强跟踪滤波在高超声速滑翔目标跟踪中的应用

高超声速滑翔目标(HGT)机动模式复杂多样、轨迹形态灵活多变,增加了跟踪模型建模的不确定性,导致目标跟踪的精度低。为了提高跟踪精度,提出了一种基于强跟踪滤波的高超声速滑翔目标跟踪方法。首先,在地基雷达坐标系下建立目标运动模型和量测模型,利用维纳随机过程来表征运动模型中未知项的变化特性。其次,采用强跟踪无迹卡尔曼滤波(UKF)算法对目标运动状态进行估计,提高模型不确定性存在时滤波器的状态跟踪能力。最后,利用目标常用的基于标准轨迹的制导方法生成了一条可行飞行轨迹。仿真结果表明,该方法的跟踪精度高,强跟踪滤波能够有效降低模型不确定性存在时的状态估计误差。     

一种卫星天文自主定轨定姿方法研究

利用安装在卫星上的太阳敏感器和紫外敏感器测量出的卫星—太阳、卫星—地球和卫星一月球方向矢量，并利用雷达测高仪测出的地心距作为观测量，提出采用广义卡尔曼滤波方法实时地确定卫星绕地球飞行的轨道，同时确定出卫星的对地姿态．对自主定轨进行了数学仿真，分析比较了采样周期、轨道倾角、轨道偏心率和轨道高度等因素对定轨精度的影响．总结了其变化规律，该方法可用于提高卫星自主定轨精度．     

基于Unscented卡尔曼滤波器的近地卫星磁测自主导航

建立了近地卫星高精度轨道动力学模型和10×10阶地磁场模型,分别以地磁场矢量和强度幅值作为观测量,通过Unscented卡尔曼滤波实现自主导航。在采样周期10s,磁强计测量噪声100nT情况下仿真,仿真结果显示以地磁场矢量为观测量时卫星导航误差在卫星前进方向(切向)、轨道法向、卫星径向的分量分别为1km、0.9km、0.3km,而以地磁场强度幅值为观测量时误差分别为1.6km、1.3km、0.5km。     

一种用于GPS/DR组合定位的非线性滤波算法

建立了适用于车辆导航系统的基于UKF(Unscented Kalman Filter)的GPS/DR(Global Positioning System/Dead Reckoning)组合定位滤波模型及算法.针对系统状态方程为线性、观测方程为非线性的特点,提出了一种将UKF和EKF(Extended Kalman Filter)相结合的非线性滤波算法.结合后的算法和原有UKF算法相比减少了在时间更新阶段的运算量,并且由于采用基于Unscented变换的思想来处理系统观测方程的非线性问题,避免了EKF引入的线性化误差,提高了滤波精度.仿真结果证明:算法在减少运算量的同时,仍具有较高的滤波精度,且明显优于EKF,因而能够满足车辆导航系统占用资源少、滤波精度高的要求.      

基于UKF的姿态无关GPS双差整周模糊度确定

基于运动的GPS双差整周模糊度确定方法需要预先知道载体的姿态,为了消除对姿态的依赖,研究了一种新的整周模糊度确定方法。首先将多天线载波双差相位矢量观测方程转化为标量观测方程,消去了对载体姿态矩阵的依赖。经过短时离线观测,以中心估计算法和协方差白化算法估计和修正双差整周模糊度的近似解及协方差矩阵。再以该近似解和协方差矩阵为初值,由无迹卡尔曼滤波(UKF)实时估计双差整周模糊度的精确解。最后对该方法进行了仿真,仿真结果表明经过离线批处理算法的预处理UKF可准确收敛于真实解,证明了方法的正确和有效性。     

大方位失准角MIMU空中对准建模及半物理仿真

由于快速性的要求,微小型无人机不经过地面精确初始对准就升空作业,因此MIMU(Micro Inertial Measurement Unit)空中对准在大失准角下进行. 为了提高微小型无人机空中的反应速度和作业精度,把非线性误差部分作为状态变量,建立MIMU在大方位失准角下无需小角度近似的空中对准的线性模型,同时为解决噪声不确定导致滤波器发散的问题,提出将AKF (Adaptive Kalman Filter)应用在GPS(Global Positioning System)辅助MIMU的空中对准中,半物理仿真结果证实其取得了比基于非线性误差模型的EKF(Extended Kalman Filter)精度高且速度快的结果,不仅使MIMU的方位失准角由60° 快速下降到2° 左右,且所需时间仅为EKF的67%.      

基于GPS对地球同步轨道自动转移飞行器进行导航的可行性分析

研究利用GPS对地球同步轨道自动转移飞行器进行导航的方法,分析了飞行器在转移过程中可用的GPS卫星数目,在地心惯性坐标系下建立了惯导误差和GPS的伪距、伪距变率模型,采用渐消因子的自适应卡尔曼滤波对飞行器进行组合导航.仿真结果表明,可用GPS卫星的数目随着飞行器高度的增高而减少,因此无法利用单一历元观测信息直接对飞行器导航.但采用多历元观测信息和动力学模型相结合的滤波方法可对飞行器进行组合导航,当飞行器初始位置偏差为1 km,初始速度偏差为1 m/s,伪距及伪距变率观测均方差分别为10 m和0.05 m/s时,地球同步轨道自动转移飞行器的最终位置偏差小于50 m,速度偏差小于0.02 m/s.      

基于X射线脉冲星的航天器自主导航数值分析研究木

基于X射线脉冲星的天文自主导航方法稳定、可靠、精度高.是航天器自主导航领域重要的发展方向.论文介绍了基于X射线脉冲星导航的基本原理,给出了脉冲星自主定位的滤波模型;基于扩展卡尔曼滤波导航算法,以地球同步轨道为例,分析了不同初始误差、轨道倾角、轨道偏心率以及不同脉冲星方位误差下的导航精度.仿真算例表明,在脉冲星方位误差为0.001"、脉冲到达时间测量误差为0.1μs的情况下,导航定位精度优于1 km,且对初始误差不敏感;脉冲星方位精度、脉冲计时精度、轨道面位置和轨道偏心率是影响导航精度的主要因素.     

SINS／GPS／EMC组合导航系统信息融合技术研究

基于无复位(No-Reset)联邦Kalman滤波信息融合算法,提出并且探讨了组合导航应用过程中的信息融合问题.在建立的相关误差模型基础上,对所设计的采用联邦Kalman滤波技术的SINS/GPS/EMC组合导航系统进行了计算机仿真.结果表明,采用无复位联邦滤波结构的SINS/GPS/EMC组合导航系统能充分融合系统各种导航传感器的信息,能发挥它们各自的优点,互相取长补短,有效地提高导航系统准确度和可靠性.     

一种用于高动态GPS频率估计的滤波算法

针对常用高动态GPS(Global Positioning System)频率估计算法扩展卡尔曼滤波(EKF,Extended Kalman Filter)的缺陷,提出了一种新的称为简化无迹高斯粒子滤波(SUGPF,Simplified Unscented Gaussian Particle Filter)的算法.SUGPF将卡尔曼滤波(KF,Kalman Filter)、无迹卡尔曼滤波(UKF,Unscented Kalman Filter)与高斯粒子滤波(GPF, Gaussian Particle Filter)三者相结合.在时间更新阶段,用KF的方法更新预测分布;在测量更新阶段,用UKF的方法得到重要采样函数,并用GPF的方法更新后验分布.仿真结果表明:与EKF和UKF相比,SUGPF性能更优越,功能更全面,在高斯与非高斯观测噪声环境下均能取得与GPF类似的良好性能,并且其计算复杂度低于GPF.