基于扩展卡尔曼滤波器的低成本航姿系统设计

针对传统的航姿系统（attitude and heading reference system, AHRS）在微型无人飞行器、机器人等应用上所体现的成本高、体积大、功耗大的问题,提出了一种低成本高精度AHRS。该系统以数字信号处理器为硬件平台,集成了陀螺仪、加速度计、磁罗盘等9自由度微机电系统传感器,采用了基于四元数的姿态估计方法,建立了传感器输出模型和系统状态空间模型,考虑了加速度对系统精度的影响,解决了四元数协方差奇异性问题,通过扩展卡尔曼滤波〖JP3〗器进行数据融合以获得姿态的准确输出。经数值仿真分析和三轴飞行转台测试,姿态角的静态精度优于0.5°、动态精度优于2°,并在微型无人飞行器上进行了飞行验证,结果表明其能够满足小型无人飞行器等的应用需求。     

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。     

自适应高斯模型与多基地雷达机动目标跟踪

为改善多基地雷达系统对高机动目标的跟踪性能,提出了基于自适应高斯模型和扩展卡尔曼滤波(EKF)的机动目标跟踪算法.将目标加速度的概率密度特性描述为一具有均值和方差的高斯分布,建立了系统的离散状态方程和非线性观测方程进行EKF滤波,并在每个采样周期实现对输入控制信号及过程噪声协方差的更新,使加速度符合目标的实际变化情况.Monte Carlo仿真结果显示,对目标的变加速轨迹,该算法在位置和加速度上的均方根误差均比Singer模型小,且误差曲线平滑,表明了该算法能对机动目标实现准确跟踪.     

有连续推力控制的卫星轨道确定算法

连续推力轨道控制跟踪过程,观测量中包含推力加速度信息,反映轨道机动过程中卫星动力学的模型误差。以跟踪和精确定位空间机动目标为目的,给出基于地面雷达观测,实时估计推力加速度,修正卫星动力学模型的轨道确定算法。建立连续推力控制过程变质量动力学模型,给出常推力变加速度满足的运动学微分方程;建立变加速度估计系统状态方程和扩展卡尔曼滤波轨道确定算法;并给出连续推力控制过程中卫星运动状态关于变加速度的变分运动方程。实际飞行控制中应用表明,通过离散观测数据,实时估计连续推力变加速度,解决连续推力过程轨道精确确定问题是可行的。     

基于非线性预测滤波的卫星姿态确定

为了提高卫星姿态确定系统的精度和可靠性,采用由姿态动力学与运动学方程构成的非线性卫星姿态运动模型,结合陀螺和矢量观测信息来确定卫星姿态。针对转动惯量变化等引起的模型不准确问题,研究基于预测滤波实现姿态估计的关键技术。仿真结果表明,在恰当选取加权阵的前提下,该方法可实时估计模型误差,当用低通滤波去除高频噪声的模型误差进行补偿后,大大削弱了模型不准确对姿态估计精度的影响,其估计效果明显优于传统的扩展卡尔曼滤波,由此验证了预测滤波在卫星姿态确定中的有效性和精确性。     

CCD星敏感器辅助光纤陀螺在线标定技术

首先建立陀螺在线标定模型,然后以电荷耦合器件星敏感器输出的姿态四元数和陀螺输出的载体相对于惯性空间的姿态四元数构造量测量,采用模型预测滤波与扩展卡尔曼滤波相结合的方法,将部分陀螺误差项作为模型误差,在线实时估计并修正系统模型,提高了状态估计的精度,最后对该算法进行了数学仿真。仿真结果表明,该方法能有效地完成陀螺在线标定,标定精度和速度明显优于传统方法。这种在线标定的处理方法在实际使用和维护中具有极大便利。     

