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.     

粒子滤波及其在航天器交会对接相对导航中的应用

在全面分析粒子滤波原理的基础上,提出一种改进高斯粒子滤波方法.该方法利用确定性采样滤波算法进行时间更新,替代高斯粒子滤波算法中的随机采样过程;另外,针对厚尾噪声情况,利用鲁棒统计方法对确定性采样滤波方法进行鲁棒性改进,并将其应用于所提出的改进高斯粒子滤波.将粒子滤波算法应用于交会对接相对导航问题,仿真结果表明,在多种测量噪声情况下,改进高斯粒子滤波较其他粒子滤波,能够在不过多损失估计精度的同时有效降低计算量.文中的研究成果为将粒子滤波应用于航天器导航问题提供了理论参考.     

一种组合导航系统快速滤波方法及半物理仿真

在利用卡尔曼滤波器对数据进行处理时,协方差矩阵的预报运算过程需要的计算量最大,每一步迭代的计算量与n3(n为状态矢量维数)成正比,约占整个卡尔曼滤波过程70%的CPU时间.协方差阵预报计算过程中,数据输入输出所需要的传递工作量也最大.由于微小型飞行器导航系统采用小体积、低功耗、低成本的微处理器作为导航计算机,为了保证导航实时性的要求,提出了一种降维滤波器加矩阵外积法的快速滤波方法来减少MIMU(Micro Inertial Measurement Unit)/GPS(Global Positioning System)/MMC(Micro Magnetic Compass)组合导航滤波算法的计算量,以提高算法的实时性.半物理仿真试验结果表明:此种算法不仅可以提供较为满意的导航精度,而且大大减小了计算量,提高了系统的实时性.      

星间测量自主导航改进状态相关黎卡提方程滤波

针对分布式卫星系统的应用需求,研究基于星间相对位置矢量测量的自主导航滤波算法问题。为了解决扩展卡尔曼滤波(EKF)对能观度不敏感的问题,提高滤波精度,减少计算量,推导了基于状态相关黎卡提方程滤波(SDREF)的导航算法,并定义了一种新的在线反映能观性程度的特征量,提出了基于该特征量对滤波增益阵进行在线调整的方法,构成改进的状态相关黎卡提方程滤波(MSDREF)。数学仿真表明,MSDREF的计算量约为EKF的13%,稳态误差约为EKF的21%。     

四种卡尔曼滤波器在仅视线测量相对导航中的性能比较

针对航天器交会时在仅有视线测量条件下的相对导航问题,比较了扩展卡尔曼滤波(extended Kalman filter,EKF)、无迹卡尔曼滤波(unscented Kalman filter,UKF)及平方根形式的卡尔曼滤波(square-root extended Kalman filter,SREKF以及square-root unscented Kalman filter,SRUKF)在这一导航问题中的性能.介绍了仅有视线测量条件下相对导航的特点以及上述4种卡尔曼滤波算法;建立了追踪航天器和目标航天器间相对动力学方程以及基于仅视线测量相对导航时的量测方程;结合3种典型的相对运动形式进行了数值仿真.仿真结果表明:在仅视线测量相对导航中,4种算法的精度处于同一量级;UKF估计相对距离的精度稍优于EKF;SREKF和SRUKF估计相对距离的精度稍优于EKF和UKF.     

四种卡尔曼滤波器在仅视线测量相对导航中的性能比较

针对航天器交会时在仅有视线测量条件下的相对导航问题,比较了扩展卡尔曼滤波（extended Kalman filter,EKF）、无迹卡尔曼滤波（unscented Kalman filter,UKF）及平方根形式的卡尔曼滤波（square-root extended Kalman filter,SREKF以及square-root unscented Kalman filter,SRUKF）在这一导航问题中的性能.介绍了仅有视线测量条件下相对导航的特点以及上述4种卡尔曼滤波算法;建立了追踪航天器和目标航天器间相对动力学方程以及基于仅视线测量相对导航时的量测方程;结合3种典型的相对运动形式进行了数值仿真.仿真结果表明：在仅视线测量相对导航中,4种算法的精度处于同一量级;UKF估计相对距离的精度稍优于EKF;SREKF和SRUKF估计相对距离的精度稍优于EKF和UKF.     

未知参数高阶线性系统基于特征模型的卡尔曼滤波

针对一类有量测噪声的未知参数高阶线性系统设计了基于特征模型的卡尔曼滤波器,改进了由于传统卡尔曼滤波器在未知系统状态转移阵时应用的难题.在对高阶线性系统的自适应控制中,利用建立系统的特征模型构造状态转移阵,结合卡尔曼滤波的思想对系统输出进行滤波,使系统输出以及控制量的性能得到极大的改善.通过对一个未知参数的高阶线性系统仿真实验验证了此方法的有效性.     

