基于星敏感器和星间链路的卫星星座自主定轨研究

以对地定位观测三星星座为例, 研究了联合星敏感器和星间链路测量信息的卫星星座自主定轨方法. 通过仿真三星星座星间链路观测和CCD星敏感器对背景恒星的观测, 生成两种类型的仿真观测资料, 基于这些资料建立了星座联合自主定轨的测轨方程, 在此基础上进行了星座自主定轨的仿真计算. 综合考虑各种定轨方案以及潜在的各种测量误差的影响, 对卫星星座自主定轨精度进行了比较和分析, 结果表明所采用技术手段应用于卫星星座自主定轨是可行的, 并形成了若干研究结论, 对于这种自主定轨技术拓展应用于更广泛意义下的卫星编队星座具有重要的参考价值.     

导航星座自主导航技术研究

导航星座自主导航日益成为新一代卫星导航系统的主要研究方向。在系统地论述导航星座自主导航的信息处理流程的基础上，重点提出了导航星座自主导航的关键技术，包括卫星星历与时钟参数的长期预报技术、星间测距与通信链路的建立和维持技术、星座卫星自主时间同步技术、星座卫星自主星历更新技术、自主导航信息处理的鲁棒滤波技术、星座整体旋转建模技术，以及地球自转及极移参数的长期预报技术。详细分析了关键技术实施途径，论证了相关数学模型。最后，对星座卫星自主时间同步与星历更新算法进行了系统仿真，结果表明：通过星载滤波器处理星间双向测     

基于地磁定轨和扩维卡尔曼滤波的导航算法

为了克服扩展卡尔曼 (Kalman)滤波算法对噪声统计特性的约束 ,针对磁强计量测噪声为有色噪声伴常值干扰的特性 ,提出了一种基于扩维Kalman滤波算法的地磁导航算法 .该算法为了使量测噪声白噪化 ,引入了 2个新的状态变量 ,此时测量噪声是均值为 0的高斯白噪声 ,并满足扩展Kalman滤波算法的约束条件 .对由此构成的系统使用扩展Kalman滤波算法 ,可以得到扩维Kalman定轨导航算法 ,利用该算法可以获得国产磁强计的导航精度 ,其地心距模的估计误差为 2 0km ,速度模的估计误差为 10m/s .卫星的实测数据仿真结果表明 ,该导航算法具有较好的稳定性和收敛性 ,克服了扩展Kalman滤波算法的发散问题     

星座自主导航柔性仿真系统体系结构研究

针对星座自主导航系统的应用背景提出了一种仿真支撑子系统＋仿真模型的柔性仿真体系结构,为新一代卫星导航系统各种新技术研究、不同方案论证和关键技术测试验证提供了开放式的灵活可配置的柔性仿真技术支撑环境。     

低轨星座导航增强能力研究与仿真

低轨卫星星座具有几何图形变化快、落地信号功率强、全球天基监测覆盖等天然优势,可对中高轨全球导航卫星系统(Global Navigation Satellite System,GNSS)星座进行有效补充和增强,提升全球定位、导航与授时(Positioning,Navigation and Timing,PNT)服务的精度、完好性、可用性和抗干扰等能力,已成为下一代卫星导航系统重要的发展方向.本文总结了国内外低轨星座发展现状,对不同低轨星座进行了分析和设计,对低轨星座提升导航定位精度、加速精密单点定位(Precise Point Positioning,PPP)收敛、全球天基监测等导航增强能力进行了分析,重点论证了低轨星座突破现有中高轨GNSS技术瓶颈的机遇和体系增量能力,给出了相应的仿真分析结果,以期对我国低轨星座和北斗卫星导航系统的融合发展提供参考和建议.     

