基于事件驱动的容积卡尔曼滤波定位算法

以网络化非线性滤波系统为研究对象,为了平衡系统的通信率和滤波精度之间的矛盾,引入随机事件驱动（stochastic event-triggered）的思想,并在此基础上建立了基于残差检测的事件驱动（detected event-triggered）模型。针对系统的强非线性,将线性随机事件驱动滤波系统中的更新结论推广至非线性系统,推导了两种事件驱动机制在容积卡尔曼滤波（CKF）算法框架中的滤波更新过程,得到了检测事件驱动CKF（DECKF）和随机事件驱动CKF（SECKF）两种算法。最后,通过天基平台空间目标跟踪问题对算法性能进行检验。仿真结果表明,当通信率下降20.64%时,DECKF算法的位置跟踪精度和速度跟踪精度相比标准CKF仅下降了5.50%和7.74%。此外,在通信率相同的情形下,DECKF比SECKF的精度高40%以上,证明检测事件驱动模式优于随机事件驱动模式。     

适用于时变不确定系统的并行模型自适应估计

摘要： 针对受到潜在模型不确定性影响的系统,设计一种并行模型自适应估计(PMAE)算法.以往基于不确定性系统模型设计的滤波算法,在模型精确的情况下,性能往往不及传统卡尔曼滤波（KF）.为了解决该问题,设计基于多个并行滤波器的自适应状态估计算法,其中一个滤波器为KF,用于在未出现模型不确定性的情况下,对系统进行最优状态估计;另一个滤波器为扩维卡尔曼滤波（AKF）,用于在出现模型不确定性的情况下,对不确定性模型参数进行辨识.以空间目标监视为例,分析算法的性能.仿真结果表明,利用PMAE算法能够自适应地对两个并行滤波器进行切换和折衷,从而有效应对模型中存在不确定性和不存在不确定性两种情况.     

一种基于冗余测量的自适应卡尔曼滤波算法

针对目前自适应滤波算法的不足,在测量系统量测噪声方差未知的情况下,设计了一种基于冗余测量的自适应卡尔曼滤波(RMAKF)算法。通过对系统冗余测量值的一阶、二阶差分序列进行有效的统计分析,可以准确估计系统量测噪声统计特性,进而在滤波过程中自适应调节噪声方差阵R,提高滤波精度。以全球定位系统/惯性导航系统(GPS/INS)松组合导航系统为对象进行了仿真实验,结果表明该算法在测量系统噪声特性未知或发生改变时,可对其进行准确估计,在采用低精度惯性器件情况下,滤波结果较其他主要自适应卡尔曼滤波算法有较明显的改进。     

卫星编队对空间非合作目标测距相对导航精度分析

针对单颗卫星对空间非合作目标测距不能估计全部相对运动状态的问题,提出利用编队中多颗卫星同时测距相对导航。建立了相对运动状态估计的系统模型;推导了系统可观测矩阵;通过计算系统可观测度和采用无迹卡尔曼滤波（UKF）对目标相对运动状态进行估计,研究了观测矢量方向和数量与相对导航精度的关系。结果表明双星测距能估计全部相对运动状态,观测矢量夹角越大,相对导航精度越高,在编队尺寸远小于目标距离的前提下,多于两颗的卫星测距并不能明显提高相对导航精度。     

基于低成本陀螺和倾角仪的姿态估计

针对动中通测控系统中低成本陀螺和倾角仪的姿态估计和陀螺误差校正问题,提出一种利用UKF（Uncented Kalman Filter）滤波器对载体姿态角进行估计,然后利用互补滤波器对陀螺漂移进行估计的算法。该算法通过设计三维完全可观测UKF滤波方程和陀螺误差校正模型对姿态角和陀螺漂移分别进行估计,有效避免了利用卡尔曼滤波进行姿态估计和陀螺漂移误差估计时由于误差模型不准确而产生的发散问题,同时降低了滤波器维数。试验中姿态角估计误差在1°以内,x轴陀螺漂移估计误差为0.0148°/s,y轴陀螺漂移估计误差为0.0017°/s,试验结果表明该算法能有效提高姿态角估计和陀螺漂移估计的精度。     

基于预测滤波的卫星交会对接相对位姿确定方法

基于视频制导系统提供的视线测量,引入一种高精度、高鲁棒性的、实时的预测滤波算法,建立系统的误差模型,对角速度和位移速度进行一步预测,从而精确地估计卫星的相对位置和相对姿态。此外提出修正方案,通过卡尔曼增益对相对姿态和相对位移进行修正和更新,估计性能得到改进优化。通过卫星交会对接仿真实验验证算法的有效性,结果表明,预测滤波算法高精确估计相对姿态和相对位置,修正后算法得到了更高的精度结果,满足卫星交会对接要求,对在轨实验有重要参考价值。     

Onboard orbit determination using GPS observations based on the unscented Kalman filter

Spaceborne GPS receivers are used for real-time navigation by most low Earth orbit (LEO) satellites. In general, the position and velocity accuracy of GPS navigation solutions without a dynamic filter are 25 m (1σ) and 0.5 m/s (1σ), respectively. However, GPS navigation solutions, which consist of position, velocity, and GPS receiver clock bias, have many abnormal excursions from the normal error range for space operation. These excursions lessen the accuracy of attitude control and onboard time synchronization. In this research, a new onboard orbit determination algorithm designed with the unscented Kalman filter (UKF) was developed to improve the performance. Because the UKF is able to obtain the posterior mean and covariance accurately by using the second-order Taylor series expansion through the sampled sigma points that are propagated by using the true nonlinear system, its performance can be better than that of the extended Kalman filter (EKF), which uses the linearized state transition matrix to predict the covariance. The dynamic models for orbit propagation applied perturbations due to the 40 × 40 geo-potential, the gravity of the Sun and Moon, solar radiation pressure, and atmospheric drag. The 7(8)th-order Runge–Kutta numerical integration was applied for orbit propagation. Two types of observations, navigation solutions and C/A code pseudorange, can be used at the user’s discretion. The performances of the onboard orbit determination were verified using real GPS data of the CHAMP and KOMPSAT-2 satellites. The results of the orbit determination were compared with the precision orbit ephemeris (POE) of the CHAMP and KOMPSAT-2 satellites.     

基于Hadamard方差的导航星座自主时间同步算法研究

文章在总结国内外研究成果基础上,针对GPS铷钟虽然短期稳定性较好,但采用Allan方差描述铷钟频率稳定性时,其钟差状态方程仅为两参数,在较长平滑时间里存在时钟漂移和甚低频噪声的影响,使噪声特性淹没或估值不收敛的缺陷,引入Hadamard方差建立了三参数系统状态误差模型,通过三次采样方差从模型上解决了线形漂移和甚低频噪声的影响问题。在时钟系统状态模型和星间双向测量方程建模基础上,给出了工程实用的标准Kalman基本滤波方程。数值分析仿真表明,采用Hadamard方差描述时钟频率稳定性显著提高星载时钟自主同步精度,从而克服了Allan方差描述产生的频率漂移影响较大和甚低频噪声不收敛的问题。