基于联合滤波的卫星姿态确定

对由星敏感器、陀螺、太阳敏感器和磁强计构成的组合姿态确定系统,建立了卫星确定系统模型、子系统滤波方程。基于信息融合设计了改进的联合滤波,讨论了信息分配因子确定,给出了改进的系统滤波流程。仿真结果表明：改进后卫星姿态确定的算法有能效提高卫星姿态的估计精度。     

多姿态敏感器测量的信息融合定姿方法研究

基于最优融合估计理论,给出并证明了多敏感器组合姿态确定系统状态最优融合估计形式。设计了基于信息分配的多信息融合联合滤波器结构和算法,分析估计性能,讨论了决定联合滤波器融合的性能信息分配因子选择方法,提出了一种基于协方差阵特征值平方分解的动态自适应信息分配因子确定方法。以某卫星多姿态敏感器组合测量为例,推导了卫星姿态确定的误差状态方程和各子系统的量测方程及观测阵。仿真结果表明：采用联合滤波器对多敏感器卫星姿态确定系统进行信息融合能改善定姿精度,有效抑制滤波发散,并提高整个系统的运算与收敛速度。     

基于GPS及其与磁强计组合的姿态确定算法研究

提出了一种组合敏感器定姿算法，针对卫星上同时装备有磁强计与全球卫星定位系统（GPS）的情况，利用两者的测量信息，在卡尔曼滤波算法的基础上，对两者信息融合定姿算法进行了设计和仿真，旨在提高卫星自主定姿精度和可靠性，结果表明，组合定姿算法使姿态确定的精度得到提高。     

推广联合滤波算法在卫星组合定姿系统中的应用

研究了不同模型下的推广联合滤波算法。基于信息融合理论和信息守恒原理，提出信息分配是信息融合的逆过程的观点，给出和证明了信息分配定理，为推广联合滤波算法提供了理论基础。以某卫星组合姿态确定系统为例，详细讨论了推广联合滤波的结构及其实现过程。理论分析和数学仿真结果表明：推广联合滤波算法比现有的联合滤波算法计算量小，且推广联合滤波算法能够同时保证全局最优和局部最优，而现有的联合滤波算法不是局部最优。     

基于多敏感器的卫星姿态确定算法

针对多敏感器组成的卫星姿态确定系统,采用四元数方法建立卫星姿态估计器模型,应用扩展卡尔曼滤波EKF算法进行信息融合,通过仿真算例验证此算法具有较高的精度。与此同时,在EKF算法基础上提出一种定常增益的卡尔曼滤波CGKF算法。通过数学仿真对EKF算法和CGKF算法进行比较分析,证明在一定条件下CGKF算法具有与EKF算法相当的滤波精度,并且简化后的CGKF算法在获得与EKF算法相近滤波效果的同时,还能够节约星上资源,减少计算量。     

微小卫星轨道姿态一体化确定算法研究

突破卫星轨道和姿态参数分别确定的传统模式,提出了以三轴磁强计和太阳敏感器为测量元件的轨道姿态一体化确定算法.由于地磁场是时间和位置的函数,而三轴磁强计指向又与卫星姿态相关,所以三轴磁强计的测量值既与轨道有关,又与姿态有关.充分利用磁强计和太阳敏感器的测量值中包含的轨道和姿态信息,推导出卫星轨道姿态一体化确定的扩展卡尔曼滤波算法.在太阳不可见区域,由于太阳敏感器没有输出信息,只采用磁强计为测量敏感器,按传统模式对卫星轨道和姿态分别确定.最后对2种模式下的滤波算法进行数学仿真验证,结果表明该算法的可行性与有效性.     

实践四号卫星姿态测量系统与数据处理

采用太阳敏感器和磁强计构成卫星姿态测量系统实践四号卫星自旋轴相对太阳矢量,地磁矢量的方位以确定卫星相对于惯性空间的方位和卫星自旋转速,以及卫星章动信息,并给出了数据处理算法和结果。     

多敏感器信息融合技术在卫星姿态确定中的应用

针对惯性陀螺、星敏感器和红外地平仪组成的卫星姿态确定系统,基于联邦卡尔曼滤波技术和多敏感器信息融合技术,提出了二级分散滤波方案,该方案能够实现系统的故障诊断与系统重构,提高系统的可靠性,最后通过仿真解算出高精度的姿态测量信息。     

