多传感器最优信息融合Kalman多步预报器及其应用

提出了一种新的标量加权线性最小方差意义下的多传感器最优信息融合算法。该算法考虑了局部估计误差之间的相关性，只需计算加权标量，避免了加权矩阵的计算，明显减小了计算负担，便于实时应用。基于该融合算法，对被多个传感器观测的离散线性随机系统，给出了具有容错性的多传感器标量加权最优信息融合分布式Kalman多步预报器。它具有两层融合结构，其中第一融合层具有网状并行结构，用来获得每时刻每两个无故障传感器子系统之间的滤波误差互协方差阵；第二融合层用来确定最优标量加权系数，进而获得标量加权最优融合Kalman多步预报器。将其应用于雷达跟踪系统验证了其有效性。     

预测滤波算法在微小卫星姿态确定中的应用

讨论了利用卫星姿态动力学与矢量观测信息融合确定卫星姿态的方法。引入基于模型误差最小准则的预测滤波算法,实现对未知扰动的实时辨识与估计,克服模型误差影响。针对预测滤波算法存在模型误差加权阵依赖经验选择的不足,提出了模型误差加权阵偏小设计准则,使预测滤波算法对模型误差的估计引入高频分量,根据卫星姿态机动速度远小于高频噪声的事实,采用ＦIＲ数字滤波器滤除由高频分量引入的噪声,放宽了模型误差加权阵的设计范围。仿真表明：应用该设计准则的预测滤波算法与优化模型误差加权阵的估计效果相当,且滤波精度对模型误差加权阵参数的选择不敏感;该法也克服了优化模型误差加权阵在滤波初始时刻的振荡。     

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。     

基于模糊自适应卡尔曼滤波算法的多传感器信息融合

联合滤波器各子系统量测噪声统计特性发生变化时,标准卡尔曼滤波算法由于无法实时检测和调整,使得估计误差增大,最终导致融合后估计误差随之增大.本文针对该问题提出使用模糊自适应滤波代替标准卡尔曼滤波,形成模糊自适应联合卡尔曼滤波信息融合算法.新算法应用模糊推理系统不断的在线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...     

多星座组合导航自适应联合卡尔曼滤波算法研究

针对多星座卫星组合导航,提出了一种自适应联合卡尔曼滤波算法,采用描述机动载体运动的“当前”统计模型,直接从各卫星导航系统接收机输出的定位信息入手,将各种误差因素的影响等效为一个总误差,建立一种动态定位的自适应卡尔曼滤波模型。为了进一步提高滤波器的动态性能,通过引入调整系数、加权因子和自适应调节量对自适应滤波算法进行了改进,并分别对GPS、GLONASS和GALILEO系统设计了自适应子滤波器,然后采用联合滤波算法对各个子滤波器进行数据融合处理,最后对GPS/GLONASS/GALILEO组合导航系统进行了仿真验证,结果表明,该算法增强了滤波器的跟踪能力,改善了滤波效果,提高了定位精度。
     

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。     

多传感器加权观测融合自适应UKF滤波器

对于带有相同观测方程和未知噪声统计的非线性多传感器系统,提出了一种基于Sage-Husa估计的自适应UKF滤波算法.该算法利用导出的平稳随机序列的相关函数估计系统观测噪声方差统计R(j),并证明了其收敛性.进而利用Sage-Husa估计算法得到自适应UKF滤波算法.该方法避免了传统Sage和Husa的自适应滤波算法不能处理Q和R均未知的系统的局限性.为了将多传感器信息加以充分利用,提高滤波精度,本文利用加权最小二乘法(WLS),实现了多传感器加权观测融合自适应UKF滤波器.一个带3传感器非线性系统的仿真例子说明了该算法的有效性.     

AEKF在姿态确定中的应用研究

设计了加性扩展Kalman滤波器(AEKF),对卫星姿态进行了准确估计。针对四元数法描述卫星姿态所引起的信息冗余能使滤波误差协方差阵产生奇异,并导致滤波发散,为此提出了用协方差阵降维法解决该问题。仿真结果表明,应用本文设计的滤波器,能有效克服姿态敏感器的量测噪声,准确估计出卫星的姿态。     

预测滤波器的分散化结构

预测滤波器是一种基于非线性系统模型的滤波方法,它通过使输出一步前向预测误差最小来估计模型误差,具有较高的估计精度.当预测滤波器应用到多传感器系统时,存在维数多、计算量大等缺点.本文提出了一种预测滤波器的分散化方案,将分散化滤波的优点引入到预测滤波器中.该方案中子滤波器各自给出模型误差的局部估计,并传递给主滤波器.主滤波器由此计算全局最优估计,并反馈重置各子滤波器.通过多传感器卫星测姿系统的仿真,证实分散化之后的预测滤波器与集中的预测滤波器具有相同的精度.同时,分散化的结构具有维数低、矩阵运算量小等优点,而且有利于增强系统的故障检测能力,提高系统的容错性.     

