“北斗”2代B1I信号导航电文分析

分析“北斗”2代卫星导航系统B1I信号的构成,说明调制在D1导航电文上的二次编码的作用,介绍导航电文的纠错编码方式和编码原理,对BCH编码的纠错原理和纠错性能进行详细分析和计算,证明了导航电文采用的纠错编码方式能满足信息传输准确性的要求.     

一种提高导航卫星星座自主定轨精度的方法研究

针对近地导航卫星仅利用星间测距进行自主定轨时,因无法消除星座整体旋转误差而导致长期自主定轨精度不高的问题,提出了利用拉格朗日导航卫星星座与近地导航卫星星座联合仅利用星间测距进行自主定轨的方法。建立了拉格朗日轨道导航卫星星座和近地导航卫星星座联合仅利用星间测距进行自主定轨的动力学模型和观测模型。利用扩展Kalman滤波（EKF）算法和星间测距信息实现了拉格朗日轨道导航星座与近地导航星座的长期自主定轨。以4颗拉格朗日卫星组成的导航星座与12颗GPS卫星组成的近地导航星座作为仿真对象进行了仿真分析,仿真结果表明本文仅利用星间测距的联合自主定轨方法可以有效提高导航卫星星座的长期自主定轨精度。
     

基于EM‑EKF的深空光学自主导航系统光轴偏差补偿算法

在深空探测任务中,光学自主导航的精度受导航敏感器件安装精度的影响较大。提出了一种基于期望最大化-扩展卡尔曼滤波(EM-EKF)的光学自主导航系统光轴偏差补偿算法。算法基于条件概率的思想,预先设定状态变量和观测量的统计特性参数,通过不断地最大化条件期望,得到出现概率最大的状态变量估值和光轴偏差参数估值。该算法可分为4步:EKF、固定区间平滑、求解条件期望和期望最大化,不断迭代即可得到光轴偏差估计值。以火星探测近火段为例进行仿真验证,经光轴偏差补偿后,导航精度由100 km提升至20 km以内。     

一种基于星载GNSS接收机的高轨卫星自主导航滤波算法

星载GNSS接收机在低轨卫星自主导航和精密定轨等应用领域已经显示了高精度、高自主性、不依赖地面支持等技术优势。对于高轨卫星应用,星载GNSS接收机面临一些新的挑战。由于需要接收来自地球另外一侧的GNSS旁瓣信号,使得用户等效测距误差和几何分布因子恶化,引起标准定位性能下降。特别的,对于只能使用GNSS广播星历的实时自主导航应用,GNSS广播星历引入了非白噪声特性的用户测距误差。其难以被经典的EKF滤波方法平滑,限制了自主导航定位精度。文章研究一种基于星载GNSS接收机的高轨卫星自主导航滤波算法,该算法使用增强扩展卡尔曼滤波器（Augmented EKF）融合轨道动力学模型与GNSS观测数据,并对GNSS广播星历引入的系统性误差进行动态估计以削弱其对最终导航定位的影响。最后,通过仿真平台进行了算法验证。仿真结果显示,使用单GPS可在GEO轨道达到优于10米（3D RMS）的导航定位精度。文章提出的方法达到与国际先进产品同等精度,可用于高轨卫星高精度自主导航。     

低轨星载光学测量确定静止卫星轨道的方法

为了研究低地球轨道(LEO)卫星对地球静止轨道(GEO)卫星的跟踪定轨能力,文章提出利用LEO星载光学测量技术对GEO卫星进行轨道确定.文章充分考虑光学可视条件与星载相机的观测区域,对LEO卫星跟踪GEO卫星的空间环境以及测量模式进行模拟.利用模拟得到的测角数据采用数值方法对GEO卫星进行定轨并与参考轨道进行重叠对比....     

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。     

行星着陆复杂形貌特征匹配与自主导航研究进展

基于行星定点软着陆探测任务的需求,围绕复杂形貌行星着陆过程环境特点,首先分析了行星着陆复杂形貌特征匹配与自主导航所面临的主要技术挑战,随后综述了行星着陆复杂形貌特征匹配与自主导航的研究现状,并概括了行星着陆复杂形貌特征匹配与自主导航所涉及的关键技术。最后对未来行星着陆探测复杂形貌特征匹配与自主导航发展方向进行了展望。     

精密单点定位零基准非差模糊度固定方法

精密单点定位作为一种全球卫星导航系统高精度定位方法,模糊度固定是决定其定位精度和收敛时间的关键因素,也是实现精密单点定位完好性监测的前提条件。传统的精密单点定位模糊度固定方法采用星间差分的形式,忽略了卫星端相位偏差的快速变化特性,当切换基准卫星时导致用户计算复杂度增加,甚至需要重新固定模糊度。针对上述问题,设计了一种零基准非差相位模糊度固定方法：服务端采用零基准条件估计卫星端硬件偏差小数部分,用户端使用服务端产品固定非差载波相位模糊度,从而得到精密单点定位模糊度固定的坐标解。创新设计一种偏差零基准精密单点定位模糊度固定策略,实现了非差形式的模糊度固定,从而避免参考星的切换所带来的精密单点定位模糊度重新固定问题,并且能够为精密单点定位完好性监测提供算法基础。实验验证结果表明,零基准模糊度固定方法的坐标估计精度优于3cm,相比浮点解精密单点定位方法提高30%～44%,并且能够改善E方向与N方向的精度差异。     

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。