一种基于Madgwick-EKF融合算法的卫星姿态测量方法

针对低地球轨道卫星姿态测量时,传感器易受噪声干扰、陀螺仪漂移等问题,提出一种基于Madgwick扩展卡尔曼滤波合算法(EKF)的卫星姿态测量方法。该方法采用陀螺仪、加速度计、磁强计等多传感器数据进行融合,并结合Madgwick算法和EKF算法的优点,实现姿态测量。首先,通过Madgwick算法,利用多个传感器测量数据计算初始姿态。然后,基于初始姿态和实际测量数据,应用EKF算法进行数据融合和噪声滤除,以获得最终准确的姿态估计。实验结果表明:相较Madgwick算法,本算法在测量精度上提升了65.8%,且具有较高的鲁棒性,为低地球轨道卫星姿态测量提供了一种有效的方案。     

基于模糊自适应扩展卡尔曼滤波器的异步电动机无速度传感器控制

针对传统扩展卡尔曼滤波器(EKF)固定的噪声协方差矩阵在观测感应电动机转速时不能同时满足系统动态和静态下精确估计的问题,提出了一种模糊自适应调整噪声协方差的方法。该方法可以根据状态鉴别器输出状态,经模糊自适应调整噪声协方差矩阵参数,解决了系统在动态和静态时对噪声协方差矩阵中不同参数需求的问题。仿真表明所提模糊自适应EKF转速估计精度更高,有效地提高了系统的抗干扰能力。     

永磁直线同步电机无传感驱动系统全速范围位置估计新方法

为了适应直线电机速度变化范围大的特点,针对永磁直线同步电机(PMLSM)无传感驱动系统中难以在全速范围内精确提取动子位置信息这一问题,提出了一种基于扩展卡尔曼滤波法(EKF)和位置闭环观测器的复合新型位置估计算法。在电机起动与低速时采用EKF,在中高速时采用位置闭环观测器,在速度承接区域采用EKF和闭环观测器算法的加权复合,以实现PMLSM从起动到高速全速范围内高精度的位置估计。仿真试验结果表明,提出的方法在全速范围内能较准确地估计出电机的位置信息。     

基于激光雷达测量的空间交会对接相对导航

激光雷达可以作为空间交会对接过程中的相对导航敏感器之一。本文基于线性H ill方程和经典双脉冲交会理论,给出一种两航天器多脉冲交会算法。结合激光雷达的测量值设计相对导航EKF滤波器。仿真结果表明通过滤波,激光雷达能够为航天器交会对接提供足够精度的相对位置和相对速度信息。     

基于PLKF的固定单站无源定位与跟踪算法研究

利用到达方向（DOA）和多普勒频率（DF）建立了固定单站对空中运动辐射源的无源定位与跟踪模型,推导了该模型下的伪线性测量方程,用伪线性卡尔曼滤波（PLKF）算法实现了定位与跟踪;在此基础上用k时刻的状态估计值代替一步预测值对该算法进行了改进;最后与扩展卡尔曼滤波（EKF）算法进行比较。仿真结果表明,改进的PLKF算法具有更快的收敛速度和更高的收敛精度,PLKF算法克服了EKF算法的一些缺点。     

基于扩展卡尔曼滤波的舰机相对位姿估测

通过将基于扩展卡尔曼滤波的长序列图像分析方法与单目视觉技术相结合,把无人机自主着舰视觉导引中舰机间相对位姿的估测,转化为机载摄像机对着舰靶标平面3D位姿的实时估测问题.首先根据透视投影理论,建立了以摄像机的透镜中心为原点且Z轴与光轴重合的摄像机坐标系和世界坐标系,然后利用机载摄像机连续拍摄的靶标图像序列,选择描述相对运动的3个欧拉角、平移向量及它们的速度作为状态变量;由靶标角点的提取和帧间匹配,建立了反映着舰靶标上特征点的图像坐标和状态变量之间关系的观测方程,带入扩展卡尔曼滤波器,估测出舰机的相对运动参数.计算机数据仿真和基于DSP平台的半实物仿真试验验证了算法的有效性和鲁棒性.      

对空中辐射源的快速无源定位算法及其可观测性分析

提出了一种测量目标辐射源脉冲到达时间(TOA)和到达方向(DOA)，对空中运动辐射源进行单站无源定位的伪线性算法，该算法定位收敛速度快而且非常稳定，具有很强的实用性。单站无源定位跟踪技术中的可观测性分析是一个关键问题，利用该算法的伪线性测量方程进行了测量TOA和DOA定位的可观测性分析。最后给出了计算机仿真结果。     

一种基于多模型算法的纯弹道式弹道落点预报方法

本文以落点预报技术在弹道目标预警中的应用为背景,主要解决在未知弹道系数情况下如     

基于多圆交汇的天文定位与组合导航方法

惯性/天文组合导航系统具有全自主、抗干扰能力强等特点,在一些特殊的导航领域受到了人们的高度重视。本文研究了一种天文多圆交汇迭代定位算法,具有数值计算稳定,适合任意多颗导航恒星参与计算的优点,并能同时计算出对应的定位误差协方差阵;在此基础上,将捷联惯性导航系统与天文导航系统组合,构成了扬长避短的组合导航系统,采用扩展卡尔曼滤波算法实现捷联惯导与天文定位两者的信息融合。最后进行了仿真实验,其结果表明,该天文定位算法简单有效,定位误差模型准确,组合后的系统具有较高的精度。     

Using consecutive point clouds for pose and motion estimation of tumbling non-cooperative target

This paper proposes a consecutive point clouds-based estimation scheme to resolve the state estimation problem for tumbling non-cooperative space target during the rendezvous phase without a prior knowledge about its structure. First, a consistent pose estimation algorithm is realized by maintaining a global structure of the target that is reconstructed upon the pose graph optimization. Then an extend Kalman filter on Lie group is adopted to estimate the motion and inertia parameters of the target using the pose measurements of the point clouds. Finally, a semi-physical experimental study is carried out to evaluate the performance of the proposed estimation scheme. The result shows that the structure, motion and the inertia parameters can be estimated, and the total computation time is approximately linear with the number of point clouds.