基于扩展卡尔曼滤波的卫星组合姿态确定物理仿真技术研究

针对未来卫星应用的高精度、高可靠性定姿技术需求,设计了卫星单轴组合姿态确定物理仿真系统;采用太阳敏感器和光纤陀螺组合定姿模式,提出了一种扩展卡尔曼滤波组合姿态确定算法,用C语言进行了实验软件设计,系统采用DSP为处理器,还设计了多敏感器数据采集扩展接口;物理仿真实验结果:姿态确定精度优于0.5°;陀螺常值漂移估计的平均值为3.625758e-4°/s,证明了组合姿态确定算法的有效性和该项技术对工程应用的可行性。     

确定卫星姿态的一种非线性算法

本文在稳态卡尔曼滤波算法中引入非线性项,改进了算法的性能。思路是在姿态确定误差较大时,使得非线性滤波算法等价于具有较大滤波增益的稳态卡尔曼滤波器。理论分析和仿真结果表明在保证同样稳态估计精度的情况下,与稳态卡尔曼滤波算法相比较,非线性滤波算法具有更快的收敛速度。     

基于MEMS传感器的微型姿态确定系统研究

针对捷联式姿态确定系统误差随时间积累的缺点,设计了一种由MEMS陀螺、加速度计及微磁强计组合的姿态确定系统。采用Allan方差方法分析了陀螺随机误差,通过建立姿态误差四元数微分方程和磁强计线性化测量方程,设计了姿态估计卡尔曼滤波器。系统采用实际测量值进行姿态解算,结果表明这种组合能够有效抑制传感器随机漂移引起的姿态误差,系统具有体积小、成本低、性能可靠等优点。     

噪声统计特性不确定下的卫星姿态估计

姿态确定算法是卫星姿态确定系统的重要组成部分。在姿态确定系统中广泛采用卡尔曼滤波作为姿态确定算法，但是卡尔曼滤波依赖于噪声统计特性的先验知识，采用不精确的噪声统计特性设计卡尔曼滤波器可能会导致较大的估计误差，甚至造成滤波发散。本文针对噪声统计特性的不确定性分别采用了自适应卡尔曼滤波器和预测滤波器估计卫星姿态，通过数学仿真验证在噪声统计特性不确定的情况下。这两种滤波器仍然可以较精确地估计卫星姿态。     

捷联系统姿态算法的漂移误差研究

本文对姿态计算四元数方法进行了研究，通过对计算矩阵的Ｕ－Ｓ分解，清楚地表达了不同算法的标准误差，歪斜误差和漂移误。     

UKF与EKF在卫星姿态估计应用中的比较

针对卫星的姿态和角速度估计问题,分别给出基于Unscented卡尔曼滤波(UKF)与推广卡尔曼滤波(EKF)的估计算法,并做了相应比较.为了避免欧拉角带来的奇异问题,UKF选用Rodrigues参数而EKF选用四元数参数法来描述姿态误差.考虑卫星的非线性模型,UKF采用Unscented变换而EKF采用线性化方法对姿态误差进行估计.利用陀螺和磁强计的测量信息,KF和EKF都可得到三轴稳定卫星的姿态估计值,但UKF的收敛速度高于EKF.数值仿真结果表明,当初始姿态存在大偏差时,所给出的UKF的滤波算法性能明显优于EKF.     

基于陀螺/星敏感器的微小卫星姿态确定方法研究

在热备份的余度配置陀螺与星敏感器的组合定姿中,典型的三轴正交陀螺与星敏感器姿态确定算法受到限制;现以某微小卫星姿控系统为对象,设计了热备份的四陀螺系统与星敏感器组合定姿方法;数据处理时,利用最小二乘法将四陀螺测量系统构建为一个虚拟三轴正交陀螺,再将虚拟陀螺与星敏感器组成卡尔曼滤波器;该方法和典型的三正交陀螺与星敏感器组合定姿结构相同,实现简单,且在一陀螺发生故障时,能在不改变滤波器结构的情况下实现对故障陀螺的屏蔽;仿真验证了该方法的有效性。     

基于补偿卡尔曼滤波的姿态估计算法实现

九轴的姿态测量单元包括加速度计、磁力计和陀螺仪,它采用微机电加工工艺,价格低廉但精度较差.为了获得更好的滤波稳定性和估计精度,基于补偿卡尔曼滤波原理,讨论了姿态估计算法的实现.具体过程如下:基于补偿卡尔曼滤波原理,讨论九轴测量信息的融合方法;利用加速度计和磁力计估算姿态初始值;使用手动转台实现静态标定,纠正零偏;使用高精度陀螺仪STIM210实现动态标定,设置滤波系数.结果表明,估计算法具有良好性能.     

基于Kalman滤波算法的姿态传感器信号融合技术研究

针对应用三轴陀螺仪和三轴加速度传感器的四旋翼飞行器姿态角测量问题,提出了基于Kalman滤波算法的姿态传感器信号融合方法。该方法将陀螺仪输出的角速度误差作为时变误差处理,认为陀螺仪输出的角速度误差与其所测角速度及上一时刻的角速度输出误差相关,并据此建立陀螺仪测量线性方程,在此基础上,应用Kalman滤波算法,以加速度计输出的姿态角对陀螺仪测量的姿态角进行修正,从而达到姿态角准确测量的目的。实验结果表明：应用Kalman滤波算法对加速度传感器和陀螺仪信号融合后可有效消除姿态角测量累积误差并显著改善姿态角测量的动态特性。     

互补滤波和卡尔曼滤波的融合姿态解算方法

针对捷联惯性测量单元(IMU)噪声大、精度低的缺点和常规的姿态解算算法精度不高等问题,提出了一种互补滤波和卡尔曼滤波相结合的融合算法.该算法基于姿态角微分方程建立系统的状态方程模型,利用互补滤波后的姿态角作为系统的观测量,再应用扩展卡尔曼滤波(EKF)算法融合了陀螺仪、加速度计和电子罗盘的测量数据.为验证该算法有效性,用带有传感器的开发板依次进行静态和动态测试,实验结果表明:结合了互补滤波和卡尔曼滤波的融合算法,在静态时能够抑制姿态角漂移和滤出噪声,在动态时能够快速跟踪姿态的变化,提高了姿态角的解算精度.     

