一类质心突变飞行器的姿态控制律重构设计

研究了一类质心突变飞行器姿态控制系统在发生故障时的一种控制律重构方法。采用以Unscented卡尔曼滤波为基本估计单元且用输出残差为故障诊断指标的交互式多模型算法实时地对飞行器故障情况进行检测与诊断。当诊断出故障时,重构控制律的参数对系统进行补偿控制,使得故障下飞行器的姿态跟踪精度得以维持。通过数值仿真验证了该方法的有效性。     

基于Unscented四元数粒子滤波的 微小卫星姿态估计

针对基于微小卫星姿态确定系统精度低和噪声存在非高斯分布的情况,研究了适用于该定姿系统的Unscented粒子滤波(UPF,Unscented Particle Filter)算法.UPF方法结合了Unscented卡尔曼滤波(UKF,Unscented Kalman Filter) 与粒子滤波(PF,Particle Filter)的特点,用UKF得到PF的重要采样函数,从而克服了PF没有考虑最新量测信息、 扩展卡尔曼滤波(EKF,Extended Kalman Filter)和UKF只能应用到噪声为高斯分布的不足.以MEMS(Micro Electronic Mechanical System)陀螺和CMOS APS(Complementary Metal Oxide Semiconductor Active Pixel Sensors)星敏感器为姿态敏感器件,将UPF与基于误差四元数的卫星姿态运动学方程结合,构建了UPF定姿滤波器,并用MEMS陀螺采集的随机噪声数据进行了半物理仿真,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的姿态估计方法在计算粒子数目相对于PF较少的情况下,可以取得比UKF更好的滤波精度,从而有效地提高了定姿性能.      

分布式卫星系统的协同导航估计方法

针对分布式卫星系统对合作目标的协同导航估计问题,提出了前端与后端结合的一种分布式协同导航方法。前端基于一致性算法对无迹卡尔曼滤波方法进行改造进而完成设计,后端基于协方差交集算法并利用快速权值计算方法以及非可加性参数融合方法进行设计。最后基于Matlab以及STK轨道传播模型进行了数值仿真,得到了预期的仿真结果,验证了方法的有效性。     

基于UKF的无陀螺姿态确定

针对无陀螺卫星的姿态和角速度估计问题,提出了基于UKF(Unscent-ed Kalman Filtering)的无陀螺的姿态确定算法。采用星敏感器作为姿态敏感器,构造了基于罗德里格参数的UKF滤波器。与EKF相比,UKF不必计算Jacoabian矩阵而且能够至少精确到泰勒展开的二阶。通过EKF和UKF仿真结果的比较,表明UKF比EKF具有更快的收敛速度和更高的精度。     

近地卫星磁测自主导航算法研究

地磁场具有较为完善的数学模型，而地磁场矢量是卫星位置的函数，利用三轴磁强计的测量信息即可实现近地卫星的自主导航。本文提出了采用UKF(Unscented Kalman Filter)滤波作为处理磁测自主导航问题的滤波算法。基于unscented变换，UKF滤波算法能够给出更精确的均值和协方差的估计，从而带来更高的精度。本文以地磁场矢量为测量量，进行了数学仿真。仿真结果表明：经UKF滤波后，卫星总的位置误差在1km(3σ)以内。通过比较可知，该方法比传统的扩展Kalman滤波(EKF)有更好的收敛性和更高的精度。     

绕月探测器的自主光学导航研究

提出了一种利用高斯-马尔科夫过程和Unscented卡尔曼滤波的绕月探测器自主光学导航算法。针对很难事先确定精确地绕月探测器轨道动力学模型问题,提出利用高斯-马尔科夫过程来近似轨道动力学中的无模型加速度,进而提高了轨道动力学模型的精度;考虑到基于扩展卡尔曼滤波的轨道确定存在的问题,提出利用基于Unscented卡尔曼滤波来估计探测器的位置、速度及无模型加速度,提高了轨道估计精度和保证了算法的稳定性。最后,通过数学仿真验证了自主光学导航算法的有效性。     

Unscented Kalman滤波用于再入飞行器跟踪

本文引入Unscented Kalman滤波用于再入飞行器跟踪。Unscented Kalman滤波通过设计少量的σ点，并计算这些σ点经由非线性函数的传播，从而获得滤波值基于非线性状态方程的更新。在应用中，由于Un-scented Kalman滤波无需象广义Kalman滤波那样求动力学系统函数和观测系统函数关于状态向量的导数。给计算带来了极大的方便。     

相控阵雷达长时跟踪波束调度与波形优化策略

针对相控阵雷达多目标跟踪波束调度和波形参数优化控制的问题，本文提出了一种基于马尔可夫决策过程（MDP）的相控阵雷达跟踪波束调度与波形参数优化策略，该方法以无迹卡尔曼滤波（UKF）算法为基础来估计目标的状态。首先将本文的序列决策问题建模为马尔可夫决策过程，定义了资源的效费比和长期回报率，然后与当前实际跟踪误差综合考虑作为MDP的回报函数，进而给出了调度的优化模型，最后将长时决策问题转化为动态规划算法结构进行求解，并且提出了一种并行混合遗传粒子群优化算法来求解各决策时刻的最优策略。仿真结果表明了长时策略的先进性以及寻优算法的优越性，与传统的短时策略相比，跟踪精度可提高11.17%。     

The attitude inversion method of geostationary satellites based on unscented particle filter

The attitude information of geostationary satellites is difficult to be obtained since they are presented in non-resolved images on the ground observation equipment in space object surveillance. In this paper, an attitude inversion method for geostationary satellite based on Unscented Particle Filter (UPF) and ground photometric data is presented. The inversion algorithm based on UPF is proposed aiming at the strong non-linear feature in the photometric data inversion for satellite attitude, which combines the advantage of Unscented Kalman Filter (UKF) and Particle Filter (PF). This update method improves the particle selection based on the idea of UKF to redesign the importance density function. Moreover, it uses the RMS-UKF to partially correct the prediction covariance matrix, which improves the applicability of the attitude inversion method in view of UKF and the particle degradation and dilution of the attitude inversion method based on PF. This paper describes the main principles and steps of algorithm in detail, correctness, accuracy, stability and applicability of the method are verified by simulation experiment and scaling experiment in the end. The results show that the proposed method can effectively solve the problem of particle degradation and depletion in the attitude inversion method on account of PF, and the problem that UKF is not suitable for the strong non-linear attitude inversion. However, the inversion accuracy is obviously superior to UKF and PF, in addition, in the case of the inversion with large attitude error that can inverse the attitude with small particles and high precision.     

多传感器加权观测融合自适应UKF滤波器

对于带有相同观测方程和未知噪声统计的非线性多传感器系统,提出了一种基于Sage-Husa估计的自适应UKF滤波算法.该算法利用导出的平稳随机序列的相关函数估计系统观测噪声方差统计R(j),并证明了其收敛性.进而利用Sage-Husa估计算法得到自适应UKF滤波算法.该方法避免了传统Sage和Husa的自适应滤波算法不能处理Q和R均未知的系统的局限性.为了将多传感器信息加以充分利用,提高滤波精度,本文利用加权最小二乘法(WLS),实现了多传感器加权观测融合自适应UKF滤波器.一个带3传感器非线性系统的仿真例子说明了该算法的有效性.