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。      

一种用于高动态GPS频率估计的滤波算法

针对常用高动态GPS(Global Positioning System)频率估计算法扩展卡尔曼滤波(EKF,Extended Kalman Filter)的缺陷,提出了一种新的称为简化无迹高斯粒子滤波(SUGPF,Simplified Unscented Gaussian Particle Filter)的算法.SUGPF将卡尔曼滤波(KF,Kalman Filter)、无迹卡尔曼滤波(UKF,Unscented Kalman Filter)与高斯粒子滤波(GPF, Gaussian Particle Filter)三者相结合.在时间更新阶段,用KF的方法更新预测分布;在测量更新阶段,用UKF的方法得到重要采样函数,并用GPF的方法更新后验分布.仿真结果表明:与EKF和UKF相比,SUGPF性能更优越,功能更全面,在高斯与非高斯观测噪声环境下均能取得与GPF类似的良好性能,并且其计算复杂度低于GPF.     

基于非线性模型预测滤波的微纳卫星定位方法

针对采用星载GPS(Global Position System)定位的LEO(Low Earth Orbiter)微纳卫星获得的位置速度数据不连续,而使用轨道动力学获得的连续的位置速度信息误差快速发散的问题,提出了一种基于非线性MPF(Model Predict Filter)的LEO微纳卫星定位方法,它采用非线性MPF预测的模型误差作为一步状态估计,同时使用GPS信息作为观测量,并与改进的扩展卡尔曼滤波组合,既可获得连续的卫星位置速度信息,又可获得相当于GPS单点定位的精度.仿真结果表明,此种方法可以有效地获得连续的微纳卫星位置速度信息,并且精度优于EKF(Extended Kalman Filter).      

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。      

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AIGWO-IMMUKF的目标跟踪算法

针对目标跟踪算法中滤波器选择和模型设计问题,提出了一种具有自适应性的交互式多模型无迹卡尔曼滤波（IMMUKF）目标跟踪算法。首先,介绍了IMMUKF的算法步骤;其次,提出运用改进的灰狼优化（IGWO）算法优化其中的滤波参数,通过构造调节因子建立了时变的Markov状态转移概率,形成了AIGWO-IMMUKF算法,并给出其算法流程;最后,将所提AIGWO-IMMUKF算法与传统算法在相同条件下进行仿真,得出位置、速度均方根误差曲线,以及时效性对比。结果表明,所提AIGWO-IMMUKF算法克服了传统IMMUKF算法的不足,提升了算法性能,精度和时效性都更优。      

基于IMU与UKF的船舶升沉运动信息测量方法

为获取实时、精确的船舶升沉运动信息,根据船舶升沉运动模型和频谱分析方法,建立描述惯性测量单元（IMU）的加速度测量信息与船舶升沉运动状态量关系的解析模型。基于无迹卡尔曼滤波（UKF）算法非线性滤波的特点,进行升沉运动滤波解算。通过仿真分析证明了所提方法在船舶升沉运动测量中的有效性。利用三自由度平台升沉运动测量实验验证,结果表明,同一模型下,相比于扩展卡尔曼滤波（EKF）算法的解算结果,所提方法具有更快的收敛速度和更高的测量精度;对船舶升沉位移的估计精度达到最大升沉幅值的5%,可以得到精确、无时延的船舶升沉运动信息。      

一种基于连续星图观测的自旋姿态估计方法

传统的利用地球敏感器和太阳敏感器作为测量仪器的自旋卫星姿态确定方法存在系统误差和安装误差等,从而导致自旋姿态确定误差较大的问题,文章提出了一种利用星敏感器获取的连续星图估计卫星自旋姿态参数的新方法。该方法以卫星的自旋轴和旋转角速度作为状态变量,通过星敏感器连续跟踪拍摄的恒星的成像位置作为观测量,利用无迹卡尔曼滤波估计出卫星的自旋姿态参数。仿真结果表明,在星敏感器的精度为3″时,该方法的自旋轴估计精度为0.3448″,自旋角速度估计精度为10^-4(°)/s数量级。     