Star-sensor-based predictive Kalman filter for satellite attitude estimation

A real-time attitude estimation algorithm, namely the predictive Kalman filter, is presented . This algorithm can accurately estimate the three-axis attitude of a satellite using only star sensor measurements. The implementation of the filter includes two steps: first, predicting the torque modeling error, and then estimating the attitude. Simulation results indicate that the predictive Kalman filter provides robust performance in the presence of both significant errors in the assumed model and in the initial conditions.     

IEKF滤波在移动机器人定位中的应用

针对EKF中观测噪声方差估计不准确导致滤波器性能下降甚至发散的问题,提出了基于环境特征的迭代扩展卡尔曼滤波(IEKF)融合算法。该算法融合了里程计采集的机器人内部数据和激光雷达传感器采集的外部环境特征,在测量更新阶段多次迭代状态估计值并对机器人的位姿进行修正,减少了非线性误差,提高了定位精度。     

Sigma-Point直接式卡尔曼滤波惯性组合导航算法

基于西格玛点采样加权的方法,以姿态、速度和位置等9个导航参数为状态向量,以卫星导航系统的速度和位置组成6维观测向量,构建直接式卡尔曼滤波器,融惯性导航系统求解和状态估计的过程为一体,直接描述系统导航参数动态过程.仿真结果验证了惯性组合导航Sigma-Point直接式滤波方法的有效性,表明该非线性直接式滤波方法可提高惯性组合导航系统的导航精度和对飞机、导弹等载体非线性机动过程的适应性.     

EKF和互补滤波器在飞行姿态确定中的应用

设计了一种旋翼飞行姿态参考系统,采用基于加速度计和陀螺仪的惯性测量组合(IMU)测量飞行姿态数据。采集实测数据并运用Allan方差分析法分析其噪声特性,建立传感器模型;针对旋翼飞行器分别应用经典扩展Kalman滤波(EKF)算法和互补滤波算法进行姿态解算。在详细阐述2种算法的原理与实现的基础上,进行飞行器平台实验验证。研究结果表明2种算法均有效,且互补滤波器相对经典Kal-man滤波器更为简单、有效。     

微机电系统姿态估计系统算法与仿真

结合陀螺仪、加速度计误差模型,实现了以微机电系统(MEMS)陀螺仪与MEMS加速度计为基础的姿态估计硬件仿真系统,可用于模拟任意噪声强度和安装偏差下三轴捷联惯导系统(INS),即按照给定运动曲线仿真输出陀螺仪与加速度计数据,为设计姿态估计算法提供仿真验证平台.同时,以姿态四元数为状态变量,载体俯仰角与横滚角为观测值设计了基于扩展卡尔曼滤波器(EKF)的姿态估计算法,俯仰角估计误差小于0.04°,横滚角估计误差小于0.05.,偏航角漂移速度0.01(°)/s.     

一种基于卡尔曼滤波的超宽带室内定位算法

为了减小室内环境中障碍物对超宽带(UWB)传感器测距结果的影响,提出了一种基于卡尔曼滤波(KF)的超宽带室内定位算法.利用超宽带接收信号的信噪比区分视距和非视距环境,给出了超宽带传感器测距性能最小二乘标定模型,减小测距系统误差;判断相邻测距差分是否在阈值范围内,否则用卡尔曼滤波先验估计替代后验估计处理测距结果,由此减弱多径效应和非视距误差对测距的影响;用扩展卡尔曼滤波器(EKF)实现室内定位.实验结果表明:算法在复杂室内环境中可达到亚米级的动态实时定位精度.     

多新息抗差-自适应卡尔曼滤波定位算法研究

针对移动机器人在定位过程中,由传感器测量误差和机器人模型引起的位姿误差导致系统定位精度急剧下降的问题,提出了一种多新息卡尔曼滤波算法.在标准卡尔曼滤波的基础上,当传感器测量值存在误差时,引入抗差权因子,通过改变误差测量值的权值提高滤波器的估计精度;当机器人位姿存在误差时,引入自适应因子,通过调整状态协方差矩阵的大小抵制位姿误差引起的滤波发散.同时,引入了多新息,即多个时刻的新息向量,进一步提高此非线性系统的精度.实验表明:当存在测量误差和位姿误差时,该滤波算法能有效提高定位精度.     

基于Kalman滤波的ECT图像重建算法

由于测量环境等因素的影响,实测数据往往带有噪声。为此,应用Kalman滤波算法进行电容层析成像（ ECT）系统图像重建,在归一化电容值中加入不同程度的噪声信号,利用噪声的统计特性进行测量值滤波,最终得到图像灰度值。在三种流型下与Landweber迭代算法进行了仿真比较,并在ECT实验装置上进行了静态实验。仿真与实验结果表明：Kalman滤波去噪效果优于Landweber迭代算法。