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.     

基于增量式路标表观学习的移动机器人定位

在全景图像中,机器人参考定位的路标表观受到畸变、观察视角、路标尺度变化以及环境亮度的影响,致使基于全景视觉的机器人自主定位存在着许多难点有待解决.提出增量式的路标表观学习方法,准确估计路标的表观变化,并为基于粒子滤波的机器人定位过程提供准确的观测信息.增量式路标学习过程利用增量式概率主元分析为理论工具,将不同视角的路标表观的主元特征表示成不断自主更新的特征基底,为计算观测量与路标真实表观的相似度提供了实现途径和理论依据.该学习算法能够被集成到带有重采样的贯序权值采样粒子滤波算法过程中,实现了全景视觉机器人的精确自主定位.实验结果表明:该算法的定位误差小,计算量小,执行效率高,对全景图像中的各类干扰均不敏感.     

基于快速仿射模板匹配的AMCL算法

自主定位是移动机器人的重要任务，机器人绑架问题是定位技术中的难点。基于粒子滤波的自适应蒙特卡罗定位(AMCL)算法能够解决机器人绑架问题，但其在定位恢复过程中需要在全局地图中放入新粒子，恢复效率低。通过对自适应蒙特卡罗定位算法的研究，结合图像学中模板匹配思想，提出了一种基于快速仿射模板匹配的自适应蒙特卡罗定位(AMCL-FM)算法。该算法利用全局代价地图与局部代价地图估计出机器人的真实位置，并在估计出的位置放置新的粒子，提高定位恢复能力。与传统的自适应蒙特卡罗定位算法相比，所提算法定位精度提升了61.13%，定位恢复效率提升了69.23%。     

一种基于二元估计与粒子滤波的故障预测算法

假设对象系统的故障演化过程可以由一个含有未知缓变参数的状态空间模型加以描述,则故障预测问题就可以转化为一个在已知当前系统信息的条件下,对系统未来某一时刻的状态变量的估计问题.针对该问题的求解提出了一种基于二元估计和粒子滤波的故障预测算法.算法的实施分为两个主要阶段:在状态估计阶段,采用两个并联的粒子滤波器迭代估计当前时刻对象系统故障演化模型状态和未知参数的后验分布.在状态预测阶段,对当前时刻故障演化模型状态的后验分布进行迭代采样,以采样样本粒子来近似估计未来时刻的状态变量的先验分布密度.在上述计算结果的基础上,结合相应的故障判据,算法采用计算对象系统未来时刻故障概率的方法预测其剩余使用寿命.仿真实验中将本文提出的算法与基于联合估计的故障预测算法进行对比,实验结果证明了所提算法的有效性.      

基于混沌的改进粒子群优化粒子滤波算法

针对基本粒子滤波(PF)算法存在的粒子退化和重采样引起的粒子多样性丧失,导致粒子样本无法精确表示状态概率密度函数真实分布,提出了一种基于混沌的改进粒子群优化(PSO)粒子滤波算法。通过引入混沌序列产生一组混沌变量,将产生的变量映射到优化变量的区间提高粒子质量,并利用混沌扰动克服粒子群优化局部最优问题。利用单变量非静态增长模型(UNGM)在高斯噪声和非高斯噪声环境下将该算法与基本粒子滤波和粒子群优化粒子滤波(PSO-PF)的性能进行仿真比较。结果表明:该算法的性能在有效粒子数和均方根误差(RMSE)等参数都优于基本粒子滤波和粒子群优化粒子滤波,改善了算法的精度和跟踪性能。      

基于Squeezer算法的大规模矩阵聚类分析

对Squeezer算法进行分析研究,在定义2个矩阵之间距离的基础上,提出了一种改进的Squeezer算法,用于对维数相同的大规模矩阵进行聚类分析.改进的算法在设定距离阈值的基础上,对类别的半径设定阈值来控制分类精度,给出具体的算法步骤来实现针对大量矩阵的聚类分析.对聚类后所得矩阵集合,给出集合质心和半径的定义,来描述矩阵集合的特性.所提算法能使聚类结果避免受到链条效应的影响而使类不断扩容,从而导致聚类精度下降的问题.仿真实验分析验证了所提算法具有良好的聚类效果和适用性.     

