自适应增量粒子滤波方法

提出自适应增量粒子滤波(AIPF)的概念和定义,建立AIPF模型,给出了分析方法和主要的计算步骤.对于许多实际工程(如深空探测)中存在的由未知系统误差的影响而无法精确建立量测似然函数及滤波过程中的粒子匮乏等问题,通过增量粒子滤波模型对滤波过程中的粒子数进行自适应调整,从而消除这种未知系统和滤波粒子匮乏的影响,自动调整粒子,提高非线性滤波的精度.仿真计算中,滤波误差均值和方差分别降低为原来的3.8%和19.6%.该方法有效地改善了滤波效果,计算简单,便于工程应用.      

带柔性伸杆小卫星振动控制的半物理仿真实验

在空间探测任务中,为了避免卫星平台剩磁对空间待测信息的干扰影响,需采用轻质的伸杆机构支撑各类探测载荷远离卫星本体,而伸杆的弹性振动不可避免地会耦合作用到卫星本体,从而降低卫星本体的姿态控制精度和稳定度。针对此问题,提出了一种基于伸杆最优指令整形结合本体自适应扰动抑制滤波器的复合振动控制策略,即采用指令整形技术抑制柔性伸杆的弹性振动,同时设计自适应扰动抑制滤波器进一步抵消柔性伸杆残余振动对本体的干扰影响,最后在搭建的半物理仿真实验平台上对控制方法进行了实验验证。结果表明：此方法在有效抑制柔性伸杆残余振动的基础上,通过干扰抵消和抑制的控制策略可显著提高此类航天器的姿态控制精度和稳定度。     

光纤陀螺惯性测量单元数据频混误差仿真分析

导航计算机对光纤陀螺（FOG）测量数据的异步重采样将引起数据的频谱混叠误差。基于FOG信号检测特点,以FOG闭环输出数据更新率、惯性测量单元（IMU）异步通信定时脉冲频率为参量,以载体的正弦干扰频率为变量,以导航计算机接收信号直流（DC）分量的幅值误差抑制为目标,建立了仿真模型。分析了现有内插抽取方案和滑动滤波方案的数据频混误差及延时特性。提出了类盲发变滑窗长度方案,抑制了频混误差响应谱对滑窗长度的敏感性。仿真结果表明,相比滑窗长度偏离最优值4%的滑动滤波方案,变滑窗长度方案的误差最大值从0.056 85降至0.009 737,能更好地适应定时脉冲信号频率抖动或切换的工程应用需求。      

基于测速测角敏感器的火星探测器自主导航方法研究

提出了一种基于天体光谱红移测速和利用星光敏感器测角的测速测角组合导航新方法。该方法与现在的深空探测器导航方法相比,优势明显：一是无需太复杂的轨道动力学模型,简单易行。二是不需要依赖地面的无线电信息,无时延。最重要的是消除了测角导航方法引入的微分误差和测速导航方法引入的积分误差,可以实现精确天文自主导航,满足深空导航连续自主、实时高精度的基础要求。针对该导航方法,首先完成了轨道动力学模型和量测模型的建立工作,然后根据模型的非线性特点,分别采用扩展卡尔曼滤波算法完成了对该组合自主导航方法的研究。最后,对该方法进行仿真验证,通过对仿真结果的分析可以发现,测速测角组合自主导航方法满足巡航段的导航精度指标要求。     

一种多级助推段弹道导弹跟踪算法

针对多级助推段弹道导弹存在多个加速度突变点、机动性强导致跟踪难度大的问题,提出一种基于量测转换的强跟踪输入估计（STMIE）弹道导弹跟踪算法。在对多级助推段弹道导弹动力学特性分析的基础上,推导出雷达站东北上（ENU）坐标系下弹道导弹的运动方程,并通过将修正的无偏量测转换（MUCM）与STMIE算法融合,使得在导弹跟踪中应用STMIE算法成为可能。以典型的多级助推段弹道导弹为跟踪目标进行仿真校验,结果表明,本文算法对多级助推段弹道导弹目标跟踪性能优越,且算法复杂度较低,效费比高。     

