组合航天器转动惯量在轨两步辨识标定

在轨辨识转动惯量参数是主动航天器与非合作空间目标构成组合体后实现高精度姿态控制的重要前提,文章提出了一种两步在轨辨识组合航天器转动惯量参数的方法。第一步以航天器本体坐标系滚动轴转动惯量为基准将转动惯量矩阵归一化,得到特殊的转动惯量比矩阵,建立与其相关的姿态动力学模型,提出了基于扩展卡尔曼滤波的在轨辨识算法,基于星上陀螺角速率测量信息在100s左右辨识出所有转动惯量比参数,克服了由于模型简单导致转动惯量信息辨识不完整的缺点;第二步基于第一步辨识得到的转动惯量比参数,采用最小二乘算法辨识得到滚动轴转动惯量值,计算量小,消耗能量少。最后给出仿真算例,辨识精度基本在1|之内,验证了方法的有效性。     

直接敏感地平的空天飞行器惯性/天文组合方法

传统的惯性/天文位置组合导航系统中,由于天文定位观测输出耦合了水平观测平台基准误差,往往存在系统噪声与量测噪声不完全独立的问题.针对此问题,分析了利用天文观测量修正惯性系下陀螺漂移的原理,提出了一种直接敏感地平进行天文解析定位及组合滤波的空天飞行器自主导航定位方案,并建立了相应的组合滤波模型.所提出的方法采用星敏感器和陀螺仪构造惯性基准,并在此基础上进行基于红外地平仪的天文定位解算,最后进行惯性/天文组合定位.该方案充分利用了星光敏感器在惯性系下姿态测量精度高的优点,并使惯性/天文组合定位滤波中状态噪声和观测噪声完全独立,仿真结果验证了该定位方法的有效性.     

基于GPS的陆地车辆跟踪与监视系统(英文)

介绍了建立在差分GPS和航位推算(DR)组合基础上的低成本陆地车辆跟踪与监视系统.从低成本角度出发,文中提出了采用单方向通讯数据链的新方案。为了保证定位精度,给出了差分GPS算法,并且详细研究了一个8状态的Kalman滤波器.最后使用两台C/A码GPS接收 机进行野外跑车试验.结果表明,差分定位精度小于5m.     

分布式卡尔曼滤波器在GPS/INS组合导航系统中的应用研究

本文研究了分布式卡尔曼滤波器在GPS/INS组合导航系统中的应用。给出了系统的结构框图和动态方程,设计一个分布式卡尔曼滤波器,并进行了计算机误差模拟分析。结果表明;采用分布式卡尔曼滤波器的组合系统可减少计算时间,且导航位置误差小于15m。     

微小卫星太阳敏感器/磁强计实时标定算法研究

 提出了一种对磁强计/太阳敏感器的无姿态信息的在轨实时标定方法。在现有的标定算法中,仅采用地磁矢量的模作为观测量,本文引入地磁矢量与太阳矢量之间的数量积作为观测量,增强了其可观性,也使对太阳敏感器的实时标定成为可能。扩展卡尔曼滤波器(Extended Kalman Filter,EKF)虽然获得广泛应用,但其线性化过程会引入截断误差,而无香卡尔曼滤波器(Unscented Kalman Filter,UKF)是非线性滤波方法,不须对系统进行线性化。分别利用EKF与UKF的滤波标定算法进行标定研究,仿真结果表明了本文算法的有效性,如磁强计偏置的标定精度,UKF比EKF高26%。     

无人机类脑吸引子神经网络导航技术

当前无人机在非结构化或未知环境下飞行主要采用SLAM进行导航与定位,存在如下突出问题：依赖高精度昂贵激光雷达等环境感知传感器;需要建立准确世界和无人机物理模型;受环境影响较大;自主智能水平较低,无法较好地满足无人机对导航系统的要求,需要发展自主智能的导航方式。基于吸引子神经网络的类脑导航技术,无需训练模型参数,不依赖高精度传感器,无需精确建模,且复杂环境下鲁棒性较强,具有解决上述问题的潜力。简要阐述了动物大脑导航机理,分析了吸引子神经网络和基于吸引子神经网络的类脑导航关键技术,最后讨论了吸引子类脑导航技术在无人机应用中的挑战。     

北斗导航接收机高增益相干积分算法

近年来,针对弱信号的高灵敏度接收机已逐渐成为国内外的研究热点。加长相干积分时间可以提高信噪比,从而跟踪到更弱的信号。但是,北斗导航接收机跟踪环路并不可以无限加长相干积分时间,相干积分时间的长短和功效还受到卫星导航电文比特跳变的限制。为了消除导航电文比特跳变对相干积分的影响,提出了一种改进的基于最大似然估计的北斗信号位同步方法,完成位同步后再利用先猜后检的方法便可以实现长相干积分。利用软件接收机进行编程设计,仿真结果表明：该长相干积分算法能够稳定可靠地实现对弱信号的跟踪,20ms相干积分环路信噪比约提升12dB,40ms相干积分环路信噪比约提升15dB,80ms相干积分环路信噪比约提升17dB,提高了北斗导航接收机的灵敏度。     

激光捷联惯导系统角增量输入姿态算法

在对经典理想角增量输入的圆锥算法分析总结基础上,提出并推导了更为合适的经典角增量输入圆锥算法通式.在对经典理想角增量与实际工程滤波角增量的圆锥响应对比分析基础上,推导了滤波角增量输入圆锥补偿算法的补偿系数和误差主项通式.最后,利用文中讨论的理想角增量输入和滤波角增量输入圆锥补偿算法,结合激光陀螺惯性导航系统的频谱特性进行了大量的仿真验证.仿真结果表明,文中讨论的角增量圆锥算法有效,能显著提高激光陀螺捷联惯性导航系统的姿态精度.     

SAR/INS组合导航中基于SURF的鲁棒景象匹配算法

在SAR/INS组合导航系统中,由于合成孔径雷达采用正侧视成像工作方式,会引起SAR图像的严重变形,而且获取的SAR图像还可能存在严重的斑点噪声。为了适应SAR图像的几何畸变和高斑点噪声影响,需要提取出的图像特征具有较高的鲁棒性。本文提出了基于SURF的导航用鲁棒景象匹配算法,算法首先针对惯性组合导航的工作特点,对SURF特征匹配进行了改进和优化设计,然后用RANSAC方法过滤掉错误和低精度的匹配点,最后,进行最小二乘精确匹配获取航向和位置偏差信息。通过仿真分析了算法对SAR图像的适应性、抗斑点噪声性能,匹配精度以及实时性,并与基于SIFT特征的景象匹配算法进行了对比。仿真结果表明,所提出算法性能优越,在匹配适应性、鲁棒性、匹配精度及匹配速度方面都优于SIFT算法,可以满足SAR/INS组合导航系统图像匹配修正的高性能要求。