基于脉冲星和双星定位系统的卫星自主定轨

提出了一种利用X射线脉冲星辐射到达时间 (time of arrival, TOA) 测量辅助双星定位系统进行轨道卫星迭代定轨方法,建立了双星可见观测弧段内基于双星距离和观测数据与脉冲星辐射TOA测量的组合量测方程,并应用于EKF(extend Kalman filter),针对几种量测值组合进行了仿真实验。结果表明,在双星覆盖轨道周期内利用脉冲星辅助一颗双星和辅助两颗双星迭代定轨精度分别达到了100 m和50 m水平,而在双星不可见弧段可利用脉冲星进行粗定轨,有效增强了全轨道周期内卫星定轨的自主性。     

基于双星定位系统的近地卫星定轨精度仿真

通过对测距误差特性的统计分析,建立了用于近地卫星精密定轨的距离和观测数据仿真方法,在此基础上构建了基于卫星动力学方程的精密定轨模型,设计了一种基于数值融合法的精密定轨改进算法和测距系统误差参数估计算法,并进行了六类仿真实验。仿真计算结果表明,基于一天的距离和观测数据仿真计算得到的近地卫星定轨精度可以达到15.98米,与利用其他精密定轨软件系统在相同仿真条件下得到的近地卫星定轨精度基本相当,但该算法避免求解状态转移矩阵,具有计算速度快,稳健性好等特点。     

基于补偿最小二乘估计法的卫星精密定轨方法

由于卫星轨道观测数据中含有非线性影响因素,必然会降低定轨精度。将半参数回归模型引入卫星批处理定轨方法中,基于半参数回归模型补偿最小二乘估计法,提出了一种卫星事后轨道改进方法,以降低非线性影响并提高定轨精度。当测量数据存在非线性影响因素时,在理论上证明了半参数回归模型补偿最小二乘估计法优于经典最小二乘估计法。最后,对中低轨卫星定轨进行了仿真,结果表明基于半参数回归模型补偿最小二乘估计法的卫星事后轨道改进方法分离出观测数据中的非线性影响因素,从而提高定轨精度。     

基于模型概率的多模型融合定轨建模及仿真

针对实际定轨系统中存在的不确定性和非线性性,提出了一种基于模型概率的多模型融合定轨方法.通过多个线性模型的组合来逼近卫星定轨复杂非线性时变过程,将卫星状态的最优估计与多模型融合方法相结合,利用残差的大小来设计性能指标函数,给出了两种模型概率的表示形式,并建立了多模型融合估计相应的算法.仿真结果表明,与单一模型定轨方法相比,该方法不仅能大大提高卫星定轨精度和可靠性,而且还可以最终辨识和估计模型参数的真值,且对外界环境发生的变化有很强的自适应能力.     

星载GPS低轨卫星跟踪数据的建模与仿真

在研究星载GPS低轨卫星系统的基础上，建立了星载GPS低轨卫星跟踪数据的仿真模型，编制了相应的计算机程序。仿真模型包括卫星参数模型、动力学模型和观测误差模型。仿真计算表明，卫星参数模型和动力学模型真实地反映了卫星的运动规律；误差模型反映了观测环境对信号的传播影响。同时可以调节和选择仿真模型的参数，仿真采用不同高度、具有不同星体参数的低轨卫星和具有不同误差大小的跟踪数据，这对于论证星载GPS定轨方案、评价定轨算法、设计GPS接收机等有一定的实用价值。     

一种基于视线矢量的双星系统自主导航方法研究

研究了近地绕飞双星系统的自主定轨问题,设计了一种基于相对视线矢量测量的自主导航方法.本方法利用导航相机观测双星之间的相对视线矢量,并转化为相机坐标系下的像元像线,从而得到导航系统的量测模型;然后结合卫星的轨道动力学方程,通过扩展卡尔曼滤波算法精确估计双星在地心惯性系下的位置和速度共12个分量.最后,通过数学仿真验证了此导航方法的可行性.     

