基于磁强计和光纤陀螺的小卫星姿态确定非线性滤波算法

提出了一种小卫星姿态确定的非线性滤波算法,该算法利用三轴磁强计和光纤陀螺作为姿态敏感器。在非线性滤波器的设计中,从两个方面对平方根sigma点卡尔曼滤波方法进行改进。第一,把姿态四元数的矢量部分、光纤陀螺的漂移和噪声组合,得到滤波器的增广状态向量;第二,分别建立向量旋转模型、最优化模型和误差四元数乘法模型来确保非线性滤波过程中四元数的归一化约束。仿真分析结果表明,本文提出的非线性滤波算法能够有效地提高小卫星的定姿性能,与扩展卡尔曼滤波相比,具有较高的精度、稳定性和较快的收敛速度;与无迹卡尔曼滤波相比,收敛性相当,但是精度略优,稳定性和计算效率较高。     

鲁棒四元数无味卡尔曼滤波算法在组合导航姿态估计中的应用

针对SINS/GPS直接式组合导航姿态估计中,GPS信号易受外界干扰而引入污染观测量等问题,提出基于Huber的鲁棒化四元数无味卡尔曼滤波算法。通过研究在四元数无味卡尔曼滤波算法中引入Huber鲁棒化框架,对原算法的量测更新进行修正,增强滤波算法的鲁棒性与稳定性。以SINS/GPS位置松组合为应用背景,在不同仿真环境下,验证提出算法对姿态信息的估计效果。试验结果表明:与原算法相比,该算法具有更好的鲁棒性和稳定性。     

立方星陀螺/双星敏感器组合定姿方法

针对单星敏感器绕视轴方向旋转角测量精度相对较差的问题,提出了一种利用微机电系统陀螺和同时工作的双星敏感器的测量来获得精确的立方星姿态信息的方法。该方法基于平均双四元数的思想,基于乘性扩展卡尔曼滤波算法制定了集中式和分散式两种姿态确定方案。仿真分析结果表明,所提出的陀螺/双星敏感器姿态确定方法,在采用低成本、低精度的姿态敏感器以及传统滤波算法的情况下,仍能有效提高立方星的定姿性能,具有较高的精度和较快的收敛性。为立方星低成本、高精度姿态确定提供了一种可行的参考,并且具备一定的工程应用价值。     

基于MEKF的航天器姿态确定算法

乘性扩展卡尔曼滤波(multiplicative extended Kalman filter, MEKF)方法被广泛应用于各种航天器姿态确定任务。针对任意参考坐标系,推导了姿态四元数的线性运动学方程和三分量姿态误差矢量的动力学模型,并分别设计了有陀螺和无陀螺两种姿态确定方案。系统研究了姿态敏感器常用的矢量观测模型,四元数观测模型以及欧拉角观测模型,设计了更具有一般性的MEKF滤波器,为航天任务中快速应用MEKF姿态确定算法提供理论参考和技术支撑。     

一种改进的高动态SINS姿态更新算法

为了提高捷联惯导姿态解算的精度,介绍了捷联惯导姿态更新的流程及常用方法,并提出了一种改进的等效旋转矢量姿态解算算法。对改进算法的姿态解算算法在低动态条件和高动态条件下分别进行了仿真实验,结果表明改进算法在低动态条件下的姿态解算精度和毕卡四元数法相当,在高动态条件下的姿态解算精度远高于传统毕卡四元数法。     

基座高频运动时捷联姿态算法的扩展

1.引言 用于惯性导航的捷联系统其特点是它的敏感元件感受高的动态范围。因此,在选择系统姿态算法时需要考虑基座高频运动的影响。 通常捷联系统用的姿态算法有欧拉法、方向余弦法和四元数法、在这些算法中,四元数方法是最常用的,其优点是没有奇异性、简单和节省计算时间。最近,伯斯、泽旦和米勒提出了旋转矢量的概念,进一步改进了四元数方法的性能。事实证明,附加了旋转矢量概念的四元数方法能有效的抑制非交换误差这一姿态计算中的重要误差源。     

