一种基于小波-UPF的探测器自主光学导航方法

提出了一种用于探测器在巡航段的自主光学导航方案,该方案利用光学导航相机以及星敏感器,通过测量星光信息以及天体边缘的信息,得出了探测器的相对位置.并利用小波分析对观测信息进行了预处理,滤除了它所包含的高频噪声,然后再进行小波重构得到平稳的观测信息,在此基础上进行UPF(unscented particle filter)滤波计算,以更好地降低重要性权值的方差,由此实时确定了探测器的轨道.该方法将小波分析和UPF滤波有机结合起来,可更好地提高自主导航系统的准确度和可靠性.通过数学仿真表明,改进的算法与原UPF算法相比,收敛速度更快,滤波精度更高.     

深空探测巡航段自主光学导航方案研究

星际巡航段导航方案设计是深空探测任务中的重要组成部分.针对巡航段的特点,研究了一种基于多颗小行星光学信息的自主光学导航方案.它包括导航星的确定,导航系统的建立,导航算法的研究.此方案给出了统一的导航小行星选取准则,导航星个数的判别方法,以及基于UD分解的递推加权最小二乘滤波导航算法.通过可观测性分析确保了导航算法的可行性,利用数学仿真验证了导航方案设计的合理性.此方案的导航系统精度优于深空1任务,位置估计误差小于100,速度估计误差小于0.3m/s.     

基于小波-UKF的自主光学导航方法研究

利用光学导航相机以及星敏感器,通过测量星光信息以及天体边缘的信息,进行了自主光学导航方案的设计.利用小波分析对观测信息进行预处理,滤除了它所包含的高频噪声,为UKF（Unscented Kalman Filter）滤波过程提了更为平稳的观测信息,并与UKF滤波进行比较,通过仿真验证了该算法的优越性.     

探测器自主导航的UD-EKF粒子滤波算法研究

用UD分解改进EKF粒子滤波算法,并将其应用于基于星光仰角测量的探测器自主导航方案.UD-EKF是基于递推的UD协方差分解滤波算法,该方法减少了计算舍入误差的影响以及计算机的计算量和数据存储量.用UD-EKF更新粒子,提高了滤波精度,缩短了运行时间,通过计算机仿真证实了其可行性.     

改进的DGPS/INS/视觉组合导航算法研究

为了满足智能车辆的高精度、实时性和高可靠性的自主导航的需要,提出了一种GPS/机器视觉共同辅助SINS的多采样的智能车辆组合导航算法。该算法不仅包括GPS和SINS形成的位姿速度观测信息,还包括机器视觉形成的位置观测信息。在子滤波器中采用自适应选权滤波算法,抑制了滤波发散,提高了滤波精度。还提出了一种改进的基于估计协方差阵的奇异值分解的动态自适应调节信息分配系数的算法,可有效提高系统的状态估计精度。通过仿真实验验证,该导航系统能为智能车辆提供丰富的导航信息,实现了厘米级的导航精度和容错性,即使在GPS出现较长时间的中断时,仍能为智能车辆提供可靠的导航信息。     

基于UD-EKF自主光学导航方法仿真

通过对深空探测器绕飞段自主轨道确定方法的研究,提出利用星敏感器及光学导航相机,通过对小行星附近多颗小天体夹角的测量并存储,同时结合几何关系,来实时确定飞行器轨道状态的一种基于UD分解的扩展卡尔曼滤波的光学自主导航的方案,并给出其UD分解构造算法;通过仿真验证了该方案可行性。     

基于联邦滤波的SINS/GPS全组合导航系统研究

传统的捷联惯性导航系统(SINS)/全球定位系统(GPS)组合导航系统常采用位置速度组合模式,其可观测性与载体的飞行航迹有关,从而影响了整个组合导航系统的精度和可靠性.为了解决这一问题,提出了基于联邦滤波的SINS/GPS全组合导航系统方案,推导了姿态角误差和平台失准角之间的变换关系,建立了SINS/GPS全组合导航系统数学模型,最后采用联邦滤波算法进行组合导航仿真计算.通过对仿真计算结果的分析,证明基于联邦滤波的SINS/GPS全组合导航算法能够有效地提高系统的导航精度和可靠性.     

自适应联邦H∞滤波在水下组合导航系统中的应用

为了提高自主水下航行器组合导航系统精度,选择了捷联式惯性导航系统、多普勒速度声纳、电子磁罗经和海底地形匹配作为水下航行器组合导航系统导航传感器,建立了水下航行器组合导航系统的状态模型和导航传感器观测模型,提出了一种基于RBF神经网络进行联邦滤波信息分配的自适应联邦滤波信息融合方法并进行了计算机软件仿真试验,仿真实验结果表明:采用RBF神经网络进行信息分配系数的自适应调整的改进自适应联邦滤波器的水下航行器组合导航系统的导航姿态、速度和位置精度得到了提高,满足高精度水下组合导航的要求.新型信息融合方法克服了传统滤波容易发散的缺点,有效地提高了水下航行器组合导航系统的容错性能和导航精度.     