基于磁强计和红外地平仪的卫星轨道姿态一体化确定方法

针对近地微小卫星,突破轨道姿态确定分而治之的传统模式,根据耦合的卫星轨道姿态动力学方程,提出了基于磁强计和红外地平仪的轨道和姿态同时确定方法.敏感器的测量值既跟轨道有关,又跟姿态有关,充分利用测量值中的轨道和姿态信息,推导了轨道姿态一体化确定的扩展卡尔曼滤波算法.利用非线性系统局部可观测性理论对系统进行了可观测性分析,给出了不同参数对局部可观测性的影响,并对不同观测量情况下的可观测性进行了比较.最后对该算法进行了数学仿真,结果表明,该算法的可行性和有效性.     

基于盒粒子滤波的低成本皮纳卫星高效姿态确定算法

针对低成本皮纳卫星姿态确定系统在质量、体积、计算量以及能耗等方面的限制问题,本文基于区间分析理论提出了卫星姿态区间化描述方法并建立了运动学区间化方程,提出了基于盒粒子滤波(BPF)的皮纳卫星姿态确定算法。该算法首先采用双矢量算法对太阳敏感器和磁强计得到的量测进行姿态解算,并将解算出的姿态四元数作为伪量测值输入传递给BPF,从而降低敏感器噪声对估计精度的影响。仿真实验表明,相比于传统粒子滤波的姿态确定算法,本文所提出的BPF姿态确定算法能够在保证姿态确定精度的同时大幅缩短算法运行时间。     

Regularized robust filter for attitude determination system with relative installation error of star trackers

As one of the most critical issues for high-accuracy satellite attitude determination, the relative installation error of star tracker usually leads to inconsistency of the output attitude information. In this paper, an approach named regularized robust filter algorithm is proposed to control the relative installation error of star tracker in the attitude measurement data. Based on the uncertainty model established for the attitude measurement system, the weighted least square solution is presented and the regularized robust filter is deduced firstly. The algorithm parameters are then optimized with the design indices in order to minimize the upper boundary for the variance of the estimated error. Compared with the traditional Kalman filter, the regularized robust filter takes into consideration the effects of model uncertainty, which can be used to optimize the filter parameters during its design stage. Thus, the information of both the system model and the measurement data can be applied effectively. Moreover, the existence conditions need not be validated in the proposed filter algorithm, which is convenient for on-orbit application. Finally, simulation results demonstrate the validity and efficiency of the proposed method. The relative installation error of attitude determination is mostly reduced and the estimation precision is improved greatly.     

一种图像辅助火星着陆段自主导航方法

针对未来深空探测软着陆高精度实时导航的需求,提出了一种图像辅助的自主导航方案。首先通过下降段图像与落点区域地形匹配,获得着陆器相对于落点的位置和姿态;然后基于误差Kalman模型估计着陆器的状态误差,修正惯性导航的结果;在图像信息不可用的情况下,只进行惯性递推导航;这种方案既提高了导航的精度,也能保证实时性的要求。 数值仿真验证了该方案的可行性,该方案对未来实际工程任务具有很大的参考价值。     

An information fusion algorithm for integrated autonomous orbit determination of navigation satellites

This paper focuses on the information fusion problem of integrated autonomous orbit determination using the observations from inter-satellite-link (ISL), X-ray pulsars and star sensors. A step Kalman filter structure is proposed to solve the information fusion problem of multiple subsystems that have greatly different filtering precision. The subsystems are grouped according to their measurement accuracy and the state parameters and covariance matrix of a group can be calculated using the federated filter structure and propagated to the next group step-by-step. Simulation results show that the mean user range error (URE) of the constellation will be less than 1.5 m in 60 days using the step Kalman filter structure for information fusion. And it has better performance than the federated structure in dealing with information fusion of the astronomical observations and the ISL ranging measurements in integrated autonomous orbit determination.     

