基于MME准则估计卫星姿态的非线性滤波算法

结合矢量观测的特点，基于最小模型误差准则给出了一种确定卫星姿态的实时估计算法，称为预测滤波算法。该算法利用矢量观测信息，对动力学方程中的力矩模型误差进行预测，并利用预测值修正动力学模型，从而准确地估计卫星的三轴运动姿态，同时能获得角速度估计值。通过误差观测矢量的建立，进一步提出了能够简化准则函数的修正预测滤波算法。仿真结果证明，预测滤波算法及其修正算法克服了扩展卡尔曼滤波器的不足，能够有效地解决存在显著模型误差情况下的非线性估计问题。     

基于TAM的卫星角速度粒子滤波估计算法

针对带有三轴磁强计(TAM)的低轨对地卫星非线性模型的角速度估计问题,提出一种新的基于粒子滤波(PF)的卫星角速度估计算法.该算法不需要地磁场模型矢量和卫星姿态信息,只依靠TAM测量输出和PF滤波方法来解决角速度估计问题,取得了较高的估计精度.同时,为解决转动惯量参数可能存在未建模特性的问题,采取了双PF滤波器既估计角速度又估计转动惯量参数,从而避免由于状态高维数而引起的PF算法的计算量过大问题.考虑到采用粒子滤波估计转动惯量参数的特殊性,引入参数估计的核光滑(Kernel smoothing)方法,进而提高了转动惯量参数估计的精度,减少了转动惯量的不确定性对角速度估计精度的影响.最后,在不同参数的情况下,与EKF角速度估计方法进行比较,结果体现所提算法在解决角速度估计问题的优越性.     

基于卡尔曼滤波和互补滤波的改进型姿态解算方法

四元数融合互补滤波通常采用三轴陀螺仪的角速度积分来获取角度,进而利用角度求得四元数,再由四元数解算出姿态角。但三轴陀螺仪由角速度积分得到的角度由于温漂、单次迭代等原因,往往偏差较大,难以消除,这就导致求得的四元数精度不够,最终影响互补滤波解算出的姿态角的精度。针对这个问题,提出采用卡尔曼滤波融合陀螺仪、加速度计的数据进行基于误差协方差最小的迭代估计,并通过对过程噪声和观测噪声的滤波,最终得到姿态角的最优估计,再将这个估计值代入互补滤波中求得四元数,利用该四元数进行误差负增益调节。本工作基于STM32F4搭建实验平台进行验证,结果表明:该改进型姿态解算方法明显地提高了姿态角的精度,具有良好的动态和静态特性。     

基于卫星姿态敏感器和星载天线信息的联合姿态确定方法

为提高姿态估计的速度和精度,提出一种利用星载天线信息进行姿态确定的新方法。研究分析了天线接收信号中可以用于卫星姿态确定的信息,推导并建立了由误差四元数表示的天线测量残差线性模型。基于卫星姿态敏感器的测量残差模型和天线测量残差模型,组建了陀螺/红外地平仪/太阳敏感器/天线新型联合姿态确定系统,最后利用集中式测量融合滤波对卫星姿态进行估计。仿真结果表明,天线信息的引入可以显著提高姿态确定的精度,并使整个系统的收敛速度有明显提高。     

二阶插值非线性滤波在卫星姿态确定中的应用

基于多项式插值近似,导出了具有良好实时性能的二阶插值非线性滤波算法,并将该算法应用于星光-陀螺模式下三轴稳定卫星的姿态确定中.这种姿态估计算法的实现非常简单,其运算量与传统的扩展卡尔曼滤波姿态估计算法相当,但滤波性能却与基于二阶泰勒级数近似得到的非线性姿态估计算法一致;而且,在二阶插值非线性姿态估计算法中,避免了由四元数正交约束所造成的协方差阵奇异性问题.     

用CMAC预测红外图像的目标轨迹

为了有效地提高目标的捕获概率,进行红外图像目标跟踪时,必须预测目标的质心和姿态.采用CMAC估计器可以有效地解决常用预测算法运算量与预测精度之间的矛盾.CMAC估计器先用线性模型进行训练,然后预测目标的质心和姿态.CMAC每帧用实际误差训练一次,以减少其预测误差.CMAC具有很高的预测精度,且运算量少,适应目标跟踪的实时处理.实验表明:CMAC能精确预测目标的质心和姿态,适应模型变化,具有鲁棒性.     

