基于多源观测的联合定轨数据融合建模及最优加权算法

针对基于双星定位系统的近地卫星联合定轨中的多源观测数据的融合处理问题,分别建立了基于测量噪声独立同分布和测量噪声相关的多源融合测量模型,提出了一种基于矩阵Cholesky分解的广义测量模型和测量噪声去相关方法。设计了多源融合测量模型的多结构非线性最优加权参数估计实现算法,并以双星定位系统的星敏感器测角与距离和测量信息为例,进行了联合定轨仿真实验。理论分析与仿真计算结果表明,相对于仅用距离和测量信息与平均加权方式,基于多源观测数据的最优加权联合定轨方法能够进一步改善卫星定轨精度。     

基于半参数回归的联合定轨误差估计仿真算法

通过对联合定轨非线性影响因素特征的分析,提出了一种参数建模与非参数分量表示相结合的联合定轨非线性半参数回归建模方法。首先讨论了联合定轨模型及常值系统误差估计算法,在此基础上建立了一种广义非线性半参数回归联合定轨模型,设计了相应的卫星轨道参数、系统误差参数及模型误差估计算法,并从理论上证明了半参数模型轨道估计精度优于经典最小二乘轨道估计精度。仿真计算结果表明,广义非线性半参数回归联合估计方法能将模型误差和随机误差有效分离,同时联合定轨精度也得到了进一步的改善,从实际应用角度验证了半参数回归联合定轨建模方法的合理性和可行性。     

联合定轨非线性模型估值的偏差修正算法

从理论上推导了联合定轨非线性参数回归模型估值的偏差与均方误差的表示方法,提出了一种基于迭代算法的参数估值的偏差修正方法。通过对联合定轨非线性半参数回归模型结构的分析,建立了参数估值的偏差与方差的近似表示公式,并设计了非线性半参数联合定轨模型估值的偏差修正算法。理论分析和仿真计算结果表明,联合定轨非线性回归模型估值偏差修正方法能够进一步改善卫星联合定轨精度,从实际应用角度验证了偏差修正方法的合理性和可行性。     

基于补偿最小二乘估计法的卫星精密定轨方法

由于卫星轨道观测数据中含有非线性影响因素,必然会降低定轨精度。将半参数回归模型引入卫星批处理定轨方法中,基于半参数回归模型补偿最小二乘估计法,提出了一种卫星事后轨道改进方法,以降低非线性影响并提高定轨精度。当测量数据存在非线性影响因素时,在理论上证明了半参数回归模型补偿最小二乘估计法优于经典最小二乘估计法。最后,对中低轨卫星定轨进行了仿真,结果表明基于半参数回归模型补偿最小二乘估计法的卫星事后轨道改进方法分离出观测数据中的非线性影响因素,从而提高定轨精度。     

一种单星对星仅测角无源定轨跟踪方法

在星对星无源定轨跟踪中,由于卫星运动方程的非线性和隐函数性,如何建立适合递推滤波的状态预测方程和状态转移矩阵是个首要的问题.根据卫星运动的动力学和几何学条件,推导准确的状态预测方程及其对应的状态转移矩阵,并给出了相应的计算方法.根据单站无源定位理论,提出了一种新的基于准确状态预测模型的仅测角单星对星无源定轨跟踪方法.仿真实例表明,与已有的采用近似状态预测模型的定轨方法相比,该方法具有更高的估计精度和更快的收敛速度,且两者计算耗时相当.     

