移动卫星通信系统强跟踪姿态估计算法

针对移动卫星通信系统在高动态和强机动等复杂地理环境下,测控系统不能保证天线姿态稳定和指向实时对准的问题,提出了一种量测误差实时渐变的强跟踪姿态估计算法。通过量测误差实时渐变来改善强跟踪滤波中渐消因子突增造成的过调节问题;通过引入多重渐消因子对保证滤波预测方差阵的对称性不被破坏;通过强跟踪滤波提高天线姿态在强机动下的稳定性,增强对突变的跟踪能力。实验仿真表明,该算法在强机动和高动态条件下有较强模型参数失配的鲁棒性和突变情况下的跟踪能力,能有效提高天线姿态在高动态下的估计精度。     

移动卫星通信低成本姿态估计算法

移动卫星通信(动中通)是卫星通信的重要分支,低成本化是动中通的发展趋势。为有效加速动中通的推广和应用,该文提出了基于微机械惯性传感器的低成本动中通工作模式,并将传统姿态估计领域的传感器融合姿态估计算法、互补滤波姿态估计算法与新兴的组合导航姿态估计算法进行了对比,结果表明,侧滑角和机动加速度是限制传感器融合姿态估计算法估计精度的主要因素,航向角可观性低是限制组合导航算法的主要因素。3种算法经过改进后,姿态估计误差均在0.5°内,3种算法均满足移动卫星通信的需求。组合导航算法无需考虑外界干扰对姿态估计的影响,具有更好的应用前景。     

改进自适应UKF在组合导航系统中的应用研究

为了提高组合导航系统的导航精度,将改进自适应UKF滤波算法应用于SINS/GPS组合导航系统中,该组合导航系统为松组合方式。分析了UKF滤波算法的解算步骤,通过分析得出了UKF算法的特点;结合自适应估计原理,将自适应因子引入UKF算法中,得到了应用于组合导航系统的改进自适应UKF算法;通过计算机仿真,得出了组合导航系统的仿真结果,并对2种算法进行了对比分析。仿真结果表明,改进自适应UKF能够抑制组合导航系统初值选取的偏差影响,降低系统状态模型扰动的影响,提高导航精度。     

SINS/GPS全姿态组合导航系统的UKF算法研究

将UKF算法应用于SINS/GPS全姿态组合导航系统,给出了一种GPS测量姿态角的方法,推导了姿态角误差与平台失准角之间的关系,建立了系统的非线性误差模型,设计了UKF滤波器。仿真结果表明,将UKF算法用于SINS/GPS全姿态组合导航系统可以改善系统的可观测性,提高导航精度。     

基于UKF的GPS／MIMU组合导航滤波算法研究

高精度的导航定位是无人机研究中所面临的主要挑战之一。采用GPS／MIMU组合导航是目前主流的导航模式。当前实现GPS／MIMU组合导航的技术主要是卡尔曼滤波。文中将UKF（Unscented Kalman Filter）滤波技术应用于组合导航,建立系统的状态与观测量的非线性模型,在给定初始值和噪声方差阵的情况下进行了仿真。数值仿真表明所设计的卡尔曼滤波器可行,该方法能很好地改善滤波效果,提高了估计精度,同时减小了计算量。     

动中通多传感器融合超球体采样 UKF 姿态估计

针对动中通系统低成本姿态估计计算复杂、易受侧滑角和机动加速度等外界因素干扰的问题,提出一种基于超球体采样无迹卡尔曼滤波算法,融合微机械陀螺、加速度计和单基线 GPS,对载体姿态进行精确估计。为了提高姿态估计的实时性,采用超球体采样减少无迹卡尔曼滤波器的采样点数量,在不影响精度的前提下,有效降低了算法的计算量;此外,加速度计姿态角测量值在加速、转弯行驶过程中会受到机动加速度的影响,为解决这一问题,通过单基线 GPS 提供的速度、侧滑角信息进行机动加速度补偿。行车实验表明,提出的低成本姿态估计方法估计精度较高,在降低成本的同时能够满足宽带移动卫星通信波束对准要求。     