基于改进平方根UKF双向滤波的单站无源定位算法

针对单站无源定位可观测性弱、观测噪声大而导致的定位精度低、稳定性差和收敛速度慢等问题,在结合平方根无迹卡尔曼滤波(Square-Root Unscented Kalman Filter,SRUKF)以及后向平滑思想的基础上,提出了一种改进SRUKF的双向滤波算法。该算法采用Q-R分解的形式,使用误差协方差的平方根代替协方差参与递推运算,提高了算法的稳定性与运算效率。同时,该算法对状态向量进行扩维,将过程噪声与观测噪声通过非线性系统传播,降低了噪声对滤波精度的影响,并利用当前时刻滤波结果通过Rauch-Tung-Striebel(RTS)后向平滑得到再次前向滤波更高精度的起始值,提高了算法的定位精度与收敛速度。仿真结果表明,新算法在保证实时性的基础上改善了单站无源定位的性能。     

自主式车载组合导航系统研究与仿真

考虑到车载组合导航系统运行时间长、地形环境复杂的特点,将零速修正技术与惯导/里程计/气压高度表组合导航系统相结合使用,采用序贯处理和平方根滤波算法,建立了实用的卡尔曼滤波模型。相比基本卡尔曼滤波算法,该方法实现简单,计算量小,抑制了滤波的发散,提高了滤波的精度。最后对组合导航系统进行仿真验证,取得了较为满意的结果。与INS/GPS组合导航系统相比,该系统具有良好的自主性及适应性。     

Rodrigues参数与四元数间的关系分析

介绍了Rodrigues参数,从投影的角度,详细阐述了四元数与经典Rodrigues参数及改进型Rodrigues参数的关系,推导了Rodrigues参数微分方程以及与姿态阵的关系,建立了等效旋转时避免奇异值出现的方法.以典型圆锥运动为背景,对以Rodrigues参数描述的导弹捷联姿态算法和以四元数描述的姿态算法在计算量和计算精度上做了详细的比较.     

高阶DMCKF的BDS/GPS精密单点定位算法

为提高BDS/GPS组合定位系统的精确性和稳定性,将高阶容积卡尔曼滤波(CKF)应用于定位参数估计,并利用矩阵对角化(DM)变换替代标准高阶CKF中的Cholesky分解过程。通过DM变换,由协方差矩阵分解得到的平方根矩阵具有状态统计量更加准确、保留原有特征空间信息的特点,从而提高了滤波精度;同时,DM变换的协方差矩阵不要求正定,增强了滤波的稳定性。测试结果表明,该滤波算法在提高定位精度和稳定性上有效、可行。     

自适应平方根无迹滤波的雷达组网状态估计算法

从最小方差的角度分析了雷达组网无迹滤波(Unscented Filter,UF)状态估计的统计学本质,并且针对UF的Cholesky分解遇到非半正定矩阵容易发散、不准确滤波初值造成滤波发散以及异常扰动影响滤波效果等问题,提出将自适应平方根无迹滤波(Adaptive Square Root Unscented Filter,ASQUF)用于雷达组网状态估计,结合合理的滤波初始化策略,提高了UF的工程可用性。仿真验证表明,提出的ASRUF算法用于雷达组网空域目标状态估计时,初始化平稳无波动,工程可用性好,状态估计精度高,明显优于扩展卡尔曼滤波(Extended Kalman Filter,EKF)算法。     

水下纯方位目标运动分析的UKF滤波算法

Unscented卡尔曼滤波(UKF)是一种新的非线性滤波算法,在U变换(unscented transformation)的基础上,获得纯方位条件下的UKF算法.最后,针对水下纯方位目标运动建立系统模型并进行仿真,仿真结果表明,UKF的滤波精度、稳定性和收敛时间都优于EKF,还可避免计算烦琐的Jacobin矩阵或Hessian矩阵,给计算带来了极大的方便.     

基于U变换的空间站交会调相非线性协方差分析方法

针对空间站交会调相过程中的长时间偏差传播问题,提出一种基于U变换的协方差分析方法 UTCAM。在给出空间站交会轨道调相策略和轨道机动参数计算方法后,对UTCAM的原理和流程进行了介绍,通过和STK以及Monte-Carlo的对比验证表明,UTCAM与该两种分析方法的协方差相对误差均在1.2%以内,且计算耗时仅为Monte-Carlo的1/460,可快速准确地实现非线性系统的均值和协方差预报。最后基于UTCAM对长达20天的空间站交会调相的偏差传播进行了分析,并采用Monte-Carlo仿真对其分析结果进行了验证,验证了该方法的有效性。     