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。     

低复杂度自适应容积卡尔曼滤波算法

确定采样型滤波算法中的容积卡尔曼滤波（CKF）算法滤波性能优良,但是却难以克服目标模型不确定性或者目标状态突变带来的影响。构造强跟踪CKF能有效改善算法的自适应性,但是在求解渐消因子时大大增加了计算量。为此,提出一种低复杂度自适应CKF算法,通过设立基于新息的自适应修正判决准则和修正方式,直接对状态预测值进行修正,使滤波算法能及时跟上目标真实状态,以提高滤波精度。使用浮点操作数计算并分析了CKF算法、强跟踪CKF算法及所提算法的复杂度,同时将3种算法应用在建模不准确的目标跟踪中,并进行仿真验证。仿真结果表明:在目标建模不匹配的情况下,低复杂度自适应CKF算法和强跟踪CKF算法都能保持较好的滤波精度和数值稳定性,同时所提算法在算法复杂度上有明显改善。      

电容成像双共轭梯度图像重建改进算法

针对电容层析成像技术（ECT）逆问题中软场效应的影响,以及重建图像时使用的传统迭代类算法迭代次数多、成像速度慢等问题,将双共轭梯度（BICG）应用到电容层析成像技术中,为了得到更好的重建效果,提出了双共轭梯度与正则化思想相结合来求解逆问题的最佳解。通过COMSOL5.3软件进行建模,使用MATLAB 2014a进行图像重建与图像评估,分别使用Tikhonov、Landweber、共轭梯度（CG）、BICG、所提改进算法进行图像重建。实验表明:所提改进算法的成像效果不仅优于其他迭代类算法,而且大大缩短了图像重建需要的时间;尤其对一些复杂流型成像效果更佳,图像错误率低至约0.2,相关系数高达约0.88,成像时间缩短至2.77 s,迭代次数减少至20次。      

基于图论分割的多光谱图像非监督分类方法

针对传统基于像素的多光谱遥感图像分类方法存在的"麻点"现象、采样成本高等问题,提出了一种基于图论分割的非监督分类方法,首先采用基于图论的分割算法,按局部邻近相似像素点分割成若干子区域,再以分割后子区域为基本单元,整体进行模糊 C均值聚类,最终实现对多光谱图像的非监督分类.实验证明,该方法结合了局部邻近像素点的相互关系以及相似区域的整体特征,有效解决了麻点问题,具有较高的分类精度和算法效率,降低了采样成本.     

多星对合作目标的分布式协同导航滤波算法

针对多颗在轨卫星对空间合作目标的协同导航问题,提出了一种适用于协同导航的分布式球面单形-径向容积求积分卡尔曼滤波（DSSRCQKF）算法。为了计算非线性滤波中的高斯加权积分,分别使用球面单形准则和二阶高斯-拉盖尔求积分准则计算球面积分和径向积分,提出了一种新的球面单形-径向容积求积分准则。将该准则嵌入分布式卡尔曼滤波框架中,结合协同导航的非线性数学模型,给出适用于协同导航的DSSRCQKF算法,该算法要求每颗导航星仅与其邻居星进行通信,通过数据的分布式融合实现对目标星轨道状态的一致估计,从而避免了传统集中式处理中较高的通信和计算压力。仿真实验结果表明,与分布式卡尔曼滤波相比,本文算法将对合作目标的实时定位精度提高了11 m,定速精度提高了0.02 m/s,从而验证了本文算法的有效性。      

