空间平台下传递对准方案

提出了惯性坐标系下空间平台主惯导与有效载荷子惯导之间的传递对准方案。首先, 介绍了惯性坐标下捷联惯导系统算法及其流程图。然后,推导了惯性坐标系下的传递对准状 态方程,包括捷联惯导系统误差方程以及姿态失准角模型方程;推导了传递对准姿态匹配量 测方程。最后,给出了传递对准最优状态方程和降阶状态方程,并且讨论了仿真流程和仿真 环境;传递对准仿真结果表明在10s时间内,在给定的机条件下,子惯导与主惯导的失准角估计精度在1′以内。     

一种用于实时轨道确定的NPF-SRCKF滤波算法

针对航天器实时轨道确定中建模复杂、计算量大、估计精度低的问题,设计了一种考虑地球J 2 摄动影响的基于NPF-SRCKF的实时轨道确定算法,该算法采用非线性预测滤波(NPF)对模型误差进行补偿修正,利用平方根容积卡尔曼滤波(SRCKF)算法对修正模型误差后的系统进行状态估计。针对单测站、双测站跟踪测量设计了不同的实时轨道确定算法。实验结果显示,将非线性预测滤波和平方根容积卡尔曼滤波结合在一起,运用于简化的实时轨道确定模型,能有效降低计算复杂度,改进数值运算的稳定性,提高状态估计的精度。     

INS/GPS组合导航在大失准角情况下行进对准技术的研究

针对行进中对准初始航向角为大失准角的问题,提出了把航向信息耦合到Kalman滤波器量测方程中的方法使航向角收敛。通过激光惯导跑车试验数据分析,在大失准角情况下,航向角都能快速的收敛,对捷联惯性导航系统在行进中初始对准领域的推广应用具有实际意义。     

基于IMM-UKF的航天器相对位姿确定算法

在航天器相对导航过程中,相对距离测量信息容易受到干扰,测量误差有较大的不确定性,通常基于单一模型的滤波算法无法对噪声进行辨识,很难获得精确的导航结果。针对应用Clohessy-Wiltshire(C-W)方程受到圆轨道假设的限制问题,研究了建立在惯性坐标系下的近距离相对运动方程(Lawden方程),建立了基于这两个方程的模型集。根据导航系统测量敏感器的特点,设计基于Rodrigues参数及无迹卡尔曼滤波(UKF)的交互式多模型(IMM)视觉相对位姿动态估计算法(IMM-UKF),在保证计算效率的前提下,确保相对轨道姿态确定的稳定性和精确性。数值仿真验证了算法的有效性和先进性。     

机会传感网中一种自适应链路侦测数据收集算法

提出了一种自适应链路侦测的数据收集算法,以提高机会传感网链路的预测精度与传输成功率:采用自适应链路侦测算法测量出各节点的实时网内链路质量权重因子,结合节点能量消耗模型,通过基于无味卡尔曼滤波的概率预测方法对节点间的链路质量进行量化计算,实现节点对通信链路的实时自适应预测与最优化选择,从而完成数据收集.仿真实验结果表明:新算法提高了最优化路径决策的预测精度,可以有效地增加消息的平均通信成功率,降低消息的平均传输延时.     

自适应SCKF在高动态COMPASS信号参数估计中的应用

高动态环境下北斗二号导航信号具有较高的非线性特性,载波参数估计难以保证较高的精度。在分析高阶非线性载波模型的基础上,提出了一种基于平方根容积卡尔曼滤波（SCKF）的自适应滤波算法,对载波相位及其三阶导数进行估计。该算法使用容积数值积分原则直接计算非线性随机函数的均值和方差,且在迭代滤波过程中,利用移动窗口法通过最新量测信息来改进过程噪声和量测噪声的协方差阵,可获得较高的估计精度。仿真结果表明,相比EKF和SCKF,本文提出的方法具有更高的估计精度和更快的收敛速度。     

一种用于深空高动态微弱信号的频率估计算法

研究了低载噪比与高动态环境下的深空测控系统频率估计算法,在分析已有方法不足的基础上,提出了一种基于无迹卡尔曼滤波(UKF)的闭环载波跟踪方法。此方法结合了锁频环鉴别器和UKF的优点,获得了宽的估计范围,高的估计精度和低的载噪比门限。在分析UKF模型的基础上,此方法还减少了原有UKF算法的运算量。仿真过程模拟了接收机的高动态运动轨迹,结果表明此法具有较好的动态适应能力、收敛性能和跟踪精度,能够有效地完成低载噪比与高动态环境下的频率估计。此法与基于扩展卡尔曼滤波(EKF)的频率估计算法相比,具有更低的频率估计误差,因此有着良好的应用前景。     

改进粒子滤波算法及其在GPS/SINS组合导航中的应用

针对标准粒子滤波中存在的粒子退化问题,将无味卡尔曼滤波方法、线性规划方法与标准粒子滤波相结合,得到一种改进粒子滤波算法。改进粒子滤波算法中的重要性概率密度通过 UKF算法获得,从而使粒子使用效率得到提升;二次采样过程中加入线性规划方法,保证了粒子的多样性。将改进粒子滤波算法应用于 GPS/SINS组合导航,建立了 GPS/SINS组合导航模型,通过仿真验证了该滤波算法的有效性,使用该算法可使惯性组合导航系统导航精度得到提高。     

UKF参数估计在三体Lambert问题中的应用

为了快速精确地求解三体Lambert问题,提出了一种新的基于无损卡尔曼滤波(UKF)参数估计的数值求解算法,该算法由初值猜测和精确解求解两部分组成.首先,基于地月系统二体模型,通过简单迭代求解三体Lambert问题的初值.然后,将三体Lambert问题对应的两点边值问题转化为参数估计问题,通过UKF滤波算法求解,可得到收敛的精确解.该算法是基于概率估计理论的,不仅避免了传统数值方法推导相关梯度矩阵的复杂性,而且降低了三体Lambert问题对初值精确度的要求,从而显著降低了三体Lambert问题求解的难度.数值仿真表明,该方法求解效率较高,具有良好的鲁棒性,与微分修正算法、二阶微分修正算法对比具有更大的收敛域.      

基于自适应滤波的脉冲星导航方法研究

基于X射线脉冲星的自主导航技术能够为深空探测航天器提供高精度导航信息.脉冲星星表误差对导航性能存在不利影响,特别是方差不确定的星表误差,会引起较大定位误差.建立不确定项的导航模型,提出一种基于方差匹配的自适应滤波方法,通过估计不确定观测模型中的待估参数减小不确定项对观测的影响.通过数学仿真对比了自适应滤波方法和传统扩展卡尔曼滤波方法（EKF）,验证了所提方法的有效性.