基于四元数EKF算法的小型无人机姿态估计

针对小型无人机设计的姿态测量系统,提出一种用于小型无人机姿态估计的四元数扩展Kalman滤波算法.该算法通过建立四元数姿态运动模型和航姿传感器测量模型,构建了以四元数和陀螺仪随机漂移为状态向量、以加速度计测量值和磁阻仪解算的航向角为观测向量的扩展Kalman滤波器,并设计了自适应测量噪声协方差矩阵修正法.实验结果表明,该算法不但解决了微机电系统惯性器件用于载体姿态测量时精度低、易发散、易被干扰的问题,而且显著减小了陀螺仪随机漂移对姿态估计的影响,有效提高了姿态估计的精度.     

基于平淡卡尔曼滤波器的微小卫星姿态确定算法

针对扩展卡尔曼滤波（EKF）在线性化过程中会引入误差的问题,采用平淡卡尔曼滤波器（UKF）进行了系统滤波器设计;提出一种构建虚拟观测量的方法,并分析了其噪声特性．虚拟观测量与高精度器件量测量搭配可实现对姿态的校正．以太阳敏感器、微电子机械系统（MEMS）陀螺、磁强计为姿态敏感器件,构建了定姿滤波器并用STK（Satellite Tool Kit）数据进行了仿真．结果表明,所提出方法能有效地提高定姿性能,采用UKF的系统定姿误差与EKF相当,但收敛时间、稳定性要优于EKF．     

基于视觉/GPS/MEMS-SINS的微型飞行器姿态确定系统

分析了微型飞行器姿态确定系统的现状,提出利用视觉/GPS/MEMS-SINS组合导航系统确定微型飞行器姿态的方案.微型飞行器获取图像中天空和大地的特征不同,其间隐含了载体的姿态信息,在GPS和MEMS-SINS组合的基础上,将所隐含的载体姿态信息作为新增的观测量.建立了组合系统的卡尔曼滤波器模型,并进行了静态和动态仿真.结果表明,视觉/GPS/MEMS-SINS组合导航系统是微型飞行器自主姿态确定的有效方案,增加视觉姿态后,滤波器中惯性导航系统平台误差角的可观测性得到了增强,姿态估计精度也得到了提高.     

用于无陀螺卫星姿态确定的预测UKF算法

为了降低卫星姿态动力学模型误差和初始姿态误差对无陀螺卫星姿态确定的影响,提出了一种预测无迹卡尔曼滤波(UKF)算法。该算法利用预测滤波中的泰勒级数展开方法对未知的卫星姿态动力学模型误差进行估计,然后将其带入UKF中实现无陀螺卫星姿态确定。用三维偏差四元数代替四元数作为状态变量,避免了估计过程四元数单位约束性被破坏的现象。仿真结果表明,当较大的卫星姿态动力学模型误差和初始姿态误差同时存在时,该算法仍能精确地实现卫星姿态确定。     

基于平方根Unscented卡尔曼滤波的无陀螺卫星的姿态估计

针对无陀螺卫星的姿态和速度估计问题,提出基于平方根UKF滤波（square Root Unscented Kalman Filter）的估计算法。为了避免欧拉角带来的奇异问题,采用四元数描述卫星的姿态参数。考虑卫星的非线性模型,采用Cholesky和QR分解,从而平方根UKF滤波方法不仅能保证协方差矩阵的正定性,并且还可以提高算法的计算精度。利用测量矢量的信息,该算法能估计三轴稳定卫星的姿态,且计算简单,无需计算Jacobian矩阵。数值仿真结果表明,所给出的方法是可行而有效的。     

基于EKF的多MEMS传感器姿态测量系统

姿态信息是飞行控制中最关键的参数之一,因此姿态测量成为飞行控制系统首要解决的问题。利用多M EM S传感器研制了一种微型姿态测量系统。利用三轴M EM S加速度计和三轴M EM S陀螺数据,由方向余弦矩阵的姿态表示形式推导了扩展K a lm an滤波方程,解算出飞行器的俯仰角和横滚角;设计专家系统判断飞行器的运动状态,并根据该状态调整滤波算法中的测量噪声矩阵,使系统可同时满足静态情况和动态情况的使用;利用空速和高度数据对俯仰角进行修正,利用GPS解算航向角。将实验结果与国外最新的商用自动驾驶仪的姿态结果进行了比较,二者在静态情况下非常吻合,在动态情况下基本吻合。     

基于平淡卡尔曼滤波的微弱GPS信号跟踪算法

在接收信号很微弱的情况下,全球定位系统(GPS)的传统方法不能很好地跟踪信号.采用非线性卡尔曼滤波算法取代传统的延迟锁定环和相位锁定环,用于高灵敏度GPS接收机的微弱信号处理环节.针对所提出的微弱信号系统模型中相关运算的特点,运用平淡卡尔曼滤波器进行信号跟踪.仿真结果表明,新方法能够较好地跟踪到载噪比低至27 dB-Hz的微弱信号,确保了跟踪精度;同时具有较高的灵敏度.     