粒子群优化粒子滤波的接收机自主完好性监测

接收机自主完好性监测（RAIM）是航空卫星导航接收机必不可少的功能,为保持全球卫星导航系统（GNSS）在卫星发生故障时系统性能不降级,需要对卫星故障进行检测和隔离。针对接收机观测噪声非高斯分布的特点,提出一种基于粒子群优化粒子滤波（PSO-PF）的故障检测和隔离算法。通过粒子群优化粒子滤波对状态估计进行一致性检验实现故障检测。采集实测数据验证算法的检测性能,并与基于基本粒子滤波的完好性监测算法进行比较,结果表明:本文所提算法在非高斯测量噪声下可检测并隔离全球定位系统（GPS）故障卫星,其性能优于基于基本粒子滤波的完好性监测算法性能,对研究北斗卫星导航系统（BDS）接收机自主完好性监测具有一定的意义。      

基于多约束因子图优化的无人车定位与建图方法

针对目前在特定场景下应用的低速无人车定位系统极度依赖全球导航卫星系统（GNSS）,存在定位精度不高、漂移误差大、受环境影响严重等问题,提出一种低成本、高精度的无人车定位与建图方法。该方法基于三维激光定位与建图（SLAM）技术。首先,使用点云主成分分析（PCA）实现基于特征匹配的激光里程计;其次,将GNSS位置信息、点云分割聚类得到的地平面和点云聚类特征作为位姿约束分别加入图优化框架,消除激光里程计的累积误差;最后,得到最优位姿和大规模场景的点云地图,以实现无人车的自主定位导航。利用包含大型户外城市街道环境的KITTI数据集对所提出的SLAM算法进行了评估,结果表明:系统在3km运动距离情况下定位偏差可控制在1.5 m以下,在局部精度和全局一致性方面均优于其他里程计系统,为无人车的定位提供了新思路。      

基于混沌粒子群优化的北斗/GPS组合导航选星算法

全球卫星导航系统（GNSS）接收机在接收信号的过程中会受到诸如建筑物遮挡、信号干扰等因素的影响,无法得到全部可见星。为减轻多星座组合接收机的处理负担,研究利用部分可见卫星进行定位的快速选星算法,提出了一种基于混沌粒子群优化（CPSO）的北斗/GPS组合导航选星算法。首先,对当前历元时刻可见卫星进行连续编码,按照选星数目分组,每个分组视为一个粒子。然后,通过混沌映射初始化粒子种群,选取几何精度因子（GDOP）作为评价粒子优劣的适应度函数;粒子通过粒子群优化算法的速度-位移模型更新自身位置,逐渐趋近空间卫星几何分布较好的卫星组合全局最优解。最后,采集北斗/GPS实际数据对选星算法进行仿真验证和性能比较,结果表明,所提算法在选星颗数多于5颗时,单次选星耗时为遍历法选星的37.5%,选星结果的几何精度因子计算误差在0~0.6之间。该算法可适用于北斗/GPS组合导航定位不同选星颗数的情况。      

利用GPS实现高轨卫星定位的抗远近效应算法

针对GPS应用于高轨卫星定位面临的远近效应问题, 提出利用正交相关的联合极大似然估计算法来对GPS信号进行二维搜索, 可以得到正确的码延时及多普勒估计. 极大似然估计算法首先利用滑行相关法对仿真信号中的强信号进行搜索, 得到强信号模型, 然后利用正交相关去掉强信号, 最终实现对弱信号的正确捕获. 本文对高轨卫星接收到的GPS信号进行了功率分析, 并建立了信号模型, 进行了算法仿真. 结果表明, 这种估计算法能够提高二维搜索性能, 有效解决远近效应问题.      

