飞行器视觉导航的H∞滤波

提出了用H∞滤波估计飞行器视觉导航参数.由安装在飞行器上的摄像机获取地面图像,结合飞行器的动力学和运动学方程,构成了一个非线性Kal-man滤波模型.针对非线性模型线性化引入误差以及随机噪声建模不准确的问题,设计了H∞滤波器对组合系统进行滤波估计,并与推广Kalman滤波进行比较.仿真结果表明,H∞滤波的性能优于推广卡尔曼滤波.     

自适应推广KALMAN滤波应用于导弹的被动制导问题

本文介绍一种非线性系统的自适应推广Ｋａｌｍａｎ滤波算法。结合导弹的被动制导问题，我们提出了一种针对非线性观测模型和线性动态模型的自适应推广Ｋａｌｍａｎ滤波器。仿真结果表明，自适应推广Ｋａｌｍａｎ滤波器的性能优于原有的推广Ｋａｌｍａｎ滤波器。     

基于Unscented滤波的伴飞卫星自主相对导航滤波器

为提高导航滤波器的稳定性和计算精度,根据卫星自主导航原理,构造了基于Unscented Kalman滤波（UKF）的伴飞卫星自主相对导航滤波器,建立了算法模型。仿真结果表明：UKF的滤波精度优于扩展Kalman滤波（EKF）,且无需计算量测方程的Jacobi矩阵,计算量小、易于实现。     

UKF容错滤波方法在自主导航中的应用研究

地磁场向量可描述成卫星的位置函数，以地磁场强度向量为观测量，利用三轴磁强计的测量信息即可实现近地卫星的自主导航。但当测量值存在野值时，滤波会出现偏差、收敛变慢甚至发散。将UKF滤波容错方法用于磁测自主导航，构造出一种基于残差正交性判别的UKF（Unsend Kalman Fiher）容错滤波方法，来实现野值的实时修正和故障诊断，使滤波器具有较强的鲁棒性。仿真结果表明该方法有效。     

RJMCMC粒子滤波方法在月球探测器自主天文导航中的应用

天文导航系统是典型的非线性和噪声非高斯分布的系统。针对传统的扩展卡尔曼滤波不适于非线性和噪声非高斯分布的系统，和一般粒子滤波存在的粒子退化等问题，提出了一种将RJMCMC（可逆跳转马尔可夫链蒙特卡罗）算法应用于月球探测器自主天文导航粒子滤波器中的新方法。计算机仿真结果显示了该方法在加快收敛速度、提高导航定位精度和自适应调整粒子个数方面的有效性和可行性。     

基于UKF的航天器最小参数姿态矩阵估计方法

钊对航天器的惯性-星光姿态确定系统，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。但是由于系统模型是非线性的，针对系统模型的非线性，将UKF（Unscented Kalman Filter）与最小参数姿态矩阵估计方法结合，设计了一种针对MEMS陀螺和CMOS APS星敏感器的UKF姿念估计器。仿真结果表明：在敏感器精度较差的情况下，该UKF、姿态估计器能够满足大多数航天器对姿态确定精度的要求。此外，UKF和EKF（Extended Kalman Filter）的仿真对比结果表明：UKF滤波器的收敛速度高于EKF滤波器，状态估计的精度也优于EKF滤波器，且数值稳定性好。     

Rao—Blackwellized粒子滤波在SINS／GPS深组合导航系统中的应用研究

在组合导航系统数据处理中,有时会出现线性非线性混合模型的高维滤波问题,此时采用传统的线性卡尔曼滤波无法直接处理,而一般的非线性粒子滤波计算量往往很大,难以满足导航系统实时性要求.因此,本文提出了利用Rao-Blackwellized(R B)思想对上述组合导航滤波模型进行分块处理,对于线性子空间采用卡尔曼滤波方法,对于非线性子空间采用粒子滤波方法.优化处理后的粒子滤波维数从20减少到3,使抽样所需的粒子数大大减少.通过仿真验证表明,在选取相同粒子数目前提下,本算法的滤波精度明显提高,并有效保证了导航计算的实时性.     

