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.     

导航解算中的有色噪声及其协方差矩阵自适应拟合

使用Kalman滤波进行动态导航定位解算需要涉及函数模型和随机模型, 而在实际应用中, 精确的函数模型和随机模型很难直接给出, 因此, 动态Kalman滤波的精度和可靠性将会受到函数模型误差和随机模型误差的影响. 在假设观测噪声和动力学模型噪声主要是具有一阶自相关特性的有色噪声的基础上, 提出了一种基于移动窗口的有色噪声函数模型和随机模型的自适应拟合法. 给出了计算有色噪声估值和噪声协方差矩阵的表达式, 并利用实测数据验证了模型及算法的可行性和实用性. 计算结果表明, 该算法能有效抵制有色噪声对导航滤波结果的影响.     

基于高斯过程的机器人自适应抓取策略

在机器人抓取作业时,目标物体的位姿经常发生变化。为了使机器人在运动过程中能够适应物体的位姿变化,提出了一种基于高斯过程的机器人自适应抓取策略。该方法建立了从观测空间到关节空间的映射,使机器人从样本中学习,省去了机器人视觉系统的标定和逆运动学求解。首先,拖动机器人抓取物体,记录物体的观测变量和机器人的关节角度;然后,利用记录的样本训练高斯过程模型,实现观测变量和关节角度的关联;最后,当得到新的观测变量时,通过训练的高斯过程模型得到机器人的关节角度。经过训练后,UR3机器人成功抓取了物体。     

火星探测器捕获段自适应卡尔曼滤波方法

天文导航是一种广泛应用于深空探测任务中的节能、高效的导航方式。基于轨道动力学模型和星光角距的卡尔曼滤波方法已经被成功应用在天文导航系统中。在捕获段由于探测器所处动力学环境复杂,未建模的加速度误差,星历误差等都会造成过程噪声统计特性不完全。针对以上问题,提出一种根据新息和残差序列的变化趋势来调节过程噪声协方差阵的自适应平方根容积卡尔曼的方法（AQSCKF）。该方法先分别利用新息和残差计算调节因子,然后判断新息和残差的变化趋势,当新息和残差的变化趋势一致时,取二者调节因子的均值作为过程噪声方差阵的调节因子,对其进行调节。此外,本文还将该方法与传统的只利用新息或残差在线调节协方差阵的平方根容积卡尔曼滤波（SCKF）方法进行对比,仿真结果表明,在解决由于过程噪声统计特性不能完全已知的问题上,AQSCKF算法不仅能显著提高导航精度,并且具有很好的稳定性。     

基于F代表点的高斯过程矩匹配滤波

提出了一种基于F偏差代表点的高斯过程矩匹配滤波方法。该方法通过高斯过程学习系统的过程函数和观测函数,在高斯矩匹配滤波的框架下利用F偏差代表点进行数值计算。在单变量非线性模型及静基座初始对准中进行的仿真实验表明,该方法的精度不低于解析计算的高斯过程假设密度滤波（GP-ADF）,远高于高斯过程无迹卡尔曼滤波（GP-UKF）。     

自适应粒子滤波在紫外导航中的应用

基于紫外敏感器的自主导航系统是典型的非线性系统,针对一般粒子滤波缺乏在线自适应调整能力等问题,文章提出了将基于正交性原理的自适应强跟踪滤波器(STF)和UKF相融合产生重要密度函数,应用于基于紫外敏感器自主导航粒子滤波器新方法,该方法通过UKF构造粒子群,对粒子群中的每一个粒子的每一个sigma点用STF进行更新,使得算法自适应。为了说明算法的有效性,结合模拟的轨道数据和测量数据进行了仿真,并与其他滤波方法的仿真结果进行了对比,结果说明了所提算法的有效性。     

自适应卡尔曼滤波器在陆地车辆导航中的应用

建立了车载GPS(Global Positioning System)/DR(Dead-Reckoning)组合导航系统自适应扩展卡尔曼滤波模型及其算法,从而大大提高了车辆导航系统的定位精度.首次提出依据PDOP(位置误差系数)等GPS定位系统的输出参数,自动调整观测噪声协方差阵[WTHX]R和系统噪声协方差阵Q[WT]的大小,从而自适应地调整组合导航系统模型性能的方法,使得模型具有较强的适应性.计算机仿真及实验结果表明应用该模型具有良好的效果.      