GPS定位与测速算法研究

给出了GPS定位与测速的数学模型,然后在Gauss-Newton算法的基础上讨论了正常情况下的GPS定位与测速的迭代算法,最后给出了只有3颗可见卫星或几何精度因子太大时的处理方法,从而得出了一个完整的GPS定位与测速的迭代算法.该算法首先迭代地求定位解,并在迭代中不断更新卫星信号传播时间,然后用最后一步迭代中计算出的正规矩阵和卫星信号传播时间求解速度.     

基于地面移动通信基站的差分气压测高方法

为了解决现有的卫星定位系统高程定位精度较低的问题,提出利用已发展完备的地面移动通信基站作为气压差分测量基准点的差分气压测高的方法.该方法以用户接收机附近的分布密集的地面移动通信基站为气压校正基准点,并利用移动通信基站的传输链路把相关的测量数据传送给用户,用户接收机便可以用移动通信基站观测点的高程值、气压值以及温度值,结合接收机测点处的气压值和温度值,利用高程与气压值之间的对应关系,得到用户接收机处的绝对高程值.实际试验结果表明:使用本方法后,室内高程定位精度约为1 m,室外的高程定位精度优于1 m.测高分辨率约为0.2 m,可以使GNSS(Global Navigation Satellite System)的三维位置定位精度提高约60%.本方法不仅可以弥补GNSS高程精度差的缺陷,作为高程约束参与测量方程解算还会提高水平测量精度,而且还克服了传统的气压测高精度依赖于气象站,而大多数用户接收机离气象站的距离较远,造成气压测高精度偏低的局限性.所以本方法能辅助增强卫星导航系统,提高三维定位精度,用于室内定位可以解决室内楼层的分辨问题.     

单星导航HEO卫星初轨确定算法

HEO(Highly Elliptical Orbit)轨道卫星利用星载GPS(Global Positioning System)进行自主定轨面临的主要难题之一就是解决在单颗导航卫星条件下的初轨确定问题.从理论上分析了利用单颗导航卫星的观测量确定HEO卫星轨道初值的所需满足的条件,指出了利用F.G级数法求解初值存在的问题,提出了一种基于轨道根数约束的迭代批处理算法,该算法无需复杂的数学运算,避免了F.G级数法用短弧资料定初轨时系数矩阵秩亏的影响.仿真结果表明,当先验轨道根数误差在允许范围内取值时,在考虑轨道射入误差的情况下,初值的位置偏差在10⁴ m量级,速度偏差在10⁰ m/s量级,能够根据单颗导航卫星的短弧观测值可靠地完成轨道初值的确定.     

关于北斗卫星导航系统的被动式定位算法比较研究

我国北斗卫星导航系统空间卫星共有2或3颗,无法单独满足被动导航定位的要求．针对这种卫星稀少的情况提出了3种被动式定位算法: 2星定位算法、 3星3参数定位算法和3星4参数定位算法, 这些算法分别采用气压测高方法增加观测数据和采用数学模型描述接收机钟差的方法减少定位方程求解的未知数;探讨了北斗卫星导航系统备份星的可用性和对导航定位精度的贡献;还提出了准差分修正技术,提高了定位精度．实验证明, 3种算法都取得了100m以内的定位结果,可以满足一般用户定位需求．     

基于小波变换熵值及高阶累积量联合的卫星信号调制识别算法

调制识别是信号检测与解调的关键环节,针对卫星调制中采用的MAPSK,MQAM,MFSK,MPSK方式,提出了一种计算小波变换熵值并结合高阶累积量的联合调制识别算法.根据小波变换对时频信息敏感的特点,不同调制方式高阶累积量计算结果的区分性以及不同复杂度的调制信号熵值结果不同,分析了以上4类调制信号的计算结果,提出了基于小波变换熵值及高阶累积量联合的卫星信号调制识别算法.计算调制信号小波系数,据此计算熵值,实现对调制信号的类别划分,使用高阶累积量实现类别内的信号分类.经过仿真分析,可实现在8dB以上达到0.9识别率的效果,该方法对高阶（64阶调制）信号识别具有一定借鉴意义.