基于容积卡尔曼滤波的卫星姿态估计

为了获得更好的估计精度和滤波稳定性,提出了一种基于容积卡尔曼滤波（Cubature Kalman Filter, CKF）的容积四元数估计器（Cubature Quaternion Estimator,CQE）估计卫星姿态。新方法利用四元数进行姿态更新,同时采用广义罗德里格参数表示误差角,有效地避免了滤波过程中的奇异。为克服多传感器融合时运算效率低的问题,通过容积四元数估计器与信息滤波相结合,提出了一种容积信息四元数估计器（Cubature Information Quaternion Estimator,CIQE）。仿真表明角度和陀螺漂移初始估计误差较大时,新方法仍能取得良好的估计性能。     

基于EKF的主动雷达寻的制导状态估计与最优控制研究

针对主动雷达寻的制导问题,进行了非线性系统状态估计和最优制导律的研究,并进行了目标机动情况下的仿真验证。利用主动雷达给出的带有噪声的观测信息,设计了寻的制导系统扩展卡尔曼滤波器,估计弹目相对运动状态信息。基于最优控制理论,按照需用过载和脱靶量最小设计了线性二次型最优制导律。仿真结果表明,所设计的主动雷达寻的制导系统滤波器和最优制导律能有效对付机动目标,满足飞行器控制要求。     

高超声速滑翔目标自适应跟踪方法

针对机动模式复杂多变的高超声速滑翔目标跟踪问题,提出了一种机动频率自适应跟踪方法。采用介于常速度和常加速度模型之间的Singer模型来表征目标气动力加速度的变化,从而建立跟踪系统的状态方程。根据地基雷达量测量获得系统的量测方程,鉴于距离和角度信息的量级相差较大将其由球形量测量转换为位置量测量。为了适应高超声速滑翔目标灵活多样的机动模式,基于正交性原理和无迹卡尔曼滤波算法实现了Singer模型中机动频率参数的自适应。利用滤波信息计算得到能够反映状态模型误差大小的调整因子,用于放大Singer模型中的机动频率,进而调整状态方程的过程噪声以降低模型误差。通过对2种典型机动轨迹的跟踪仿真,并与交互式多模型等方法进行比较,结果表明所提方法的跟踪精度高、计算量小,能够较好地适应阶跃机动和连续幅值变化的机动。     

基于UKF的FADS/INS融合大气数据估计

针对飞行器在高速飞行时受气流干扰、惯性数据易发散等问题,从传感器数据融合角度出发,提出了通过无迹卡尔曼滤波(UKF)融合嵌入式大气数据观测系统(FADS)和惯性导航系统(INS)估计飞行器实时大气数据的算法。算法使用高维度非线性方程对惯性系统和大气系统间的关系建模,结合FADS与INS的数据,计算飞行器速度和高度,进而估算出攻角、侧滑角等参数。实验结果显示,与INS直接解算、扩展卡尔曼滤波(EKF)融合等原有估计方法相比,文章所述的算法在估计精度和系统稳定性方面均有所提高。     

基于修正似然滤波的无人机编队相对导航方法

针对无人机编队相对导航系统中视觉导航传感器量测数据存在随机时延问题,提出一种能够处理多步随机延迟量测的修正似然容积卡尔曼滤波（ML-CKF）算法。用多个伯努利随机变量对量测模型进行修正以描述随机延迟;通过边缘化延迟变量来计算滤波的似然函数以从延迟量测中提取准确的信息;采用三阶球面-径向容积准则计算高斯加权积分以解决系统的非线性。滤波中的加权因子根据接收量测的特性进行调整,因此,所提修正似然滤波具有自适应卡尔曼滤波属性。利用罗德里格斯参数表示姿态误差,设计了基于修正似然容积卡尔曼滤波的相对导航滤波器。仿真结果表明：所提算法可以准确地估计出长机和僚机之间的相对位置、速度和姿态,且估计精度高于容积卡尔曼滤波和传统随机时延滤波。     

基于ANFIS的智能导航自适应滤波算法研究

智能导弹等智能化飞行器在快速跨域、高速机动飞行时,由于传感器切换、外形改变等因素,会对组合导航信息融合系统引入随机非Gauss噪声等影响,离线优化的参数往往不能满足滤波器精度的需求。自适应网络模糊推理系统ANFIS是一种将人工神经网络和模糊推理技术相结合而成,符合人类认知特点的决策方法,它可以对导航数据进行学习,实现智能决策、实时修改滤波器内部参数,对滤波器进行优化。仿真结果表明,基于ANFIS优化的智能导航自适应滤波算法可以有效减少噪声和干扰带来的影响,提高导航精度。     

基于磁强计的卫星自主定轨

针对低轨小卫星 ,提出一种低成本的自主导航方法。该方法采用一个三轴磁强计作为测量手段 ,通过卫星所在位置的地磁场强度的量测值与国际地磁场模型 (IGRF)之间的差值来提供导航信息 ,利用推广的卡尔曼滤波技术来确定卫星的轨道。仿真研究的结果验证了该方法的可行性。     

面向室内场景的惯性磁感应定位方法

针对卫星拒止的室内导航问题,在现有磁信标定位技术的基础上,通过分析低频旋转磁场的特点,建立了一种不受传感器姿态和磁信标磁矩信息影响的磁感应矢量夹角观测模型,并结合MEMS惯性导航的误差模型提出了一种以磁感应矢量夹角的正余弦值为量测信息的惯性磁感应动态定位方法,避免了磁传感器姿态误差和磁矩误差对定位结果的影响。利用实验室的双轴磁信标实验系统进行静态测试,验证了磁感应定位模型具有不受传感器姿态、环境中遮挡物以及磁矩影响的特点;通过数值仿真的方式对基于无迹卡尔曼滤波(UKF)的惯性磁感应定位方法进行验证,结果表明该方法能有效地抑制惯性导航的发散,且位置最大误差小于0.75 m,满足大多数室内场景下的高精度导航定位需求。     

UKF方法在脉冲星自主导航中的应用

针对X射线脉冲星自主导航中的非线性系统滤波问题,将无迹卡尔曼滤波方法应用于自主导航计算过程中。首先,在简述脉冲星导航可行性的基础上,研究了脉冲星自主导航系统的基本原理和实施方案。然后,根据牛顿二体引力模型构建了航天器运动状态方程,根据脉冲到达时间模型建立了系统观测方程,并对二者进行了误差分析和建模。最后,将UKF算法应用于航天器自主导航过程中,仿真结果表明该方法能够实现航天器自主导航信息的解算。     

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