拦截卫星相对导航算法研究

空间攻防中,拦截卫星相对目标卫星导航参数的确定,对拦截卫星的拦截轨道设计十分重要.本文针对目标卫星轨道为椭圆轨道且拦截卫星存在机动的情况,研究了拦截卫星的相对导航算法.首先,推导了目标卫星轨道为椭圆轨道时拦截卫星的相对运动方程,并根据星间测量几何关系推导了测量方程;其次,通过引入拦截卫星的机动加速度并考虑其控制误差,设计了改进的扩展卡尔曼滤波器,以提高拦截卫星的相对导航精度;最后,通过仿真验证了算法的有效性,并获得了较好的相对导航精度.     

自适应TSKF的空间电推进机动目标跟踪

非合作机动目标跟踪是地球静止轨道卫星进行状态监测、维修维护等复杂航天任务的前提.出于推进效率考虑,下一代高轨卫星将优选全电推进配置,但电推进的连续小推力机动特性致使基于CW方程的经典非合作目标跟踪算法期望有偏,两段状态估计法在稳态估计性能与机动跟踪响应间存在矛盾.为了解决电推进下对机动目标的快速跟踪估计问题,采用滤波误差理论对经典算法性能衰减因素进行分析,得到机动加速度至滤波新息的转移矩阵演变特性,进而提出一种自适应变维两段状态估计法.改进方法基于目标机动检测信息修正偏差滤波器的观测阵以匹配上述演变特性,使其在目标非机动区间性能与经典相对导航跟踪算法等效,在机动区间性能与两段状态估计算法等效,同时具备更快的跟踪响应特性.仿真结果表明,本算法对非合作目标的稳态跟踪性能与传统经典算法一致,跟踪响应速度提升4~5倍,是对空间非合作机动目标连续小推力机动下跟踪问题的有益探索.     

一种参数自适应变化的强机动目标跟踪算法

针对强机动目标跟踪模型难以准确匹配以及跟踪滤波器容易发散的问题,提出一种基于参数自适应变化的强机动目标跟踪算法。对"当前"统计Jerk(improved Jerk model based on current statistics,CS-Jerk)跟踪模型中的机动频率及加速度变化率的极大值进行自适应处理,同时将强跟踪滤波器(strong tracking filter, STF)中的单重时变渐消因子调整为自适应变化的多重时变渐消因子,从而实现对强机动目标更高精度的跟踪。仿真实验结果表明,该算法提高了对强机动目标的跟踪精度。     

螺旋机动目标建模与跟踪滤波器设计

建立了一种描述弹道导弹作圆锥形螺旋机动的三维耦合运动数学模型.根据目标进行圆锥形螺旋机动的两种运动模式,得出了两种模式下具有相同形式的描述目标运动的状态方程,此运动状态方程是线性的且只与目标机动频率相关.进而给出了该状态方程的离散化形式,以及通过坐标转换关系,设计此类螺旋机动目标的跟踪滤波器的方法.最后通过导弹拦截实例仿真,验证了本文所提出的方法具有良好的目标跟踪效果.     

模糊化模型概率的IMM-SUPF机动面目标跟踪

为了提高跟踪系统对水面机动目标的跟踪能力,本文将水面目标建模为椭圆形面目标,提出一种基于交互多模型(interacting multiple model, IMM)算法的机动面目标跟踪方法。首先,利用现代高分辨率雷达获得的面目标扩展测量,给出了基于面目标的跟踪测量方程。其次,将强无迹粒子滤波(strong unscented particle filter, SUPF)算法引入到IMM中得到IMM-SUPF。该SUPF利用强跟踪无迹卡尔曼滤波(strong tracking unscented Kalman filter, STUKF)产生粒子建议分布。由于STUKF采用渐消因子调整UKF的状态模型协方差和观测模型协方差的比例,使得建议分布更符合真实状态的后验概率分布,从而提高了IMM算法中子模型滤波器的估计精度。最后,基于模糊隶属度函数对粒子的模型概率进行模糊化,从而在提高真实模型滤波器中粒子模型概率的同时减小非匹配模型滤波器中粒子模型概率,进而提高了IMM算法的估计融合精度。Monte-Carlo仿真实验表明,相比于传统的基于质点目标的IMM-UPF算法,文中所提的基于面目标的IMM算法跟踪精度更高,且所提算法的误差超调量更小,收敛更快。此外,所提面目标IMM算法的跟踪精度也要高于面目标IMM-UPF算法。针对水面机动目标跟踪问题,不同于传统的质点目标IMM算法,文中将水面目标建模为椭圆形面目标,并利用面目标扩展测量信息设计了模糊化模型概率的IMM-SUPF算法。该算法进一步提高了跟踪系统对水面机动目标的跟踪能力。     

