基于动力学轨道拟合的LEO卫星轨道预报精度分析

轨道预报是地球探测卫星顺利执行科学任务的一个重要环节。为了实现对低轨卫星长弧段、高精度的轨道预报,文中运用动力学轨道拟合的方法进行轨道预报。选用GRACE A卫星、HY 2A卫星和JASON 2卫星为例进行预报处理,分析了卫星的轨道高度和拟合弧长对轨道预报结果的影响。结果表明,GRACE A卫星预报4 h和8 h轨道的3D RMS分别优于3 m和10 m,HY 2A卫星和JASON 2预报4 h轨道的3D RMS分别优于2 dm和1 dm,24 h轨道预报结果3D RMS分别优于2.5 m和2 m.      

基于UKF的GPS非线性动态滤波算法

介绍了一种Unscented卡尔曼滤波算法，它通过确定性采样获得一组采样点，可获得更多的观测假设，对系统状态统计特性的估计更加准确，同时该算法无需对系统方程进行线性化，避免了传统的EKF算法由于线性化引入的误差。本文将UKF算法用于GPS非线性动态滤波技术中，建立了仿真模型并定义了仿真条件，与EKF算法的仿真结果相比，在系统状态统计特性未知的情况下，UKF算法对系统状态的估计更准确，定位精度更高。     

神经网络在北斗导航卫星轨道预报中的应用

导航卫星的自主定轨是提高卫星导航系统生存能力的一个重要手段,在解决导航星座自主定轨中涉及到高精度的轨道预报,提高轨道预报精度对于自主定轨精度有着重要意义。针对利用动力学模型得到的预报轨道随时间推移精度衰减较快的问题,本文提出了一种改进北斗导航卫星中长期轨道预报精度的新方法。利用神经网络作为建立预报模型的工具,在动力学模型的基础上建立神经网络模型,通过对历史时刻预报误差的学习及训练,掌握其变化规律,再用于补偿和改进当前时刻的预报轨道,以达到提高预报精度的目的。本文制定了导航卫星轨道中长期预报方案,并利用实测数据进行了实验分析,结果表明,采用神经网络模型补偿预报轨道误差时,不同卫星在不同初始时刻下的改进效果是不同的。预报15d导航卫星的轨道精度由318m提高至19m,预报30d轨道精度由1757m 提高至49m。预报15d、 30d轨道改进幅度分别为41％～80％/32％～88％。     

一种导航卫星中长期轨道预报方法

基于神经网络混合建模的思想提出一种针对导航卫星的中长期轨道预报方法,在原动力学模型的基础上引入神经网络模型作为补偿,从而获得新的预报模型。在训练过程中神经网络通过学习动力学模型轨道预报误差来掌握其变化规律,并在预报过程中为动力学模型预报提供补偿,以提高预报精度。对GPS卫星动力学模型中长期预报误差的特点进行分析,然后根据所得结论提出混合模型的中长期(15 d以上)预报方案,最后通过对GPS卫星的仿真试验证明混合模型的改进效果,结果表明新方法在15~40 d的预报上表现出很好的改进效果。     

北斗卫星轨道预报精度分析及改进

针对北斗GEO、IGSO、MEO的3种卫星类型和动态偏航、零偏航两种姿态控制模式,进行了以ECOM光压模型为基础的轨道预报精度分析。确定了北斗3类卫星的短期、中期、长期预报光压参数选择策略。采用光压参数修正法,通过对北斗卫星光压参数长期变化规律建模,有效提升了地影段轨道长期预报精度。研究结果可同时服务于北斗卫星轨道确定及历书参数生成。     

UKF在GPS/INS组合导航系统中的应用

扩展卡尔曼滤波(EKF)是GPS/INS组合导航系统工程实现中常用的一种数据融合方式。但EKF线性化误差在一定程度上影响了GPS/INS组合导航系统精度的提高。Unscented卡尔曼滤波器(UKF)是一种非线性滤波器,它能有效地减小线性化误差对GPS/INS组合导航系统精度的影响。基于四元数法建立了GPS/INS组合导航系统的非线性误差方程模型;最后通过数字仿真验证了UKF组合导航系统应用中的性能。     

UKF在GPS/INS组合导航系统中的应用

扩展卡尔曼滤波(EKF)是GPS/INS组合导航系统工程实现中常用的一种数据融合方式.但EKF线性化误差在一定程度上影响了GPS/INS组合导航系统精度的提高.Unscented卡尔曼滤波器(UKF)是一种非线性滤波器,它能有效地减小线性化误差对GPS/INS组合导航系统精度的影响.基于四元数法建立了GPS/INS组合导航系统的非线性误差方程模型;最后通过数字仿真验证了UKF组合导航系统应用中的性能.     