基于地磁/光谱红移/太阳光信息的FAUKF自主定轨

针对地磁场模型精度低而引起的低轨卫星导航精度不高问题,提出了一种利用地磁、太阳光、光谱红移多源信息融合的低轨卫星自主导航方法。设计了基于地磁/光谱红移/太阳光信息的联邦自适应无迹卡尔曼滤波器(federal adaptive unscented Kalman filter,FAUKF)滤波自主定轨方案,提出了利用FAUKF滤波,选取太阳光矢量与地磁矢量的夹角的余弦值、地磁场强度、光谱红移信息为观测量,来估计卫星的速度和位置。仿真结果为位置精度465.38 m,该算法的精度要高于单纯的地磁导航,滤波的收敛性和稳定性较好,导航误差不随时间累积,有工程应用价值。     

非标准多传感器信息融合下的状态融合估计

给出了标准多传感器观测信息的统一融合模型,在此基础上分析了传感器观测系统参数对最优融合估计性能的影响.针对存在量测系统误差的非标准多传感器融合系统,构建了一种有效的系统误差参数估计模型.此外对传感器问具有不同非线性误差成份的融合系统,提出了一种基于互迭代自适应半参数的状态融合估计算法.该算法通过对非标准多传感器融合模型误差的补偿,利用线性和非线性迭代的方法来提取非线性因素,进而确定状态的最优融合估计.给出了应用该算法的具体步骤,并通过理论分析与仿真实验证明了该算法的有效性.     

多传感器混合多模型估计的记忆分层融合算法

首先提出了两种局部节点交互多模型状态估计的整体先验信息的近似计算方法;其次,为构造全局融合估计的先验信息,给出了基于Dempster Shaffer证据理论的全局模型后验概率的融合方法,并在此基础上给出了全局等效目标运动模型的概念及其计算方法,上述结果使得基于有记忆分层融合算法的交互多模型估计融合成为可能;为利用融合结果改进局部节点的估计性能,首次提出了基于向局部节点反馈全局模型后验概率的融合反馈机制。仿真实验验证了所提分层有记忆交互多模型估计融合算法的有效性,以及引入反馈机制后对局部节点估计性能的改善。     

基于星敏感器的最小二乘估计自主定轨方法

基于星敏感器的航天器自主定轨,不同于基于GPS和跟踪与数据中继卫星系统的自主定轨,它是采用星敏感器对背景恒星的观测资料进行定轨.使用第一类无奇点根数状态微分方程,利用星敏感嚣视场中的多个恒星以及底片坐标,计算视场中心天球坐标的最优估计值,从而建立条件方程,采用最小二乘估计快速确定航天器的轨道.这种方法可以彻底摆脱航天器定轨对地面测控设备的依赖,实现真正的自主定轨.该方法的实现大大降低了航天任务的成本,同时,可缓解地面测控资源的紧张和冲突问题.     

融合位置和姿态信息的模型概率估计

为了利用目标的姿态信息来提高机动目标跟踪的精度,提出一种融合位置和姿态信息的模型概率估计算法。该算法采用模糊关联的方法,实现了基于姿态信息的模型概率估计;根据离散点过程滤波的基本理论,对其进行滤波;采用贝叶斯推理方法,对来自姿态的模型概率和来自位置的模型概率进行了信息融合,并将融合后的模型概率应用到IMM算法。仿真表明,改进的IMM在保持传统IMM实时性的基础上提高了跟踪精度,从而验证了姿态信息对目标跟踪的辅助作用。     

基于双星定位系统的近地卫星定轨精度仿真

通过对测距误差特性的统计分析,建立了用于近地卫星精密定轨的距离和观测数据仿真方法,在此基础上构建了基于卫星动力学方程的精密定轨模型,设计了一种基于数值融合法的精密定轨改进算法和测距系统误差参数估计算法,并进行了六类仿真实验。仿真计算结果表明,基于一天的距离和观测数据仿真计算得到的近地卫星定轨精度可以达到15.98米,与利用其他精密定轨软件系统在相同仿真条件下得到的近地卫星定轨精度基本相当,但该算法避免求解状态转移矩阵,具有计算速度快,稳健性好等特点。     

星载GPS低轨卫星跟踪数据的建模与仿真

在研究星载GPS低轨卫星系统的基础上，建立了星载GPS低轨卫星跟踪数据的仿真模型，编制了相应的计算机程序。仿真模型包括卫星参数模型、动力学模型和观测误差模型。仿真计算表明，卫星参数模型和动力学模型真实地反映了卫星的运动规律；误差模型反映了观测环境对信号的传播影响。同时可以调节和选择仿真模型的参数，仿真采用不同高度、具有不同星体参数的低轨卫星和具有不同误差大小的跟踪数据，这对于论证星载GPS定轨方案、评价定轨算法、设计GPS接收机等有一定的实用价值。     