基于自适应滤波的光谱畸变误差抑制方法

为降低天文光谱畸变误差对多普勒测速导航精度的影响,设计结合非线性Sage-Husa噪声估计器及抗差扩展卡尔曼滤波器(Robust Extend Kalman Filter,REKF)的自适应滤波算法。当系统模型可靠时,抗差滤波能够通过预测残差判断异常量测并降低其权重;当系统模型噪声先验信息不准确时,通过Sage-Husa噪声估计器估计系统噪声协方差阵Q阵,以保证抗差滤波的效果。此外,结合多普勒测速导航及X射线脉冲星导航进行组合导航,以提高位置估计精度。仿真结果表明,该算法能够在系统模型噪声先验信息不准确的情况下有效控制光谱畸变造成的量测误差对导航精度的影响。     

高超声速机动目标天基跟踪鲁棒性滤波方法

为解决高超声速滑翔飞行器(HGV)机动飞行过程中的跟踪问题,提出了一种基于机动观测器补偿的鲁棒扩展卡尔曼滤波方法。针对传统卡尔曼滤波器由于模型误差而无法稳定跟踪的问题,首先建立了HGV动力学模型和天基红外测量模型;随后,设计机动观测器对未知气动加速度进行在线估计;在此基础上,利用机动估计对扩展卡尔曼滤波中的预测步骤进行修正,克服了因模型误差而导致的滤波发散问题;最后,考虑到机动观测器的时延误差,在扩展卡尔曼滤波迭代过程中引入次优渐消因子,提高了滤波跟踪的鲁棒性。与强跟踪滤波、扩维卡尔曼滤波、交互多模型滤波等典型跟踪方法相比,所提方法可在不具备目标机动先验信息的情况下,以较低的计算耗时取得良好的稳定性和跟踪精度。     

弹道目标实时跟踪中的滤波方法综述

指出目标运动先验信息、系统结构信息和设备测量信息的融合应用是提高滤波器跟踪性能的核心。进而综述了弹道目标融合滤波中的运动模型构造、滤波算法设计以及测量误差处理等环节中的关键技术和研究现状。并针对传统实时处理结构弊端,分析了实时跟踪系统的设计方法,讨论了如何建立高效的弹道跟踪数据处理流程,通过融合策略并举的方式实现系统各类信息的有效利用。一些设计方法可以为实际跟踪滤波器的开发提供参考。最后,结合空间应用的发展需求,分析了弹道目标跟踪技术的研究方向。     

GPS和惯导信息在飞行器制导中的综合应用

在本文中叙述了利用卡尔曼德波器对ＧＰＳ、惯导系统信息进行综合的建模方法及仿真结果，说明ＧＰＳ和惯导组合不但可以提高制导精度，还可估计制导误差。对几种组合制导方案的精度进行了比较，在飞行条件下对惯性仪表误差系数进行了估计。     

基于鲁棒故障检测滤波器的传感器故障诊断

本文讨论了鲁棒故障检测滤波器在喷气式发动机传感器故障诊断中的应用。鲁棒故障检测滤波器方法使残差既有干扰解耦特性又有方向特性。该滤波器的设计结合了未知输入观测器原理与Beard故障检测滤波器原理。利用未知输入观测器产生的残差对未知输入(干扰)具有鲁棒性,而特定方向性是基于BFDF技术获得的。最后举例说明了该方法的可行性和有效性。     

基于系统误差诊断的多测元融合算法

在多测元目标跟踪定位中,结合测元的匹配特性,提出"三选二"原则诊断并估计少数测元上的系统误差,以多测元最小二乘多项式滤波抑制随机误差,从而提高目标定位精确度的数据融合新方法。以三测元为例给出了具体在微分域和积分域进行匹配诊断的步骤。在估计并扣除系统误差之后,进行三通道最小二乘多项式滤波以更有效地抑制随机误差。仿真计算结果表明该方法能够有效地发现和估计系统误差,同时指出在积分域进行匹配诊断和估计的精度要优于微分域匹配诊断。     

Laser radar based relative navigation using improved adaptive Huber filter

An improved adaptive Huber filter algorithm is proposed to model error and measurement noise uncertainty in this work. The adaptive algorithm for model error is obtained by using an upper bound for the state prediction covariance matrix with augment of chi-square statistical hypothesis test in case of filter deteriorated by wrong residual information. The measurement noise is estimated at each filter step by minimizing a criterion function which was original from Huber filter. A recursive algorithm is provided for solving the criterion function. The proposed adaptive filter algorithm was successfully implemented in radar navigation system for spacecraft formation flying in high earth orbits with real orbit perturbations and non-Gaussian random measurement error. Simulation results indicated that the proposed adaptive filter performed better in robustness and accuracy compared with previous adaptive algorithms.