基于超统计的多阶段航空发动机剩余寿命预测

针对传统航空发动机剩余寿命（RUL）预测模型无法客观描述多阶段性能衰退过程及对于RUL预测精度不高的问题, 提出了一个新的多阶段航空发动机RUL预测模型, 包括超统计理论、突变点检测、无迹卡尔曼滤波（UKF）与非线性预测4部分内容。提出了基于超统计理论的多阶段分割滤波（BS-MSF）算法。首先, 该算法采用超统计理论进行突变点检测, 将航空发动机的健康数据划分为多个退化阶段;其次, 应用UKF对融合的时变参数进行滤波处理;最后, 通过非线性拟合对发动机RUL进行预测, 实验采用美国NASA发布的航空发动机数据进行数据分析和验证。结果表明:所提算法在发动机性能退化中的预测具有更好的适应性和更小的拟合误差, 能更准确地预测发动机的RUL, 预测精度比单阶段方法提高5.5%。      

一种新的基于PCNN的自适应强去噪方法

为了实现椒盐噪声的有效去除和图像细节及纹理的有效保留,提出了一种新的基于PCNN(Pulse Coupled Neural Network)的自适应滤波方法ADEN(Adapative Denosing method for Extreme Noise)-PCNN.该方法引入了像素受污染状态的甄别机制,只对被污染的像素进行降噪处理,保证了去噪的同时不损坏图像信息,实现了图像的细节和纹理的有效保留;为了确保图像质量,在面向图像降噪的PCNN神经网络阵列结构中引入了自组织机制,可以自动地估计噪声的强度信息并进行PCNN网络中神经元连接方式的自组织转换,此外引入了自适应机制,根据噪声强度的估计信息,自动进行滤波次数的优选,增强自适应能力.实验结果表明所提方法较常规方法和其他同类方法在去噪效果、保留图像细节方面展现出明显的优势.     

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.     

基于自适应估计的光电平台目标跟踪方法

在基于图像的目标跟踪系统中,跟踪器延迟对系统的稳定性和跟踪精度产生不利影响.通过对光电平台伺服系统的理想控制指令的分析,给出了一种基于自适应估计的跟踪器延迟补偿方法.该方法采用自适应估计器快速估计目标速度,预测目标位置,同时结合无人机位置和姿态信息预测控制指令实现延迟补偿.仿真结果表明:该方法在目标机动和载机机动情况下能够有效提高光电平台的跟踪精度.     

A multi-satellite co-tracking method for a single space target based on adaptive distributed spherical simplex information-weighted consensus filter

A multi-satellite co-tracking method for a single non-cooperative target is proposed to extend the arc of observation as well as to improve the accuracy of tracking. Firstly, the motion of the target is considered to be affected by J2 perturbation, and the model of multi-satellite co-tracking a single space target is designed with only measured angles. Then, a multi-satellite co-tracking method for a single space target based on an adaptive distributed spherical simplex information-weighted consensus filter (ADSSICF) is proposed. The spherical simplex is used to reduce the computational cost of the information filter, and to improve the efficiency of tracking. The angle-only measurement equation is linearized by the statistical linear regression method, and linearization errors are compensated for by updating measurement noise. By designing an adaptive consensus algorithm, only a small number of iterations are needed to achieve network consensus, to improve the convergence speed of the consensus algorithm, and prove the stability of ADSSICF. Finally, a simulation of four low-orbit satellites tracking a single space target is established. The focus of this paper is on the real-time performance and tracking accuracy of the multi-satellite co-tracking a single space target with angle-only based on ADSSICF. The performance of ADSSICF is verified from three indicators: the consensus and convergence of algorithm, the accuracy of state estimation.     

基于Kalman滤波的镍氢动力电池SOC估算方法

动力电池的荷电状态(SOC,State-of-Charge)是电动车能量控制的重要参数,针对镍氢动力电池,建立了一种新的状态空间模型.电池模型采用荷电状态和极化状态作为状态向量,考虑持续充放电时电荷累积效应对电池电压的影响,对模型的状态方程进行了优化,增加了电荷累积项,以提高模型在变电流充放电过程中的精度.根据Kalman最优滤波理论,设计了电池荷电状态Kalman滤波递推算法,估算方法考虑了电池电压、电流和电池温度,给出了递推计算公式.根据恒流充电、恒流放电、脉冲充/放电、变电流充/放电实验的实验数据,对模型进行了仿真分析.结果表明,采用Kalman滤波估算方法有利于提高动力电池的荷电状态估算精度,适合应用在混合动力电动车中.      