高轨卫星轨道预报中神经网络模型优化设计

高轨卫星是我国卫星导航系统的重要组成部分。提升该类卫星的轨道预报精度有利于用户定位精度的提高。提出了一种改进高轨卫星轨道预报精度的新方法。该方法避开了精化动力学模型的困难,尝试从轨道预报误差的规律中寻找突破。利用神经网络作为建立预报模型的工具,将某历史时刻的轨道预报误差作为训练样本,利用训练好的神经网络模型补偿当前时刻的预报轨道以提高轨道预报精度。对影响神经网络模型补偿效果的各因素进行了详细分析,制定了适应于高轨卫星短期、中期和长期预报的神经网络最优模型。利用实测数据进行了试验分析,结果表明:预报8,15及30 d应选择的训练步长分别为10,20及25 min;轨道预报8~30 d时,训练噪声均选取0.01。神经网络模型有效地改进了高轨卫星的轨道预报精度,预报4~30 d,轨道精度提高幅度为34.67%~82.37%不等。     

UKF滤波器性能分析及其在轨道计算中的仿真试验

讨论了UT(unscented transform)变换的性质,给出了一种新的扩展型卡尔曼滤波器UKF(unscentedKalman filter),它不仅具有较高的精度,而且不必计算偏导数阵。仿真分析的结果表明,UKF有良好的状态估计性能,使用简便,适合于非线性系统状态估计。     

改进的UKF在GPS/INS组合导航中的应用

在GPS/INS组合导航中,传统UKF(Unscented Kalman Filter)计算量大,无法满足实时性要求。而且当动力学模型受到异常扰动误差影响时,其精度与稳定性易受到影响。针对以上问题,利用最小偏度单形采样策略降低UKF计算量以提高精度;通过自适应调整过程噪声以降低动态异常扰动误差对UKF精度与稳定性的影响。由此提出了一种改进UKF算法,用于GPS/INS组合导航。仿真实验结果表明,改进UKF算法用于GPS/INS组合导航的精度要优于UKF算法。     

基于方差递推法的Kalman滤波在钟差预报中的应用

卫星导航系统中星载原子钟的钟差预报对于导航、定位及授时具有重要的作用。为了提高卫星钟差预报的精度,设计了一种两步确定卫星钟噪声协方差矩阵的Kalman滤波钟差预报模型。该方法首先基于Hadamard总方差确定卫星钟噪声协方差矩阵的初值,然后,使用方差递推法得到滤波过程中卫星钟的噪声协方差矩阵。使用GPS系统的星载铷钟数据进行短期预报,并与常用的二次多项式模型、灰色模型进行对比,结果表明:本文中提出的方法可以实现高精度的卫星钟差预报且预报效果优于两种常用模型,同时,该方法能够在一定程度上弥补预报误差随预报时间增加而不断变大的不足。     

高精度星载GPS实时定轨卡尔曼滤波模型

在动力学模型补偿算法的基础上,推导了星载GPS实时定轨的卡尔曼滤波模型。以此为理论基础,自主研制了星载GPS实时定轨软件SATODS。使用CHAMP卫星上的星载GPS实测伪距数据以及GPS卫星广播星历来模拟实时定轨数据处理,并将实时定轨结果与JPL精密轨道进行比较分析。结果表明,在滤波收敛后,实时定轨的轨道精度和速度精度的3dRMS分别可达到1.0m和1.2mm/s,受观测数据的GPS卫星数、PDOP值、粗差数据和数据中断等因素的影响较小。     

基于Kalman滤波器的卫星钟差预报精度分析

Kalman滤波器稳态条件下的卫星钟差预报精度可作为评估星地时间同步性能的重要依据,研究了基于Kalman滤波器的卫星钟差预报精度问题。在卫星钟差包括3阶白噪声情况下,建立了卫星钟差的状态方程和测量方程,利用离散Riccati方程的非递归代数解,得到了Kalman滤波器的稳态解,进一步得到了卫星钟差预报误差,做了典型参数情况下的数值分析。     

Application of unscented Kalman filter in satellite orbit simulation

IntroductionAs is well known,the Kal manfilter(KF) is al-ways usedto deal withthe system whose dynam-ics and observation models are linear , and theextended Kal manfilter(EKF) is the most widelyused esti mator for nonlinear systems . In theEKFthe kal man …     

Application of unscented Kalman filter in satellite orbit simulation

A new estimate method is proposed, which takes advantage of the unscented transform method, thus the true mean and covariance are approximated more accurately. The new method can be applied to nonlinear systems without the linearization process necessary for the EKF, and it does not demand a Gaussian distribution of noise and what's more, its ease of implementation and more accurate estimation features enables it to demonstrate its good performance in the experiment of satellite orbit simulation. Numerical experiments show that the application of the unscented Kalman filter is more effective than the EKF.     

一种新的综合Kalman滤波及其在星载GPS低轨卫星定轨中的应用

针对将Kalman滤波方法应用到星载GPS定轨时,由于动态噪声和观测噪声确定不准而造成滤波的发散、污染观测值造成Kalman滤波估值的扭曲及计算舍入误差可能带来协方差阵的不正定性等缺陷,提出了一种新的综合Kalman滤波方法。该方法用拟准检定法准确地探测和修正量测方程中存在的粗差;用UD分解算法克服了数值的不稳定性,改进了计算精度;用Sage自适应滤波器克服滤波器的发散。算例结果表明,这种综合卡尔曼滤波方法具有数值稳定性好、较强的自适应性和较好地削弱粗差影响等优点。     

自适应卡尔曼滤波在沉降预测中的应用

随着我国经济高速发展,对煤炭资源的需求与日俱增,矿山大量开采造成矿区地表大面积沉陷.对于地下采煤,地表点的移动经历一个由开始移动到剧烈移动,最后到停止移动的全过程.为了更好地掌握矿山开采地袁沉降移动规律,本文采用自适应卡尔曼滤波与标准卡尔曼滤波对其进行预测与分析.