题目：非线性滤波及其在卫星姿态估计中的应用

本论文以微小卫星姿态估计为背景，重点研究无迹滤波(Unscented Kalman Filter/UKF)和粒子滤波(Particle Filter/PF)等新型非线性滤波算法，并将它们用于解决非线性随机系统状态估计问题。把两种新型姿态传感器，即冗余微机械惯性组件和GPS测姿仪用于卫星姿态估计系统；研究了采用非线性滤波器进行信息融合和故障检测的方法；进而，创新性的用随机系统有界性理论分析非线性滤波算法的误差特性，为增强UKF、PF等算法的稳定性提供了有效的途径。论文将先进的理论方法和具有应用前景的测姿设备相结合，目的是提高多传感器组合姿态估计系统的精度和可靠性。论文研究内容可归纳为以下三个部分。第一部分，针对微小型卫星姿态传感器开展实验研究。一方面，采用低成本GPS接收机产生的载波相位信号作为观测量，使用卡尔曼滤波算法(Kalman Filter/KF)估计载体的姿态；利用GPS进行姿态测量，其优点在于姿态误差不随时间积累，该技术为消除惯性器件系统误差的影响提供了一种简单有效的方法。另一方面，对适用于卫星姿态系统的微机械惯性器件余度技术和故障检测方法进行研究，将六个微机械陀螺在几何结构上沿正十二面体的对称侧面配置，通过奇偶方程产生残差，采用局部算法(Local Approach)进行残差评价；讨论了用于故障检测的样本数对检测性能的影响，指出局部算法检测小故障的能力随着样本数的增加而增强。第二部分，针对卫星姿态确定系统信息融合和故障检测问题开展研究。首先，以近地轨道微小卫星为对象，选择GPS测姿仪、微机械陀螺、太阳敏感器和地球敏感器作为姿态传感器，设计具有容错性的组合测姿方案，该方案具有高精度、高可靠性和低成本的特点。其次，令陀螺/GPS测姿仪子系统和陀螺/太阳敏感器/地球敏感器子系统构成两个子滤波器，采用联邦滤波(Federated Filter)和扩展卡尔曼滤波(Extended Kalman Filter/EKF)相结合实现多传感器姿态信息融合，使得联邦滤波技术可以用于非线性系统；通过将各子滤波器估计值进行比较来进行故障检测，设计了适合故障检测需要的联邦滤波器信息分配新方法，这一技术有助于提高检测性能。再次，提出了基于UKF的卫星姿态估计和故障检测方法，UKF是EKF的改进形式之一，满足精度高、计算量小、应用简便等要求，综合应用基于非线性滤波器新息的方法和局部方法，可以成功的检测出姿态传感器故障。第三部分，针对非线性滤波算法稳定性问题开展研究。应用随机过程有界性原理，建立了对非线性滤波算法进行稳定性分析的理论框架。在此基础上，对EKF、UKF和PF的估计误差有界性问题进行了严格的理论分析，着重讨论了噪声方差阵的取值对滤波稳定性的影响，不仅解决了在何种条件下滤波稳定的问题，还为解决如何改善滤波性能这一问题提供了理论基础。接下来，分别对EKF、UKF和PF进行改进，目的是增强上述算法稳定性。仿真结果表明，即使在初始误差较大的情况下，上述改进算法仍能正常工作。这部分内容是论文的主要创新点。