收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

X射线脉冲星导航及其增强方法研究

孙景荣  
【摘要】:X射线脉冲星导航由于具有全信息、全空域、长时间、高精度及自主性等优势,成为天文导航的一个研究热点。它不仅可以作为GPS、北斗等卫星导航系统的辅助,而且还可以实现深空航天器的绝对自主导航,是未来航空航天发展的一个重要的方向,对复杂环境的导航战以及深空探测技术的发展都具有重要的意义。论文围绕国家“863”课题“X射线脉冲星空间导航定位技术研究”以及国家自然科学基金“X射线脉冲星辅助增强北斗导航定位技术研究”等项目的研究任务,对X射线脉冲星测相和导航增强方法展开了研究。全文内容主要针对X射线脉冲星自主导航中的信号消噪、相位测量、导航滤波算法以及导航增强方法等四个方面展开研究工作,可以概括为:第一部分研究脉冲星信号的消噪方法。脉冲星信号在传播过程中受星际空间物质的干扰以及接收设备等因素的影响,含有较强的噪声。基于双谱对高斯噪声不敏感的特性,本文提出了一种基于双谱的信号消噪方法。该方法利用?删减相位滤波器对信号的双谱相位进行平滑滤波,同时设计了?删减中值平均滤波器对双谱幅值进行滤波处理;然后对滤波后的双谱值进行脉冲星信号的功率谱和相位重构。重构后的信号不仅可以消除高斯噪声,而且还对非高斯噪声进行了有效地平滑处理。考虑到脉冲星信号噪声具有显著脉冲的特性,并不完全符合高斯分布。因此,本文将噪声分布推广到?稳定分布,研究了?稳定分布下的信号消噪方法,提出了量子协方差整形估计方法和变步长归一化最小平均P范数算法两种消噪方法,通过仿真实验,获得了良好的消噪效果。第二部分研究了脉冲星TOA测量方法。为了提高X射线脉冲星TOA的测量精度,把脉冲星信号的相位估计看作是多项式分布下的一个通用循环移位参数估计问题,提出了一种并行最大似然估计方法用于估计X射线脉冲星信号的相位。该方法给出了X射线脉冲星信号的泊松模型,利用多元高斯拟合方法确定X射线脉冲星轮廓,采用并行估计方法提高数值搜索性能。仿真实验中利用CRLB分析最大似然估计性能,并与常规最大似然估计方法和非线性最小二乘法进行了比较。结果表明,并行最大似然估计法的运算复杂度显著的降低。第三部分研究了脉冲星导航滤波方法。为了降低误差,提高导航精度,本文利用中心差分Kalman算法(CDKF)和鲁棒Kalman算法对X射线脉冲星导航定位系统进行滤波处理,并将CDKF算法与扩展Kalman滤波(EKF)算法、鲁棒中心差分Kalman滤波算法(RCDKF)与鲁棒扩展Kalman滤波(REKF)算法进行了仿真比较。仿真结果表明,CDKF算法的滤波精度优于EKF算法,RCDKF算法的滤波精度高于REKF算法;同时还表明,滤波算法的精度与脉冲星的个数有密切关系,脉冲星数目越多,滤波精度也越高。而且,脉冲星观测时间越长,滤波精度也相对越高。第四部分研究了脉冲星导航增强方法。为了提高XPNAV的导航精度,文中提出了一种新的基于矢量观测的导航增强算法。建立了准直器模型,选择矢量搜索策略,利用准直器模型将矢量搜索过程转换成准直器与脉冲矢量夹角与准直器有效面积的最优化问题,提出基于改进的Powell算法的矢量搜索策略,并利用搜索策略获得的辐射方向矢量及传统的计时观测来构建观测方程,提出了融合卡尔曼滤波和联邦卡尔曼滤波两种滤波算法用于得到航天器的位置和速度估计。仿真结果不仅验证了提出的搜索策略的有效性,而且表明了基于矢量观测和计时观测的卡尔曼滤波算法的性能优于单纯利用矢量观测或计时观测算法的性能,证明了增强算法的可行性和有效性。同时,仿真结果还说明基于矢量观测和计时观测的联邦卡尔曼滤波算法优于同条件下的融合卡尔曼滤波算法。


