基于双星编队的空间非合作目标联合定轨方法

针对单颗卫星对空间非合作目标的纯测角跟踪定轨系统存在观测几何条件差和定轨误
差较大的缺点,提出利用双星编队对空间非合作目标进行协同观测。该方法引入平方根无迹
卡尔曼滤波(UKF)算法,并融合地面站观测双星编队信息、双星编队星间测量数据以及双星
编队对空间目标光学观测信息进行整网定轨,实现在纯测角条件下双星编队对空间非合作目
标的实时跟踪。仿真结果表明该方法可以改进观测几何条件和提高空间非合作目标的跟踪定
轨精度。     

非合作机动目标天基测角定轨研究

在对空间非合作目标天基测角卡尔曼滤波定轨中,目标机动会导致常规卡尔曼滤波器发散.提出一种无迹卡尔曼滤波(UKF)结合带次优渐消因子的无迹卡尔曼滤波(SFUKF)的滤波定轨方法,目标无机动时使用UKF,在目标机动时使用SFUKF,给出了目标机动的判断准则.仿真结果表明,此滤波方法在目标无机动时有较高的状态估计精度,在目标...     

一种基于双星干涉仪相位差和时差融合的空中动目标跟踪方法

针对星载无源定位系统对未知高程的空中动目标定位跟踪问题,提出了一种基于双星干涉仪相位差和时差融合的目标跟踪方法。基于相位差和时差参数测量模型,提出了2种定位跟踪处理流程,并在WGS-84坐标系下建立了状态方程和观测方程,采用扩展卡尔曼滤波（EKF）方法对目标状态进行估计。仿真结果表明,该方法可对未知高程的空中动目标进行高精度状态估计,相对于已有方法具有明显优势。     

基于星敏感器和GPS伪距差分的相对状态确定

针对双星编队飞行中的相对导航问题,提出了一种基于星敏感器和GPS伪距差分的相对状态确定方法。首先给出了相对轨道和相对姿态动力学方程,选取相对姿态基准坐标系,然后分别建立了星敏感器和GPS伪距差分的观测方程,运用Unscented卡尔曼滤波方法(UKF)设计了双星编队相对状态确定的UKF滤波器。利用一个仿真实例说明了该方法的可行性和有效性。     

无迹粒子滤波在捷联惯导初始对准中的应用研究

给出了捷联惯导系统初始对准时的非线性误差模型,处理非线性系统的传统方法是扩展卡尔曼滤波方法(EKF)即对非线性系统进行线性化后再利用卡尔曼滤波进行处理。而无迹粒子滤波(UPF)是基于蒙特卡罗方法和贝叶斯理论,用加权的粒子表示概率密度函数,通过观测值更新粒子的权值,得到优化的状态估计值和方差,结合无迹卡尔曼滤波(UKF)进行迭代计算,是一种新型处理非线性系统的方法。本文对UPF滤波方法进行研究,运用于捷联惯导系统初始对准的姿态估计,计算机仿真和试验结果均表明了该方法的方位失准角估计精度和收敛速度明显优于传统的EKF。     

高轨非合作目标多视线分布式相对导航方法

针对仅采用单视线难于实现高轨非合作目标的远距离自主相对导航问题,提出基于双空间机器人的多视线分布式相对导航方法。首先,建立基于多视线测量的相对导航模型,并给出空间机器人与非合作目标的相对动力学模型;然后,为降低集中式滤波相对导航的维数,设计分布式滤波的相对导航方法,采用扩展卡尔曼滤波算法实现相对运动估计;最后,建立数学仿真模型,对多视线分布式滤波相对导航算法及可观测性进行仿真校验,仿真结果表明该方法是稳定有效的。     