乙苯化工过程的分布式无迹卡尔曼滤波方法

乙苯化工过程由一系列连续搅拌釜式反应器和分离器组成的大规模非线性系统,针对这一类系统提出了一种基于分布式无迹卡尔曼滤波的状态估计方案。该方法通过将系统分解,对每个子系统设计局部无迹卡尔曼滤波,它接收局部测量值,并与其他滤波器协同计算局部状态估计值的方法完成整个系统的状态估计。给出了详细的分布式无迹卡尔曼滤波的设计方法和估计算法。在不同的噪声下对分布式和集中式无迹卡尔曼进行了比较分析。仿真结果表明,分布式无迹卡尔曼滤波可以很好地处理强噪声,正常噪声下比集中式无迹卡尔曼滤波有更稳定的性能,但在理想噪声下集中式无迹卡尔曼滤波有更好的表现。     

基于无迹卡尔曼滤波的无人机跟踪算法

基于四基站对无人机位置的定位数据,利用无迹卡尔曼滤波算法对定位数据进行最优估计,并预测无人机的运行轨迹,从而实现对无人机的实时跟踪.对经典的线性卡尔曼滤波算法和无迹卡尔曼滤波算法进行仿真对比,结果表明,线性卡尔曼滤波算法虽然能跟踪预测轨迹,但有较大的误差,而使用无迹卡尔曼滤波算法能有效地减小误差,使跟踪预测的轨迹更加精确.     

椭圆限制性三体问题模型下平动点拟周期轨道卫星的自主定轨分析

基于椭圆限制性三体问题,研究了平动点轨道卫星导航星座仅利用星间测距进行自主定轨的技术。分别分析了平面Lyapunov轨道和垂直Lyapunov轨道上卫星仅利用星间测距进行自主定轨的精度。为了提高拉格朗日轨道导航星座对月球空间的覆盖范围,设计了由地月系的L1、L2、L4和L5四个平动点附近的拟周期轨道上的卫星构成的导航星座,分别利用扩展卡尔曼滤波方法和无迹卡尔曼滤波方法进行了自主定轨仿真分析,结果表明:平动点轨道导航星座可以仅利用星间测距实现长期高精度自主定轨。     

基于改进自适应无迹卡尔曼滤波的国产民机导航数据滤波算法

针对国产民用飞机导航数据存在杂波不能准确测量的问题,提出一种基于改进自适应无迹卡尔曼滤波(adaptive unscented Kalman filter,AUKF)算法的导航数据滤波方法。将无迹卡尔曼滤波(unscented Kalman filter,UKF)与改进Sage-Husa次优无偏极大后验噪声估计器结合构造出改进AUKF,有效解决了在模型不确定或干扰信号统计特性不完全得知的情况下,滤波精度低甚至发散的问题,同时与维纳滤波器和小波阈值法滤波效果进行对比。选择ARJ21飞机实际运行的高度、经度及纬度数据进行仿真,结果表明：改进后的AUKF算法较其他滤波算法精度更高,有效提高了导航数据的可靠性。研究对提高国产民机导航定位精度具有重要意义。     

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．     

惯导初对准中的平方根无轨迹卡尔曼滤波

针对无轨迹卡尔曼滤波(UKF)在递推过程中,有些情况下出现状态协方差逐渐失去正定性,导致计算发散现象,对状态协方差进行矩阵分解,在滤波中用其平方根进行计算,保证其正定性.采用平方根无轨迹卡尔曼滤波(SRUKF)对大失准角情况下惯性导航系统初始对准非线性ψ角模型进行估计.蒙特卡罗仿真结果表明,SRUKF与UKF在滤波精度和收敛速度上基本一致,SRUKF的数值稳定性优于UKF.     

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。     

一种基于Unscented卡尔曼滤波的多平台多传感器配准算法

首先给出传感器偏差配准模型,然后将目标的运动模型和传感器偏差组合在同一个状态方程中,利用Unscented卡尔曼滤波（UKF）方法进行状态和偏差联合估计,最后理论分析了配准偏差对状态估计的影响。Monte-Carlo仿真表明,该方法能同时有效地估计目标状态和传感器配准偏差。     

基于平淡卡尔曼滤波的微弱GPS信号跟踪算法

在接收信号很微弱的情况下,全球定位系统(GPS)的传统方法不能很好地跟踪信号.采用非线性卡尔曼滤波算法取代传统的延迟锁定环和相位锁定环,用于高灵敏度GPS接收机的微弱信号处理环节.针对所提出的微弱信号系统模型中相关运算的特点,运用平淡卡尔曼滤波器进行信号跟踪.仿真结果表明,新方法能够较好地跟踪到载噪比低至27 dB-Hz的微弱信号,确保了跟踪精度;同时具有较高的灵敏度.     