基于相位差测量的脉冲星时间相对导航方法

针对传统脉冲星导航方法在相位估计时依赖脉冲星信号轮廓,存在整周模糊及不确定星历参数引起的系统共模误差问题,提出基于相位差测量的脉冲星时间相对导航方法。该方法通过对脉冲星光子到达时间序列进行相位估计,以相邻时刻的相位差作为观测量,建立航天器位置增量与相位差的关系,采用广义卡尔曼滤波器处理系统噪声相关问题进行导航,可有效减小系统误差,实现脉冲星导航的应用。通过对导航系统初始定位方法、可观性分析,及基于罗西X射线时变探测器（RXTE）观测的Crab脉冲星的在轨实测数据试验分析,证明了该方法的自主性与可行性。最后,对基于相位差测量的脉冲星时间相对导航系统进行导航滤波仿真,试验结果表明,导航系统完全可观,噪声不累积,位置估计精度可满足实际应用。     

一种新的基于TDOA与GROA的无源定位算法

针对基于到达时间差(TDOA)与到达增益比(GROA)的辐射源无源定位问题,提出了一种新的定位算法。首先通过引入一个中间变量,根据TDOA和GROA测量模型,构造一个约束加权最小二乘(CWLS)估计。由于这个CWLS问题是非凸的优化问题,现有的方法不能很好地求解。为此,提出了一种有效的方法可以求解到其全局最优解。最后,所提算法被推广到观测站存在自定位误差时的定位求解。计算机仿真结果验证了所提算法能够获得优于传统两步加权最小二乘法(2WLS)的定位性能,能够在更大的噪声条件下达到克拉美罗下界(CRLB)。     

高斯非平稳机动目标波达角模型及跟踪

在实际的跟踪情况中,由于环境条件、目标反射截面等因素的变化,回波信号的功率会随时间变化,即不满足通常阵列信号处理中对高斯信号作平稳性的假设。针对复杂运动条件下高斯非平稳目标的跟踪问题,提出了一种新的机动目标波达角(DOA)模型。该模型全面地刻画了高斯非平稳机动目标的动态,并将目标的DOA和信号功率作为状态变量进行了联合考虑,同时运用虚拟阵列的表示方法构建了相应的观测方程。对于建立的新模型,最后采用无迹卡尔曼滤波(UKF)的框架完成了整个跟踪算法。分析和仿真结果表明,当高斯非平稳机动目标之间存在长时间相互接近的情况时,新方法仍然可以获得较好的跟踪性能。     

四种卡尔曼滤波器在仅视线测量相对导航中的性能比较

针对航天器交会时在仅有视线测量条件下的相对导航问题,比较了扩展卡尔曼滤波（extended Kalman filter,EKF）、无迹卡尔曼滤波（unscented Kalman filter,UKF）及平方根形式的卡尔曼滤波（square-root extended Kalman filter,SREKF以及square-root unscented Kalman filter,SRUKF）在这一导航问题中的性能.介绍了仅有视线测量条件下相对导航的特点以及上述4种卡尔曼滤波算法;建立了追踪航天器和目标航天器间相对动力学方程以及基于仅视线测量相对导航时的量测方程;结合3种典型的相对运动形式进行了数值仿真.仿真结果表明：在仅视线测量相对导航中,4种算法的精度处于同一量级;UKF估计相对距离的精度稍优于EKF;SREKF和SRUKF估计相对距离的精度稍优于EKF和UKF.     

Vehicle State and Parameter Estimation Based on Dual Unscented Particle Filter Algorithm

Acquisition of real-time and accurate vehicle state and parameter information is critical to the research of vehicle dynamic control system. By studying the defects of the former Kalman filter based estimation method, a new estimating method is proposed. First the nonlinear vehicle dynamics system, containing inaccurate model pa rameters and constant noise, is established. Then a dual unscented particle filter （DUPF） algorithm is proposed. In the algorithm two unscented particle filters run in parallel, states estimation and parameters estimation update each other. The results of simulation and vehicle ground testing indicate that the DUPF algorithm has higher state estimation accuracy than unscented Kalman filter （UKF） and dual extended Kalman filter （DEKF）, and it also has good capability to revise model parameters.