含无序量测的多传感器目标跟踪滤波算法

由于通信链路的随机时间延迟和星上传感器测量的预处理时间的不同等因素,导致在目标飞行器的测量中产生无序量测现象。为解决该问题,提出了一种基于扩展卡尔曼滤波的前向预测多步滞后无序量测处理算法。该算法首先采用扩展卡尔曼滤波算法估算出目标飞行器的状态方程和协方差方程,然后在滤波过程中利用前向滤波更新的方法,将协方差方程更新结果去相关后,累积到当前协方差方程滤波结果中,从而有效解决了目标飞行器测量中的无序量测问题。最后,将该算法与扩展卡尔曼滤波算法、丢弃算法进行了对比仿真。仿真结果表明,采用该算法处理目标飞行器的位置和飞行速度,得到的测量误差较小,在整个观测时间内,测量误差的收敛性较好,能够实现对目标飞行器的精确测量和跟踪。     

基于鲁棒非线性卡尔曼滤波的自适应SLAM算法

针对传统非迹卡尔曼滤波算法缺乏在线自适应调整能力,在噪声模型出现误差时滤波精度下降的问题,提出了一种基于鲁棒无迹卡尔曼滤波的同步定位与地图创建算法。该算法引入了一个多维观测噪声尺度因子,能根据观测噪声统计特性的实际变化情况对每种传感器的噪声模型做出自适应调整,使其逼近真实噪声水平,进而将滤波增益调整到一个适当值,实现滤波器的最优估计。SLAM仿真实验结果表明,在噪声统计特性发生变化的情况下,该算法相比其它几种SLAM算法具有更好的自适应能力,估计精度更高,鲁棒性更强。     

基于滤波算法的拟平均轨道根数自主实时确定方法

针对卫星长期自主运行的发展要求,首次提出了基于滤波算法的卫星自主计算拟平均轨道根数的在轨实时方法。首先以受地球非球形摄动影响的低轨卫星为研究对象,推导了拟平均轨道根数的变化率并考虑了J2平方项补偿;以拟平均轨道根数为状态变量并以卫星瞬时速度和位置作为观测量建立了滤波方程,然后分别应用平方根无迹卡尔曼滤波(SR UKF)和扩展卡尔曼滤波(EKF)对拟平均轨道根数进行估计。仿真结果表明,两种滤波方法均能有效地计算拟平均轨道根数,其中平方根UKF滤波具有更高的精度和稳定度,且都可以满足卫星在轨自主实时计算拟平均轨道根数的需求。     

应用多星的空间目标跟踪定位算法

单星激光测距空间目标定位算法受远距离激光测距机测频的限制,有效数据速率较低。文章构建天基探测系统空间目标观测模型,提出一种应用多星的空间目标跟踪定位算法。该算法基于三角交会原理,面向多星不同载荷平台,基于空间目标成像投影和坐标转换模型,计算空间目标的异面直线距离,采用最近邻算法最优匹配关联同一空间目标的星间像点,基于双星交会模型解算空间目标轨迹,进行空间目标跟踪。此外,针对空间目标的星间信息丢失、空间目标与卫星共面时多空间目标跟踪精度低的问题,引入空间目标的加速度参数分量,改进卡尔曼滤波算法,预测空间目标轨迹位置,从而有效提高多目标跟踪精度。实例验证结果表明:文章提出算法的空间目标跟踪与定位精度高,能有效解决星间信息丢失引起的精度下降问题。     

基于UKF的GPS定位算法

针对EKF通过局部线性化方法处理非线性问题可能产生的精度下降问题,提出了用UKF进行GPS定位解算的方法.介绍了UKF方法的原理,分析了GPS伪距方程的线性化近似误差和定位精度的关系,并讨论了利用UKF进行定位解算的有效性.采用"当前"模型,利用伪距和多普勒观测量进行定位解算.利用Spirent GPS 模拟器和NovAtel差分定位系统及NovAtel接收机分别进行了仿真实验和现场实验.结果表明,当滤波器状态初值误差较大时,UKF与EKF相比有明显的优势.     