X射线源/地心矢量观测的卫星自主导航应用

针对X射线探测器的卫星自主导航应用,提出基于X射线源/地心矢量观测的航天器自主天文导航方法。研究了X射线源/地心矢量自主导航原理并给出自主导航系统方案。通过X射线源和地心矢量提取,合成了X射线星光角距和星光仰角观测模型。对X射线源矢量方位观测误差和地心矢量方位观测误差引起的系统观测量残差进行了理论分析,并将其建模为缓变量。建立了卫星运动状态方程模型,并将无迹卡尔曼滤波(unscented Kalman filter,UKF)算法应用于自主导航过程中,针对观测量周期与导航周期异步的情况给出了导航解算方案。近地圆轨道卫星的自主导航仿真结果验证了该方法的有效性。     

无源北斗/高度组合导航自适应滤波算法

为了减小用户机动对无源北斗双星组合导航系统定位精度的影响,论文研究了自适应滤波定位算法.首先,在分析组合导航算法Singer模型的基础上,提出了模糊逻辑自适应滤波方案.然后,通过仿真获取系统知识,建立模糊逻辑系统,实时调整滤波器驱动噪声方差,实现滤波定位算法模型对用户机动的适应性.最后,通过仿真验证,设计的模糊逻辑自适应滤波算法能根据用户机动情况实时调整卡尔曼滤波器的驱动噪声方差参数,并能有效提高组合导航系统机动时的定位精度.     

一种改进的不敏粒子滤波算法

提出了一种改进的不敏粒子滤波（UPF,Unscented Particle Filter）算法。和传统的UPF相比,该算法有两点改进,首先,在形成＂粒子云＂时,直接采用当前时刻各粒子的UKF（Unscented Kalman Filter）估计作为粒子,在保证粒子有效性的同时,减少了UKF之后的重采样过程;然后,结合新的粒子产生办法,重新定义了权值计算方法,避免了对各粒子重要概率的复杂计算。仿真表明,改进算法在减少计算量的同时,有效地提高了跟踪稳定性和跟踪精度。

Abstract：

An improved Unscented Particle Filter （UPF） algorithm was proposed.Compared with traditional UPF,it has been improved at two points.First,when producing particle cloudy,it directly uses the current particle estimation of Unscented Kalman Filter （UKF） as new particle,which guarantees the validity of particles and eliminates the re-sampling process after UKF as well;then,according to the new particle-producing method,a weight-calculating formula is re-defined,so as to avoid the complicated computation of proposal probability of every particle.A simulation shows that the Improved UPF （I-UPF） can effectively enhance the tracking stability and tracking precision and reduce computational cost at the same time.     

基于“当前”统计模型的高动态GPS信号跟踪算法

提出了一种新的高动态GPS信号跟踪算法,基于＂当前＂统计模型对载波瞬时相位过程、瞬时频率及瞬时频率变化率过程进行建模;在此基础上,结合系统状态方程为线性而量测方程为非线性的特性,采用简化UKF算法对信号参数进行估计,同时采用EKF和标准UKF滤波算法在同等条件下对信号参数进行估计比对。仿真结果表明对信号参数所建模型能真实反映信号的过程,验证了所建模型的正确性的;简化UKF参数估计结果不仅精度与标准UKF相当且具有较高的运算效率,能更好满足高动态下的实时性需求。

Abstract：

A new high dynamic GPS signal tracking algorithm was proposed.Based on current statistical model,a new model for the GPS signal transitional process was established.Since the system involved a linear state equation and a nonlinear measurement equation,a simple Unscented Kalman Filter （UKF） algorithm was applied to estimation the signal parameters.For comparison purpose,an Extended Kalman Filter （EKF） algorithm and a standard UKF algorithm were also applied to the system to illustrate the effectiveness of the proposed filtering algorithm.Simulation results show that the new model can precisely represent the real signal process,and the simple UKF algorithm achieves high precision comparable to standard UKF with higher operation efficiency.Therefore,the new model and the proposed algorithm can satisfy real time requirement in high dynamic environment.     