双星定位系统的建模与仿真

双星定位系统是具有快速定位和简短报文通信功能的卫星定位系统。在研究其定位原理的基础上，建立了双星定位系统的误差模型和仿真系统，并对仿真系统的硬件结构、仿真软件和仿真方法进行了介绍。该仿真系统可以模拟双星定位系统大多数的工作环境和工作状态，并且可以时双星定位终端产品的各项技术指标进行定量测量。解决了定位终端的技术指标在实际系统中测量难的问题，对双星定位终端的研制有一定的参考意义。     

联合定轨非线性模型估值的偏差修正算法

从理论上推导了联合定轨非线性参数回归模型估值的偏差与均方误差的表示方法,提出了一种基于迭代算法的参数估值的偏差修正方法。通过对联合定轨非线性半参数回归模型结构的分析,建立了参数估值的偏差与方差的近似表示公式,并设计了非线性半参数联合定轨模型估值的偏差修正算法。理论分析和仿真计算结果表明,联合定轨非线性回归模型估值偏差修正方法能够进一步改善卫星联合定轨精度,从实际应用角度验证了偏差修正方法的合理性和可行性。     

基于地磁/光谱红移/太阳光信息的FAUKF自主定轨

针对地磁场模型精度低而引起的低轨卫星导航精度不高问题,提出了一种利用地磁、太阳光、光谱红移多源信息融合的低轨卫星自主导航方法。设计了基于地磁/光谱红移/太阳光信息的联邦自适应无迹卡尔曼滤波器(federal adaptive unscented Kalman filter,FAUKF)滤波自主定轨方案,提出了利用FAUKF滤波,选取太阳光矢量与地磁矢量的夹角的余弦值、地磁场强度、光谱红移信息为观测量,来估计卫星的速度和位置。仿真结果为位置精度465.38 m,该算法的精度要高于单纯的地磁导航,滤波的收敛性和稳定性较好,导航误差不随时间累积,有工程应用价值。     

基于稳健补偿的卫星数据电波折射误差修正方法

折射误差是观测数据包含的主要误差源之一,也是影响卫星跟踪与控制以及轨道确定精度的主要因素。由于实时观测数据采样格式的不同,同一个采样时间内本应互相匹配的测量元素,因为丢失、干扰等而变得不再匹配,从而使得卫星实时跟踪数据包含的折射误差难以准确修正。提出的观测数据双向稳健补偿方法有效地解决了同一采样时间内测量元素的匹配问题,以及折射误差的修正问题,确保了卫星轨道确定的精度。实测数据计算以及定轨结果检验表明,该方法是有效的实用方法。     

基于多传感器的雷达对抗侦察数据融合算法

为提升复杂电磁环境下雷达对抗侦察系统的可靠性及抗干扰能力, 提出了一种基于多传感器融合的综合权值估计算法。首先由各传感器对原始数据进行分批估计得到局部期望及方差, 然后利用四分位离散度剔除异常数据, 接着针对局部估计结果通过测度算子以及自适应融合估计算法分别确定各传感器权重, 最后利用综合权重进行加权得到融合结果。仿真结果表明, 所提算法在不同情况下均能得到较高的融合精度, 较现有算法具有更好的适应能力及准确性。     

基于半参数回归的联合定轨误差估计仿真算法

通过对联合定轨非线性影响因素特征的分析,提出了一种参数建模与非参数分量表示相结合的联合定轨非线性半参数回归建模方法。首先讨论了联合定轨模型及常值系统误差估计算法,在此基础上建立了一种广义非线性半参数回归联合定轨模型,设计了相应的卫星轨道参数、系统误差参数及模型误差估计算法,并从理论上证明了半参数模型轨道估计精度优于经典最小二乘轨道估计精度。仿真计算结果表明,广义非线性半参数回归联合估计方法能将模型误差和随机误差有效分离,同时联合定轨精度也得到了进一步的改善,从实际应用角度验证了半参数回归联合定轨建模方法的合理性和可行性。     

基于多源信息融合与HMM的剩余寿命预测

针对设备剩余使用寿命预测问题, 提出一种基于多源信息融合与隐马尔可夫模型的预测方法。首先, 针对发动机结构复杂、监控数据参数多等问题, 提出一种基于传感器信噪比和主成分分析(principal component analysis, PCA)降维的多源传感器数据融合方法。在此基础上, 利用样本数据训练高斯混合隐马尔可夫模型, 同时为降低模型偏差并避免过拟合风险, 提出一种“定制”策略训练方法, 训练后的模型可用于系统健康状态识别和剩余使用寿命预测。最后, 通过美国国家航空航天局公开的航空发动机仿真数据集对所提方法进行了验证, 并与几种具有代表性且预测精度较高的文献方法进行了比较分析, 验证了方法的有效性。     