无线传感器网络中多传感器动态自适应调度算法

无线传感器网络中,目标跟踪往往通过节点之间的协作完成。在无迹变换卡尔曼滤波基础上,提出一种多传感器动态自适应调度算法进行目标跟踪。该方法根据预测跟踪精度来确定采样间隔,然后基于特定的检测概率,为下一时刻选择一组传感器,形成一个临时工作组,并指定某一个传感器作为中心节点进行数据融合。仿真结果证明了该算法能有效提高跟踪精度和可靠性。     

基于SVM-UPF的雷达弱小目标检测前跟踪算法

针对低信噪比条件下雷达弱小目标的检测与跟踪,提出了基于支持向量机和无迹粒子滤波的检测前跟踪算法。该算法采用无迹卡尔曼滤波生成粒子滤波的重要性密度函数,提高了粒子的使用效率,在此基础上将支持向量机引入到粒子重采样步骤中,通过构建状态的后验概率密度函数来获得多样性的新粒子,有效解决了粒子贫化问题,仿真结果表明,该算法提高了目标的检测概率和跟踪精度。     

UKF算法及其在纯方位目标跟踪中的应用

为克服扩展卡尔曼滤波算法的缺陷,将UKF算法应用于纯方位目标跟踪问题中.该算法是一种以扩展卡尔曼滤波算法为基本框架,以贝叶斯理论和UT变换为理论基础的新型滤波算法.对UKF算法进行了深入的研究,并给出了一个纯方位目标跟踪的算例.仿真结果表明,该算法提高了滤波的稳定性和精确性,优于一般的扩展卡尔曼滤波算法,具有广泛的应用前景.     

再入目标质阻比估计算法研究

再入段目标识别的核心问题是快速高精度地估计出目标的质阻比。针对再入过程的非线性问题,重点研究了样条卡尔曼滤波器、扩展卡尔曼滤波器和一种基于"无损传输"的扩展卡尔曼滤波器,仿真实验从质阻比的估计精度和收敛速度以及计算量等方面比较了各滤波算法的性能。仿真结果表明基于无损传输的扩展卡尔曼滤波器的估计精度最高,收敛速度最快。     

距离伪量测的空基平台单站无源定位算法

针对空中观测单站平台对海面、地面目标的测向定位问题,提出一种基于距离伪量测的最小二乘-不敏卡尔曼滤波(LSE-UKF)两阶段滤波算法。首先利用单次的测角信息以及目标离地高度的约束条件计算出目标的距离,采用最小二乘法对距离量进行滤波,得到较为准确的距离量。进一步将滤波所得距离量视为伪量测信息,结合观测所得的角度信息进行不敏卡尔曼滤波。仿真实验表明该算法提高了定位精度并且具有较快收敛速度。     

基于UKF-SOFNN的近距机动目标跟踪滤波算法

对于多目标杂波环境中的机动目标跟踪,由于目标集群中各个目标间的空间距离可能小于探测器的空间分辨率,因而可能出现误跟、诱饵欺骗与杂波虚警等一系列严重后果。对此,提出一种综合运用UKF(不敏卡尔曼滤波)和SOFNN(自组织模糊神经网络)的UKF-SOFNN滤波跟踪算法,将机动目标模型视作严格的非线性系统,利用UKF-SOFNN对非线性参数的辨识能力提高对锁定机动目标的跟踪能力。仿真实例表明,该算法能有效地辨识目标群中的目标,并进行可靠的跟踪。     

针对GPS/SINS深组合模型的U滤波及其运用

很多文献都证明了在解决非线性系统问题时,UKF(Unscented Kalman Filter)是比EKF(Extended Kalman Filter)更好的选择,但计算的复杂度限制了其运用。针对GPS/SINS深组合的模型提出了全新简化的U滤波算法UTCUKF(Ultra Tight Coupling Unscented Kalman Filter)。这是一种专门针对具有加性噪声、线性状态方程和非线性量测方程的系统设计的滤波器。首先介绍了GPS/SINS深组合系统在导航解算时的模型,然后针对模型具有加性噪声的特点运用AUKF(Additive Unscented Kalman Filter)对UKF进行了简化,为了实现UKF在GPS/SINS深组合系统中的实际运用,又由系统模型中状态方程是线性方程、观测方程是非线性方程的特征,进一步提出了UTCUKF,并做了分析和仿真。