非理想條件下非線性濾波及多傳感器信息融合算法研究.pdf

1、隨著航天技術的進步及對太空探索的不斷深入，航天器對導航精度的要求越來越高，尤其是空間非合作目標的相對導航問題，一直以來都是航天領域研究的熱點。非線性濾波算法是實現(xiàn)導航精度的基礎，它能夠?qū)Ш叫畔⑦M行準確估計，因此為保障導航系統(tǒng)具有高精度、高穩(wěn)定性及抗干擾能力，需要對適應性更強的非線性濾波算法展開深入研究。
　　由于工程環(huán)境的復雜性，非線性濾波算法在使用過程中經(jīng)常會存在狀態(tài)時滯、模型參數(shù)未知、噪聲非高斯等問題。為解決這些問題，本文提

2、出幾種改進的狀態(tài)估計算法，對系統(tǒng)狀態(tài)進行有效估計。為獲得高精度、高穩(wěn)定性的導航信息，本文同時采用多傳感器信息融合的方式對相應的估計信息進行進一步處理。論文主要研究內(nèi)容如下：
　　(1)研究了系統(tǒng)具有狀態(tài)時滯情況下的狀態(tài)估計問題，設計了一種改進形式的高斯濾波算法框架，并分別提出了基于無跡變換和三階球徑容積法則的算法框架實現(xiàn)形式。首先，算法通過遞歸運算獲得當前和延遲狀態(tài)的后驗概率密度函數(shù)，給出帶有狀態(tài)時滯的時間預測過程和量測更新過程。

3、然后，依據(jù)無跡變換和三階球徑容積法則，給出改進高斯濾波算法框架的次優(yōu)實現(xiàn)。經(jīng)典高斯濾波算法框架是本文所提出的改進算法框架的特例，本文的框架作為一個通用的非線性濾波算法框架，可以通過不同的高斯加權積分計算方式獲取不同的實現(xiàn)形式。
　　(2)研究了系統(tǒng)存在測量模型參數(shù)未知和帶有非高斯噪聲情況下的狀態(tài)估計問題，設計了一種改進的聯(lián)合估計期望最大化非線性濾波算法，進而對系統(tǒng)狀態(tài)和不確定性的測量模型參數(shù)進行聯(lián)合估計。在期望步，假設系統(tǒng)已經(jīng)獲得

4、一組模型參數(shù)，基于此組參數(shù)的測量模型，通過改進的粒子濾波算法在解決非高斯噪聲問題的同時獲得高精度的狀態(tài)估計信息。在最大化步，基于期望步已獲得的狀態(tài)信息，利用混合高斯模型近似非線性測量方程，通過極大似然估計理論對混合高斯模型中的未知參數(shù)進行估計。相比于傳統(tǒng)高斯類非線性濾波算法，該算法能更準確地估計狀態(tài)信息，并適用于模型參數(shù)未知的狀態(tài)估計問題。
　　(3)研究了在噪聲特性和互協(xié)方差未知情況下的多傳感器航天器姿態(tài)信息融合估計問題。首先，

5、在每個子系統(tǒng)的狀態(tài)估計中，為了避免采用四元數(shù)描述姿態(tài)存在的冗余現(xiàn)象和采用羅德里格參數(shù)描述姿態(tài)存在的奇異問題，以誤差四元數(shù)和誤差廣義羅德里格參數(shù)相互切換的方式，在容積卡爾曼濾波算法框架下，結(jié)合當前時刻的觀測信息，得到各子系統(tǒng)在每一時刻的局部估計信息。其次，在此基礎上，為獲得更高精度的狀態(tài)估計信息，提出了一種魯棒的協(xié)方差交叉融合算法。該算法以最小化非線性性能指標為準則求取局部的估計信息權重，再使用協(xié)方差交叉過程獲得各局部估計的融合信息。最后

6、，為了提高多傳感器姿態(tài)信息的融合效率，以矩陣加權線性最小方差為最優(yōu)融合準則，提出了一種快速連續(xù)的協(xié)方差交叉融合策略。該策略將多維優(yōu)化問題轉(zhuǎn)化為對幾個一維非線性代價函數(shù)的優(yōu)化問題，從而減少融合運算時間，得到最優(yōu)融合估計信息。
　　(4)研究了空間非合作航天器的相對導航信息估計問題。首先，對目標和追蹤航天器系統(tǒng)進行運動學建模，采用追蹤航天器配備的捷聯(lián)慣導系統(tǒng)和天文導航系統(tǒng)確定追蹤航天器的絕對運動參數(shù)，使用光學相機確定目標和追蹤航天器間