基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
针对广义卡尔曼滤波(extended Kalman filter,EKF)和无迹卡尔曼滤波(unscented Kalman filter,UKF)缺乏对系统异常的在线自适应调整能力、导致滤波器精度降低的问题,提出了一种将强跟踪滤波(strong tracking filter,STF)和UKF相结合的滤波算法,并进一步采用部分状态信息作为间接观测量,同时量测噪声方差阵实时调整,从而避免了对观测方程求取Jacobi矩阵的过程,使滤波器的设计得到简化.将该算法应用于航天器自主导航系统中,仿真结果表明,该算法在系统出现突变或缓变异常时,能够迅速检测出异常,在保证较高估计精度的同时,提高了系统的可靠性.
推荐文章
基于UKF的星光角距卫星自主导航方法研究
星光角距
星敏感器
红外地球敏感器
UKF
EKF
一种基于AUKF的航天器自主导航算法
自主导航
扩展卡尔曼滤波
自适应无迹滤波器
Sage-Husa噪声估计器
应用引力梯度测量的火星中低轨道航天器自主导航
行星中低轨道
自主导航
引力梯度
最小二乘法
基于强跟踪UKF的自适应SLAM算法
同时定位与地图创建
UKF-SLAM
强跟踪滤波器
自适应滤波
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于强跟踪UKF的航天器自主导航间接量测滤波算法
来源期刊 系统工程与电子技术 学科 航空航天
关键词 自主导航 强跟踪滤波 无迹卡尔曼滤波 间接量测
年,卷(期) 2011,(11) 所属期刊栏目 制导、导航与控制
研究方向 页码范围 2485-2491
页数 分类号 V448.22
字数 3707字 语种 中文
DOI 10.3969/j.issn.1001-506X.2011.11.27
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 李少远 上海交通大学自动化系系统控制与信息处理教育部重点实验室 170 3277 31.0 48.0
2 杨文博 上海交通大学自动化系系统控制与信息处理教育部重点实验室 2 22 2.0 2.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (14)
共引文献  (24)
参考文献  (13)
节点文献
引证文献  (19)
同被引文献  (70)
二级引证文献  (146)
1990(1)
  • 参考文献(1)
  • 二级参考文献(0)
1991(2)
  • 参考文献(1)
  • 二级参考文献(1)
1993(1)
  • 参考文献(0)
  • 二级参考文献(1)
1994(1)
  • 参考文献(1)
  • 二级参考文献(0)
1999(1)
  • 参考文献(0)
  • 二级参考文献(1)
2000(2)
  • 参考文献(1)
  • 二级参考文献(1)
2001(2)
  • 参考文献(0)
  • 二级参考文献(2)
2002(1)
  • 参考文献(0)
  • 二级参考文献(1)
2004(4)
  • 参考文献(2)
  • 二级参考文献(2)
2005(1)
  • 参考文献(0)
  • 二级参考文献(1)
2006(2)
  • 参考文献(1)
  • 二级参考文献(1)
2007(4)
  • 参考文献(1)
  • 二级参考文献(3)
2008(3)
  • 参考文献(3)
  • 二级参考文献(0)
2009(2)
  • 参考文献(2)
  • 二级参考文献(0)
2011(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2013(2)
  • 引证文献(2)
  • 二级引证文献(0)
2014(10)
  • 引证文献(2)
  • 二级引证文献(8)
2015(32)
  • 引证文献(6)
  • 二级引证文献(26)
2016(28)
  • 引证文献(6)
  • 二级引证文献(22)
2017(32)
  • 引证文献(2)
  • 二级引证文献(30)
2018(37)
  • 引证文献(1)
  • 二级引证文献(36)
2019(21)
  • 引证文献(0)
  • 二级引证文献(21)
2020(3)
  • 引证文献(0)
  • 二级引证文献(3)
研究主题发展历程
节点文献
自主导航
强跟踪滤波
无迹卡尔曼滤波
间接量测
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
系统工程与电子技术
月刊
1001-506X
11-2422/TN
16开
北京142信箱32分箱
82-269
1979
chi
出版文献量(篇)
10512
总下载数(次)
24
相关基金
国家自然科学基金
英文译名:the National Natural Science Foundation of China
官方网址:http://www.nsfc.gov.cn/
项目类型:青年科学基金项目(面上项目)
学科类型:数理科学
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导