基于平淡卡尔曼滤波器的微小卫星姿态确定算法

针对扩展卡尔曼滤波（EKF）在线性化过程中会引入误差的问题,采用平淡卡尔曼滤波器（UKF）进行了系统滤波器设计;提出一种构建虚拟观测量的方法,并分析了其噪声特性．虚拟观测量与高精度器件量测量搭配可实现对姿态的校正．以太阳敏感器、微电子机械系统（MEMS）陀螺、磁强计为姿态敏感器件,构建了定姿滤波器并用STK（Satellite Tool Kit）数据进行了仿真．结果表明,所提出方法能有效地提高定姿性能,采用UKF的系统定姿误差与EKF相当,但收敛时间、稳定性要优于EKF．     

9轴MEMS-IMU实时姿态估算算法

随着对微机电系统-惯性测量单元(micro-electro-mechanical system-inertial measurement unit, MEMS-IMU)在室内定位、动态追踪等应用领域中的需求日益迫切, 使得具有高精度、低成本和实时性的MEMS-IMU模块设计成为研究热点. 针对MEMS-IMU的核心技术--姿态估算进行研究, 设计了一种基于四元数的9轴MEMS-IMU实时姿态估算算法. 该算法运用分解四元数算法处理加速度和磁感应强度数据, 计算出静态四元数; 通过角速度与四元数的微分关系估算动态四元数; 运用卡尔曼滤波融合动、静态四元数, 进而实现实时姿态估算. 针对分解四元数算法中存在的奇异值问题, 提出了转轴补偿方法对其修正, 以实现全姿态估算; 考虑动态情况下的非线性加速度分量对姿态估算精度的影响, 设计了R自适应卡尔曼滤波器, 以进一步提高姿态估算算法的精度. 验证结果表明, R自适应卡尔曼滤波器能够有效抑制加速度噪声, 提高姿态估算精度; 同时, 转轴补偿-分解四元数算法能够准确估算奇异值点的姿态信息, 并且计算时间仅为原“借角”补偿方法的50%左右, 有效提高了整体算法的实时性.     

基于四元数EKF算法的小型无人机姿态估计

针对小型无人机设计的姿态测量系统,提出一种用于小型无人机姿态估计的四元数扩展Kalman滤波算法.该算法通过建立四元数姿态运动模型和航姿传感器测量模型,构建了以四元数和陀螺仪随机漂移为状态向量、以加速度计测量值和磁阻仪解算的航向角为观测向量的扩展Kalman滤波器,并设计了自适应测量噪声协方差矩阵修正法.实验结果表明,该算法不但解决了微机电系统惯性器件用于载体姿态测量时精度低、易发散、易被干扰的问题,而且显著减小了陀螺仪随机漂移对姿态估计的影响,有效提高了姿态估计的精度.     

基于星敏感器双矢量观测信息的卫星姿态确定算法研究

针对三轴稳定卫星,研究基于星敏感器双矢量观测信息的卫星高精度姿态确定算法。建立了姿态运动学模型、敏感器测量模型、QUEST算法模型和扩展卡尔曼滤波(EKF)模型。对比分析了QUEST算法以及星敏感器与陀螺组合的扩展卡尔曼滤波(EKF)算法的定姿精度。通过数学仿真,表明基于星敏感器和陀螺的扩展卡尔曼滤波组合姿态确定算法具有更高的定姿精度。     

旋转导向系统有色噪声的改进无迹卡尔曼滤波方法

在旋转导向钻井系统的姿态测量过程中,三轴加速度计测量数据中包含大量有色噪声,严重影响井底组合钻具姿态测量的精度。基于旋转坐标变换的四元数理论,结合所建立的三轴加速度噪声模型,提出一种改进无迹卡尔曼(UKF)迭代滤波算法。此方法利用陀螺测量原理构造观测方程和时变状态方程,将实时解算出的钻具姿态以四元数的形式更新时变状态方程中三轴角速度,通过更新观测方程加速度噪声模型实现加速度计传感器数据中有色噪声的UKF迭代滤波。实测数据滤波的结果表明,此方法可有效滤除加速度传感器数据中的有色噪声,保证旋转导向钻具姿态测量的精度。     