基于线性多尺度模型的计算机网络数据流量预测

为了解决网络安全监控问题,提出了一种用于预测网络流量的算法.通过多个不同尺度的线性模型进行网络数据的组合预测,每个尺度的线性模型由经过滤波器滤波后的部分原始数据估计得到,最终的预测流量数据由多个尺度线性模型的平均预测值得到.选择的线性模型为自回归滑动平均模型,且尺度较小的线性模型对应自回归滑动平均模型的阶数较高.结果表明,本算法的预测精度高,整体预测误差的均值在10-3量级.     

基于扩展Kalman滤波的汽车行驶状态估计

介绍了一种应用扩展Kalman滤波技术估计车辆行驶状态的控制算法。该算法以非线性三自由度车辆模型为基础,对汽车在行驶过程中的横摆角速度、纵向车速和质心侧偏角分别进行了估计。为验证该算法的准确度,将估计获得的状态值与实车场地实验测得的数据进行了比较。比较结果说明,应用扩展Kalman滤波算法能够较为准确地估计出车辆的横摆角速度、纵向车速和质心侧偏角。     

基于随机跳变滤波的天线罩误差修正

针对天线罩误差斜率问题,建立了视线角速度估计模型,基于结构随机跳变系统最优滤波理论,提出了一种新的天线罩误差斜率修正的视线角速度估计算法;考虑算法的实时性和快速性,同时推导了两种简化算法.仿真结果表明天线罩误差斜率在较大范围内随机变化时,3种算法都能实时地对天线罩误差进行修正,能够准确地估计视线角速度,明显减小导弹脱靶量.但3种算法都具有不同的计算复杂度和精度,在实际应用中可根据计算时间和内存大小不同的需要选择合适的算法,以满足工程需要.     

视觉和IMU融合的移动机器人运动解耦估计

针对视觉里程计(VO)因累积误差导致运动姿态估计存在的偏差,提出实时扩展卡尔曼滤波器姿态估计模型,利用惯性测量单元(IMU)结合重力加速度方向作为垂直方向参考,对视觉里程计航向、俯仰和侧倾3个方向姿态估计进行解耦,修正姿态估计的累积误差;根据运动状态采用模糊逻辑调整滤波器参数,实现自适应的滤波估计,降低加速度噪声的影响.实验采用高精度的全站仪作为真值,并结合多种地形环境,实验结果表明：50 m内跟踪的累积误差低于0.3 m,有效地提高了视觉里程计的定位精度和鲁棒性.     

面向三轴气浮台的室内星敏感器定姿方法

为解决三轴气浮台垂直于地面转轴转角(偏航轴转角)难以精确测量的问题,提出了使用室内星敏感器进行三轴姿态角测量的方法.考虑到室内星敏感器与在轨星敏感器工作环境的区别,基于在轨星敏感器姿态测量方法对室内星敏感器姿态测量方法进行了研究与改进.在建立室内星敏感器姿态测量模型的基础上,采用迭代算法寻优得到三轴台高精度的三轴姿态.针对迭代算法对初始值要求较为严格的情况,采用粒子群优化算法寻优得到初始姿态矩阵.数学仿真结果验证了室内星敏感器测姿方法能够在快速测量3个转轴转角的基础上,提高偏航轴转角的精度.     

自适应平方根中心差分卡尔曼滤波算法在捷联惯性导航系统大方位失准角初始对准中的应用

提出了一种自适应平方根中心差分卡尔曼滤波(ASRCDKF)算法,并应用于捷联惯性导航系统(SINS)大方位失准角初始对准中。ASRCDKF算法以中心差分变换为基础,基于平方根滤波能够克服发散的思想,利用协方差平方根代替协方差参加递推运算,并将自适应估计原理引入该算法中,不仅克服了扩展卡尔曼滤波产生线性化误差和计算雅可比矩阵的不足,而且减小了计算量,保证了数值稳定性。同时,ASRCDKF算法解决了传统滤波算法过度依赖系统动态模型和噪声统计特性先验知识的问题。最后通过滤波仿真证明了ASRCDKF算法在SINS大方位失准角初始对准中的有效性和优越性。     

基于粒子滤波和UKF联合滤波的卫星姿态估计

针对矢量观测的三轴稳定卫星的姿态估计问题,提出了基于粒子滤波(PF)和Unscented卡尔曼滤波(UKF)的一种联合滤波方法.为了避免粒子滤波的状态高维数引起的计算量过大、难收敛等问题,采用UKF滤波来估计陀螺的漂移,从而使粒子的数量大大减少,以较少的运算量获得较好的滤波效果.另外,通过定义增量误差四元数和采用无冗余的广义罗德里格参数(Generalized Rodrigues Param eters)(三参数)描述卫星姿态,使四元数的归一化处理是隐含的,从而解决了四元数的归一化所造成的协方差阵奇异问题.将该方法应用于某型号卫星的姿态估计,并与UKF相比,即使在较大初始姿态误差情况下,算法也能很快地收敛,验证了所设计的姿态估计算法是可行有效的.     