DS/FH混合系统鲁棒自适应抗干扰技术

根据鲁棒估计理论,采用一种基于广义M估计的自适应滤波器消除DS/FH混合扩频系统中的部分带宽干扰,并推导了鲁棒自适应算法.比较了2种M估计中常用的ψ函数的性能:Huber函数(Huber function)、三权重函数(Tri-weight function).Monte Carlo 仿真结果表明,采用鲁棒自适应滤波器的DS/FH系统抗非稳态干扰性能显著提高,且具有拒绝特性的三权重函数性能明显优于Huber函数.      

一种新的最速下降算法在自适应噪声对消中的应用

自适应噪声对消在很多领域有着重要应用。为了进行自适应噪声对消,提出了一种新的最速下降算法。该算法主要原理是对多元二次函数进行降维处理,使其变成一元二次函数,再应用抛物线的性质分别循环迭代地求解每一个维度上的极值。在自适应噪声对消应用中,所提算法与传统的自适应算法进行对比,具有收敛速度快,滤波效果好,滤波效果可调节,抗恶劣信噪比以及急剧变化信噪比,不需选择迭代步长,适合计算机和可编程硬件实现等优点。      

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.     

基于抗差自适应滤波的轨道在线检测

针对测量机器人在大型导轨检测中的应用设计了一套动态跟踪检测系统。由于受各种干扰的影响,系统测量得到的测量值与目标真实状态往往不尽相同,因此提出了一种基于Singer模型的抗差自适应滤波算法。首先,采用Singer模型建立目标的运动模型;在此基础上,发展了抗差自适应滤波技术来进行在线测量数据处理;最后,进行了轨道检测的跟踪测量应用。结果证明,该系统未经滤波处理时的测量误差能够达到mm级,通过滤波能够对测量数据进行平滑处理,准确定位误差点,降低了检测误差,能够满足长轨道在线检测的准确度要求。     

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。     

深空探测器接近段自适应滤波方法研究

天文导航是一种广泛应用于深空探测任务的全自主导航方法.基于状态模型和量测模型的非线性卡尔曼滤波方法在天文导航中被广泛使用.卡尔曼滤波要求状态和量测模型误差是高斯白噪声且先验协方差信息已知,但在深空探测器天文导航系统中,状态模型和量测模型噪声通常不能精确知道且是时变的.因此,自适应卡尔曼滤波器广泛用于解决状态和量测模型误差未知且时变的问题.本文首先结合火星探测器接近段的实际情况分析了火星探测器接近段模型噪声的时变特性,然后对三种常用的在线调节自适应滤波方法在火星探测接近段的滤波表现进行了仿真实验.     

一类结构随机跳变系统的自适应滤波方法

提出了含有相关和非相关两类特征参数的结构随机跳变系统自适应滤波方法,并采用改进了的一种基于随机采样技术的自举滤波算法,其对于非线性非高斯问题具有很强的适应性,很好地克服了传统滤波算法在解决此类问题时所存在的"基础结构失真"的缺陷,从而提高了滤波算法的整体估计性能.在"闪烁"噪声环境里,测量信息存在随机中断的导弹制导问题的仿真结果,验证了本方法的有效性.     

一种用于GPS时差比对数据处理的卡尔曼滤波器设计

介绍了一种用于GPS时差比对数据处理的自适应卡尔曼滤波器,在Matlab环境下编写了离散时间形式的卡尔曼滤波算法程序,利用该算法对GPS信号与铯原子频标的时差比对数据进行了分析处理,最后介绍了该算法的数字芯片FPGA实现。     

基于特征模型的高超声速飞行器姿态控制器与自适应滤波算法的设计

提出一种基于特征模型的强跟踪无迹卡尔曼滤波（CSUKF）算法对状态和参数进行联合估计,利用特征模型参数构造时变的二阶状态转移阵,使滤波和辨识模型简化;结合强跟踪滤波（STF）的强跟踪能力和无迹卡尔曼滤波的（UKF）的非线性高逼近性对含测量噪声的高超声速飞行器系统进行参数辨识和滤波,并将其与非线性黄金分割自适应控制律相结合,对高超声速飞行器进行姿态控制.最后,将提出的CSUKF与基于特征模型的无迹卡尔曼滤波（CUKF）和基于特征模型的普通扩展卡尔曼滤波算法（CEKF）进行比较,仿真结果说明CSUKF与非线性黄金分割自适应控制律相结合可以有效改善控制的平稳性,且具有更好的滤波精度和系统输出,从而能更好地处理含测量噪声情况下的高超声速飞行器的辨识与控制问题.