一种基于改进卡尔曼滤波的姿态解算算法

针对多传感器融合姿态解算精度不高的问题,本文提出一种改进的卡尔曼滤波算法,即高阶线性互补滤波与扩展卡尔曼滤波(Extended Kalman Filter,EKF)相结合的融合算法。该数据的融合是基于加速度计、陀螺仪传感器频率特性和姿态角的微分方程建立的系统模型,将互补滤波的姿态角数据作为该系统模型的观测值,利用EKF算法对加速度计、陀螺仪、磁力计进行数据融合。高阶的互补滤波和EKF的融合算法能够有效的解决陀螺方向的估计偏差,为了证明该算法的可行性,用搭载IMU(InertialSmeasurementSunit)模块的四旋翼飞行器进行了动态和静态的实验,分析对比了最新导航算法、经典卡滤波算法和该融合算法滤波的效果。实验结果表明：本文提出的高阶无源线性互补滤波和EKF相结合的融合算法,无论在静态还是动态的实时性情况下,都能很明显的去除噪声和抑制姿态角的漂移,且提高了姿态角的精度。     

基于四元数互补滤波的无人机姿态解算

针对无人机低成本姿态解算这一基本问题,考虑到传统姿态算法运算量大、不易调试,采用微惯性单元(MEMS)测量无人机原始姿态数据,采用基于四元数的互补滤波算法,有效降低姿态解算的运算量,实现MEMS各传感器的信息融合。从理论上证明了基于四元数的互补滤波器的稳定性,分析了滤波器的性能。采用无人机真实数据验证了算法的有效性,解算得到的俯仰角、滚转角精度小于1°,航向角精度小于2°。与传统姿态算法比较,本算法简单有效、运算量小、易于调试。     

用于无陀螺卫星姿态确定的预测UKF算法

为了降低卫星姿态动力学模型误差和初始姿态误差对无陀螺卫星姿态确定的影响,提出了一种预测无迹卡尔曼滤波(UKF)算法。该算法利用预测滤波中的泰勒级数展开方法对未知的卫星姿态动力学模型误差进行估计,然后将其带入UKF中实现无陀螺卫星姿态确定。用三维偏差四元数代替四元数作为状态变量,避免了估计过程四元数单位约束性被破坏的现象。仿真结果表明,当较大的卫星姿态动力学模型误差和初始姿态误差同时存在时,该算法仍能精确地实现卫星姿态确定。     

微小卫星姿态确定系统多信息融合滤波技术

采用微小卫星姿态动力学,并针对太阳敏感器/磁强计/卫星导航系统(GPS)接收机多姿态信息融合的特点,提出一种基于融合反馈模式的改进联邦滤波姿态确定方法,各子滤波器只完成量测更新,由主滤波器完成时间更新与预测信息的分配.给出了由四元数描述卫星姿态的误差状态方程和各子系统的量测方程,基于磁强计测量信息,对微小卫星的主要干扰源剩磁进行建模.仿真结果分析表明:基于剩磁建模的姿态动力学模型可有效提高姿态确定的精度;改进联邦滤波算法减少了系统的计算量,保证了可靠性.     

基于模糊逻辑四元数的平方根UKF算法

针对目标跟踪估计算法中,利用传感器离散观测建模并估计目标连续状态,进行导航解算时滤波精度低,及传统四元数扩展卡尔曼滤波算法无法满足目标姿态测量精度要求等问题,文中提出一种基于模糊逻辑四元数的平方根UKF姿态估计算法.该算法将四元数作为模糊逻辑UKF滤波器状态,应用测量的角速率完成滤波器的时间更新及量测更新,采用模糊逻辑的平方根协方差形式作为更新参数,既降低了算法的计算量和复杂度,又保证了数值的稳定性.文中还以近地卫星为例,在Matlab和C++软件上进行了仿真实验.实验结果表明:文中所提算法可保证对机器人和特征的姿态控制估计精度;可对目标实时跟踪定位并进行量测更新,抑制了姿态误差发散问题.     