机动天基平台惯性/天文组合导航的研究

为了实现机动天基平台的长时间、高精度和低成本自主导航,采用了低精度惯性导航系统和天文导航系统进行组合。以扩展卡尔曼滤波算法为基础,通过建立系统状态方程和量测方程,并进行量测方程的线性化,将捷联惯导和星敏感器分别测得的姿态信息进行数据融合,估计出组合导航系统的误差状态量,从而修正捷联惯导系统的导航参数。仿真结果表明,在1000s内,平台姿态角误差稳定收敛在20?,定位误差优于纯惯导解算,证实了该方案的实用性。     

利用高精度陀螺对星敏感器在轨标定算法研究

研究了利用高精度陀螺对星敏感器误差在轨标定方法。采用高精度陀螺,利用陀螺作为星体的姿态参考可以连续提供星体的三轴姿态角速度信息,积分得到相应的姿态角特性,结合卫星姿态运动学方程,基于扩展卡尔曼滤波算法,针对星敏感器的常值误差和测量噪声,设计了星敏感器在轨标定模型,利用陀螺的测量输出对其进行实时补偿,以确保姿态测量元件在轨工作精度。仿真结果表明该在轨标定算法可以准确标定出星敏感器的常值误差。     

组网雷达系统对于高加速机动目标的精确跟踪研究

针对多基地雷达系统跟踪近距离高加速机动目标的场合,提出了一种并行扩展卡尔曼滤波算法。该算法首先建立起组网雷达群跟踪目标运动形态的观测模型,然后将三维加速度矢量引入到目标的运动模型中,通过并行计算的方式,在对加速度进行合理估计的基础上对量测数据进行卡尔曼滤波跟踪分析,获得目标的精确轨迹。仿真结果表明,该算法不仅能快速精确计算目标的位置和速度,而且具有很好的瞬态特性和稳态特性。     

基于"当前"统计模型的模糊自适应跟踪算法

“当前”统计模型需要预先设定目标最大机动加速度，不能很好的适应各种机动情况。采用模糊推理的方法根据测量新息和新息变化率实时调整目标最大机动加速度，自适应各种机动情况。此外，针对多数传感器测量方程的非线性，采用性能较好的Unscented Kalman Filter代替常用的扩展卡尔曼滤波。仿真结果表明，该算法在跟踪精度和收敛速度都优于传统的基于“当前”统计模型的跟踪算法。     

基于三轴转台误差分析的IMU标定方法

为了减小三轴转台误差对惯性测量单元(inertial measurement unit,IMU)误差模型系数标定精度的影响,提高IMU在三轴转台上的标定精度,首先分析了三轴转台各误差源,给出了陀螺仪和加速度计的输出与转台的位置、姿态误差之间的关系。据此设计了正十二面体-20点的位置和速率试验计划。该方法能同时辨识出IMU的误差模型系数以及转台误差源,自动补偿了三轴转台的误差,提高IMU误差模型系数的标定精度。最后对理论分析结果进行仿真验证,给出了转台误差与IMU误差模型系数标定误差之间的关系。     

空间机动目标跟踪的改进自适应IMM算法

针对使用模型似然函数比对传统交互多模型(interacting multiple model, IMM)算法模型转移概率实时修正存在奇异的问题, 基于所提修正函数给出一种改进自适应IMM算法。首先, 将白噪声模型与扩展卡尔曼滤波(extended Kalman filter, EKF)算法结合, 设计了非机动模型EKF1及机动模型EKF2作为IMM算法模型集。其次, 预报模型采用适应椭圆参考轨道的非线性相对轨道动力学方程以提高模型预报精度。最后, 分析了速率量测信息对减小机动目标跟踪峰值误差的作用。仿真结果表明, 改进的模型转移概率自适应IMM-EKF算法跟踪精度明显提高, 且优于比较的现有方法; 引入速率量测信息后, 最大峰值误差及估计精度得到了改善。     

