基于非线性模型预测滤波的微纳卫星定位方法

针对采用星载GPS(Global Position System)定位的LEO(Low Earth Orbiter)微纳卫星获得的位置速度数据不连续,而使用轨道动力学获得的连续的位置速度信息误差快速发散的问题,提出了一种基于非线性MPF(Model Predict Filter)的LEO微纳卫星定位方法,它采用非线性MPF预测的模型误差作为一步状态估计,同时使用GPS信息作为观测量,并与改进的扩展卡尔曼滤波组合,既可获得连续的卫星位置速度信息,又可获得相当于GPS单点定位的精度.仿真结果表明,此种方法可以有效地获得连续的微纳卫星位置速度信息,并且精度优于EKF(Extended Kalman Filter).      

基于UPF滤波的微小航天器姿态矩阵估计方法

针对基于惯性-星光姿态确定系统噪声存在非高斯分布的情况,提出了将离散粒子滤波(UPF)方法应用于定姿系统滤波器设计,该方法用离散卡尔曼滤波(UKF)得到粒子滤波的重要采样函数,从而克服扩展卡尔曼滤波(EKF)和UKF只能应用到噪声为高斯分布的不足。文章以微机电系统(MEMS)陀螺和互补性金属氧化物半导体有源像素图像传感器(CMOS APS)星敏感器为姿态敏感器件,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,提出将UPF与最小参数姿态矩阵估计方法结合,设计了一种针对微小航天器的UPF姿态估计器,采用从MEMS陀螺采集的数据进行了半物理仿真并对其特性进行了分析与比较。仿真比较结果表明:在敏感器精度较差并且系统噪声非高斯分布的情况下,这种基于UPF的姿态估计方法可以取得比EKF和UKF更快的滤波收敛性和更好的滤波精度,有效地提高了定姿性能。     

无迹粒子滤波在捷联惯导初始对准中的应用研究

给出了捷联惯导系统初始对准时的非线性误差模型,处理非线性系统的传统方法是扩展卡尔曼滤波方法(EKF)即对非线性系统进行线性化后再利用卡尔曼滤波进行处理。而无迹粒子滤波(UPF)是基于蒙特卡罗方法和贝叶斯理论,用加权的粒子表示概率密度函数,通过观测值更新粒子的权值,得到优化的状态估计值和方差,结合无迹卡尔曼滤波(UKF)进行迭代计算,是一种新型处理非线性系统的方法。本文对UPF滤波方法进行研究,运用于捷联惯导系统初始对准的姿态估计,计算机仿真和试验结果均表明了该方法的方位失准角估计精度和收敛速度明显优于传统的EKF。     

确定编队卫星相对轨道的容错UKF方法

针对相对轨道测量设备出现连续野值引起的滤波误差偏大及发散问题,提出了基于残差正交性检测的容错UKF算法.介绍了非线性滤波在相对轨道自差确定中发展历程和容错UKF的原理、滤波算法和计算流程.根据测量设备出现连续成片野值时残差序列服从以野值为均值的正态分布这一特性,提出了基于残差正交性进行野值检测的思路,通过加权一个以残差方差的迹为参数的活化函数,构造在线修正的uKF容错滤波器,抑制野值对新息序列正交性的影响.在STK软件设定两颗卫星的轨道根数,生成相对运动的位置和速度,通过坐标变换,加入正态分布的误差和连续野值,构造卫星问距离、仰角和方位角测量值.根据C-W相对运动方程和空间几何建立状态方程和测量方程,编制基于残差正交性检测的容错IJKF.滤波器的相对轨道确定程序.通过仿真计算,评估了连续野值对常规UKF和容错uKF轨道确定算法的影响,证实了容错UKF算法可以完成对连续野值的检测及在线修正功能,有较强的鲁棒性和稳定性,可以应用于工程实践.     

基于IMM_UKF的红外导弹滑模制导

针对红外空空导弹被动制导问题,将交互式多模型算法(IMM)和不敏滤波(UKF)算法结合起来估计目标状态,同时设计了滑模制导律来提高目标的可观性,从而提高导弹制导精度.仿真结果表明在同等可观性条件下,IMM_UKF较自适应两步滤波(ATSF)估计精度高,与滑模制导律结合起来提高了制导精度,减小了脱靶量.     

一种基于粒子滤波的月球车同时定位与地图创建方法

针对月球探测车位置与姿态的准确估计问题,提出了一种基于RBPF粒子滤波的月球车SLAM方法。该方法基于高速激光雷达对环境地貌的观测,通过激光测距值与所建栅格地图之间的匹配实现。鉴于车体的位置估计仍难以彻底消除累积误差,提出了对于月球车平动速度的估计方法,并通过仿真实验验证了该速度估计方法的正确性。为提高粒子滤波的实时性能,提出所有粒子共同维护一幅地图的处理方法,实验表明该方法在明显提高SLAM实时性的同时,并未对滤波效果产生明显影响。
     

基于GPS RTK技术的惯导平台误差模型辨识

对在惯导平台车载试验误差模型辨识中使用全球卫星定位系统（GPS）载波相位差分（RTK）法进行了研究。建立了系统的状态与量测方程,将GPS RTK的整周模糊度作为一个状态进行估计,用基于平方根滤波的Kalman滤波器以防滤波发散。仿真结果表明：与单点定位GPS和伪距差分定位相比,GPS RTK法可明显提高辨识精度。     

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。     

Rao-Blackwellized粒子概率假设密度滤波算法

针对多目标跟踪（MTT）,提出一种新的基于随机集的滤波算法,称为Rao-Blackwellized粒子概率假设密度滤波算法（RBP-PHDF）。算法运用Rao-Blackwellized思想,通过挖掘分析“混合线性/非线性模型”的结构,采用序列蒙特卡罗（SMC）方法预测与估计概率假设密度（PHD）迭代式中各个目标的非线性状态,并利用非线性状态粒子中包含的信息,使用卡尔曼滤波器（KF）对线性状态进行预测与估计。以更好地估计PHD进而提高各目标状态估计精度。分析与MTT仿真的结果表明,在相同的仿真条件下,与现有序列蒙特卡罗概率假设密度滤波算法（SMC-PHDF）相比,RBP-PHDF在降低粒子维数、减少计算量的同时,有效提升了估计精度。     

组合导航系统故障检测方法研究

针对组合导航系统的故障检测问题,提出了一种基于自适应加权和卡尔曼滤波相结合的自适应滤波新方法。它不仅可以检测出系统故障,而且可以对故障大小进行跟踪估计,同时可以对故障进行具体定位。仿真表明,该方法能够快速有效地对组合导航系统的故障进行检测和隔离,计算速度快,实时性好,可以很好地保证组合导航系统的安全可靠性。