航天器轨道机动策略研究

通过分析追踪飞行器（追踪器）与目标飞行器（目标器）在空间的相对位置关系，给出攻击目标器时追踪器不同的轨道机动方式。基于共面情况下的3种轨道机动方式，提出了追踪器的5种轨道机动策略，并针对各个机动策略建立了相应的数学模型，对追踪器的机动能量和时间消耗进行了计算分析，确定了在不同轨道高度及相位时追踪器打击不同轨道高度目标器的最优轨道机动策略。     

基于STK的轨道机动视景仿真技术研究

随着空间平台相关应用的推进,其轨道机动技术已经成为研究的重点．为此在研究和分析卫星轨道机动原理的基础上,针对卫星执行特殊任务的需求,对卫星飞行轨道进行了分析与控制,使其能够根据需求进入目标轨道完成指定的任务,并利用STK分析模块提供的数据信息,进行了卫星变轨视景仿真的设计与实现,为未来空间机动平台应用能力的进一步研究提供数据支持．     

针对目标机动的变结构制导参数设计

目标机动是影响导弹制导性能的重要因素.文章以变结构制导导弹为研究对象,以导弹与目标相对运动方程为依据,就目标机动和变结构制导项对视线角速度和弹道需用过载的影响做了理论分析,提出了一种针对目标机动的变结构制导参数设计方法.在此基础上,提出用模糊控制理论设计变结构制导项.仿真结果表明,所设计的模糊变结构制导律能够有效抑制目标机动对制导精度的影响.     

非线性系统的一种改进的Unscented卡尔曼滤波器

作为最近提出的一种非线性滤波方法,Unscented卡尔曼滤波器(UKF)具有易实现、较高的估计精度和中等的计算量等优点。然而,像扩展卡尔曼滤波器(EKF)一样,UKF关于模型不确定性的鲁棒性很差、对初始条件很敏感,容易出现状态估计不准,甚至发散等现象。为了克服UKF的缺陷,基于强跟踪滤波器(STF)理论,通过引入一种多重次优渐消因子在线调整滤波器增益矩阵,提出一种改进的UKF,并通过目标跟踪的仿真实验验证了该滤波器的有效性。仿真实验结果表明改进的Unscented卡尔曼滤波器具有好的鲁棒性,而且能够快速收敛。     

仅有角测量的跟踪机动目标系统

仅有角测量跟踪技术在理论上和实际上受到了广泛的应用。由于以往的仅有角测量跟踪滤波器不能精确跟踪机动目标,本文提出了带有机动目标检测器的修正增益的推广卡尔曼滤波器。这种滤波器是以线性动态系统及非线性观测方程为前提而推导的。文中给出了仿真数据结果,并与准线性卡尔曼滤波器,改进型推广卡尔曼滤波器作了比较。     

Federated unscented particle filtering algorithm for SINS/CNS/GPS system

To solve the problem of information fusion in the strapdown inertial navigation system (SINS)/celestial navigation system (CNS)/global positioning system (GPS) integrated navigation system described by the nonlinear/non-Gaussian error models, a new algorithm called the federated unscented particle filtering (FUPF) algorithm was introduced. In this algorithm, the unscented particle filter (UPF) served as the local filter, the federated filter was used to fuse outputs of all local filters, and the global filter result was obtained. Because the algorithm was not confined to the assumption of Gaussian noise, it was of great significance to integrated navigation systems described by the non-Gaussian noise. The proposed algorithm was tested in a vehicle’s maneuvering trajectory, which included six flight phases: climbing, level flight, left turning, level flight, right turning and level flight. Simulation results are presented to demonstrate the improved performance of the FUPF over conventional federated unscented Kalman filter (FUKF). For instance, the mean of position-error decreases from (0.640×10⁻⁶ rad, 0.667×10⁻⁶ rad, 4.25 m) of FUKF to (0.403×10⁻⁶ rad, 0.251×10⁻⁶ rad, 1.36 m) of FUPF. In comparison of the FUKF, the FUPF performs more accurate in the SINS/CNS/GPS system described by the nonlinear/non-Gaussian error models.     

基于Sigma粒子Kalman滤波的地形辅助导航方法

地形辅助导航技术依据机载设备实时测量地形高度与机载数字高程地图的对比,给出飞行器定位结果,能够有效地修正主惯性导航系统的误差。传统地形辅助导航中应用较为广泛的是扩展Kalman滤波方法,但因为地形高度测量的非线性,扩展Kalman滤波不一定能够得到系统最优估计。Sigma粒子Kalman滤波作为一种新面世的非线性滤波器,能够有效地解决非线性估计问题。基于Sigma粒子Kalman滤波,提出一种新的地形辅助导航方法。在真实数字高程地图上得到的仿真结果表明,该地形辅助导航方法性能总体优于扩展Kalman滤波方法,尤其在飞越平坦地形时表现更佳。     

基于纯方位角测量的水下目标跟踪

在笛卡尔卡尔曼滤波器的基础上，提出了改进极坐标扩展卡尔曼滤波器，并且研究了应用于纯方位角测量的目标跟踪算法，对提出的算法进行了相应的仿真实验，仿真结果表明，改进极坐标扩展卡尔曼滤波器非常适合于目标的跟踪研究，具有很高的工程应用价值。     