基于无迹卡尔曼滤波的导航星座并行式自主定轨

针对卫星轨道动力学模型的高度非线性及星座自主定轨的高精度需求,基于星间双向测距观测信息,提出了采用无迹卡尔曼滤波（Unscented Kalman Filter, UKF）作为星载算法的导航星座并行式自主定轨方案,并且给出了UKF算法中可见星先验信息引入的额外方差矩阵,以保证滤波的稳定性.仿真结果表明,该方案可以实现星座的长期自主定轨并维持一定精度.
     

一种用于GPS定位估计滤波算法的非线性模型

提出了一种将现代非线性滤波技术用于GPS定位估计的方法，该方法可用于低价位的单机GPS接收器的定位，提高它们的定位精度和鲁棒性．应用该方法，根据单机GPS的原始数据、伪距和多普勒频移进行定位估计。开发了一种新的基于非线性滤波的位置和速度估计模型，该非线性模型具有随观察到的卫星数量而改变状态和测量元个数的动态特性．运用一种新型的非线性滤波-平淡卡尔曼滤波求解该模型．GPS定位实验结果表明．与通用的最小二乘迭代法或直接从接受机获得的结果相比，所提出的非线性模型得出的滤波估计结果具有较高的精度和鲁棒性．     

基于陀螺星光加激光交会雷达的相对姿态确定

针对编队飞行中从飞行器与主飞行器的相对姿态确定问题,提出了基于扩展卡尔曼滤波(EKF)的相对姿态确定方法. 采用修正罗德里格参数(MRPs)作为姿态描述参数避免奇异点. 姿态敏感器采用陀螺 星敏感器 激光交会雷达的配置模式,并且结合相对姿态动力学方程得到相对姿态确定的状态方程,建立起相对姿态确定的EKF模型. 仿真实例表明,EKF状态能在最慢300 s内收敛,MRPs的估计误差在10-5范围以内,该方法正确有效.     

基于直线模型的微型飞行器姿态角计算

利用地平线进行微型飞行器(MAV)稳定飞行控制中的姿态估计.根据地平线的直线模型,将地平线视作一条直线,依据线性摄像机成像投影关系,建立地平线在世界坐标系和图像坐标系中的位置对应关系.通过推导得出图像坐标系中地平线的直线方程参数与摄像机姿态角的对应关系,实现通过地平线的直线方程参数计算MAV的姿态角.实验验证了该方法的正确性.在对俯仰角的求取问题上,与使用占天面积比的方法进行了比较,通过仿真实验论证了该方法的优势.     

基于磁强计和MEMS陀螺的弹箭姿态探测系统

为解决弹道修正弹箭中捷联式姿态测量系统误差随时间不断积累的问题,设计了一种由二轴磁强计和MEMS陀螺构建的低成本弹体姿态磁-惯性测量系统,利用磁强计测量的地磁信息修正MEMS陀螺解算的姿态角误差. 在此基础上,提出了将两轴地磁信号解算滚转角融入陀螺解算的姿态优化算法,研制的原理样机在二轴转台上进行了测试. 有限的试验表明:在一定条件下,该测量系统可有效抑制陀螺漂移引起的姿态误差,能可靠地用于弹道修正弹箭的姿态测量.      

Steady-State Performance of Kalman Filter for DPLL

For certain system models, the structure of the Kalman filter is equivalent to a second-order variable gain digital phase-locked loop (DPLL). To apply the knowledge of DPLLs to the design of Kalman filters, this paper studies the steady-state performance of Kalman filters for these system models. The results show that the steady-state Kalman gain has the same form as the DPLL gain. An approximate simple form for the steady-state Kalman gain is used to derive an expression for the equivalent loop bandwidth of the Kalman filter as a function of the process and observation noise variances. These results can be used to analyze the steady-state performance of a Kalman filter with DPLL theory or to design a Kalman filter model with the same steady-state performance as a given DPLL.     