改进的GPS/DR组合导航自适应航向估计算法

为提高GPS/DR组合导航系统航向估计精度,在卡尔曼滤波基础上提出了一种实时调节状态误差方差阵Q、观测误差方差阵R的自适应滤波方法;利用多重判决条件和规则约束,对惯性器件信息和滤波后输出的航向信息进行数据筛选。将此方法与在卡尔曼滤波中常用的Q,R取经验值法和Sage-Husa法进行比较,经实验仿真结果表明该方法能明显提高系统输出的航向精度,可获得更为准确的航向估计结果。     

未知噪声统计的交替估计GPS自适应导航定位算法

本文将噪声统计量的估计与信号状态估计交替进行的算法引入ＧＰＳ定位，计算模拟结果表明效果良好。     

一种简化的车载自适应组合导航算法

为解决复杂路况下车载组合导航系统存在的卫星导航系统信号衰弱、断续导致信号观测性差和组合滤波器稳定性下降甚至发散等问题,采用了一种简化的、易于工程实际应用的车载自适应组合导航算法,利用数据检测方法对卫导原始观测数据进行评估,根据评估结果构造自适应滤波因子,实时更新滤波器量测噪声协方差阵,提高滤波器对观测信息变化的适应能力。通过实际动态跑车试验,表明这种简化的自适应组合导航算法在卫导信号断续情况下,仍能保证3 m(RMS)的定位精度、0.04 m/s(RMS)的测速精度,较常规Kalman滤波定位精度提高近30%,测速精度提高达70%,能满足城市、山区等恶劣场景下车载导航的需求。     

基于改进ESKF和自适应滤波的组合导航算法研究

针对传统滤波算法中忽视了误差方程中的高阶量所引起的导航结果不够准确的问题,提出了一种改进ESKF算法,将基于误差状态建模的滤波算法同EKF相结合。针对组合导航的鲁棒性与适应性,提出了一种将卡尔曼滤波算法与自适应滤波算法相结合的滤波算法,并进行仿真验证。仿真结果表明：当组合导航系统受到较大扰动时,改进算法较传统滤波算法使组合导航系统在经度精度上提高了49.48%,纬度精度上提高了34.21%,有效提高了组合导航系统的精确性和鲁棒性。     

基于扩展卡尔曼滤波的动中通低成本姿态估计

针对动中通系统低成本姿态估计问题,提出了一种基于扩展卡尔曼滤波的姿态估计算法。该算法以四元数作为状态变量,通过融合陀螺、加速度计以及单基线GPS位置和速度信息估计载体的姿态信息。针对载体机动加速度的影响,通过单基线GPS提供的速度信息对载体的机动加速度进行初步补偿;当载体发生转弯时,利用侧滑角补偿法进一步校正。实验结果表明,该算法成功融合了陀螺的短时精确性、加速度计的长时稳定性和GPS精确的测速和定位功能,系统的动态估计精度在±0．5°内,满足了动中通的应用要求。     

基于UKF算法的编队卫星相对导航技术研究

航天器编队飞行协调工作,必须精确确定航天器之间的相对位置和相对速度,即进行编队飞行相对导航。文中应用载波相位差分GPS手段进行编队飞行卫星相对导航设计,采用UKF非线性滤波算法进行相对导航滤波器设计,从仿真结果可以看出此相对导航算法可以达到较高精度,具有实用价值。     

多卫导组合系统的快速选星算法研究

 分析了多卫导组合系统几何精度因子(GDOP)与可见星仰角和方位角的关系,并由此提出了一种适用于多卫导组合系统的快速选星算法,首先提出了选星前后GDOP相对比值随选星数增加的负指数衰减模型,使用户可根据对定位精度的具体需求实时确定所需次优星数,其次基于可见星的仰角将所有可见星进行分类:低仰角区、中仰角区和高仰角区,最后通过可见星方位角的排序、作差,给出了中仰角区被排除卫星的分布规律,实现间接选星.仿真结果表明,该算法相对于传统的选星算法计算量大大减小,并在损失约12%的GDOP值的情况下,可有效减少近50%的导航运算量.     