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。     

机动目标多传感器组网空间配准方法

针对存在传感器偏差的多传感器组网系统跟踪机动目标的问题,把目标状态与传感器偏差进行解耦估计,提出了一种基于交互多模型的两阶段扩展Kalman滤波(IMM-TSEKF)算法。由于传感器观测方程的非线性,文中采用了两阶段扩展Kalman滤波器(TSEKF),针对机动目标,把IMM算法与TSEKF算法相结合用于目标跟踪与空间配准。此外还对算法的时间复杂度进行了分析,并以螺旋机动战术弹道导弹为目标进行组网空间配准与目标跟踪。仿真结果表明,相比于常规的基于交互多模型的增广Kalman滤波(IMM-ASEKF)算法,该文算法在估计性能相当的情况下,减小了计算的复杂度,提高了计算效率,更易于工程实现。     

X射线脉冲星导航中的滤波方法分析

X射线脉冲星导航由于需要大量的观测数据来确定天体方位,因此需要较长的滤波周期(500 ～ 1000s),系统的状态方程是非线性的.若采用扩展Kalman滤波(EKF),线性化时会产生较大的高阶截断误差,且Jacobian矩阵不易精确计算,导致定轨的精度较低.文中采用非线性滤波方法- Unscented Kalman 滤...     

组合导航系统初始对准的稳定性分析及其控制

针对INS/GPS组合导航系统的初始对准问题 ,对该组合系统的稳定性进行了理论分析和仿真研究。理论分析表明 ,该系统是稳定的 ;仿真结果说明 ,载体在外部周期激励作用下 ,如系统采样频率选择不当 ,状态变量的估计结果也出现周期性的振荡 ;如果是外部随机脉冲激励 ,状态变量的估计结果则呈现随机性。对于外部周期激励 ,采用改变采样频率或适当的线性状态反馈 ,可以较好的避免状态变量估计结果的振荡 ,满足对估计结果的精度要求。     

适于惯导系统初始对准的神经网络实时算法研究

通常卡尔曼滤波器被用于解决惯导系统的初始对准问题。由于卡尔曼滤波的运算时间与系统阶次的立方成正比 ,所以当系统阶次较高时 ,滤波器会失去实时性。而神经网络具有函数逼近性能 ,实时性又好。为此 ,本文研究了一种基于扩展卡尔曼滤波原理的权值更新多层神经网络学习算法 ,对此算法进行了详细的推证 ,并将该算法运用到惯导系统的初始对准过程。仿真结果表明了这种神经网络结构用于惯导系统初始对准问题的有效性 ,既真正获得了与扩展卡尔曼滤波器相同的对准精度 ,又大大提高了系统的实时性     

卡尔曼滤波初始条件对捷联惯导对准的影响

针对捷联惯导对准卡尔曼滤波器初始条件无法很准确给定的情况,研究了卡尔曼滤波器初始条件对捷联惯导对准精度的影响。分析了错误先验假设条件下卡尔曼滤波算法的误差,推导了滤波器计算均方误差与实际均方误差的关系。对于一般多元回归系数估计问题,比较了卡尔曼滤波算法与最小二乘算法,给出了当先验假设不准确时卡尔曼滤波算法优于最小二乘算法的一个充分条件。对捷联惯导静基座对准问题进行了仿真,仿真结果表明:合理选择初始均方误差矩阵能大大改善卡尔曼滤波启动阶段性能。初始均方误差矩阵选择为真实初始均方误差矩阵的一个较小上界是合理的。     

