一种新的星载GPS定轨滤波算法

针对传统EKF(Extended Kalman Filtering)算法应用于星载GPS(Global Positioning System)低轨卫星定轨时系统噪声方差初值不易确定的问题,提出了一种新的定轨滤波算法.该算法在非线性方程线性化过程中,在前一时刻滤波估值点进行线性化,从而得到扰动方程,并将该扰动方程引入到传统EKF进行滤波处理.该算法与传统EKF分别应用在星载GPS低轨卫星的定轨中,通过比较,结果表明改进的算法在一定程度上抑制了由于系统噪声方差阵选取偏差较大而引起的滤波发散现象,且对于系统噪声方差的初值选取有较强的鲁棒性.      

一种基于随机集的模糊观测的多目标跟踪算法

为解决目标数未知或随时间变化时模糊观测的多目标跟踪问题,将多目标状态和模糊 观测数据表示为随机集形式,利用模糊观测的似然函数融合模糊数据,建立了模糊观测的概 率假设密度(probability hypothesis density,PHD)粒子滤波方法。这种方法首先利用 粒子滤波预测和更新随机集的PHD,然后估计目标数N,最后找出N个PHD最大的点就 是多目标的状态估计。在相同的仿真环境中,用这种方法与用重心去模糊器进行去模糊处理 后的观测数据同时跟踪目标数变化情况下的多目标,并进行了比较,结果表明,模糊观测多 目标跟踪的PHD粒子滤波能稳健跟踪目标数未知或随时间变化时的目标状态和目标数,性能 好于去模糊情况。     

SINS快速精确传递对准技术研究

针对空间机动平台武器捷联惯性导航系统（SINS）快速精确动基座传递对准问题,采用适于空间武器SINS动基座姿态传递对准的数学模型,提出将预测滤波方法应用于空间机动平台武器SINS的传递对准中。该方法能够在线估计并修正系统模型,提高状态估计的精度,并克服了将模型误差假设为高斯白噪声的局限性,同时也降低了系统状态变量的维数,减小了计算量。仿真结果表明,该方法的收敛速度和滤波精度都明显优于标准Kalman滤波,有效地提高了空间机动平台武器SINS动基座传递对准的精度和速度。     

基于修iE Rodrigues参数和UKF的姿态估计算法

以修正Rodrigues参数作为姿态参数,利用无味Kalman滤波(uKF)设计了一种全姿态估计算法.修正Rodrigues参数在姿态估计中具有简洁高效的优点,然而,因其奇异性不能用于全姿态运动情况.利用修正Rodrigues参数与其影子参数相互切换的方法可以避免奇异现象的发生.UKF直接利用非线性模型而不需要线性化,适用于高精度的姿态估计.本文针对"陀螺 矢量观测"这种典型的姿态确定模式,以修正Rodrigues参数与其影子参数相互切换的方法描述姿态,利用UKF设计了姿态估计器.状态协方差阵在姿态参数切换时发生突变,引起姿态估计器的滤波波动.为此,提出了在姿态参数切换时对姿态估计器进行修正的方法.最后通过仿真验证了算法的有效性.     

基于进化神经网络的组合导航系统滤波算法研究

组合导航系统中,卡尔曼滤波算法的估计特性依赖于精确的系统模型和准确的外观测数据.任何一个条件不满足将导致滤波精度下降甚至发散.为此,本文引入进化神经网络和自适应卡尔曼滤波技术.仿真结果证明,文中所提算法能够有效克服常规卡尔曼滤波的缺点,并保持较高的精度.     

抑制复原图像振铃波纹的频域循环边界算法

提出了一种基于Wiener滤波的频域循环边界复原算法,并给出了有效的规整化表达式和信噪比估算方法.复原算法首先将原观测图像按反射对称的方式延拓,形成一个新的观测图像(称为延拓图像);然后,用Wiener滤波算法复原延拓图像,并取延拓图像的复原图像的主值序列作为原观测图像的复原图像.对延拓图像在频域进行复原处理时,需要使用FFT(Fast Fourier Transform)技术,将延拓图像进行周期延拓,因其结合边界在垂直方向上的梯度为零,且边界平滑满足微分条件,抑制了复原图像的振铃波纹.复原过程中,将噪声与原始图像的功率谱之比规整化为原观测图像信噪比的函数.实验结果表明,该算法对周边区域梯度变化较大的观测图像复原效果较好.      

提高卫星自主导航精度的滤波算法和仿真

如何实时准确地对系统误差进行估计和校准提高基于“地-日-月”测量的卫星自主导航精度的一个重要途径。针对这一问题,将系统误差作为新增的状态向量,设计了轨道参数状态与系统误差状态解耦估计的两步滤波算法,该算法在估计轨道参数的同时校准系统误差,数学仿真结果表明,采用文章所提出的滤波算法可以将自主导航的位置精度从10km(3σ)量级提高到300m(3σ)左右。     

基于神经网络的无迹滤波改进算法

介绍了采用无迹变换(UT)描述随机变量通过非线性系统后的均值及方差的方法,提出可以将神经模糊推理系统(ANFIS)用于确定无迹变换中的参数,使其对随机变量均值的描述达到二次以上精度,并给出了改进的无迹滤波器(UKF)结构和神经网络训练方法;仿真结果表明,该算法适用于系统含有未知输入或系统噪声为非高斯的情况,并可解决一些典型的非线性估计问题,改进算法的性能优于传统无迹滤波器。     

利用UKF的航天器自主导航方法研究

UKF(Unscented卡尔曼滤波)是一种新型的直接针对非线性系统的滤波方法。用星敏感器和地平仪测量星光与地平之间的“星光仰角”为观测量的天文自主导航方法,其状态方程和量测方程都是非线性的,使用以往的EKF(推广卡尔曼滤波)进行导航滤波,需将上述两方程分别线性化,故精度较低。本文提出在航天器天文自主导航系统中采用UKF方法,并从仿真计算结果中看到,导航精度有显著提高。     

卫星姿态测量信息的二阶非线性滤波技术研究

卫星应用任务要求卫星姿态在空间保持高精度定向 ,为此有必要研究精确的递推非线性姿态估计算法。文中针对星光 陀螺这种典型的三轴稳定卫星姿态确定系统模式 ,应用基于二阶泰勒级数近似得到的非线性滤波算法处理姿态测量信息 ,设计了二阶非线性姿态估计器的实现方案。在设计过程中 ,把QUEST法作为矢量观测数据压缩技术有效地结合进姿态估计器中 ,使得在多矢量观测情况下的滤波修正算法得到了简化。相同条件下的仿真测试结果证明 ,二阶非线性姿态估计器的滤波性能要优于采用扩展卡尔曼滤波技术的一阶线性姿态估计器