主/被动雷达导引头信息融合方法研究

针对导弹制导系统的特点要求,研究了基于Kalman滤波的信息融合算法并将其应用于主/被动雷达多模导引头系统中。研究了基于标量加权的分布式融合算法和基于增广测量方程的集中式融合算法并进行了数字仿真。研究结果表明信息融合算法能够提高多模导引头的测量精度,使融合精度受单一传感器影响更小,同制导律的闭合仿真也表明信息融合技术提高了制导精度,减小了脱靶量;分布式融合算法更方便实现时间校准从而便利于多模复合制导使用。此外,所研究的融合算法计算量小,易于工程应用。     

Relative navigation for satellite formation flight using a continuous-discrete converted measurement Kalman filter

The present paper develops an approach of relative orbit determination for satellite formation flight.Inter-satellite measurements by the onboard devices of the satellite were chosen to perform this relative navigation,and the equations of relative motion expressed in the Earth Centered Inertial frame were used to eliminate the assumption of the circular reference orbit.The relative orbit estimation was achieved through a continuous-discrete converted measurement Kalman filter design,in which the measurements were transformed to the inertial frame to avoid the linearization error of the observation equation.In addition,the situation of the coarse measurement period（only microwave radar measurements are available）existing was analyzed.The numerical simulation results verify the validity of the navigation approach,and it has been proved that this approach can be applied to the formation with an elliptical reference orbit.     

平方根UKF混合滤波在自主光学导航中的应用

提出了一种用于探测器在巡航段的自主光学导航方案,该方案利用光学导航相机以及星敏感器,通过测量星光信息以及天体边缘的信息,得出了探测器的相对位置。在此基础上针对导航系统状态方程和观测方程的非线性问题,进行平方根Unscented卡尔曼滤波(square-root unscented Kalman filter)计算,由此实时确定了探测器的轨道。该方法将平方根滤波和UKF滤波有机结合起来,可更好地提高自主导航系统的准确度和可靠性。通过数学仿真并与EKF滤波过程进行比较,验证了该算法的优越性。     

A Camera/IMU Tightly-Coupled Navigation Algorithm and Verification by Hybrid Simulation

GNSS （global navigation satellite systems） are unavailable in challenging environments such as urban canyon and indoor locations due to signal blocking and jamming.Camera/IMU （inertial measurement units） integrated navigation systems can be alternatives to GNSS.In this paper,a tightly coupled Camera/IMU algorithm modeled by IEKF （iterated extended kalman filter） is presented.This tight integration approach uses image generated pixel coordinates to update the Kalman Filter directly.The developed algorithm is verified by a hybrid simulation,i.e.using inertial data from field test to fuse with simulated image feature measurements.The results show that the tight approach is superior to the loose integration when the image measurements are insufficient （i.e.less than three ground control points）.     

对异面椭圆轨道目标航天器绕飞的相对导航算法

研究了小卫星对异面椭圆轨道目标航天器绕飞的相对导航问题。首先建立了适用于目标航天器运行在椭圆轨道上的二阶状态方程;分析了2个航天器间的量测几何关系并得到量测方程;采用适用于处理复杂非线性模型的无味卡尔曼滤波器进行相对导航计算。仿真计算结果表明,在对异面椭圆轨道目标航天器进行绕飞的过程中,所提出的相对导航方法能够实现对相对位置和相对速度的精确估计。     

Dead-reckoning/vision integrated navigation for mobile robot

0　INTRODUCTIONInordertofulfilamission ,amobilerobothastohaveanavigationsystem .Severaldifferenttechniques ,suchasGPS ,anddead reckoningandbeaconbasedsys tem[1～ 3] canbeusedforrobotnavigation .Foraparticularkindofmission ,arobotwillfulfil ,aproperkindofnavi gationsystemwillbeusedfortherobot.Sincealmostallnavigationsystemshavetheiradvantagesanddrawbacks ,sometimesasinglenavigationsystemcannotsatisfyalltherequirementsforfulfillingaparticulartask[4 ] .Sotwoorthreenavigationsystemshavetobei…     

一种有效的随动跟踪方法

针对视频监控系统,提出了一种离散化像机运动的随动跟踪方法,解决了像机运动时对目标检测带来的困难,并弥补了由于单个摄像机拍摄范围的局限性。文中针对像机监控场景,离散化像机转动,建立索引表;通过多帧差分和自适应背景方法提取运动对象,并结合K alm an滤波器和多帧预测思想实现了对特定目标的鲁棒跟踪;综合利用目标的信息、索引表和云台实现了对特定目标的随动跟踪。实验结果表明,该算法对于复杂场景中运动目标的检测和跟踪具有较好的鲁棒性和实时性;对特定目标的随动跟踪具有良好的实时性和稳健性。