多传感器信息融合技术在SINS／GPS／TAN组合导航系统中的应用

阐述了多传感器信息融合理论应用于组合导航系统的一般原理和方法。建立了SINS／GPS／TAN组合导航系统的联邦滤波模型，其中SINS／GPS子滤波器的状态变量为24维，SINS／TAN子滤波器的状态变量为23维，公共状态为18维。对组合导航系统的联邦滤波进行了仿真研究，仿真结果表明，基于信息融合的联邦滤波算法不仅解决了“维数灾难”问题，而且滤波精度相当高。可以满足导航制导系统的需要。     

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。     

车载GPS/DR组合导航系统的信息融合新方案

总结了适用于车载 GPS/ DR组合导航系统的几种信息融合方法 ,提出一种可容错的新型联合卡尔曼滤波结构方案。针对系统重构和自适应调整的依据 ,提出一种新的分系统状态评估方法 ,定义了滤波器估计结果可信度的概念并给出对其进行模糊综合评判的方法。在此基础上进一步确定联合滤波模型的自适应信息分配准则 ,实时跑车数据处理结果表明 ,该方案大大提高了系统的导航精度和可靠性     

自适应融合滤波算法及其在INS/GPS组合导航中的应用

针对扩展卡尔曼滤波器(EKF)在系统模型不确定时存在鲁棒性差、精度低的问题,设计了一种基于交互式多模型(IMM)的自适应融合滤波(AFF)算法。IMM\|AFF算法采用两个模型来描述系统结构,且与每个模型相对应的Sage\|Husa滤波器和强跟踪滤波器(STF)独立并行工作,系统的状态估计则是两种滤波器估计的模型概率加权融合。IMM\|AFF算法兼具Sage\|Husa滤波器状态估计精度高和STF对系统模型不确定具有强鲁棒性的优点,克服了两种滤波器各自单独使用时的缺点。将IMM\|AFF算法应用于INS/GPS组合导航系统的仿真结果表明,IMM\|AFF算法的滤波精度和鲁棒性均明显优于目前工程应用中的EKF,特别是大大提高了INS/GPS系统的定位 精度 。
     

基于无迹卡尔曼滤波的空间目标双星定位方法

利用双星对空间目标的观测角进行目标定位,可以很好地避免地基探测系统探测弧段短的缺点。研究了基于动力学滤波的双星定位方法,介绍了无迹卡尔曼滤波的基本原理,建立了考虑地球非球形J2项引力摄动的空间目标动力学方程和基于无偏量测转换的双星观测方程。通过仿真比较两种滤波方法在相同条件下对目标的定位误差,可知无迹卡尔曼滤波方法在收敛速度和定位精度上均优于扩展卡尔曼滤波方法。     

统计滤波理论在飞行器制导系统中的应用

本文叙述了统计滤波方法中具有典型代表性的卡尔曼滤波的基本方法。简要说明了它在惯性平台的自对准与自校准;复合制导中的信息综合以及飞行试验后的误差分离和弹道参数最佳估计中的应用。指出了应用中尚存的问题及今后的可能发展。     

基于UKF的异类传感器集中式融合算法

综合考虑航天器跟踪测量中速度和精度的要求,对异类传感器集中式融合问题进行了研究,提出了基于无迹卡尔曼滤波(UKF,Unscented Kalman Filter)和简化的分类数据压缩技术的非线性系统实时集中式融合算法.仿真表明新的算法融合性能优于基于扩展卡尔曼滤波(EKF,Extended Kalman Filter)和扩维技术的并行集中式融合算法.     

GPS/速率陀螺组合Kalman滤波姿态确定算法研究

建立了GPS／速率陀螺组合姿态估计系统的模型，研究比较了三种典型的Kalman滤波姿态确定算法：状态扩充法、量测量求差法和时变噪声估计跟踪自适应滤波算法。给出了某航天器采用GPS／速率陀螺组合姿态确定的仿真计算结果，并对结果进行了分析。结果表明，与传统Kalman滤波算法比较，时变噪声跟踪自适应滤波算法和量测量求差滤波算法能较好地消除GPS测量中相关时变噪声的影响，提高姿态确定的精度；而且时变噪声跟踪自适应滤波算法能很好地消除由于噪声统计性能的不确定性对Kalman滤波的影响，提高姿态确定系统的性能。     

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.