利用增量相位和星光仰角增强XNAV

针对X射线脉冲星导航系统(XNAV)中过程噪声统计特性难以准确获取,对其不当假设导致滤波器估计性能不佳的问题,提出基于自适应差分卡尔曼滤波器(ADDF)的多信息融合算法。为了降低导航误差,在传统脉冲星计时观测的基础上,增加恒星星光仰角及两个时刻间的相位增量观测量,共同增强XNAV。首先,分别建立计时观测模型、相位增量模型及星光仰角模型;然后将多信息测量模型集成到卫星轨道动力学方程中,以建立ADDF滤波模型;最后对所提方法进行仿真验证。实验结果表明,在相同的初始状态和初始噪声误差条件下,与传统X射线脉冲星导航算法相比,多信息融合算法能将导航位置估计精度提高70%以上,位置估计误差降低到 200 m 左右,速度估计精度提高40%以上,且ADDF性能优于无迹卡尔曼滤波器。     

INS／GPS／Odometer组合系统初始对准及自适应联合滤波

本文提出了INS／GPS／Odometer（测速仪）组合际航系统。基于信息融合理论，提出了基于子滤波器可观性矩阵条件数和误差协方差矩阵特征值分解的自适应联合滤波。然后利用该方法对INS／GPS／Odometer组合系统的初始对准问题进行了研究。仿真结果表明，自适应联合滤波能够改善系统初始对准的状态估计精度，信息分配因子的不同选择对状态估计有一定的影响。     

北斗/罗兰C组合导航非线性滤波算法研究

北斗/罗兰C组合可以实现无源三维导航定位.建立了组合导航系统状态方程和量测方程,针对量测方程为非线性的情况,分别应用扩展卡尔曼滤波(EKF)和Unscented卡尔曼滤波(UKF),设计了滤波算法,仿真结果表明,采用UKF方法比EKF方法能改善定位效果,该方法已经成功应用在工程实践中.     

关于GPS导航计算的卡尔曼滤波问题

探讨卡尔曼滤波在实际应用中存中的建模误差、滤波初值的选取、系统噪声方差和量测噪声方差的确定、以及滤波发散等问题及其解决方法 ,得到适用于 GPS导航计算的卡尔曼滤波器。通过实测算例 ,比较卡尔曼滤波与最小二乘的估计结果 ,说明文中所设计的卡尔曼滤波器的合理性 ,解决问题方法的有效性 ,滤波过程稳定 ,计算速度快 ,状态参量的估计精度较高     

基于Unscented卡尔曼滤波器的卫星自主天文导航研究

针对星光折射间接敏感地平的卫星自主天文导航方法，建立了带摄动项的状态方程和以星光视高度为观测量的量测方程。由于该状态方程和量测方程都是严重非线性的，利用推广的卡尔曼滤波器进行导航时精度较低。Unscented卡尔曼滤波是一种针对非线性系统的估计新方法。本文提出将Unscented卡尔曼滤波用于自主天文导航。计算机仿真结果显示Unscented卡尔曼滤波的估计精度远优于推广的卡尔曼滤波。     

一种用于SINS行进间对准的模糊抗野值滤波算法

针对观测存在野值的非线性系统滤波问题，本文综合运用多高斯和近似算法(GSA)、贝叶斯公式、马尔科夫链蒙特卡洛算法(MCMC)以及集合卡尔曼滤波算法(EnKF)设计了一种能从状态后验分布中抽取粒子的改进粒子滤波算法，并根据模糊理论为此改进算法设计了模糊抗野值功能，从而提出了模糊抗野值集合粒子滤波算法，命名为REnPF。GPS辅助SINS行进间对准的仿真实验表明，REnPF能够很好地避免虚警、漏检问题，并能提供良好的滤波精度。     

一种快速精确的惯导系统多位置初始对准方法研究

传播的多位置初始对准方法虽然使惯导系数静基座初始对准的精度得到明显提高，但是用卡尔曼滤波器对其状态变量进行估计时，方位失准角收敛很慢。本文通过对惯导系统误差模型的合理简化，提出了一种快速精确的多位置估计方位失准角的方法，直接利用水平失准角快速收敛的特性估计方位失准角，从而提高了整个惯导系统静基座对准的精度和速度，计算机仿真结果验证了该方法的有效性。