基于修正似然滤波的无人机编队相对导航方法

针对无人机编队相对导航系统中视觉导航传感器量测数据存在随机时延问题,提出一种能够处理多步随机延迟量测的修正似然容积卡尔曼滤波（ML-CKF）算法。用多个伯努利随机变量对量测模型进行修正以描述随机延迟;通过边缘化延迟变量来计算滤波的似然函数以从延迟量测中提取准确的信息;采用三阶球面-径向容积准则计算高斯加权积分以解决系统的非线性。滤波中的加权因子根据接收量测的特性进行调整,因此,所提修正似然滤波具有自适应卡尔曼滤波属性。利用罗德里格斯参数表示姿态误差,设计了基于修正似然容积卡尔曼滤波的相对导航滤波器。仿真结果表明：所提算法可以准确地估计出长机和僚机之间的相对位置、速度和姿态,且估计精度高于容积卡尔曼滤波和传统随机时延滤波。     

基于星间测距的编队卫星一致性导航算法

针对多航天器编队飞行的自主导航问题,利用高精度的相对距离测量手段,结合较少的参考卫星位置信息,对未知卫星的相对和绝对位置进行估计.针对扩展卡尔曼滤波算法的局部不稳定性,采用了一种误差补偿算法,使在系统可观度较低时仍有较稳定的输出.并将编队系统视为一个无线网络,提出了一种分布式一致性卡尔曼滤波算法,该算法结合一致性理论和分布式卡尔曼滤波器,可明显提高解算精度并消除高频噪声干扰,仿真结果验证了该方法的有效性与可靠性.     

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。     

基于多传感器的卫星自主导航信息融合算法

通常卫星上装有较多的自主导航传感器,如何将其信息有效的组织并充分利用,是卫星自主导航的关键问题。采用信息融合技术把两种或多种导航系统组合起来,应用最优估计理论,形成最优组合导航系统,有利于充分运用各导航系统的信息进行信息互补和信息合作,已逐渐成为了导航定位技术的发展方向。文章针对星敏感器、红外地平仪、雷达高度计、紫外敏感器组成的卫星自主导航系统的特点,提出了一种基于联邦卡尔曼滤波技术进行轨道确定的信息融合算法。仿真结果表明,该方案能够获得较高的定轨精度,有效抑制滤波发散,整个系统的运算速度和收敛速度也有所提高。     

伴飞航天器轨道修正点状态的最小二乘估计

研究了近圆轨道航天器长期伴随飞行在轨道修正时刻相对状态的最小二乘估计方法。针对长期伴飞航天器在固定时刻进行轨道修正的特点,提出采用最小二乘估计方法对轨道修正时刻的相对位置状态进行估计,并基于模型误差特点提出对该算法进行改进的加权最小二乘估计算法。算法具有计算相对简单、算法灵活等特点。仿真结果表明,对于固定时刻的状态估计,这种加权最小二乘估计算法和扩展卡尔曼滤波算法的效果相当,能够满足在轨长期伴随飞行在轨道修正时刻的相对状态估计精度要求。     

一种考虑GPS信号中断的导航滤波算法

针对无人机惯性（INS）/GPS组合导航系统,考虑导航过程中存在的GPS数据中断的问题,设计了一种改进的滤波算法。首先建立了无人机导航运动学模型,再将传统的扩展卡尔曼滤波（EKF）技术和强跟踪滤波结合,利用模糊理论中的隶属度函数设计了一种模糊强跟踪扩展卡尔曼滤波（STEKF）算法。仿真结果表明,所设计的改进算法能够快速适应GPS信号突变,即当GPS信号从故障状态恢复到正常状态时,改进算法相较普通EKF算法能更快速地收敛到稳定状态,重新完成对飞行状态的估计。同时相较普通EKF和强跟踪扩展卡尔曼滤波算法,改进算法具有更高的滤波精度。      

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.     

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.      

基于无监督学习和粒子滤波的非视距信号检测

全球卫星导航系统(GNSS)是目前应用最广泛的定位技术,研究城市峡谷中的定位问题时,由于高楼大厦的阻塞,仍存在非视距传播导致的性能退化问题。为此,提出了无监督学习粒子滤波(UL-PF)算法。在卫星信号分类阶段,使用核k-means聚类的无监督学习分类方法,在定位阶段,使用通过聚类算法优化的粒子滤波方法。所提算法考虑了采样粒子在状态空间分布中的内在相似性,探索在每个聚类中选择一个粒子作为重要粒子,利用时间序列相关技术提高重采样粒子集的多样性。实验表明：在城市场景中,所提算法的平均定位精度从传统算法的15 m提高到约5 m,收敛时间从500 s缩短到200 s左右。     

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.     

深空探测航天器巡航段自主导航方法研究

对深空探测航天器自主导航方法进行了研究。为了应对深空探测中航天器轨道动力学模型的误差，在分光计测量航天器相对于太阳径向速度基础上，引入了小行星的视线矢量测量。通过最小二乘法计算出由小行星视线矢量所得到的位置信息，采用改进的信息融合方法修正扩展卡尔曼滤波中不精确的动力学模型造成的状态估计误差。同时计算了模型的能观度，对模型的可观性进行了分析。最后对算法进行了仿真分析，仿真结果表明，该算法对动力学模型的依赖性明显低于其他算法，在相同模型精度下，可获得更好的滤波精度。     

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.