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 兰义华;任浩征;张勇;赵雪峰;;一种基于“当前”模型的改进卡尔曼滤波算法[J];山东大学学报(工学版);2012年05期
2 史百舟;邬齐斌;;拟自适应推广卡尔曼滤波算法[J];青岛化工学院学报;1992年04期
3 万建伟,皇甫堪,梁甸农;基于推广卡尔曼滤波算法的声测定位技术[J];国防科技参考;1997年04期
4 程进伟;李建勋;;卡尔曼滤波算法评估平台的设计与实现[J];系统仿真学报;2013年11期
5 夏建涛,任震,陈立,景占荣;极坐标下卡尔曼滤波算法的研究[J];西北工业大学学报;2000年03期
6 李振营,沈毅,胡恒章;带未知时变噪声系统的卡尔曼滤波算法研究[J];系统工程与电子技术;2000年01期
7 杨春玲,余英林,刘国岁;转换坐标卡尔曼滤波算法分析[J];计算机工程与设计;2001年05期
8 吴文华;丁子明;谈展中;;卡尔曼滤波算法工程化设计[J];电子测量技术;2003年04期
9 高磊,崔鑫水;一种自适应协方差矩阵旋转变换卡尔曼滤波算法及其应用[J];航天控制;2004年03期
10 高磊;一种反馈修正推广卡尔曼滤波算法及其应用[J];航天控制;2004年05期
11 陈礼斌;刘钊;;一种新的自适应扩展卡尔曼滤波算法[J];激光与红外;2006年03期
12 张池平;刘宗尧;;一种改进的自适应模糊卡尔曼滤波算法[J];计算机工程与应用;2007年28期
13 阮建国;陈炯;;一种适于快速实现的卡尔曼滤波算法的改进[J];电测与仪表;2009年02期
14 杨卫锋;王强;张大竞;;区间卡尔曼滤波算法在参数估计中的应用[J];舰船电子对抗;2009年04期
15 陈陌寒;巴晓辉;何璐;陈杰;;复杂信号环境下的鲁棒卡尔曼滤波算法[J];科学技术与工程;2011年17期
16 孙秋云;;改进的卡尔曼滤波算法在行驶汽车状态估计中的应用现状[J];价值工程;2011年19期
17 李莉;宋志强;;转换坐标卡尔曼滤波算法在雷达数据融合中的应用[J];仪器仪表用户;2011年04期
18 穆静;蔡远利;;迭代容积卡尔曼滤波算法及其应用[J];系统工程与电子技术;2011年07期
19 李骞;刘辛;;改进的卡尔曼滤波算法系统参数辨识仿真研究[J];计算机仿真;2012年03期
20 余小琴;沈文苗;;扩展卡尔曼滤波算法初值选取方法[J];声学与电子工程;2012年01期
中国重要会议论文全文数据库 前9条
1 刘栋;王惠林;;卡尔曼滤波算法在目标定位系统中的应用[A];第九届全国光电技术学术交流会论文集(上册)[C];2010年
2 周红波;耿伯英;;基于目标跟踪的无偏转换测量卡尔曼滤波算法研究[A];2007中国控制与决策学术年会论文集[C];2007年
3 陈婧;谢磊;李备;;水路交通中的卡尔曼滤波算法综述[A];第七届中国智能交通年会论文集[C];2012年
4 赵汝祺;赵祚喜;赵汝准;;基于多项式卡尔曼滤波算法的车辆定位试验研究[A];中国农业工程学会2011年学术年会论文集[C];2011年
5 曾翠娟;杜传利;;动态GPS自适应卡尔曼滤波算法的FPGA实现[A];第13届全国计算机、网络在现代科学技术领域的应用学术会议论文集[C];2007年
6 李鹏;宋申民;陈兴林;;自适应平方根无迹卡尔曼滤波算法[A];2009年中国智能自动化会议论文集(第八分册)[控制理论与应用(专刊)][C];2009年
7 程慧俐;王纪文;张洪钺;;在未知噪声统计情况下的一种新的自适应卡尔曼滤波算法[A];1994中国控制与决策学术年会论文集[C];1994年
8 刘健;刘忠;玄兆林;;纯方位目标运动分析的自适应扩展卡尔曼滤波算法[A];2005年全国水声学学术会议论文集[C];2005年
9 朱宁;钱伟康;郭强;;基于嵌入式XP的光谱分析系统[A];全国第一届嵌入式技术联合学术会议论文集[C];2006年
中国博士学位论文全文数据库 前5条
1 孙景荣;X射线脉冲星导航及其增强方法研究[D];西安电子科技大学;2014年
2 葛磊;容积卡尔曼滤波算法研究及其在导航中的应用[D];哈尔滨工程大学;2013年
3 冯波;线性滤波估计算法研究及在惯性导航系统中的应用[D];北京理工大学;2014年
4 孟军英;基于粒子滤波框架目标跟踪优化算法的研究[D];燕山大学;2014年
5 周聪;基于非线性估计理论的线控转向汽车状态估计研究[D];西南交通大学;2012年
中国硕士学位论文全文数据库 前10条
1 庞瀛洲;关于电池BMS系统SOC估测算法的研究[D];长安大学;2015年
2 张冬梅;基于改进卡尔曼滤波算法的SOC估计方法研究[D];西南交通大学;2015年
3 林燕平;长基线导航系统滤波算法的研究与实现[D];沈阳理工大学;2015年
4 唐鹏;基于ADS-B数据监视性能评估技术研究[D];中国民航大学;2015年
5 陈辰;基于卡尔曼滤波算法的短期风电功率预测[D];新疆大学;2015年
6 徐红珍;基于粒子群的卡尔曼滤波算法改进和优化[D];武汉理工大学;2013年
7 邹振宇;基于DSP的Kalman滤波器的算法研究[D];成都理工大学;2012年
8 樊红娟;无先导卡尔曼滤波算法分析[D];西南大学;2007年
9 吴龙龙;一致性卡尔曼滤波算法及其应用研究[D];华东交通大学;2013年
10 李忠良;基于神经网络的卡尔曼滤波算法研究[D];湖南工业大学;2011年
中国知网广告投放
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978