基于改进卡尔曼滤波的电池SOC估算

以研究电动汽车动力电池管理系统为背景,以电池荷电状态估算为关键技术,介绍了荷电状态与其主要影响因素的非线性动态关系,建立了二阶RC等效电池模型.在此基础上,考虑了温度对电池内阻的影响,采用卡尔曼滤波算法、改进的安时计量法和开路电压法,结合基于温度的电池模型参数在线辨识,对电池荷电状态进行估算,通过MATLAB仿真,并与基于经验公式的卡尔曼滤波算法进行了对比,平均误差为2.46%,提高了估算精度,验证了算法的可行性和可靠性.      

基于ASTSMO和UIO的故障估计方法

针对系统在有未知干扰情况下的故障估计问题,提出一种基于自适应Super-Twisting滑模观测器（ASTSMO）和未知输入观测器（UIO）的故障估计方法。不需要已知故障导数的上界,避免了现有自适应算法存在的滑模增益过估计问题,并且能够处理多执行器同时发生故障的情况。首先,通过非奇异变换将原系统降阶为两个子系统,其中一个子系统只受故障的影响,另一个子系统同时含有故障和不确定干扰。对两个子系统分别设计ASTSMO观测器和UIO观测器,并对误差系统有限时间内收敛的条件进行了证明,同时给出了滑模增益初始值和时变增益的设计方法。然后,基于等效控制的概念对故障进行检测和估计。最后,通过仿真算例验证了所提故障估计方法的有效性。      

基于四元数平方根容积卡尔曼滤波的姿态估计

针对飞行器姿态确定中乘性扩展卡尔曼滤波(MEKF,Multiplicative Extended Kalman Filter)在较大初始姿态误差角情况下存在估计精度低及收敛速度慢的问题,提出了一种四元数平方根容积卡尔曼滤波(QSCKF,Quaternion Square-root Cubature Kalman Filter)算法.在推导姿态确定系统四元数非线性误差模型的基础上,采用容积数值积分理论来计算非线性函数的均值与方差,同时使用平方根的形式来提高数值稳定性;针对四元数规范化问题,采用拉格朗日代价函数法求解四元数加权均值.仿真结果表明:在初始姿态误差较大的情况下,该算法相比较于MEKF以及无迹四元数估计法(USQUE,Unscented Quaternion Estimator),估计精度高且收敛速度快,滤波稳定性好,同时估计时间比USQUE缩短了1/3.     

基于四元数平方根容积卡尔曼滤波的姿态估计

针对飞行器姿态确定中乘性扩展卡尔曼滤波(MEKF, Multiplicative Extended Kalman Filter)在较大初始姿态误差角情况下存在估计精度低及收敛速度慢的问题,提出了一种四元数平方根容积卡尔曼滤波(QSCKF,Quaternion Square-root Cubature Kalman Filter)算法.在推导姿态确定系统四元数非线性误差模型的基础上,采用容积数值积分理论来计算非线性函数的均值与方差,同时使用平方根的形式来提高数值稳定性;针对四元数规范化问题,采用拉格朗日代价函数法求解四元数加权均值.仿真结果表明:在初始姿态误差较大的情况下,该算法相比较于MEKF以及无迹四元数估计法(USQUE, Unscented Quaternion Estimator),估计精度高且收敛速度快,滤波稳定性好,同时估计时间比USQUE缩短了1/3.     

用于GPS接收机的自适应算法抗干扰性能比较

为了比较功率反演、多信号归类和最小范数自适应算法的抗干扰性能,研究了各算法的基本原理,并在均匀线阵中采用各算法进行仿真,比较各算法在有用信号和干扰来向上得到的天线增益.仿真中有用信号为-160 dBW的GPS卫星信号,两个同频干扰来自不同方向,并在仿真中改变干扰功率.仿真结果表明这三种算法都可以用于GPS接收机抗干扰.其中,功率反演算法抑制弱干扰的性能较差;多信号归类算法抑制弱干扰的性能较好,但会引入错误零陷;最小范数算法既可以抑制弱干扰,也不会引入错误零陷.      

基于双滤波器的高精度目标跟踪估计方法

针对连续推力的合作航天器,采用双重无迹卡尔曼滤波(DUKF)算法估计其状态和加速度.通过状态滤波器和参数滤波器的配合,提升滤波精度,完成运动状态和参数的估计,从而实现合作目标的运动轨迹跟踪.与合作航天器相比,非合作航天器存在大小未知、发生时刻未知的机动,无法获得加速度,且信息获取和运动状态的估计难度大.针对非合作航天器...