融合初值校准与二阶逼近的单星测频定位算法

为减小单星测频定位的误差,提出一种融合初值校准与二阶逼近的单星测频定位算法。该算法在卫星接收信号多普勒频移为零的时间点,通过测距获得卫星到定位目标的距离信息,利用距离信息修正轨道平面与定位目标的几何关系,为初值的选取提供校准手段;将校准的初值代入含二阶级数的定位方程泰勒展开式,通过较少次数的迭代得到定位目标的真实位置,从而降低定位的算法复杂度,提高定位精度。仿真结果表明,所提出的算法与多普勒单星定位算法相比,迭代次数和定位误差大幅度减小,其实现简单、计算量少、误差小,在单星定位研究领域具有较高的理论价值和实用价值。     

基于压缩估计的单星观测定轨方法

分析了单星观测模式下的天基测控系统的可行性,并针对该观测模式下轨道确定中法矩阵的特点,提出了一种基于压缩估计的定轨方法,对法矩阵进行压缩变换,避免了法矩阵奇异造成的误差传递。证明了当满足一定条件时,该压缩方法的估计精度要高于传统的定轨方法。结合单星观测的特殊性,提出了误差传递因子,设计了单星观测下的压缩估计定轨算法。最后以单星模式下的天基测控系统作为仿真背景进行了仿真试验。结果表明,该压缩估计可有效提高单星观测模式下轨道确定的精度。     

基于压缩估计的单星观测定轨方法研究

分析了单星观测模式下的天基测控系统的可行性,并针对该观测模式下轨道确定中法矩阵的特点,提出了一种基于压缩估计的定轨方法,该方法对法矩阵进行变换,避免了法矩阵奇异造成的误差传递。证明了当满足一定条件时,该压缩方法的估计精度要高于传统的定轨方法。并结合单星观测的特殊性,提出了误差传递因子,设计了单星观测下的压缩估计定轨算法。最后以单星模式下的天基测控系统作为仿真背景进行了仿真试验。结果表明,该压缩估计可有效提高单星观测模式下的轨道确定精度。     

基于干涉仪测向的电子侦察卫星单星定位精度分析

针对信息化战场面临的复杂电磁环境,研究基于二维干涉仪测向方法的电子侦察卫星单星定位体制。分析了电子侦察卫星单星定位原理及定位算法,提出了电子侦察卫星单星测向定位精度GDOP算法,通过仿真定量计算卫星测角误差、卫星姿态误差和卫星位置误差对卫星定位精度的影响程度。结果表明电子侦察卫星测角精度、姿态控制精度和位置测量精度越高,单星定位精度越高。     

次优扩展卡尔曼滤波的无线传感器网络定位算法

针对无线传感器网络节点在定位过程中,由于积累的节点测距误差和定位算法引入的误差会对定位的精度产生较大影响。为此在节点测距过程中,利用卡尔曼滤波算法线性最优的特点,提出了一种适用于无线传感器网络节点定位的次优扩展卡尔曼滤波算法模型。首先在评估坐标的过程中利用卡尔曼滤波的节点自适应调度方法,其次,将上述改进的过程引入到三角定位算法中,最后将引入前后的系统性能进行比较。通过仿真实验表明,该算法提高了测距和网络节点定位的精确度及模型的自适应性,并且减少了计算量和系统的功耗。     

单星定向原理及GPS仿真试验

介绍了一种新的卫星定向方法,该方法仅利用一颗地球静止轨道卫星完成定向;介绍了利用GPS卫星进行单星定向原理验证试验的方法、条件和结果。试验结果表明,对于3m长基线,单星定向精度可达0.05°。从而说明利用一颗地球静止轨道卫星进行定向,在原理上是正确可行的。     

单星对卫星的仅测角被动定轨跟踪方法研究

针对单星对卫星被动定轨时使用经典轨道根数作为状态变量可能存在奇点且测量方程变量及相应坐标转换缺乏物理意义等问题,提出一种新的基于J2000.0惯性系的单星对卫星扩展Kalman滤波仅测角被动定轨跟踪方法,并对测量方程中的变量及其坐标转换进行明确定义;同时对状态预测方程、状态转移矩阵及测量雅可比矩阵进行详细推导,最后通过STK6.0仿真场景产生的数据对算法在不同初始状态误差和测角精度下的性能进行对比分析和仿真验证。多次仿真结果表明:该算法实现了单颗高轨卫星(准同步轨道)通过仅测量角度对圆轨道(e=0)低轨卫星辐射源的被动定轨和跟踪,当测角精度优于平均角度变化量时,滤波收敛所需时间及估计误差都大大减小,且该算法对滤波初始误差也具有较好的适应性。     

一种新的卫星导航星间链路测距体制及其定轨性能分析

现有的GPS星间链路轮询时分测距体制未针对定轨性能进行优化。对轮询时分测距体制进行改进,提出了一种新的分组时分测距体制,通过对整星座所有卫星进行分组测距来提高星间测距链路数量,从而提高星地星间联合定轨精度。以整星座平均定轨精度最优为目标,提出了两步优化算法,得到星间总测距链路数最多的卫星分组,使每组内卫星的星间测距DOP值最小。仿真结果表明,采用优化算法得到的最优分组时分测距方式对卫星定轨精度有明显改善。     

基于自适应卡尔曼滤波的联合RSS/TOA/INS无人机定位算法

针对在全球导航卫星系统信号拒止环境下(如山地、隧道、峡谷)无人机集群常规定位方法受限问题,提出通过集群之间的协同定位,对卫星信号拒止的低成本无人机进行导航恢复的滤波方法,从而有效抑制纯惯性导航系统(INS)定位发散。在获取定位数据方面,首先采用基于超宽带(UWB)和Zigbee设备分别通过到达时间差(TOA)和接收信号强度(RSS)的测距方式得到测距信息,然后进一步利用最小二乘方法解算得到定位局部坐标。考虑到RSS测距远、精度低,而TOA测距精度高、测距范围小的特点,提出一种基于TOA/RSS/INS的序贯扩展卡尔曼滤波算法,通过引入自适应因子,为短程定位信息提供TOA/RSS两路定位冗余的同时,在长程TOA定位失效时仍可利用RSS定位来抑制惯性导航的发散。实验结果表明,该算法在近程可由RSS/TOA提供冗余测距信息,通过自适应因子可将定位精度改善至2m;在长程,尤其TOA定位失效的范围外,同样可以提供误差约为5m的定位信息。相对于传统扩展卡尔曼滤波,所提出的自适应序贯卡尔曼滤波算法有效提高了定位精度,为解决传统定位受限条件下的基于无人机无线电定位研究提供新的思路。     

一种改进的主从式协同导航技术研究

为提高传统基于测距信息的主从式协同导航定位算法中从艇的位置解算精度,将从艇间的测距信息作为量测值融入主从式协同导航算法,重新构建了系统状态方程和量测方程,采用了扩展卡尔曼滤波进行滤波解算。仿真结果表明,相比于传统计算方式,增加了从艇间测距信息的主从式协同导航算法可进一步抑制定位误差的发散,提高了从艇的导航定位精度。