四区间双插值捷联惯姿算法

提出一种减小捷联惯导系统姿态算法误差的运算方法,该算法运用拉格朗日插值逼近载体系下角速率和姿态四元数,通过求解四元数方程组实现姿态更新.本文在典型圆锥运动和规则进动下,将该算法与常见的四子样旋转矢量算法进行了仿真对比,结果表明,新算法能有效提高姿态求解精度.     

基于平方根容积卡尔曼滤波的四旋翼无人机的姿态解算

为了提高四旋翼无人机姿态解算的精度,提出了基于平方根容积卡尔曼滤波(square-root cubature Kalman filter,SCKF)的多传感器数据融合策略。基于加速度计、磁力计和陀螺仪输出的数据,采用了四元数的姿态解算方法,避免了单一传感器获得的姿态角误差过大的问题,解决了扩展卡尔曼滤波(extend Kalman filter,EKF)精度低以及无迹卡尔曼滤波(unscented Kalman filter,UKF)、容积卡尔曼滤波(cubature Kalman filter,CKF)协方差矩阵正定性丧失的问题。设计了基于pixhawk飞控板的实验方案。通过实验数据表明,与传统的EKF、UKF、CKF算法相比,SCKF的精度最高。且与UKF、CKF算法相比,SCKF具有计算时间少、数值计算稳定性强等优势。     

基于陀螺星光加激光交会雷达的相对姿态确定

针对编队飞行中从飞行器与主飞行器的相对姿态确定问题,提出了基于扩展卡尔曼滤波(EKF)的相对姿态确定方法. 采用修正罗德里格参数(MRPs)作为姿态描述参数避免奇异点. 姿态敏感器采用陀螺 星敏感器 激光交会雷达的配置模式,并且结合相对姿态动力学方程得到相对姿态确定的状态方程,建立起相对姿态确定的EKF模型. 仿真实例表明,EKF状态能在最慢300 s内收敛,MRPs的估计误差在10-5范围以内,该方法正确有效.     

基于超短基线的GPS测姿算法研究

针对超短基线下姿态测量结果稳定性差及可靠性低的问题,提出一种更加可靠稳定的基于超短基线的全球定位系统（global positioning system,GPS）姿态测量算法。构建了扩展卡尔曼滤波（extended Kalman filtering,EKF）模型,并对扩展卡尔曼滤波模型中测量噪声矩阵采用基于卫星高度角模型,得出比较准确的浮点模糊度;联立了载波双差观测方程和伪距双差观测方程,并采用改进模糊度最小二乘去相关平差法（modified least-squares ambiguity decorrelation adjustment algorithm,M-LAMBDA）进行快速模糊度固定解算;利用了滤波法进行姿态解算。实验结果表明,与其他测姿算法相比,该算法可适用于超短基线,能够提高姿态结果的稳定性与可靠性,在基线为20 cm静态环境中,该算法模型航向角的误差方差为0.1左右,航向角的绝对误差为2°左右。在基线为20 cm动态环境中,该算法模型航向角的误差方差为2左右,姿态角的绝对误差为3°左右。     

基于中心差分卡尔曼滤波的航天器视觉相对导航算法研究

在航天器视觉相对导航过程中,量测方程的非线性特性会影响航天器相对位姿的估计精度.分析了扩展卡尔曼滤波方法(EKF)将非线性模型线性化时存在的缺点,研究了中心差分卡尔曼滤波方法(CDKF),提出用中心差分卡尔曼滤波方法来解决视觉导航中两航天器的相对位姿估计问题,并给出了EKF与CDKF的仿真结果.仿真结果表明在相同条件下,CD-KF算法比EKF具有更高的精度和稳定性,该方法能够在航天器视觉相对导航中应用.     

非线性滤波算法在无源定位中的应用

针对无源定位中量测方程非线性对滤波精度及稳定性的影响,分析了基于模型线性化的滤波算法,包括扩展卡尔曼滤波(EKF)、伪线性滤波(PLF)、修订增益的扩展卡尔曼滤波(MGEKF)算法的特点,重点论述了非线性滤波(UKF)与粒子滤波器(PF)这2种新的非线性滤波方法思想及其特点,指出了无源定位问题中,这2种算法有更好的滤波精度及稳定性.