针对高速自治水下航行器的UKF主动目标跟踪算法

研究了基于高速自治水下航行器平台下的主动单目标跟踪,基于Unscented Kalman Filter(UKF)建立跟踪滤波器,在强观测噪声、大采样时间间隔情况下完成对目标各运动状态参量的准确估计。将此跟踪滤波器与基于Extended Kalman Filter(EKF)的跟踪滤波器进行了对比。计算机仿真结果表明采用EKF滤波器,目标的速度估计值可以收敛向真值,而距离估计值无法获得收敛;采用UKF滤波器,目标的速度和距离估计值都能获得收敛,且其对目标的速度估计较EKF准确。     

UPF based autonomous navigation scheme for deep space probe

The autonomous ＂celestial navigation scheme＂ for deep space probe departing from the earth and the autonomous ＂optical navigation scheme＂ for encountering object celestial body are presented. Then, aiming at the conditions that large initial estimation errors and non-Gaussian distribution of state or measurement errors may exist in orbit determination process of the two phases, UPF （unscented particle filter） is introduced into the navigation schemes. By tackling nonlinear and non-Gaussian problems, UPF overcomes the accuracy influence brought by the traditional EKF （extended Kalman filter）, UKF （unscented Kalman filter）, and PF （particle filter） schemes in approximate treatment to nonlinear and non-Gaussian state model and measurement model. The numerical simulations demonstrate the feasibility and higher accuracy of the UPF navigation scheme.     

改进的强跟踪平方根UKF在卫星导航中应用

针对应用于受不确定性干扰和噪声影响的卫星自主导航系统中的无迹卡尔曼滤波（unscented Kalman filter,UKF）存在估计精度低、跟踪性能差和鲁棒性弱等缺陷,提出一种改进的强跟踪平方根UKF(strong tracking square-root UKF, STSRUKF)导航方法。该方法中利用星敏感器和光学导航相机设计出导航方案,并通过转换方程将间接量测量转换为观测量。针对平方根UKF（square-root UKF, SRUKF）在高阶系统中因为sigma点的零权值系数是负的或者数值计算误差太大时而可能造成滤波器发散问题,采用一种改良的平方根分解方法,改善了滤波器的稳定性。同时,基于强跟踪滤波器理论（strong tracking filters, STF）,引入多重自适应衰减因子调节协方差矩阵,使得滤波器具有强跟踪能力和克服系统模型不确定的鲁棒性,改善了滤波器的估计精度。将该方法应用于卫星自主导航系统中,实验仿真结果表明,相对于平方根UKF和STF,该方法不仅保证了系统的可靠性,还提高系统的导航精度和改善系统的鲁棒性及跟踪能力。     

UKF滤波方法及其在车辆导航状态估计中的应用

在车载导航系统中，通常采用EKF作为状态估计方法提高导航的精度。由于EKF进行非线性估计存在一些缺陷，因此将其用于导航系统的非线性估计时，存在估计误差，从而影响导航系统的精度。为了获得更高的导航精度，将一种新的滤波方法-UKF方法用于车载导航系统的状态估计中。对一个车载DR／GPS组合系统，将EKF和UKF方法分别进行了滤波仿真。仿真结果表明：在车载导航状态估计中，UKF方法优于EKF方法。     

基于一个移动锚节点的无线传感器网络节点定位算法

节点定位技术是无线传感器网络应用的重要支撑技术之一,对此提出了一种基于移动锚节点的两步定位算法。该算法利用一个移动锚节点遍历整个网络,并周期性的广播包含自身当前位置的信息。把传感器节点的自身定位过程用基于无迹状态滤波(UKF)的目标跟踪方法实现。由于所用的目标状态模型和量测模型有一定的不确定性,所以先选取不共线3个锚节点信息,利用三边定位法提高滤波的初始位置精度,从而改善定位效果。最后仿真并分析比较了锚节点在多种移动轨迹情况下节点定位误差,结果表明本文所述两步定位法改善了对锚节点移动轨迹的特殊要求的限制,更适合实际情况,并取得理想的定位精度。     

基于Kalman／UKF组合训练神经网络的初始对准方法

针对基于Unscented卡尔曼滤波(UKF)的神经网络训练学习方法存在的计算量大,实时性差的问题,提出了一种基于Kalman/UKF组合滤波原理的神经网络学习方法,该方法综合了Kalman滤波对线性系统和UKF对非线性系统的最优估计的优势,在保证神经网络权值估计精度的同时,有效降低了神经网络权值学习的计算量,提高了神经网络训练的实时性。最后将该利用方法训练的神经网络应用于惯性导航系统的非线性初始对准过程中,并进行了仿真研究。仿真结果表明利用提出的算法训练的神经网络与基于UKF训练的神经网络具有相同的对准精度和实时性,而提出的算法的有效降低了神经网络训练的计算量,提高了训练的运行效率,是解决惯性导航系统初始对准的一种有效和实用的方法。