空间非合作机动目标跟踪相对导航方法研究

就基于雷达测量的空间非合作机动目标跟踪相对导航问题进行了研究,提出了一套 既能够处理测量粗差,又能使滤波器在存在未知输入情况下快速收敛的相对导航算法。本文 将强跟踪滤波器的思想引入到二阶分离插值滤波算法（DDF2）,设计DDF2\|STF滤波器;另 外,本文将DDF2与Huber滤波算法相结合,设计DDF2\|Huber滤波器;最后,本文设计了相应 的滤波器切换准则,根据不同情况选用DDF2\|Huber和DDF2\|STF滤波器,从而得到一套 完整的相对导航算法。数学仿真证实了所提出相对导航算法的有效性。本文的研究成果为工 程设计提供了理论参考。
     

自适应融合滤波算法及其在INS/GPS组合导航中的应用

针对扩展卡尔曼滤波器(EKF)在系统模型不确定时存在鲁棒性差、精度低的问题,设计了一种基于交互式多模型(IMM)的自适应融合滤波(AFF)算法。IMM\|AFF算法采用两个模型来描述系统结构,且与每个模型相对应的Sage\|Husa滤波器和强跟踪滤波器(STF)独立并行工作,系统的状态估计则是两种滤波器估计的模型概率加权融合。IMM\|AFF算法兼具Sage\|Husa滤波器状态估计精度高和STF对系统模型不确定具有强鲁棒性的优点,克服了两种滤波器各自单独使用时的缺点。将IMM\|AFF算法应用于INS/GPS组合导航系统的仿真结果表明,IMM\|AFF算法的滤波精度和鲁棒性均明显优于目前工程应用中的EKF,特别是大大提高了INS/GPS系统的定位 精度 。
     

采用无线电单独测量的编队卫星相对轨道自主确定

在实际工程应用中,编队卫星由于任务的要求使得部分测量设备(例如,激光设备)不可用,这就造成系统的观测性下降。文章将条件数应用于编队卫星系统的可观测度的定量计算;并针对编队卫星进行轨道机动时仅采用无线电进行测量的工况,采用强跟踪离散卡尔曼滤波(UKF)算法进行仿真计算。仿真结果表明该方法具有很强的跟踪能力,并且鲁棒性、稳定性和精度与常规UKF算法相当。     

基于UPF的修正罗德里格参数卫星姿态估计

粒子滤波(PF)在卫星姿态估计中解决了非高斯分布的情况,在粒子滤波的基础上,利用修正罗德里格参数(MRPs)表示姿态,用动力学方程进行角速率的传播,提出将采样粒子滤波(UPF)算法应用到基于MRPs的卫星姿态估计中,该方法通过UKF得到粒子滤波的重要性采样函数,更充分地利用了最新的量测信息。仿真结果表明,这种基于UPF的姿态估计方法能够获得比UKF和标准PF更高的滤波精度,并且具有更好的滤波稳定性。     

轮式起降无人机安全起飞纵向控制

为了提高无人机在风干扰下的起飞安全性,对无人机常规起飞纵向控制方案加以改进,提出了基于直接升力控制的安全起飞纵向控制方案.采用由低通滤波器和超前补偿通道组成的组合滤波方案,用以解决所提出控制方案中无人机升降速度信号的精确获取问题,通过所研制的专用升降测试台和基于频谱分析的设计方法,对组合滤波方案进行了参数选取和仿真验证.基于Matlab/Simulink仿真环境建立某型无人机的全量非线性数学模型,通过仿真设计相应的襟翼偏转控制律.仿真结果表明,应用组合滤波方案获取的升降速度信号精度较高,满足起飞控制的使用要求.安全起飞纵向控制方案可显著增强无人机的抗干扰能力,从而提高起飞过程的安全性.     

基于电离层暴时f_0F_2经验模型Kalman滤波短期预报

利用时间累积地磁指数印ap(T),建立了强地磁扰动条件下电离层f0F2与月中值相对偏差经验模型.该经验模型只在春秋季节和夏季特强地磁扰动条件ap(T)>100,即时间累积地磁指数大于100时达到理想精度.尝试利用气象预报中常用的Kalman滤波方法对模型的系数进行实时修正,以提高预报精度,并对长春站1986-1995年近一个太阳周f0F2数据进行提前一小时预报试验.冬季预报均方根误差为0.76MHz,春秋季节为0.68MHz,夏季为0.61MHz.在特强地磁扰动条件下,预测误差在0.87～1.43MHz之间.该预报方法同时与包含暴时修正模型STORM的国际参考电离层IRI2001进行了比较,展示了Kalman滤波方法实时修正模型系数的能力和良好的应用前景.     

一种新的脉冲串匹配滤波方法

分析脉冲串信号的两种匹配滤波器—梳状滤波器和窄带滤波器实现脉冲串匹配滤波的原理。提出一种新的脉冲串匹配滤波方法,即通过频谱取样实现脉冲串的匹配滤波。理论分析和仿真结果证明,该方法能很好的滤除信号中的噪声。     

INS/SMNS组合导航信息融合算法

为了解决INS/SMNS(Inertial Navigation System /Scene Matching Navigation System)组合导航系统信息融合时涉及到的时间对准、多速率滤波、不等间隔以及量测滞后等问题,根据INS/SMNS组合导航主要应用于末制导段以及Kalman滤波与观测值的关系,提出了采用外推法进行时间对准、变周期离散化进行不等间隔多速率滤波、使用计算机软件消除量测滞后的解决方案.对比分析了常规Kalman滤波、消除量测滞后Kalman滤波以及方案的滤波精度.仿真结果表明设计的方案具有较高的滤波精度.     

基于自适应滤波的主动磁悬浮轴承位移传感器故障识别

针对采用差动式位移传感器的主动磁悬浮轴承系统,从理论上分析了控制器输出信号与转子干扰力及传 感器故障信号之间的关系和自适应滤波器的工作原理,并在此基础提出了基于自适应滤波的传感器故障识别方 法.该方法以两路位移信号的差值为参考信号对控制器的输出信号进行滤波,从而得到控制器输出信号和两路 位移信号的差值之间的相关系数,根据该相关系数的极性即可准确地判断出故障传感器.还采用Matlab对该方 法进行了仿真研究,并在一个主动磁悬浮轴承试验台上进行了试验研究,研究结果表明:该方法可以同时识别传 感器的直流故障争交流故障;转子在静态悬浮和高速旋转时,该方法均可以准确地检测到传感器故障并识别出 故障传感器.     

Rao—Blackwellized粒子滤波在SINS／GPS深组合导航系统中的应用研究

在组合导航系统数据处理中,有时会出现线性非线性混合模型的高维滤波问题,此时采用传统的线性卡尔曼滤波无法直接处理,而一般的非线性粒子滤波计算量往往很大,难以满足导航系统实时性要求.因此,本文提出了利用Rao-Blackwellized(R B)思想对上述组合导航滤波模型进行分块处理,对于线性子空间采用卡尔曼滤波方法,对于非线性子空间采用粒子滤波方法.优化处理后的粒子滤波维数从20减少到3,使抽样所需的粒子数大大减少.通过仿真验证表明,在选取相同粒子数目前提下,本算法的滤波精度明显提高,并有效保证了导航计算的实时性.