用SGP4模型和卡尔曼滤波实现空间碎片轨道预报

文章将扩展卡尔曼滤波算法成功应用于求空间碎片的双行元初值及其轨道预报问题。首先推导出扩展的卡尔曼滤波求双行元的计算公式;然后针对地面观测站对空间碎片的监测进行了应用研究,编制了相应的计算程序并进行了数学仿真。结果表明该算法可以较准确地得到监测目标的双行元初值,从而可实现中长期轨道预报。     

具有约束项的自校准卡尔曼实时滤波定轨方法

针对在传统卫星定轨方法中存在的轨道根数解算复杂 ,实时定轨精度低 ,以及系统误差校不准等问题 ,提出并详细阐述了具有约束项的自校准卡尔曼实时滤波定轨方法。该方法复杂度低、实时性强、计算量小 ,仿真结果表明该方法同时具有收敛速度快、定轨精度高的优点 ,具有很好的应用前景     

基于遗传算法的地基空间目标监视网布站优化与仿真

空间 目标数量的指数级增长和太空武器技术的多样化发展,给空间 目标监视网有限的资源调配带来了严峻挑战.将遗传算法与扩展卡尔曼滤波算法和蒙特卡罗方法相结合,应用于地基空间 目标监视网的布站优化,并通过仿真分析,实现了对监视网探测精度和资源利用率的有效提高.     

基于联邦滤波的异质异步多传感器组合导航算法

针对多源组合导航中各导航子系统数据更新频率不一致导致滤波器量测信息非等间隔,以及动力学模型受到干扰量测信息异常的问题,提出一种基于多尺度模型的自适应组合导航信息融合算法.利用不同尺度上的观测信息在各尺度上进行Kalman滤波,并经过融合最终获得基于全局的状态估计值.且以飞行器为应用对象,设计了适用于飞行器的惯导/卫星/...     

一种面向即插即用车载GNSS/INS/ODO系统的时空在线标定方法

车载轮速里程计(ODO)辅助卫星/惯性(GNSS/INS)组合导航时需要先进行惯性传感器(IMU)与ODO的空间对齐,而传统GNSS辅助IMU/ODO参数在线标定时未考虑GNSS时延与ODO时延对标定的影响,这对于无法实现硬件时间同步而需要即插即用的车载导航应用而言,考虑不够全面。因此,提出了一种面向即插即用车载GNSS/INS/ODO系统的时空在线标定方法。该方法在传统GNSS辅助IMU/ODO参数估计模型的基础上,增广了GNSS与ODO的时延误差,分析了两种时延对IMU/ODO参数在线标定的影响,推导并构建了完整的GNSS与ODO观测模型,采用卡尔曼滤波器对GNSS时延、ODO时延以及IMU与ODO之间的参数进行估计。实际测试结果表明,该方法可以有效提高IMU/ODO在线标定的精度。     

基于双滤波器的高精度目标跟踪估计方法

针对连续推力的合作航天器,采用双重无迹卡尔曼滤波(DUKF)算法估计其状态和加速度.通过状态滤波器和参数滤波器的配合,提升滤波精度,完成运动状态和参数的估计,从而实现合作目标的运动轨迹跟踪.与合作航天器相比,非合作航天器存在大小未知、发生时刻未知的机动,无法获得加速度,且信息获取和运动状态的估计难度大.针对非合作航天器...     

自适应滤波算法在SINS/GPS组合导航系统中的应用研究

以SINS/GPS组合导航系统为应用背景,对具有代表性的Sage自适应滤波和渐消卡尔曼滤波进行了研究,分析了这些方法在SINS/GPS组合导航应用中存在的问题,提出了适合工程应用的改进方法。改进的Sage自适应滤波主要对系统状态噪声协方差阵利用状态误差进行估计,更符合SINS/GPS组合导航系统的实际情况,提高了滤波稳定性。改进的渐消卡尔曼滤波采用矩阵因子的形式直接对状态预测协方差阵各分量进行不同程度的调节,使调节更趋合理。此外,改进算法增加了对观测粗差的处理,降低了观测粗差对滤波结果的影响。最后,用实际跑车试验验证了改进方法的有效性。     

一种基于二级变维Kalman滤波的跟踪算法

Kalman滤波器是一种高速的目标跟踪器.针对不同阶数的Kalman滤波器具有不同的跟踪能力与跟踪效率之间存在的矛盾,设计了一种自适应Kalman滤波算法.该算法使用两级滤波器,根据目标机动性的变化,适当的调整滤波器的阶数,使跟踪结果快速收敛,很好地解决了矛盾.通过对仿真结果分析表明,算法具有可靠、计算简便、快速等特点,模型滤波精度较高,并可实现实时跟踪预测,具有一定的理论价值和实用价值.     

多传感器组合导航系统的改进多尺度滤波算法

多尺度滤波算法在多传感器组合导航系统中已得到成功应用，然而该算法用到多个时刻的量测向量，导致算法计算量过大，并影响系统的实时性。针对上述问题，首先利用分块技术与小波变换将时域内描述的系统原始状态方程转换为块状态方程，然后将实时得到的当前时刻的量测向量表达为块状态向量的形式，最后结合常规卡尔曼滤波技术与序贯滤波的思想，提出了一种改进的多传感器组合导航系统多尺度滤波方法。将该算法应用于GPS/SST/SINS多传感器组合导航系统，仿真结果验证了该算法不仅具有较好的实时性，而且相对于传统算法,系统的定位精度提高1倍以上。     

一种对车载惯导中平动加速度干扰的处理方法

文章针对车体的频繁加减速所带来的平动加速度对姿态融合的干扰问题，提出了一种对干扰加速度的门限检测和动态隔离算法。首先，搭建了基于MEMS惯性器件的实验平台，其中包括STM32处理器和三轴陀螺仪、加速度计和电磁罗盘等。然后，实现了多轴数据处理和系统状态方程的建立，并采用卡尔曼滤波融合算法，实现了对载体姿态的解算。通过分析干扰加速度对系统输出的影响，根据车体加减速过程中Z轴加速度不敏感的特性，利用输出融合结果反馈的方式，设计了相对加加速度的计算方法，从而实现对干扰的隔离。实验结果表明：该方法能够获得较高的灵敏度，而常规的加速度归一化门限处理方法要延迟1~2个周期。在12次的检测率分析中，二者的测试结果是12:7，证实了该方法的有效性和性能优势。该方法对低成本车载惯导具有一定的参考价值，可以提高系统的融合姿态输出精度。