基于自适应信息融合的导航系统构成与算法研究

由于组合导航系统应用环境的不确定性,给噪声统计特性的准确描述带来困难,这将造成Kalman滤波器不稳定甚至发散,目前常用的解决办法是直接估计系统噪声与量测噪声的方差阵 Q及R ,进行自适应滤波.但方程的增加将使计算量加大、实时性不能保证.本文在对基于信息融合的INS/GPS组合导航系统进行分析和设计的基础上,探讨了通过ARMA模型自适应参数辨识求解可变增益K,从而求出状态估计值的方法,并对辨识误差协方差的防饱和算法进行了研究.计算机仿真结果表明:该算法对提高导航精度和运算速度是行之有效的,所得结论有一定的工程实用价值.     

基于自适应滤波器的MIMU/GPS组合系统的研究

设计了微惯性测量单元/卫星导航(MIMU/GPS)组合导航系统原理样机。针对低成本MIMU/GPS组合导航中的Kalman滤波器设计滤波参数(包括系统噪声方差阵Q和测量噪声协方差阵R)影响的问题,系统的分析了Kalman滤波器参数的选取对系统状态变量的估计精度和收敛性能的影响。根据分析设计了自适应估计技术的Kalman滤波器。试验结果表明:对于低成本MIMU/GPS组合导航采用自适应估计技术估计可得到满意的性能,在静态条件下,位置精度优于5 m(标准差),速度精度优于0.1 m/s;系统提供水平姿态角精度优于0.2°;航向角精度优于0.5°(磁罗盘辅助)。     

UKF强跟踪滤波在组合导航故障诊断中的应用

针对组合导航系统故障诊断,在强跟踪滤波理论的基础上,对无迹卡尔曼(UKF)强跟踪滤波法进行了研究.UKF强跟踪滤波法兼具UKF和强跟踪滤波器的优点:较强的处理非线性问题的能力和强跟踪能力.最后,将该方法应用于组合导航系统故障诊断,设置不同的故障模式,与强跟踪滤波法进行了对比仿真研究.从仿真结果可看出,两种方法对硬故障的灵敏度接近,UKF强跟踪滤波法对软故障的灵敏度明显高于强跟踪滤波方法.由此证明UKF强跟踪滤波器对于突变状态具有强跟踪能力,对于缓变故障具有优于其他方法(强跟踪滤波)的敏感能力,提高了组合导航系统的精度、可靠性和安全性,可应用于工程实际.     

一种用于InSAR/INS组合导航的姿态角反演方法

平台的姿态信息对导航十分重要,但合成孔径雷达辅助惯导系统无法获得平台的姿态信息,单天线GPS（Global Positioning System）无法完成姿态测量的需求.针对以上问题提出基于条纹匹配的干涉合成孔径雷达辅助惯导的组合导航方法,该导航方法中干涉合成孔径雷达系统对平台的姿态角比较敏感,可以高精度地反演平台的姿态信息.本文通过分析平台的姿态误差对定位误差的影响,建立姿态角反演模型,根据条纹匹配得到的定位偏移结果,利用Levenberg-Marquardt（LM）算法求解非线性方程组完成平台姿态角的反演.最后通过仿真和干涉合成孔径雷达实际数据验证了姿态角反演模型的有效性.     

UKF在GPS/INS伪距、伪距率组合导航中的应用

扩展卡尔曼滤波（EKF）是GPS／INS组合导航系统中常用的数据融合方式。但是EKF的线性化会带来截断误差,从而影响系统定位精度。不敏卡尔曼滤波（UKF）是一种新的非线性滤波的方法,它能减少线性化截断误差对系统定位精度的影响。文中在线性状态方程的条件下,主要研究了伪距、伪距率的非线性对系统定位性能的影响。UKF采用非线性观测方程,EKF采用线性观测方程。仿真结果表明UKF能明显改善位置项的定位精度。