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。     

航天器轨道机动过程中的自主导航方法

典型的航天器自主天文导航方法利用地球敏感器和星敏感器的观测信息,根据轨道动力学模型和测量信息,采用扩展卡尔曼滤波算法（EKF）估计航天器位置矢量。为了在航天器轨道机动过程中减小滤波器的估计误差,设计了用于航天器自主导航的自适应鲁棒扩展卡尔曼滤波（AREKF）算法。仿真结果表明,采用AREKF算法能够有效地减小推力不确定性的不利影响,在不增加导航敏感器的前提下改善系统的导航性能,取得优于传统EKF算法和自适应扩展卡尔曼滤波（AEKF）的估计精度。     

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.     

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UPF滤波的微小航天器姿态矩阵估计方法

针对基于惯性-星光姿态确定系统噪声存在非高斯分布的情况,提出了将离散粒子滤波(UPF)方法应用于定姿系统滤波器设计,该方法用离散卡尔曼滤波(UKF)得到粒子滤波的重要采样函数,从而克服扩展卡尔曼滤波(EKF)和UKF只能应用到噪声为高斯分布的不足。文章以微机电系统(MEMS)陀螺和互补性金属氧化物半导体有源像素图像传感器(CMOS APS)星敏感器为姿态敏感器件,选取基于矢量观测的最小参数姿态矩阵估计方法为定姿算法,提出将UPF与最小参数姿态矩阵估计方法结合,设计了一种针对微小航天器的UPF姿态估计器,采用从MEMS陀螺采集的数据进行了半物理仿真并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的姿态估计方法可以取得比EKF和UKF更快的滤波收敛性和更好的滤波精度,有效地提高了定姿性能。     

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.     

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.     

脉冲星非实时平差的火星探测自主导航模型

针对基于X射线脉冲星观测的火星探测器自主导航,研究了几种不同的实时自适应方法,包括:扩展卡尔曼滤波(EKF),自适应扩展卡尔曼滤波(AEKF)和鲁棒自适应扩展滤波(RAEKF)。首先根据脉冲星导航原理,模拟了观测值:脉冲到达时刻;接着,分别利用扩展卡尔曼滤波,自适应扩展卡尔曼滤波和鲁棒自适应扩展滤波方法估算出探测器的位置和速度;最后,上述几种滤波轨道与STK模拟的标称轨道较差,然后比较它们的滤波精度发现:AEKF和RAEKF的精度相对较高,AEKF的三个轴向滤波位置精度达到:X轴优于100m、Y和Z轴优于30m,优于VLBI技术的km量级,和Doppler技术的精度相当。     

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.      

一种非线性不确定系统的鲁棒H∞滤波方法研究

考虑EKF滤波方法的线性化过程对估计误差的影响,提出一种非线性不确定系统的鲁棒H∞滤波方法．基于H∞理论,该算法将滤波模型和观测模型在线性化过程中所产生的误差作为系统的不确定部分,力求此误差对导航精度的影响最小,并且利用李亚普诺夫方法证明了该滤波算法的稳定性．利用所提算法对月球环绕段自主导航系统进行滤波估计,仿真结果证实了算法的有效性．     

一种模型误差鲁棒的卫星姿态确定方法

提出一种结合非线性预测滤波和二阶插值滤波实现基于星光/陀螺的高精度姿态确定的新算法.该算法用非线性预测滤波估计模型误差,再对补偿后的模型用高精度的二阶插值滤波来估计姿态参数.解决了在卫星实际运行中难以获得姿态确定系统的精确动力学模型,采用传统EKF(Extended Kalman Filter)将模型误差作为零均值白噪声处理,导致滤波精度降低甚至发散的问题.同时,二阶插值滤波将非线性模型按照二阶近似,无需计算函数偏导数,得到高精度的卫星姿态估计.仿真验证了该方法能有效地实时估计并补偿模型误差,提高了姿态估计的精度,且估计精度受滤波周期的影响不大,从而验证了算法的鲁棒性和有效性.      

椭圆轨道航天器相对导航的多项式插值滤波算法

针对运行于椭圆轨道的航天器的相对自主导航问题,建立了惯性坐标系下的近距离相对运动方程,方程中没有圆轨道的假设,相对Clohessy-Wiltshire(C-W)方程具有更广的应用范围。将二阶多项式插值(Divided Difference 2,DD2)滤波应用于相对导航算法中,和扩展卡尔曼滤波(Extended Kalman Filter,EKF)相比,前者不需要对状态方程组进行微分处理,且对非线性函数统计特性近似到二阶程度。数值仿真比较了DD2滤波和EKF两种算法的性能,验证了利用惯性坐标系下的近距离相对运动方程实现相对导航的可行性,并分析了主动航天器的轨道和姿态确定误差对相对导航精度的影响。     

