精度.首次提出依据PDOP(位置误差系数)等GPS定位系统的输出参数,自动调整观测噪声协方差阵[WTHX]R和系统噪声协方差阵Q[WT]的大小,从而自适应地调整组合导航系统模型性能的方法,使得模型具有较强的适应性.计算机仿真及实验结果表明应用该模型具有良好的效果.      

基于并行扩展卡尔曼滤波的自主卫星星座导航方法

针对星间距离测量容易受到外界干扰的问题，提出了一种适用于多颗地球卫星和一颗月球卫星的卫星星座自主导航的并行扩展卡尔曼滤波算法.通过解决噪声统计不确定情况下的测量调度问题来选择适当的测量，降低干扰的影响.为了自适应地选择适当的测量，提出一种基于不同来源的测量构造多个子集的并行扩展卡尔曼滤波器，其中每个扩展卡尔曼滤波器用于处理不同测量子集，并基于残差序列计算子滤波器的权重，组合并行滤波器的估计结果.通过与EKF和传统的多模型自适应估计算法进行比较，表明所提出方法在干扰条件下的三轴位置估计误差的稳定性，体现了性能优势.     

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。      

粒子过滤在自主天文导航系统中的性能评估和应用

针对深空天文自主导航系统性能的评估,提出采用效用函数模型进行评估。这里以MATLAB为仿真平台,以深空探测为仿真背景、地火转移轨道为模型,采用天文测角自主导航,尝试提出一种有效的评估方法,同时将几种常见的粒子滤波算法应用于此模型中,通过数值和图形界面的形式显示不同滤波算法对导航性能的效用,结果表明该评估方法可有效反映和评估不同滤波算法的性能。     

鲁棒滤波技术在脉冲星导航中的应用

  提出将鲁棒扩展卡尔曼滤波(REKF)用于增强X射线脉冲星导航系统克服星表误差影响的能力。指出星表误差可以看作模型不确定性的一部分,采用鲁棒滤波技术进行处理。对REKF和传统扩展卡尔曼滤波(EKF)的性能进行对比。仿真结果表明,存在星表误差的情况下,采用REKF算法进行航天器导航,能够获得优于EKF的定位精度。     

一种顾及厄特沃思效应的水下重力辅助导航方法

水下相对于水面环境,准确估计厄特沃思效应更为困难,进而影响重力测量精度。由于传统重力匹配算法未考虑水下厄特沃思估计误差对重力辅助导航定位性能的影响,根据不同导航参数对厄特沃思估计误差的影响程度,构建了水下惯导系统/计程仪/重力仪组合导航框架,采用UKF非线性滤波算法,分析了不同导航模式下厄特沃思估计误差特性,并评估了有无厄特沃思估计误差时重力辅助导航性能的差异。半物理仿真结果表明采用DVL的辅助导航方式可有效抑制惯导误差积累,INS/DVL/Gravimeter三者信息融合导航模式定位性能得到了进一步提高,即使在考虑厄特沃思估计误差的情况下,与仅采用DVL作为辅助信息源相比,水平径向误差定位精度依然提升了17.02%。     

基于改进预测滤波的小天体精确着陆自主导航方法研究

针对小天体形状不规则、质量不均匀导致模型建立不准确的问题,研究基于改进的预测滤波实现自主着陆过程中精确导航的关键技术。在导航算法设计中,首先建立了小天体引力场模型,并建立了导航系统运动学模型,然后建立了基于惯性测量单元、光学相机及测速敏感器多信息融合的测量模型,结合扩展卡尔曼滤波(Extended Kalman Filter, EKF)算法对非线性预测滤波(Nonlinear Predictive Filter, NPF)算法进行改进,在该导航算法下,对系统的可观性进行了分析。仿真结果表明:在引力不确定性引起的模型不准确度下,该方法可实时估计模型误差,在与EKF导航精度比较的基础上验证了改进的NPF算法的有效性和精确性。     

基于状态量扩维的旋转式捷联惯导系统精对准方法

初始对准是旋转式捷联惯导系统（SINS）的关键技术之一。传统旋转式捷联惯导精对准方法多采用10维模型,该模型的精对准精度不能满足导航精度要求。针对此问题,提出了一种基于状态量扩维的旋转式捷联惯导系统精对准方法。首先,将陀螺和加速度计标度因数误差、安装误差扩展为状态变量,建立了28维的精对准模型;然后,对旋转过程中各状态量的可观测度进行分析,根据分析结果将模型优化为13维;最后,采用卡尔曼滤波实现了旋转式捷联惯导系统的精对准。仿真结果表明,与传统初始对准方法相比,该方法能有效提高姿态对准精度,并估计出更多陀螺误差项。