基于UKF的无陀螺姿态确定

针对无陀螺卫星的姿态和角速度估计问题,提出了基于UKF(Unscent-ed Kalman Filtering)的无陀螺的姿态确定算法。采用星敏感器作为姿态敏感器,构造了基于罗德里格参数的UKF滤波器。与EKF相比,UKF不必计算Jacoabian矩阵而且能够至少精确到泰勒展开的二阶。通过EKF和UKF仿真结果的比较,表明UKF比EKF具有更快的收敛速度和更高的精度。     

机载单站无源定位三维模型及其仿真

针对在空间作匀速直线运动的目标，建立了机载单站无源定位的三维模型。给出了其中的预处理过程和系统状态方程，并采用UKF算法进行滤波处理以提高定位精度。仿真结果表明，模型和算法有效。与扩展卡尔曼滤波(EKF)相比，在初始误差较大时UKF也能快速收敛。     

一种基于UKF滤波器的卫星定位算法

针对基于通用最小二乘迭代法的卫星定位解算方法在定位精度和鲁棒性等方面的不足,提出了一种基于UKF(Unscented Kalman Filter)滤波器的卫星定位解算方法。该方法直接利用GPS接收机测得的伪距和多普勒频移作为观测量,对接收机的位置和速度进行估计。经过工程上的实际验证表明:与基于通用的最小二乘迭代法的卫星定位解算方法相比,所提出的基于UKF滤波器的卫星定位解算方法的定位结果有更高的精度和更强的鲁棒性。     

关于卫星姿态确定非线性滤波算法的研究

本文探讨了利用方位矢量和陀螺速率观测信息确定卫星姿态的问题。该问题实际上是一个非线性/非高斯状态滤波问题,因此,经典的基于EKF和UKF算法的姿态滤波器有可能失败,尤其是当初始状态的先验估计不可能精确得知的情况下。近来,粒子滤波理论已经开始应用于姿态确定问题,但是,这类算法往往需要大量的“粒子”,这对有限计算能力来说是一个沉重的负担。为此,本文尝试利用双重滤波方法,在每个序贯估计过程中,将有陀螺姿态确定问题暂时分解为1个四元数估计问题和1个陀螺常漂参数估计问题。本文提出了2个双重滤波器,包括1个姿态确定双重粒子滤波器和1个姿态确定的混合型滤波器。这两者都采用一个相同的四元数粒子滤波器,但在粒子重采样和平滑处理方面,不同于近来提出的类似滤波器。至于陀螺常漂估计,双重粒子滤波器发展了一个辅助粒子滤波器,而混合滤波器中则发展了一个参数UKF滤波器。通过与经典的姿态确定滤波器的仿真比较,证实了本文新提的2个算法的有效性和优越性。
     

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。     

EKF和UKF在INS/GPS组合导航中的应用分析

扩展卡尔曼滤波(EKF)是在非线性系统中常用的一种滤波方法,Un-scented卡尔曼滤波(UKF)是一种新的非线性滤波算法,其主要特点是与EKF一样传递状态的前两阶矩,但不用计算Jacobian矩阵。将EKF和UKF分别应用到INS/GPS系统的滤波中,仿真结果表明UKF比EKF更适合于在INS/GPS系统中使用。     

基于Unscented滤波的伴飞卫星自主相对导航滤波器

为提高导航滤波器的稳定性和计算精度,根据卫星自主导航原理,构造了基于Unscented Kalman滤波（UKF）的伴飞卫星自主相对导航滤波器,建立了算法模型。仿真结果表明：UKF的滤波精度优于扩展Kalman滤波（EKF）,且无需计算量测方程的Jacobi矩阵,计算量小、易于实现。     

空间翻滚非合作目标相对位姿估计的视觉SLAM方法

针对空间翻滚非合作目标相对位姿测量中目标先验信息缺失和模型不确定问题,将移动机器人视觉同步定位与建图（SLAM）贝叶斯滤波估计模型推广到非合作目标相对位姿测量中,提出一种基于视觉SLAM的翻滚非合作目标相对位姿估计方法。首先,构建了相对位姿估计的贝叶斯滤波状态转移模型和量测更新模型。其次,为避免平动噪声协方差过大导致滤波性能下降的问题,对状态转移方程进行优化,采用最小二乘估计方法预测位置参数。最后,采用一种联合无损卡尔曼滤波和粒子滤波的贝叶斯滤波方法实现了目标全部位姿参数的快速平滑估计。基于计算机合成图像数据和真实图像序列的仿真实验表明：提出的方法具有较优的速度和精度,且对目标速度变化、特征提取和数据关联误差等具有较好的鲁棒性。