小视场星敏感器量测延时滤波算法

针对小视场（NFOV）星敏感器用于姿态估计时存在的量测延时情况,提出了一种用于解决量测延时的鲁棒扩展卡尔曼滤波（REKF）算法。根据最小方差准则的思想求解各方差的最小上界,通过最小上界确定滤波增益,设计的REKF算法可以有效解决量测延时问题,提高了姿态估计的精度。对REKF算法进行了仿真验证,结果表明:该算法优于常规加性扩展卡尔曼滤波（AEKF）算法、鲁棒有界时域滤波（RFHF）算法及鲁棒卡尔曼滤波（RKF）算法,能较好解决非线性系统存在的量测延时问题,验证了该算法的有效性。      

一种无人机视觉导航方法及其滤波算法改进

设计了一种无人机视觉/惯性组合导航系统,将无人机和地标点的运动模型作为状态方程,视觉信息作为观测量构建了与之对应的滤波模型.在滤波处理上,采用了复杂加性噪声模型对系统噪声进行建模处理;将小波分析引入到UKF(Unscented Kalman Filter)滤波中得到小波-UKF滤波算法,以此克服视觉观测噪声对滤波的影响;采用最大后验概率准则(MAP,Maximum A Posterior)自适应估计观测噪声协方差阵,并将其反馈到滤波过程中克服了小波处理后观测噪声方差阵不易确定的不足.仿真结果证明:对滤波算法的改进可以有效地提高滤波估计的精度.     

EKF/UKF在编队飞行卫星GPS相对导航中的应用

 　航天器编队飞行协调工作,必须精确确定各航天器的相对位置和相对速度,即进行编队飞行相对导航。将扩展卡尔曼滤波(EKF,extended Kalman filter)和非线性滤波unscented Kalman filter(UKF)算法同时应用于编队飞行卫星的载波相位差分GPS相对导航。EKF与UKF算法原理不同,UKF算法的精度比EKF的精度高。在实际应用中,可以将两种算法组成互为备份的相对导航滤波器,这样可提高滤波系统冗余性能。     

基于自适应滤波的脉冲星导航方法研究

基于X射线脉冲星的自主导航技术能够为深空探测航天器提供高精度导航信息.脉冲星星表误差对导航性能存在不利影响,特别是方差不确定的星表误差,会引起较大定位误差.建立不确定项的导航模型,提出一种基于方差匹配的自适应滤波方法,通过估计不确定观测模型中的待估参数减小不确定项对观测的影响.通过数学仿真对比了自适应滤波方法和传统扩展卡尔曼滤波方法（EKF）,验证了所提方法的有效性.     

运用信息融合式高阶UKF的微小卫星姿态确定算法

为提高微小卫星微型低成本姿态敏感器的姿态确定精度,基于磁强计/太阳敏感器/陀螺仪的姿态敏感器配置以及无迹卡尔曼滤波方法（Unscented Kalman Filter,UKF）,设计了一种基于高阶UKF算法并且融合磁强计与太阳敏感器观测信息的微小卫星姿态确定算法.为提高系统状态方程非线性函数的一步预测精度,采用基于五阶UT变换的高阶UKF算法,增加了Sigma采样点数量,提高了系统状态预测精度.单一观测向量滤波算法不能同时满足多个不同量纲观测数据,本文提出一种同时利用两个观测向量的信息融合式滤波算法,根据磁强计和太阳敏感器的观测信息,通过卡尔曼滤波原理中的增益计算,分别得出地磁矢量和太阳矢量对应的卡尔曼增益信息.采用高斯概率密度准则进行信息融合,进而完成预测值的修正,得到同时满足磁强计以及太阳敏感器观测需求的四元数估计值,降低了观测误差的影响.仿真分析验证了算法的优越性.      

一种用于目标跟踪的UT-BLUE滤波方法

雷达机动目标跟踪问题中,通常目标运动模型可精确地在直角坐标系下建模,但大多数情形下模型是非线性的,同时在传感器坐标系下所获得目标量测又是直接可用的.通过将无迹变换与最优线性无偏滤波器有机结合,提出一种新的BLUE(Best Linear Unbiased Estimator) 滤波算法,以便解决上述非线性跟踪问题.首先,该算法利用无迹变换对经由直角坐标系下非线性目标运动模型得到的目标状态及其协方差作出预测,然后在保持传感器坐标系(极坐标系)下所固有的量测误差的同时,直接对它们作出状态估计.在算法推导及Monte-Carlo仿真过程中,将新的BLUE滤波算法和EKF(Extended Kalman Filter)、UKF(Unscented Kalman Filter)滤波算法进行比较,结果表明新算法的有效性和适用性.      

鲁棒滤波技术在脉冲星导航中的应用

  提出将鲁棒扩展卡尔曼滤波(REKF)用于增强X射线脉冲星导航系统克服星表误差影响的能力。指出星表误差可以看作模型不确定性的一部分,采用鲁棒滤波技术进行处理。对REKF和传统扩展卡尔曼滤波(EKF)的性能进行对比。仿真结果表明,存在星表误差的情况下,采用REKF算法进行航天器导航,能够获得优于EKF的定位精度。