真航向测量系统初始对准中的UKF应用研究

研究了“真航向测量系统”（简称TNDS True North Determination System) , TNDS组合中等精度的INS和MS860型GPS系统,应用UKF (Unscented Kalman Filter）最优估计滤波算法,实现的高精度快速初始对准。论文重点推导了TNDS初始对准的非线性误差模型,并实现了TNDS中基于该模型的UKF滤波,TNDS系统的UKF组合初始对准算法最后进行系统试验测试。试验数据表明：采用了UKF滤波后,TNDS的航向初始对准中,航向失准角为25. 时,达到同样的对准精度0.1. , INS自对准时间由原来的2879s缩短为179s;纵横摇的失准角对准到同样的精度内,时间相应的减小了一个量级;同时TNDS速度的发散也得到了抑制。
      

卫星自主导航中的偏差分离鲁棒滤波

研究卫星自主导航中的滤波算法.在以地心矢量为观测量的卫星自主导航系统中,由于观测模型不准、测量设备精度有限等因素,使得系统的观测量存在多种偏差,最终问题可抽象为观测量中含有偏差的离散线性系统的状态估计问题.把观测量中难以建模的复杂时变偏差看作不确定项,用一个模型误差界参数来描述不确定性的影响,由此设计鲁棒卡尔曼滤波器.进一步,把常值偏差与状态进行分离,分别构造无常偏的鲁棒滤波器和针对常偏的鲁棒滤波器,最终得到偏差分离鲁棒滤波算法.仿真表明该算法可以有效地抑制系统中的不确定性偏差,明显提高了卫星自主导航的精度.     

多星座组合导航自适应联合卡尔曼滤波算法研究

针对多星座卫星组合导航,提出了一种自适应联合卡尔曼滤波算法,采用描述机动载体运动的“当前”统计模型,直接从各卫星导航系统接收机输出的定位信息入手,将各种误差因素的影响等效为一个总误差,建立一种动态定位的自适应卡尔曼滤波模型。为了进一步提高滤波器的动态性能,通过引入调整系数、加权因子和自适应调节量对自适应滤波算法进行了改进,并分别对GPS、GLONASS和GALILEO系统设计了自适应子滤波器,然后采用联合滤波算法对各个子滤波器进行数据融合处理,最后对GPS/GLONASS/GALILEO组合导航系统进行了仿真验证,结果表明,该算法增强了滤波器的跟踪能力,改善了滤波效果,提高了定位精度。
     

舰载导弹飞行中传递对准技术

舰载导弹初始发射条件恶劣,利用外部参考信息辅助弹上捷联惯性导航系统初始对准,在导弹飞行中进行传递对准是一条有效的研究路线。本文给出了三种飞行中传递对准方案,其中对卫星组合与弹上捷联惯性导航系统进行飞行中传递对准方案,还给出了详细的卫星组合与捷联惯性导航系统速度、位置反馈修正下的卡尔曼滤波方程。并且讨论了随滤波技术发展飞行中传递对准算法的导弹失准角修正方案。     

空间非合作目标的相对导航粒子滤波算法

针对激光交会雷达作为在空间交会对接过程中的相对导航敏感器,研究了未来特殊背景下,非合作目标航天器对雷达信号发射干扰的情况下的相对导航滤波算法.针对高维模型计算量大的特点对传统粒子滤波算法进行了改进,并与扩展卡尔曼滤波器进行了仿真比较,仿真结果表明改进后的粒子滤波器的滤波效果远远优于扩展卡尔曼滤波器,且计算量优于传统粒子滤波.     

基于修正罗德里格参数的小卫星SSUKF姿态确定

用无陀螺的三轴稳定偏置动量小卫星三轴磁强计和太阳敏感器获得观测矢量,提出了一种基于超球面分布采样Unscented变换滤波(SSUKF)和修正罗德里格参数(MRPs)的姿态估计方法,给出了算法模型.SSUKF在保证滤波性能的基础上减少了采样点个数,减轻了星载计算机的负载;用MRPs描述小卫星姿态大幅减少了计算量.某小卫星的仿真结果表明:算法兼顾了精度、收敛速度和鲁棒性,且提高了计算效率,适于小卫星.     

一种基于多相滤波器的信道化数字检波方法

提出了一种基于多相滤波器的信道化数字检波方法,该方法可以满足雷达脉冲检波的实时性和大带宽的要求,抽取运算在滤波之前,运算量小,结构高效,易于在可编程大规模集成电路上实现.     

一种新的星载GPS定轨滤波算法

针对传统EKF(Extended Kalman Filtering)算法应用于星载GPS(Global Positioning System)低轨卫星定轨时系统噪声方差初值不易确定的问题,提出了一种新的定轨滤波算法.该算法在非线性方程线性化过程中,在前一时刻滤波估值点进行线性化,从而得到扰动方程,并将该扰动方程引入到传统EKF进行滤波处理.该算法与传统EKF分别应用在星载GPS低轨卫星的定轨中,通过比较,结果表明改进的算法在一定程度上抑制了由于系统噪声方差阵选取偏差较大而引起的滤波发散现象,且对于系统噪声方差的初值选取有较强的鲁棒性.      

一种基于随机集的模糊观测的多目标跟踪算法

为解决目标数未知或随时间变化时模糊观测的多目标跟踪问题,将多目标状态和模糊 观测数据表示为随机集形式,利用模糊观测的似然函数融合模糊数据,建立了模糊观测的概 率假设密度(probability hypothesis density,PHD)粒子滤波方法。这种方法首先利用 粒子滤波预测和更新随机集的PHD,然后估计目标数N,最后找出N个PHD最大的点就 是多目标的状态估计。在相同的仿真环境中,用这种方法与用重心去模糊器进行去模糊处理 后的观测数据同时跟踪目标数变化情况下的多目标,并进行了比较,结果表明,模糊观测多 目标跟踪的PHD粒子滤波能稳健跟踪目标数未知或随时间变化时的目标状态和目标数,性能 好于去模糊情况。     

基于修iE Rodrigues参数和UKF的姿态估计算法

以修正Rodrigues参数作为姿态参数,利用无味Kalman滤波(uKF)设计了一种全姿态估计算法.修正Rodrigues参数在姿态估计中具有简洁高效的优点,然而,因其奇异性不能用于全姿态运动情况.利用修正Rodrigues参数与其影子参数相互切换的方法可以避免奇异现象的发生.UKF直接利用非线性模型而不需要线性化,适用于高精度的姿态估计.本文针对"陀螺 矢量观测"这种典型的姿态确定模式,以修正Rodrigues参数与其影子参数相互切换的方法描述姿态,利用UKF设计了姿态估计器.状态协方差阵在姿态参数切换时发生突变,引起姿态估计器的滤波波动.为此,提出了在姿态参数切换时对姿态估计器进行修正的方法.最后通过仿真验证了算法的有效性.