基于UKF的INS/GPS组合导航系统仿真

通过Unscented卡尔曼滤波(UKF)算法,研究INS/GPS紧耦合组合导航系统中滤波算法的问题,避免了对非线性的系统方程进行线性化。同时将自适应原理引入UKF,给出了一种自适应UKF算法。将EKF、UKF和自适应UKF分别应用到INS/GPS组合导航系统的滤波中。仿真结果表明,相比UKF算法,自适应UKF算法进一步提高导航解的精度和收敛速度,同时系统的鲁棒性也得到了提高。     

基于改进卡尔曼滤波的配电网动态数据平差方法

受设备、天气等多方面因素影响,电网量测数据不可避免的存在误差。在实际应用前,应选用合适的估计方法进行数据平差。为减小不良数据对估计精度的影响,本文提出了一种鲁棒性无迹卡尔曼滤波算法(RUKF),在进行无迹卡尔曼滤波之前引入基于运行模式的不良数据检测方法,通过分析量测量的变化趋势调整阈值,避免出现不良数据的漏检与误检现象。以IEEE 33-bus与某实际107节点系统为例,进行仿真验证。实验结果表明,在存在不良数据的情况下,RUKF与传统UKF相比,求得的数据平差结果具有更高的估计精度,提高了数据估算的鲁棒性。多个实验表明本文提出的RUKF算法对数据平差计算可以提供有效的理论支撑。     

基于自适应UKF的锂离子动力电池状态联合估计

针对由静态的电池模型参数而造成的状态估计累计误差、噪声统计特性的时变不确定性等实用化的问题,基于无迹卡尔曼滤波(unscented Kalman filter, UKF)框架设计了一种自适应UKF的电池状态联合估计算法.在无迹变换(unscented transform,UT)时,对量测方程进行准线性化处理,降低了循环迭代过程中的计算开销;利用带遗忘因子的Sage-Husa自适应估计方法对过程噪声的统计特性参数进行递推估计与修正,提高了UKF估计算法的自适应容错能力;实时跟踪滤波的收敛性,若呈发散趋势时,通过自适应衰减因子对误差协方差进行调整以抑制滤波发散,保证了滤波过程的数值稳定性;采用联合估计策略对一阶Thevenim电池欧姆内阻模型参数进行在线更新,以确保动态测试工况下电池模型的准确性,从而提高了电池荷电状态(state of charge,SOC)以及电池健康状态(state of health,SOH)的估计精度.实验与仿真结果验证了该电池状态联合估计算法的可行性与有效性.     

基于CKF算法的卫星轨道实时预报方法

卫星轨道实时预报常采用EKF方法,但是EKF应用于非线性度较大的系统时精度和效率都不高。CKF算法利用带权重的点对状态量进行估计,用球面积分的方法解决了求函数与高斯随机变量乘积的积分的难题,既不需要对函数进行线性化,也不需要计算Jacobin矩阵。将其应用到轨道的实时预报当中,通过仿真验证,表明基于CKF的卫星轨道实时预报方法对预报精度和速度均有一定程度的提高。     

基于无迹卡尔曼滤波的月球车惯性/天文组合导航算法研究

月球车导航传统方法主要是采用kalman滤波方法,需要对系统方程和观测方程的线性化,因此会引入的线性化误差的问题, 本文针对做出适当的改进。本文采用UKF方法作为误差状态量的最优估计方法,并以太阳敏感器观测得到的太阳高度角和太阳方位角以及测速仪的东向北向速度作为联合观测信息,将SINS和CNS所测得的月球车相关姿态和位置信息进行数据融合,估计出组合导航系统的误差状态量,从而对惯导系统的状态量进行校正,达到提高组合导航系统的导航定位精度和稳定性,减小线性化误差的目的。仿真实验证明,本文算法具有很好的位置、速度和姿态估计精度,有效的降低了线性化误差。