基于一种增量式一元线性回归模型的自适应逆控制

为受控系统提出了一种简便实用的增量式一元线性回归模型。为了跟踪快时变参数 ,提出了一种滚动多模型加权平均参数估计算法。在参数估计和系统控制的过程中运用智能技术 ,使估值更可靠 ,并形成了以基于该模型的自适应逆控制为主、常规控制为辅的多模态控制方式。仿真结果表明 ,这一控制方式对于控制非线性和时变系统非常有效。     

基于UKF神经网络的姿态测量信息融合算法

针对融合系统建模误差、噪声统计特性不精确性和环境的动态变化性致使传统联合滤波过程中融合权值难以确定,引入人工智能中的神经网络,提出了基于神经网络的多信息自适应智能估计融合算法研究;利用神经网络的自适应能力对状态估计融合结果进行实时辅助补偿和修正,将非线性最优估计与神经网络技术相结合,重点研究了基于UKF的神经元融合权重在线自适应学习算法,以便在缺少准确局部子滤波器协方差信息情况下,仍能使全局估计融合结果最优,从理论上证明了UKF学习算法优于传统EKF学习方法,并以卫星多姿态测量信息融合定姿系统为例,给出了计算实例和结论分析,表明了所提出的模型与算法在实际应用中的有效性。

Abstract：

The fusion weight of traditional Federal Kalman Filter is difficult to be determined because of the fusion system modeling error,the inaccuracy of noise statistic characteristics as well as the dynamic variability in the fusion filtering process.In order to solve this problem,a self-adaptive fusion estimation algorithm for multi-information measurement based on neural networks was presented,which used the self-adaptive ability of neural networks to make real-time compensation and amendment for the state fusion estimation results.Combining a nonlinear optimal estimation with neural network,an online adaptive training algorithm for the weights of neuron based on Unscented Kalman filter （UKF） was researched,which could still realize the optimal fusion for the global estimation even if the accurate covariance information of each local sub-filter were absent.The performances of UKF training algorithm and the traditional EKF algorithm were analyzed and compared,and moreover taking the multi-information fusion system for satellite attitude determination as the experimental example,the simulation calculation and analysis were advanced,which show that the presented models and algorithms are effective in the actual application.     

多星载光学传感器系统误差极大似然配准算法

针对低轨星座协同探测弹道目标过程中存在系统误差的问题,提出多星载光学传感器系统误差极大似然配准（maximum likehood registration,MLR）算法。通过一阶Taylor近似对非线性量测转换线性化,推导出目标状态的误差协方差与卫星轨道定向、姿态角测量和传感器测量等随机误差的关系,并基于视线交叉获得观测在状态空间中的近似投影,从而将MLR算法扩展到低轨星座多光学传感器的误差配准。通过引入各类测量误差的先验信息对目标状态的误差协方差进行修正,利用期望极大化迭代,实现了对系统误差的无偏有效估计及目标轨迹的融合估计。仿真验证了所提算法的有效性,且配准性能优越。     

基于非参数估计的决策融合模型及其应用研究

针对传统bayes决策融合算法中,类条件概率密度的不确定性以及固定的类条件概率密度估计值所引起的融合系统误判,本文将非参数估计方法引入到bayes决策融合算法中,提出了一种改进的bayes决策融合模型。该模型在融合过程中每次进行bayes最大后验概率准则判决后,均判断当前的类条件概率密度是否达到预期的精度,并在未达到预期精度的情况下利用parzen窗算法完成条件概率密度的逐步构造逼近。通过在丰满水电仿真系统的温度故障诊断过程中的实际应用表明,该算法在性能上优于传统bayes方法,可有效地提高诊断判决正确率。