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.     

CDKF方法在外辐射源单站无源目标跟踪中的应用

针对外辐射源单站无源目标跟踪精度问题,将一种基于Sterling内插公式的新的非线性滤波算法-中心差分卡尔曼滤波算法(central difference Kalman filter,CDKF)应用到系统中.仿真结果表明,与传统的扩展卡尔曼滤波算法(extended Kalman filter,EKF)相比,CDKF具有更高的定位精度,且不需要计算Jacobian矩阵,更易实现;而与无迹卡尔曼滤渡算法(unscented Kalman filter,UKF)相比,CDKF只有一个待优化的比例参数,参数的选择更加方便,且定位精度更高,所需运算时间更少.     

传递对准MRP-CDKF算法

基于主、子惯导系统传递对准受控角运动和修正Rodrigues参数(MRP)的三参数描述姿态运动最小实现特点,建立了主、子惯导系统传递对准MRP非线性误差模型.根据四元数加权均值计算方法以及MRP与四元数关系,实现MRP的间接加权均值计算;根据MRP乘法定义实现MRP预测误差方差矩阵求解,进而建立修正Rodrigues参数-中心差分卡尔曼滤波(MRP-CDKF)算法.利用该算法对MRP非线性传递对准误差模型进行研究,结果表明:该算法的姿态失准角估计误差都能在10s之内收敛到0′附近;考虑杆臂向量与不考虑杆臂向量时的系统速度误差在±0.1m/s内.     

CDKF 算法在四旋翼飞行器组合导航系统中应用

针对基于四旋翼无人飞行器的组合导航系统在小失准角情况下滤波器较短时间内发散的问题, 将中心差分卡尔曼滤波算法应用于低成本的组合导航系统中, 设计了飞行器组合导航系统的硬件电路。该系统采用MPU-6050 芯片作为飞行器姿态传感器, 选用u-Blox 公司的NEO-6M 模块获取GPS(Global Positioning System)信号, 并利用中心差分卡尔曼滤波算法实现多传感器的数据融合, 从而获取导航信息。在四旋翼无人飞行器平台上对该系统进行实验的结果表明, 该导航系统能有效抑制传感器噪声, 克服了陀螺仪的漂移现象, 避免了传统EKF((Extended Calman Filter) )算法近似程度不高, 易导致解算结果发散等问题的发生, 为飞行器提供了准确的导航信息。     

一维干涉仪体制运动单平台定位算法和仿真分析

先前的相位差变化率定位方法中不仅需要相位差变化率参数,还需要获取方位和俯仰信息,而这通常需要利用二维相位干涉仪来实现,在一定程度上增加了平台的载荷负担.针对航空平台ESM设备普遍采用一维相位干涉仪的实际情况,提出了一维干涉仪体制下的运动单平台无源定位算法,该算法通过采用圆锥向角代替方位和俯仰角并与相位差变化率及目标高程先验组合即可实现对目标的瞬时定位,利用Monte-Carlo仿真实验计算和分析了算法的定位误差,得到了干涉仪安装方式和平台姿态模式的优化原则,分析了目标先验高程误差对定位精度的影响.针对测量精度较低的情况,引入中心差分滤波算法对累积测量进行处理以提高定位跟踪精度.研究表明,这些有益结论可以为系统的设计和工程应用提供理论指导.     

CDKF方法在外辐射源单站无源目标跟踪中的应用

针对外辐射源单站无源目标跟踪精度问题,将一种基于Sterling内插公式的新的非线性滤波算法—中心差分卡尔曼滤波算法(central difference Kalman filter,CDKF)应用到系统中。仿真结果表明,与传统的扩展卡尔曼滤波算法(extended Kalman filter,EKF)相比,CDKF具有更高的定位精度,且不需要计算Jacobian矩阵,更易实现;而与无迹卡尔曼滤波算法(unscented Kalman filter,UKF)相比,CDKF只有一个待优化的比例参数,参数的选择更加方便,且定位精度更高,所需运算时间更少。     

Maneuvering target tracking algorithm based on CDKF in observation bootstrapping strategy

The selection and optimization of model filters affect the precision of motion pattern identifica-tion and state estimation in maneuvering target tracking directly.Aiming at improving performance of model filters, a novel maneuvering target tracking algorithm based on central difference Kalman filter in observation bootstrapping strategy is proposed.The framework of interactive multiple model ( IMM) is used to realize identification of motion pattern, and a central difference Kalman filter ( CDKF) is selected as the model filter of IMM.Considering the advantage of multi-sensor fusion method in improving the stability and reliability of observation information, the hardware cost of the observation system for multiple sensors is adopted, meanwhile, according to the data assimilation technique in Ensemble Kalman filter( EnKF) , a bootstrapping observation set is constructed by in-tegrating the latest observation and the prior information of observation noise.On that basis, these bootstrapping observations are reasonably used to optimize the filtering performance of CDKF by means of weight fusion way.The object of new algorithm is to improve the tracking precision of ob-served target by the multi-sensor fusion method without increasing the number of physical sensors. The theoretical analysis and experimental results show the feasibility and efficiency of the proposed algorithm.