Monocular Vision Based Relative Localization For Fixed-wing Unmanned Aerial Vehicle Landing

基于单目视觉的固定翼无人机自主着陆定位研究

许彧文,曹云峰,张洲宇

（南京航空航天大学 航天学院, 南京 210000）

中文说明：

近年来,无人机自主着陆技术已成为无人机导航、制导与控制系统的核心技术。为解决自主着陆过程中固定翼无人机与跑道之间基于视觉的相对位置和姿态估计问题,本文利用机载相机拍摄的序列图像,通过边缘检测的方式获取跑道角点信息,进一步基于正交迭代算法确定六自由度的位姿参数：首先基于频域残差对图像进行显著性分析,通过连通域标记和候选框筛选估计跑道所在的感兴趣区域;然后在感兴趣区域中提取跑道的边缘直线,由于着陆末端跑道纵向边缘具有明显的长度和相位特征,在利用霍夫变换定位纵向边缘的基础上,结合跑道平面梯度信息估计横向边缘位置,解决了传统的霍夫变换计算耗时,且难以检测端点的问题;最后将角点图像坐标作为输入,通过线性算法获取旋转矩阵初值,在此基础上以目标空间误差为误差函数,通过正交迭代优化参数估计结果,图像点坐标误差较小时,该方法相比线性算法精度明显提升,且具有良好的实时性。

关键词：自主着陆,视觉导航,感兴趣区域,边缘检测,正交迭代

     

基于ARM与Linux的姿态角测量系统的研制

选取旋转矢量算法作为姿态角测量系统的姿态矩阵更新算法.针对三子样算法采样周期长的特点,提出了重复使用采样数据的方案以保证系统的实时性.选取陶瓷静电陀螺仪CG-L53为角速率传感器,设计了以AT89S51为MCU的信号采集板,搭建了以ARM芯片为CPU的计算机平台,完成了系统各模块的软件设计.仿真测试结果表明,系统能较稳定地输出姿态角信息.     

Research on in-light alignment error model based on quaternion and rotation vector

Euler angle error model,rotation vector error model(RVE)and quaternion error model(QE)were qualitatively and quantitatively compared and an in-flight alignment filter algorithm was designed.This algorithm used extended Kalman filter(EKF)based on RVE and QE separately avoiding the accuracy problem of the Euler angle model and used Rauch-Tung-Striebel(RTS)smoothing method to refine the accuracy recuperating the coning error for simplified RVE.Simulation results show that RVE and QE are more adapt for nonlinear filter estimation than the Euler angle model.The filter algorithm designed has more advantages in convergence speed,accuracy and stability comparing with the algorithm based on the three models separately.     

非主断面观测站求解边界角和移动角的新方法

由非主断面观测站求取主断面上的边界角和移动角,目前采用等权最小二乘估计求参后反求,由于厚松散层失水等因素的影响及概率积分法具有边界收敛快的特点,所求边界角和移动角的精度得不到保证。从修正随机模型的角度,采用加权最小二乘估计求参。通过实例,从下沉残差序列、临界变形值和残差中误差等方面分析了等权和加权的拟合效果,得出等权估计的整体拟合效果优于加权估计,加权估计能有效提高求取边界角和移动角的精度的主要结论。     

子平台惯导系统在动基座上传递对准的研究

以舰载导弹中的平台惯导系统为子平台惯导系统，论述了在子平台经粗对准后，精确估算其姿态误差角、目标方位误差角、漂移率的方法，对速度传递和姿态角度差传递的两种估算方法进行了理论推导和仿真计算。讨论结果表明，姿态角度差传递估算法不但可解决多个未知量的求解问题，而且能自动消除姿态角传感器误差对估算的影响，这成为本文的新见解。     

基于捷联惯性导航的室内定位系统研究

基于捷联惯性导航的室内定位系统是综合运用MPU6050陀螺加速度计模块、HMC5983三轴电子指南针模块和蓝牙模块来实现定位. 系统以STM32单片机为控制核心,依此算出四元数和旋转矩阵,并利用卡尔曼滤波算法计算最优姿态角,在此基础上获取载体在导航坐标系中的运动加速度,通过对加速度的两次积分计算出载体在导航坐标系中的位置信息. 为了克服惯性导航固有的不可消除的积累误差,布设关键通信节点,采用局部蓝牙通信定位,并通过加权平均融合对位置信息做出修正,提高了定位系统的定位精度.