七阶球面单形-径向容积卡尔曼滤波方法

针对传统低阶容积卡尔曼滤波非线性滤波精度较低的问题,提出一种基于七阶球面单形-径向容积准则的高阶容积卡尔曼滤波算法。将非线性函数的高斯加权积分分解为球面积分和径向积分,采用基于正则单形变换群的七阶球面单形准则计算球面积分,使用矩匹配法求积分准则计算径向积分,推导出七阶球面单形-径向容积求积分准则。将准则代入一般非线性滤波框架,得到七阶球面单形-径向容积卡尔曼滤波算法。仿真表明,算法可获得高于传统三阶、五阶CKF的估计精度。具有较好的前景与应用价值。

非合作航天器相对运动估计的混合滤波器设计方法

针对空间非合作目标的相对状态估计问题,利用星上量测设备获取的目标飞行器形心的相对状态信息,建立了非合作航天器相对运动的轨道-姿态一体化滤波模型,同时研究适用于非线性滤波问题的混合阶球面单形-径向容积卡尔曼滤波算法(MSSRCKF)。针对该模型状态方程中包含部分线性项、且与非线性项解耦的特性,将应用于线性系统的卡尔曼滤波器(KF)与MSSRCKF进行了融合,提出了线性-非线性混合卡尔曼滤波器(LNLKF)。该滤波器能够对一个滤波方程中线性与非线性的状态变量分别采用与之对应的滤波方式进行处理,有效避免了计算成本的浪费。最后,将L-NLKF应用于非合作航天器的相对状态估计,并与MSSRCKF进行比较分析。仿真结果表明,L-NLKF在保证计算精度的前提下,计算量明显低于MSSRCKF。

多终端五阶强跟踪容积卡尔曼滤波实时定轨

为了提高多手持终端对卫星脉冲机动轨道的实时确定精度,并降低定轨精度对滤波初值的敏感性,提出一种五阶强跟踪球面单形-径向容积卡尔曼滤波(5-STSSRCKF)方法。采用n维正则单形变换群和矩匹配法推导五阶球面单形-径向容积准则,并将该准则嵌入强跟踪滤波(STF)框架。利用STF的等价表示计算次优渐消因子,实现了在滤波稳定时在线实时调整增益矩阵,克服了残差增大时增益矩阵仍保持极小值的缺点,提高了对系统突变状态的跟踪能力。进行了仿真实验,结果表明,当滤波初值误差增大时,已有方法的定轨精度降低为1 798.199m,而提出的5-STSSRCKF的定轨精度可以维持在8.688m;当卫星进行脉冲机动时,已有方法不具备对机动轨道状态的跟踪能力,而5-STSSRCKF的定轨精度仍然维持在8.976m。实验显示,5-STSSRCKF对滤波初值不敏感,并且对卫星脉冲机动轨道的实时确定精度更高。

预测-五阶容积卡尔曼滤波方法

为适用于强非线性、非高斯过程噪声系统,结合预测滤波(PF)与高阶容积卡尔曼滤波(HCKF),提出一种预测-五阶容积卡尔曼滤波(P5thCKF)方法。通过预测滤波方法对系统模型中的过程噪声及其方差阵进行实时调整,进而将新模型代入到五阶容积卡尔曼滤波框架中进行实时递推状态估计。推导了五阶球面单形-径向积分准则,采用五阶球面单形积分准则处理球面积分,广义高斯-拉盖尔积分准则处理径向积分;描述了预测滤波方法并对模型误差调整量进行了推导。通过2个仿真实验验证了本文方法在强非线性、非高斯过程噪声系统中的可行性以及应用于工程实践的可能性。