基于UKF神经网络的姿态测量信息融合算法

针对融合系统建模误差、噪声统计特性不精确性和环境的动态变化性致使传统联合滤波过程中融合权值难以确定,引入人工智能中的神经网络,提出了基于神经网络的多信息自适应智能估计融合算法研究;利用神经网络的自适应能力对状态估计融合结果进行实时辅助补偿和修正,将非线性最优估计与神经网络技术相结合,重点研究了基于UKF的神经元融合权重在线自适应学习算法,以便在缺少准确局部子滤波器协方差信息情况下,仍能使全局估计融合结果最优,从理论上证明了UKF学习算法优于传统EKF学习方法,并以卫星多姿态测量信息融合定姿系统为例,给出了计算实例和结论分析,表明了所提出的模型与算法在实际应用中的有效性。

Abstract：

The fusion weight of traditional Federal Kalman Filter is difficult to be determined because of the fusion system modeling error,the inaccuracy of noise statistic characteristics as well as the dynamic variability in the fusion filtering process.In order to solve this problem,a self-adaptive fusion estimation algorithm for multi-information measurement based on neural networks was presented,which used the self-adaptive ability of neural networks to make real-time compensation and amendment for the state fusion estimation results.Combining a nonlinear optimal estimation with neural network,an online adaptive training algorithm for the weights of neuron based on Unscented Kalman filter （UKF） was researched,which could still realize the optimal fusion for the global estimation even if the accurate covariance information of each local sub-filter were absent.The performances of UKF training algorithm and the traditional EKF algorithm were analyzed and compared,and moreover taking the multi-information fusion system for satellite attitude determination as the experimental example,the simulation calculation and analysis were advanced,which show that the presented models and algorithms are effective in the actual application.     

基于地磁场的高精度自主导航方法

地磁场矢量可描述成卫星的位置函数,利用三轴磁强计观测地磁场矢量或模,可实现近地卫星在任何运行状态下的自主导航,但是由于地球磁场模型存在不确定性和长期变化性,三轴磁强计存在安装误差和未知比例因子等误差因素,所以目前单一使用三轴磁强计进行自主导航精度有限。提出一种利用地磁场信息在轨修正地磁场模型高斯系数和标定三轴磁强计模型误差的新方法,通过将三轴磁强计与地磁场模型参考值的矢量和模分别作差,推导两种差值与地磁场模型高斯系数和三轴磁强计模型误差参数的数学关系,设计先进滤波算法得到高斯系数及误差参数的最优估计,实时修正地磁场模型和三轴磁强计模型。以某低轨卫星利用地磁场进行自主导航为例,利用数值仿真验证在轨修正后地磁场模型和标定后三轴磁强计模型,并对3种自主导航方法进行仿真结果的分析和比较,论证所设计方法既提高系统导航精度、收敛性和稳定性,又有利于工程实际应用。     

多终端仅测速实时定轨的自适应联邦STCKF算法

针对多手持终端仅测速实时定轨问题,设计了一种自适应联邦强跟踪容积卡尔曼滤波(strong tracking cubature Kalman filter,STCKF)算法。首先,使用欧拉预测校正法对带J2项摄动的轨道动力学方程进行离散得到状态方程。然后,为每个手持终端设计了STCKF滤波算法,该算法基于强跟踪滤波(strong tracking filter,STF)的等价表示计算次优渐消因子以在线实时调整增益矩阵,提高短弧段内滤波估计收敛速度。进而,利用信息最优合成算法对每个终端输出的局部定轨结果进行融合,为提高信息融合精度,信息分配因子由误差协方差矩阵的Frobenius范数自适应确定。最后的仿真结果表明,欧拉预测校正法可以有效提高轨道动力学方程离散精度,自适应联邦STCKF算法可以有效提高实时定轨精度和滤波收敛速度。