SR-UPF在探测器自主光学导航中的应用研究(英文)

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.在此基础上针对导航系统状态方程和观测方程的非线性问题,提出了SR-UPF(Square-Root Unscented Particle Filter)算法,该方法将平方根UKF滤波和粒子滤波有机结合起来,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.     

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.     

导航星座长期自主定轨半物理仿真系统研究

进行导航星座长期自主定轨物理实验研究不仅难度大,周期长,而且成本昂贵.为更好的评估基于星间定向观测信息的导航星座长期自主定轨方案,利用星模拟器及星敏感器设计了基于星间定向观测信总的导航星座长期自主定轨半物理仿真系统.与单纯数值仿真相比,更为准确和可靠地模拟了星间定向观测信息及其误差特性,可以对基于星间定向观测信息的导航星座长期自主定轨方案进行更加真实有效的评估.最后利用本系统对基于传统EKF滤波算法的导航星座长期自主定轨方案进行了仿真验证.     

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.     

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.     

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。     

基于星敏感器/红外地平仪的自主导航算法研究

星敏感器和红外地平仪直接敏感地平的天文导航方法简单、可靠,但其导航精度主要取决于红外地平仪,因此导航精度相对较低.间接敏感地平利用星敏感器现测折射星得到地平信息,但是由于折射星数量有限,故不能连续提供观测信息.因此提出了一种将直接敏感地平和间接敏感地平相结合的信息融合自主导航方法,对两种导航模式的原理和观测方程进行了详细分析和推导.采用自适应扩展卡尔曼联合滤波算法进行数值仿真.通过对数值仿真结果分析,证实该方法既提高了系统导航精度,又增强了系统可靠性.     

基于多敏感器信息融合的卫星自主导航方法研究

直接敏感地平的天文导航方法简单、可靠,其导航精度主要取决于地球敏感器精度,因此导航精度相对较低.间接敏感地平利用星敏感器观测折射星得到地平信息,但是由于折射星数量有限且观测时段较短,所以不能连续、长时间地提供观测信息.因此提出一种在直接敏感地平与间接敏感地平相结合自主导航方法基础上,分析当间接敏感地平观测不到折射星时,引入三轴磁强计观测信息作为新息,提出基于多敏感器信息融合的自主导航原理及滤波算法,通过对三种导航方法进行数值仿真及其结果的分析和比较,论证所设计方法既提高了系统的导航精度和鲁棒性,又有利于工程实际应用.     

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。     

基于KLD采样的自适应UPF非线性状态估计方法

针对标准UPF算法存在的计算量大、实时性差的问题,设计了一种利用KLD采样在线实时改变粒子个数的自适应UPF算法.该算法的核心思想是利用KLD采样原理,根据预测粒子在状态空间中的分布情况来在线实时的确定下一次滤波迭代所需的粒子个数,减少对滤波算法没有帮助的粒子,仅保留保证滤波估计精度所需的最少粒子个数,从而有效减小算法的运算量,提高算法的实时处理能力.最后,将自适应UPF算法与粒子滤波、标准UPF算法进行了仿真比较,仿真结果表明在保持高精度估计能力的同时,自适应UPF算法比标准UPF算法具有更好的实时性,是解决非线性非高斯系统状态估计问题的一种有效方法.     

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.     

基于星敏感器的星座自主导航融合技术研究

为解决单纯基于星间观测的星座自主导航系统的基准秩亏问题,利用星敏感器间接敏感地平的导航方法提出了一种基于星敏感器的星座自主导航信息融合技术。该技术可以有效地将星光折射和星间观测两种方法结合起来,利用星光折射提供星座中成员卫星的绝对位置信息,给出星座的空间基准,再利用星间相对观测,约束星座的几何结构,提高星座的整体的导航精度。     

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。     

基于高斯过程回归的平方根UPF算法

针对系统动力学模型不准确可能导致滤波精度下降,以及系统状态协方差阵可能出现的负定性问题,提出一种新的高斯过程回归平方根分解无迹粒子滤波(Gaussian process regression square-root decomposition unscented particle filter,GPSR-UPF)算法。在该算法中,采用高斯过程回归求取UPF的重要性密度函数。当系统模型不准确时,通过高斯过程回归学习训练数据,进而获取系统的回归模型及系统噪声协方差,同时引入平方根变换抑制系统状态协方差阵的负定性。将提出的GPSR- UPF算法应用到捷联惯导/全球定位系统(strapdown inertial navigation system / global positioning system, SINS/GPS)组合导航系统中进行仿真验证。结果表明,所提出滤波算法的性能优于基本的无迹粒子滤波算法,能提高组合导航系统的解算精度。     

基于信息融合的自主天文导航方法

直接敏感地平和间接敏感地平是典型的两种自主天文导航方法,直接敏感地平简单可靠,但是由于地球敏感器精度较低,因此导航精度不高|利用星光折射的间接敏感地平精度较高,但是折射星数量有限并且观测时段较短。针对上述两种方法的缺点,提出一种基于信息融合的自主天文导航方法。当观测不到折射星时引入新信息,弥补间接敏感地平自主导航的不足。通过对多种导航模式进行数值仿真与分析,验证所设计方法提高了系统的导航精度和可靠性。