组合导航系统新息自适应卡尔曼滤波算法

全球定位系统(GPS)量测噪声的不稳定变化将造成惯性导航系统(INS)/GPS舰用组合系统卡尔曼滤波器性能下降,在对自适应卡尔曼滤波器分析的基础上,提出了一种新的基于新息估计的自适应卡尔曼滤波算法.该算法通过计算新息方差强度的极大似然估计最优估计,将新息方差计算直接引入卡尔曼滤波器的增益计算.仿真结果表明,本文方法较标准卡尔曼滤波器可以提高系统精度和抗干扰能力.     

单天线GPS接收机载体姿态测定分析

该文研究了利用单天线GPS接收机的输出信息来实时确定载体姿态的基本原理与方法。文中的GPS载体姿态是指关于载体飞行速度矢量轴的新系偏航角、航迹角和新系滚转角，亦称为新系姿态。文中对姿态测定的分析包括利用GPS接收机配合软件LABMON46输出的原始信息来分析速度矢量的求解方案；利用卡而曼滤波模型对速度信息进行处理得到相应的加速度信息；根据前面2步求得的速度和加速度给出解算载体新系姿态的方法；最后给出常规姿态与新系姿态的关系和对照说明。     

基于视频图像的微型飞行器飞行高度提取方法

微型飞行器飞行高度是其自主飞行的重要参数之一。为了准确快速地获取微型飞行器的飞行高度参数,提出了一种利用视频图像获取微型飞行器飞行高度的鲁棒性算法。算法利用图像处理、图像分析的方法,结合光学理论和几何学理论推导出了飞行高度的计算公式。这种基于视频图像提取微型飞行器飞行高度的方法具有很好的实时性和对恶劣环境的适应能力。在主频为750Hz的地面站上,其工作频率可以达到12Hz。飞行实验表明,这种基于视频图像的飞行高度提取算法最大误差不超过10m,这一精度满足飞行器平稳飞行的需要。     

用扩展KALMAN滤波器计算多径下两路间时延

尝试通过扩展Ｋａｌｍａｎ滤波器计算两独立接收端接收同一信号时的接收时间差,并考虑了存在多径干扰时的情况,方法如下：１）运用卷积定理,交埋延估计问题转化成对一线性滤波器系数的估计问题;（２）运用ＥＫＦ,使对滤波器多个系数的估计转化为对一个或几个参数的估计;（３）在多径情况下,同时对三个滤波器进行处理,使两点信号的差值平方最小,并在叠代过程中采用类似分时的处理,使对多径情况下两路时延的估计过程大大简化     

基于自适应无迹卡尔曼滤波的分布式驱动电动汽车车辆状态参数估计

以精确估计车辆状态参数为目标,提出了一种基于自适应无迹卡尔曼滤波的车辆状态参数估计算法,采用非线性三自由度车辆模型,将模糊控制与无迹卡尔曼滤波算法相结合,实现对系统测量噪声的自适应调整,通过对方向盘转角,纵向加速度和横向加速度等低成本传感器信息融合实现对质心侧偏角和横摆角速度的状态估计.应用CarSim与Matlab/Simulink建立分布式驱动电动汽车整车模型并且联合仿真对估计算法的有效性进行验证.结果表明自适应无迹卡尔曼滤波比无迹卡尔曼滤波更能有效准确地进行车辆状态参数估计,在双移线工况中,质心侧偏角估计精度提高了6.7%,横摆角速度估计精度提高了4.8%.      

基于解析法的全球定位系统姿态测量技术

提出了一种新的实时全球定位系统（GPS）姿态测量初始化方法,将超越方程的求解与模糊度函数法相结合,有效地提高了初始化计算速度．讨论了模糊度函数法,从几何角度描述了观测方程,给出了二元非线性观测方程组的解,并对实测数据进行了处理．结果表明,该方法与一般的方法相比,初始化的计算更有效,更经济．     

基于星敏感器双矢量观测信息的卫星姿态确定算法研究

针对三轴稳定卫星,研究基于星敏感器双矢量观测信息的卫星高精度姿态确定算法。建立了姿态运动学模型、敏感器测量模型、QUEST算法模型和扩展卡尔曼滤波(EKF)模型。对比分析了QUEST算法以及星敏感器与陀螺组合的扩展卡尔曼滤波(EKF)算法的定姿精度。通过数学仿真,表明基于星敏感器和陀螺的扩展卡尔曼滤波组合姿态确定算法具有更高的定姿精度。