基于变步长LMS算法的IMU信号降噪研究

针对遥测系统小型化惯性测量单元惯性敏感元件精度较低,随机噪声较大的情况,研究基于变步长LMS自适应滤波技术的IMU信号实时降噪问题.算法通过实时递推得到失调误差和输入信号的互相关系数估值,利用估值实现算法的变步长控制,克服了固定步长NLMS滤波在收敛速度、跟踪能力和稳态精度之间的矛盾,具有收敛速度快、稳态精度高、动态信...     

基于相位单差精密测速的动态精密单点定位算法

利用相邻历元间的载波相位单差可求得动态载体的高精度三维速度向量,基于此提出了可精确描述载体运动变化的扩展卡尔曼滤波动态精密单点定位算法。该算法克服了高动态条件下采用简化动力学模型可能引起的系统状态描述失实问题,同时还可输出动态载体的精密速度信息。飞机动态试验结果表明,用该算法的动态单点定位结果与TRACK双差解计算互差得到的三维RMS值,平面分量精度优于3cm,高程分量精度优于6cm,速度测量精度可达mm/s级。     

基于器间测量的火星进入过程实时高精度导航

精确着陆于火星特定目标区域是未来火星着陆探测的关键技术。面向火星精确着陆需求,研究火星进入过程中基于器间测量的实时高精度导航方法具有重要意义。该方法利用火星已有的环绕探测器,在着陆器接近进入过程中,通过无线电链路获得量测信息,结合器上滤波算法实时估计着陆器的位置与速度状态。仿真结果显示该导航方法可有效提高进入过程中的导航精度。     

基于双目视觉的无人机编队相对定位算法

针对无人机编队飞行时双目视觉定位精确性差、计算量大、实时性不高的技术现状,对基于特征点的FAST定位和BRIEF旋转(Oriented fast and rotated brief,ORB)算法进行了改进,提出了一种适用于无人机双目视觉定位的算法。在改进ORB算法中,采用提取目标区域、最近邻约束和随机抽样一致(Random sampling consensus,RANSAC)方法,提高了特征点提取与匹配效率,也提高了特征点匹配质量;对于双目视觉定位,提出了适用条件更加宽泛的双目视觉定位模型,并保证了模型的定位精度;最后使用卡尔曼滤波算法对无人机的定位信息进行估计,进一步提高了无人机的定位精度。实验表明,算法具有较高的精确性和实时性,满足无人机间的相对定位要求。     

捷联惯性/大视场星光组合导航方法研究

近年来,使用星敏感器的导弹、火箭惯性组合导航成为国内外研究的热点.本文对捷联惯性/大视场星光组合导航方法进行了研究,建立了卡尔曼滤波方程,并利用SINS误差转移矩阵方法估计主动段导航误差.数学仿真表明:捷联惯性/大视场星光组合导航方法不仅可以修正姿态角偏差和陀螺常值漂移,还可以对主动段的速度、位置误差有很好的估计效果.     

重力测量卫星KBR系统相位中心在轨标定算法

针对低低跟踪(SST-LL)重力测量卫星K频段测距(KBR)系统相位中心在轨标定问题,提出了一种应用预测卡尔曼滤波算法的KBR系统在轨标定算法。首先,以磁力矩器和姿态控制喷气发动机为执行部件,对一颗卫星施加一定的组合力矩,使其绕另一颗卫星进行周期性姿态机动;然后,将星敏感器数据代入预测卡尔曼滤波算法中估计出卫星姿态;最后,根据KBR系统观测值与卫星姿态角之间的关系,利用扩展卡尔曼滤波算法估计出KBR系统相位中心的位置。数值仿真结果表明:KBR系统相位中心可以被实时估计,当存在较大的卫星姿态动力学模型误差时,KBR系统相位中心的标定误差仍在0.3mrad以内,证明此算法估计精度较高且鲁棒性强。     

基于扩展卡尔曼滤波的机动目标跟踪研究

针对雷达导引头跟踪机动目标问题,建立了一种适于高机动目标探测的非线性系统模型,采用扩展卡尔曼滤波算法推导适用于弹载脉冲多普勒雷达机动目标探测的滤波模型,用以估计俯仰失调角、方位失调角、弹目相对速度和距离等信息,利用系统数学模型对目标加速度及弹目视线角速率进行解算估计。对标称弹道和极限弹道的跟踪仿真表明,所建立的系统模型和滤波设计方案,能够处理真实飞行中存在的部分信息缺失问题,对于极端情况下的遮挡问题也能在一定时间内保证较高的跟踪精度。     

基于鲁棒非线性卡尔曼滤波的自适应SLAM算法

针对传统非迹卡尔曼滤波算法缺乏在线自适应调整能力,在噪声模型出现误差时滤波精度下降的问题,提出了一种基于鲁棒无迹卡尔曼滤波的同步定位与地图创建算法。该算法引入了一个多维观测噪声尺度因子,能根据观测噪声统计特性的实际变化情况对每种传感器的噪声模型做出自适应调整,使其逼近真实噪声水平,进而将滤波增益调整到一个适当值,实现滤波器的最优估计。SLAM仿真实验结果表明,在噪声统计特性发生变化的情况下,该算法相比其它几种SLAM算法具有更好的自适应能力,估计精度更高,鲁棒性更强。     

A residual based adaptive unscented Kalman filter for fault recovery in attitude determination system of microsatellites

This paper presents an adaptive unscented Kalman filter (AUKF) to recover the satellite attitude in a fault detection and diagnosis (FDD) subsystem of microsatellites. The FDD subsystem includes a filter and an estimator with residual generators, hypothesis tests for fault detections and a reference logic table for fault isolations and fault recovery. The recovery process is based on the monitoring of mean and variance values of each attitude sensor behaviors from residual vectors. In the case of normal work, the residual vectors should be in the form of Gaussian white noise with zero mean and fixed variance. When the hypothesis tests for the residual vectors detect something unusual by comparing the mean and variance values with dynamic thresholds, the AUKF with real-time updated measurement noise covariance matrix will be used to recover the sensor faults. The scheme developed in this paper resolves the problem of the heavy and complex calculations during residual generations and therefore the delay in the isolation process is reduced. The numerical simulations for TSUBAME, a demonstration microsatellite of Tokyo Institute of Technology, are conducted and analyzed to demonstrate the working of the AUKF and FDD subsystem.     

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）。