基于神经元的容错组合导航系统设计

本文讨论了容错组合导航系统中的多传感器信息融合问题，提出了一种用于多传感器组合导航系统信息融合的神经元方法。通过仿真实验，验证了这种方法的可行性，并分析了该研究领域所存在的问题，提出了可能解决的技术途径，并预测了未来的发展趋势。     

基于精确伪距率观测模型的GPS/SINS组合导航系统研究

从泰勒公式及函数矩阵的基本定义出发，推导了考虑位置误差相关项时，GPS/SINS组合导航系统精确的伪距率观测数学模型。仿真结果表明，使用精确伪距率观测模型的伪距、伪距率交替组合导航系统，其位置误差能更好地跟踪GPS系统位置几何误差系数，能更真实地反映载体的短期位置误差，更适用于对航天器或大气飞行器短期位置导航精度要求较高的场合（如把航天飞机或大气飞行器作为高分辨率合成孔径雷达等遥感器的载体）。     

航天器编队飞行及其关键技术的开发

简要论述由分布式航天器系统构成的空间编队飞行的概念 ,扼要介绍 NASA为未来航天器编队飞行项目开发的几项关键技术 ,着重阐明基于 GPS的分散式编队飞行控制和相对导航技术能充当未来多星编队飞行任务的导航系统 ,从而使未来的空间科学研究发生深刻变化     

基于三轴磁强计与雷达高度计的融合导航算法

为了减小近地轨道(小于1000km)地磁导航的估计误差协方差，提高导航的可靠性和准确性，在地磁导航系统中引入雷达高度计作为一个新的测量设备，提出了一种基于三轴磁强计与雷达高度计的融合导航算法。该算法取卫星的位置和速度向量作为状态向量，建立状态方程；取卫星周围的磁场强度和卫星到星下点实际海平面距离求出的地心距，作为观测量建立观测方程；利用扩展卡尔曼滤波构成一种融合导航算法。仿真结果表明，提出的融合导航算法对轨道位置的估计误差小于20米，速度的估计误差小于1米／秒，导航算法的精度和收敛性都优于使用单一地磁导航的系统。     

熵理论在组合导航系统信息结构中的应用研究

组合导航就是采用多个导航传感器,通过信息融合技术,对测量结果进行重新整合。本文以亚音速飞行器为背景,通过对组合导航系统熵的结构进行研究,分析了组合导航系统的信息结构。结果表明,组合导航系统的最优控制规律等效于导航系统的最大熵原理。     

利用UKF的航天器自主导航方法研究

UKF(Unscented卡尔曼滤波)是一种新型的直接针对非线性系统的滤波方法。用星敏感器和地平仪测量星光与地平之间的“星光仰角”为观测量的天文自主导航方法,其状态方程和量测方程都是非线性的,使用以往的EKF(推广卡尔曼滤波)进行导航滤波,需将上述两方程分别线性化,故精度较低。本文提出在航天器天文自主导航系统中采用UKF方法,并从仿真计算结果中看到,导航精度有显著提高。     

基于星间测量的异构星座自主导航方法研究

随着星座逐渐向多功能、大型化方向发展，异构星座成为研究的热点。为了解决卫星数目较多，地面设备进行定位和测控难度较大的问题，研究了基于星间测量的异构星座的自主导航方法，该方法充分利用星座中卫星的相对运动规律构成的约束条件，利用有条件的参数加权平差方法，解决星间测距网的基准秩亏问题，并针对异构星座中卫星的位置分布和初始精度的不同，进行分组观测，采用分组平差方法进行定位解算。仿真结果表明：该方法能够有效的降低定位解算的时间，并通过合理的约束，提高定位的精度。     

导航卫星星座整体旋转的检测与校正

研究了利用星间距离观测值或速度观测值进行导航卫星自主定轨时存在的卫星星座整体旋转的问题，并提出了消除该系统误差的地面校正法。利用含有系统误差△Ω的卫星星历进行单点定位时，求得的点位大地经度也会产生△L的偏差，且△L=△Ω，因此，由点位大地经度差△L即可确定卫星星座整体旋转误差。试验结果表明，△Ω与AL的差值不到10^-5秒，从而证实该方法是有效的。     

基于PowerPC硬核的片上组合导航计算机设计

为了满足微小型组合导航系统体积小、功耗低、精度高等方面的要求,根据新的嵌入式系统开发理念,通过软硬件协同设计将整个组合导航计算机系统集成在一片内嵌PowerPC微处理器的FPGA芯片上,实现了SoPC设计。利用FPGA内部的资源实现了组合导航系统的硬件平台,并设计了运行在该硬件平台上的底层驱动程序和组合导航软件。测试结果表明系统满足设计要求。     

基于星光大气折射的卫星自主轨道确定

本文研究了利用星敏感器进行卫星轨道确定的自主导航方案。这种自主导航方案完全利用高精度的CCD星敏感器，以及大气对星光折射的数学模型及误差补偿方法，精确敏感地平，从而实现航天器的精确定位。以某太阳同步轨道卫星为背景，针对本文给出的星光折射光的卫星导航方案，结合推广的卡尔曼滤波算法，使用模拟数据进行了仿真研究，定位精度为38m。仿真结果说明，星光折射角的测量误差和大气折射模型的不确定性是影响导航精度的主要因素。