基于Unscented四元数粒子滤波的 微小卫星姿态估计

针对基于微小卫星姿态确定系统精度低和噪声存在非高斯分布的情况,研究了适用于该定姿系统的Unscented粒子滤波(UPF,Unscented Particle Filter)算法.UPF方法结合了Unscented卡尔曼滤波(UKF,Unscented Kalman Filter) 与粒子滤波(PF,Particle Filter)的特点,用UKF得到PF的重要采样函数,从而克服了PF没有考虑最新量测信息、 扩展卡尔曼滤波(EKF,Extended Kalman Filter)和UKF只能应用到噪声为高斯分布的不足.以MEMS(Micro Electronic Mechanical System)陀螺和CMOS APS(Complementary Metal Oxide Semiconductor Active Pixel Sensors)星敏感器为姿态敏感器件,将UPF与基于误差四元数的卫星姿态运动学方程结合,构建了UPF定姿滤波器,并用MEMS陀螺采集的随机噪声数据进行了半物理仿真,对其特性进行了分析与比较.仿真比较结果表明:在敏感器精度较差并且系统噪声非高斯分布的情况下,这种基于UPF的姿态估计方法在计算粒子数目相对于PF较少的情况下,可以取得比UKF更好的滤波精度,从而有效地提高了定姿性能.      

基于矢量观测的航天器分段信息融合定姿方法

针对基于MEMS(微机电系统)陀螺和CMOS APS星敏感器的集成惯性/星光姿态确定系统的低精度特点,研究了适用于该定姿系统的基于矢量观测的定姿算法.对于陀螺/星敏感器这种配置模式,有EKF(Extended Kalman Filter)、QUEST、最优REQUEST等几种适用的定姿算法.针对EKF和最优REQUEST算法的不同特点并结合确定性算法QUEST,以四元数为姿态参数,将姿态估计的EKF方法分别与QUEST算法和最优REQUEST算法进行了融合,提出一种分段信息融合的姿态估计器:陀螺漂移估计误差较大时,将EKF与QUEST结合,快速估计出陀螺漂移.当陀螺漂移误差减小到一定程度,再切换为EKF与最优REQUEST算法融合的双重滤波器.仿真比较结果表明,这种分段信息融合的姿态估计器既可以估计姿态参数也可以估计陀螺漂移,并能达到很高的定姿精度.     

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。     

UPF滤波参数对航天器天文导航性能的影响

对航天器天文导航这种模型非线性、噪声非高斯的系统,离散粒子滤波(UPF)具有比扩展卡尔曼滤波(EKF)、离散卡尔曼滤波(UKF)更高的精度。在基于UPF的航天器天文导航系统中,UPF滤波参数τ,Q和R以及粒子个数和重采样方法是影响系统导航精度的主要因素。文章通过计算机仿真系统研究了上述UPF滤波影响因素对航天器自主天文导航系统性能的影响,并对结果进行了分析。该文可为基于UPF的航天器自主天文导航系统的参数设置提供参考和依据。     

多星敏感器测量最优姿态估计算法

多数利用星敏感器加陀螺组合的姿态确定方法中,由于星敏感器精度较高,使得系统定姿的精度比较高.然而,姿态确定的算法因观测模型和误差处理不当,导致滤波器观测修正能力下降,从而不能有效地估计陀螺的漂移误差.提出了基于星敏感器观测姿态角的误差建模,研究了多星敏感器组合的最优安装构型和观测融合方法.利用加权最小二乘法对观测数据的预处理,使观测方程定常化.再利用陀螺加星敏感器组合的扩展Kalman滤波(EKF,Extended Kalman Filtering)对航天器姿态和陀螺漂移进行估计.仿真结果表明,提出的多星敏感器最优组合的滤波方法能够有效精确地估计卫星三轴姿态和陀螺漂移,且该方法计算量小,有利于卫星定姿系统的在轨自主运行.     

磁定姿近地轨道卫星EKF与UKF算法比较

某近地轨道(LEO)卫星通过磁强计测量、飞轮控制和磁力矩器卸载,实现三轴姿态稳定.围绕该卫星姿态确定问题,对扩展卡尔曼滤波(EKF)和无迹卡尔曼滤波(UKF)算法进行综合分析对比,最后给出该卫星姿态确定实现方法.分析了地磁模型误差、磁强计测量误差及剩磁的影响,推导了四元数均值及协方差的计算方法.分别引入EKF和UKF进行姿态确定,并讨论了影响算法性能的因素.对两种方法的估计精度、收敛时间及计算需求等指标进行了对比.最后针对该卫星姿态确定要求和硬件条件,选用EKF算法实现姿态确定,满足对地指向精度优于1°,稳定度优于0.1(°)/s的设计指标.     

