应用多星的空间目标跟踪定位算法

单星激光测距空间目标定位算法受远距离激光测距机测频的限制,有效数据速率较低。文章构建天基探测系统空间目标观测模型,提出一种应用多星的空间目标跟踪定位算法。该算法基于三角交会原理,面向多星不同载荷平台,基于空间目标成像投影和坐标转换模型,计算空间目标的异面直线距离,采用最近邻算法最优匹配关联同一空间目标的星间像点,基于双星交会模型解算空间目标轨迹,进行空间目标跟踪。此外,针对空间目标的星间信息丢失、空间目标与卫星共面时多空间目标跟踪精度低的问题,引入空间目标的加速度参数分量,改进卡尔曼滤波算法,预测空间目标轨迹位置,从而有效提高多目标跟踪精度。实例验证结果表明:文章提出算法的空间目标跟踪与定位精度高,能有效解决星间信息丢失引起的精度下降问题。     

基于角速度估计自适应的IMM目标跟踪算法

为了解决目标强机动时目标跟踪算法模型集不匹配的问题,提出了一种基于角速度估计的自适应交互式多模型算法。通过对角速度的估计,在目标的不同运动模式下选取最优模型集,角速度估计精度高时,通过角速度估计值构造模型集,减小模型间竞争;角速度估计精度低时,采用标准IMM算法的模型集,提高模型集的覆盖范围,从而提高跟踪精度。仿真结果表明该方法能够明显提升目标跟踪性能,对强机动目标的跟踪效果尤其显著。     

导航星座自主导航的守时算法研究

导航星座自主导航是提高卫星导航系统生存能力的一个重要方面,而实现导航星座自主导航的前提在于自主守时,星上综合原子时的计算则是自主守时的关键技术之一。本文分别研究了星上综合原子时计算的传统加权平均算法与卡尔曼滤波算法,并分别做了仿真实验,结果表明,通过合理设置,两种方法均可保持60d内自主守时25ns。     

动基座条件下舰载机快速传递对准方法研究

为了研究海况与航母机动方式对舰载机捷联惯导快速传递对准的影响,以姿态误差角为研究对象,建立了惯导系统的比力方程和姿态微分方程。从误差传播机理出发,详细推导了速度匹配和速度加姿态匹配的误差模型,然后用卡尔曼滤波算法进行仿真分析。仿真结果表明,航母有一定摇摆幅度更有利于舰载机进行速度匹配或速度加姿态匹配;典型海况条件下,航母的机动方式对速度匹配传递对准方式影响较为明显。     

SINS/GNSS组合导航系统可视化仿真

针对惯性导航系统随时间误差积累的特性,设计了一种基于VC++的SINS/GNSS组合导航的仿真系统。根据飞控模块模拟飞机实际飞行轨迹,从而产生惯性测量器件的真值数据。利用Visual Studio2005完成捷联惯导实时解算和全球导航定位系统仿真,完成输出校正,从而实现组合导航系统的动态数字化仿真。程序结果表明组合导航系统可以克服惯性导航系统随时间误差积累的特性,导航参数误差不随时间漂移,可以用于长时间导航。     

带渐消因子的Quadrature卡尔曼滤波

为了解决无源传感器机动目标跟踪系统非线性较强、传统的跟踪滤波方法不稳定容易发散的缺陷,提出了一种带渐消因子的QKF（FQKF）算法。该算法通过引入时变渐消因子来实时调整状态预测误差协方差阵、量测预测误差协方差阵及状态预测误差和量测预测误差之间的互协方差阵,利用公式推导得出渐消因子实际上是对状态传播积分点和量测传播积分点进行渐消,进而达到实时调整滤波器增益矩阵的目的。并通过算法的机理分析和仿真实验表明FQKF算法具有强跟踪滤波器（STF）的优良性能,能够克服QKF算法的缺陷,对于无源传感器机动目标跟踪中系统的突变状态具有较强的跟踪能力,较QKF算法稳定性有所提高,并且计算量适中。     

基于比力观测的捷联惯导真空滤波修正方法

针对捷联惯导地面对准过程加速度计零位误差和标度误差难以精确分离,使用传统的真空修正方法无法校正系统误差等问题,提出了一种基于比力观测的捷联惯导真空滤波修正新方法。充分利用了载体在真空段飞行时的特点,以加速度计输出的比力信息作为观测量,建立了基于真空滤波方案的系统状态方程和量测方程。对器件误差、系统误差状态变量的可观测度进行分析,给出了器件误差、系统误差的在线滤波修正方法。仿真结果表明,方法可以在线分离加速度计的零位误差和标度误差,同时能有效修正系统误差包括姿态角误差、速度误差以及位置误差,对提高捷联惯导的实际导航性能有重要的现实意义。     

一种基于连续星图观测的自旋姿态估计方法

传统的利用地球敏感器和太阳敏感器作为测量仪器的自旋卫星姿态确定方法存在系统误差和安装误差等,从而导致自旋姿态确定误差较大的问题,文章提出了一种利用星敏感器获取的连续星图估计卫星自旋姿态参数的新方法。该方法以卫星的自旋轴和旋转角速度作为状态变量,通过星敏感器连续跟踪拍摄的恒星的成像位置作为观测量,利用无迹卡尔曼滤波估计出卫星的自旋姿态参数。仿真结果表明,在星敏感器的精度为3″时,该方法的自旋轴估计精度为0.3448″,自旋角速度估计精度为10^-4(°)/s数量级。     

基于SINS/CNS组合导航系统的多模型自适应估计算法

针对单一模型滤波器在未知或不确定的系统参数下适应性较差的问题,提出了一种新的基于多模型自适应估计(multiple model adaptive estimation,MMAE)的滤波方法。该方法利用改进的卡尔曼滤波代替传统的卡尔曼滤波,比如扩展卡尔曼滤波(extended Kalman filter,EKF)和无迹卡尔曼滤波(unscented Kalman filter,UKF)。EKF和UKF被用来作为多模型自适应估计的子滤波器,从而实现对非线性系统的状态估计。同时,还将该方法应用于基于弹道导弹模型的组合导航中实现了系统仿真。仿真结果表明,与传统的EKF和UKF算法比较,改进的滤波方法可以解决传统模型滤波器适应性差的问题,并提高系统的导航精度。     

四种卡尔曼滤波器在仅视线测量相对导航中的性能比较

针对航天器交会时在仅有视线测量条件下的相对导航问题,比较了扩展卡尔曼滤波(extended Kalman filter,EKF)、无迹卡尔曼滤波(unscented Kalman filter,UKF)及平方根形式的卡尔曼滤波(square-root extended Kalman filter,SREKF以及square-root unscented Kalman filter,SRUKF)在这一导航问题中的性能.介绍了仅有视线测量条件下相对导航的特点以及上述4种卡尔曼滤波算法;建立了追踪航天器和目标航天器间相对动力学方程以及基于仅视线测量相对导航时的量测方程;结合3种典型的相对运动形式进行了数值仿真.仿真结果表明:在仅视线测量相对导航中,4种算法的精度处于同一量级;UKF估计相对距离的精度稍优于EKF;SREKF和SRUKF估计相对距离的精度稍优于EKF和UKF.