一种跟踪机动目标的新方法

本文应用控制理论分析了R.A.Singer零均值模型在跟踪机动目标方面的局限性;提出了一种目标加速度的截断正态概率密度模型,并将目标加速度模拟为非零均值、时间相关的随机过程;借助于切比雪夫(CHEBYSHEV) 不等式来确定目标加速度的均值和方差之间的关系,并引用卡尔曼滤波器所包含的目标机动的统计信息来实现方差自适应算法。 理论分析表明,本文的模型和算法跟踪恒加速目标时稳态偏差为零,从而消除了Singer方法在跟踪恒加速目标时所存在的稳态偏差。 计算机仿真结果证实了理论分析的结论,表明本文提出的模型和采用的算法能够较好地跟踪高度机动目标。     

基于UKF-IMM的双红外机动目标跟踪算法

为了有效解决红外机动目标跟踪精度问题,提出基于UKF的交互式多模型IMM红外机动目标跟踪算法.该方法采用Markov过程描述多个目标模型间的切换,同时导出滤波器输入输出均加权的交互式算法.滤波器采用UKF,避免计算扩展卡尔曼滤波EKF所需的Jacobi矩阵,适用于非线性、非高斯的目标系统模型和观测模型,同时UKF可供多个模型共用,便于软、硬件实现.最后,用双红外探测器对S型机动目标进行仿真实验,给出应用该方法的具体步骤,验证了IMM-UKF的稳定性、有效性和精确性.     

非全测状态下的机动目标跟踪

针对空空导弹制导过程中可能出现测量信息不全的情况,以机动目标的“当前”统计模型为基础,在螺旋机动目标模型下对机动目标进行了跟踪滤波。在深入研究了扩展卡尔曼滤波算法、衰减记忆扩展卡尔曼滤波算法的基础上,利用改进的强跟踪滤波算法进行了非全测状态下的机动目标运动信息估计。仿真实验表明:改进的强跟踪滤波算法不仅能很好地完成速度和距离跟踪;如果加上多普勒速度测量,改进的强跟踪滤波算法还可跟踪上加速度。仿真结果表明了改进的强跟踪滤波算法的有效性。     

基于当前统计模型的机动目标自适应跟踪算法

当前统计模型及其自适应卡尔曼滤波算法对强机动目标具有很好的跟踪效果,但当机动目标为弱机动和非机动时算法跟踪性能较差。针对这一问题,提出了采用铃形函数作为模糊隶属函数对模型中加速度极值进行修正的自适应滤波算法,调整加速度稳定时的系统过程噪声方差,提高算法的跟踪精度。同时,借鉴强跟踪滤波算法的渐消自适应滤波因子思想,针对加速度突变的情况引入渐消因子对修正的加速度极值进行调节,提高算法在加速度突变情况下的跟踪速度。仿真实验结果表明,算法对弱机动目标和非机动目标的跟踪具有良好的效果。     

一种利用星敏感器对陀螺进行在轨标定的算法

为确保姿态测量器件长期在轨工作精度、提高姿态确定精度,针对典型的陀螺和星敏感器联合定姿方案,推导了一种星敏感器/陀螺在轨标定算法。考虑到卫星姿态测量过程中的几种主要误差源,建立星敏感器和陀螺标定模型,首先用递推算法对星敏感器单独在轨标定,然后采用Kalman滤波对星敏感器和陀螺同时进行在轨标定,对误差进行实时补偿,有效地提高了星敏感器和陀螺的测量精度,与同类算法相比,为卫星姿态确定提供了更加丰富的信息。最后对该算法进行了数学仿真,仿真结果验证了算法的有效性。     

UKF-based attitude determination method for gyroless satellite

UKF (unscented Kalman filtering) is a new filtering method suitable to nonlinear systems. The method need not linearize nonlinear systems at the prediction stage of filtering, which is indispensable in EKF ( extended Kalman filtering) . As a result, the linearization error is avoided, and the filtering accuracy is greatly improved. UKF is applied to the attitude determination for gyroless satellite. Simulations are made to compare the new filter with the traditional EKF. The results indicate that under same conditions, compared with EKF, UKF has faster convergence speed, higher filtering accuracy and more stable estimation performance.