基于Gauss-Newton和UKF结合的微小卫星姿态确定算法

为提高微型低成本姿态敏感器的姿态确定精度,文章基于磁强计/太阳敏感器/陀螺的姿态敏感器配置,设计了高斯牛顿（Gauss-Newton,GN）迭代算法和无迹卡尔曼滤波（Unscented Kalman Filter,UKF）有机结合的微小卫星姿态确定算法,先用Gauss-Newton算法融合磁强计和太阳敏感器的数据,迭代计算最优四元数,然后以最优四元数联合陀螺数据作为观测量,以姿态四元数和惯性系下的角速度为状态量进行UKF,降低观测维数,并将观测方程转化为线性方程,显著减小计算量,同时克服了测量误差对姿态确定精度的影响。     

一种高动态条件下惯性星光组合定姿方法

针对高动态条件下星图拖尾导致惯性星光组合定姿精度下降甚至无法定姿的问题,提出了一种基于乘性扩展卡尔曼滤波的惯性星光深度组合姿态确定方法.利用星敏感器观测信息修正姿态误差,补偿陀螺漂移,并建立了陀螺输出的角度变化量与星图像移的关系,利用陀螺输出信息估计星图拖尾的模糊参数,采用维纳滤波复原方法对产生拖尾的星图进行复原以提高星图信噪比和观测精度.仿真结果表明该方法可以有效提高星像质心提取精度和星图识别率,对初始姿态误差修正更快,且不存在星图误匹配的情况,保证了惯性星光组合定姿方法在高动态条件下仍能保持较高的精度.     

一种基于虚拟星敏感器的卫星姿态确定方法

对于配置多个星敏感器的卫星,采用常规的定常增益卡尔曼滤波方法进行姿态确定时,存在滤波定常增益矩阵众多、系统复杂的问题,为了简化滤波系统设计,统一定常增益矩阵,提出一种基于虚拟星敏感器的姿态确定方法.给出一种计算量小、适合星载计算机在轨实时计算的星敏感器时间滞后补偿及相对基准标定算法,将星敏感器的输出数据统一到当前星时,同时将星敏感器的测量基准统一.基于单星敏/双星敏的输出数据构造虚拟星敏感器(安装矩阵为单位阵)的输出数据,设计统一的定常增益矩阵进行姿态确定.仿真结果表明,本方法与常规的定常增益卡尔曼滤波方法姿态确定精度相当,从而验证该方法有效,且具有重要的工程应用价值.     

卫星高精度相对姿态确定技术

高分辨率遥感卫星姿态事后处理精度的典型指标要求为2.4″(3σ).受星敏感器低频误差影响,常规的星敏感器/陀螺组合定姿方法的姿态确定精度难以实现上述指标要求.考虑到陀螺短期测量精度高的特性,提出了一种基于陀螺测量信息的相对姿态确定方案.利用陀螺信息确定各时刻相对于起始时刻的相对姿态,起始时刻的绝对姿态精度由地面高精度标定等手段保证.采用该方案可以在一定时间内实现高精度的姿态确定精度.给出了针对该方案的理论分析、数学仿真以及物理仿真试验结果.     

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.     

The attitude inversion method of geostationary satellites based on unscented particle filter

The attitude information of geostationary satellites is difficult to be obtained since they are presented in non-resolved images on the ground observation equipment in space object surveillance. In this paper, an attitude inversion method for geostationary satellite based on Unscented Particle Filter (UPF) and ground photometric data is presented. The inversion algorithm based on UPF is proposed aiming at the strong non-linear feature in the photometric data inversion for satellite attitude, which combines the advantage of Unscented Kalman Filter (UKF) and Particle Filter (PF). This update method improves the particle selection based on the idea of UKF to redesign the importance density function. Moreover, it uses the RMS-UKF to partially correct the prediction covariance matrix, which improves the applicability of the attitude inversion method in view of UKF and the particle degradation and dilution of the attitude inversion method based on PF. This paper describes the main principles and steps of algorithm in detail, correctness, accuracy, stability and applicability of the method are verified by simulation experiment and scaling experiment in the end. The results show that the proposed method can effectively solve the problem of particle degradation and depletion in the attitude inversion method on account of PF, and the problem that UKF is not suitable for the strong non-linear attitude inversion. However, the inversion accuracy is obviously superior to UKF and PF, in addition, in the case of the inversion with large attitude error that can inverse the attitude with small particles and high precision.     

一种用于GPS/DR组合定位的非线性滤波算法

建立了适用于车辆导航系统的基于UKF(Unscented Kalman Filter)的GPS/DR(Global Positioning System/Dead Reckoning)组合定位滤波模型及算法.针对系统状态方程为线性、观测方程为非线性的特点,提出了一种将UKF和EKF(Extended Kalman Filter)相结合的非线性滤波算法.结合后的算法和原有UKF算法相比减少了在时间更新阶段的运算量,并且由于采用基于Unscented变换的思想来处理系统观测方程的非线性问题,避免了EKF引入的线性化误差,提高了滤波精度.仿真结果证明:算法在减少运算量的同时,仍具有较高的滤波精度,且明显优于EKF,因而能够满足车辆导航系统占用资源少、滤波精度高的要求.      

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SSUKF的航天器自主导航算法

针对航天器自主导航系统对稳定性、精确性和实时性的要求,将超球面分布采 样点变换SSUT(Spherical Simplex Unscented Transformation)和Unscented卡尔曼滤波(UK F)相结合,研究了基于SSUT的UKF(SSUKF)导航滤波算法.由于SSUT减少了采样点个 数,在保证滤波精度和标准UKF相当的条件下减轻了计算负担.根据UKF和扩展卡尔曼滤波(E KF)计算过程相似的特点,设计了SSUKF和EKF相结合的混合卡尔曼滤波算法.算法通过能够 度量估计误差的模式切换函数,可以自适应地在SSUKF和EKF之间切换,避免了UKF计算效率低 以及EKF对滤波参数敏感、容易发散的缺点.数值仿真结果表明,混合卡尔曼滤波器提高了 计算效率,保证了估计精度,具有良好的鲁棒性,适合于航天器自主导航系统.      

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.     

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.     

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.