声明
摘要
图目录
表目录
第一章 绪论
1.1 课题研究背景及意义
1.1.1 航天器编队飞行
1.1.2 编队航天器自主交会
1.2 状态估计算法
1.2.1 鲁棒状态估计算法的发展
1.2.2 自适应状态估计算法的发展
1.2.3 一般状态估计算法的发展
1.3 航天器姿态估计算法
1.3.1 基于四元数的姿态估计算法
1.3.2 基于修改的罗格里斯参数的姿态估计算法
1.3.3 鲁棒的姿态估计算法
1.4 编队航天器相对导航算法
1.4.1 基于组合导航的相对导航
1.4.2 基于改进滤波算法的相对导航
1.4.3 鲁棒的相对导航算法
1.5 本文主要创新点及组织结构
1.5.1 本文主要创新点
1.5.2 本文组织结构
1.6 本章小结
第二章 线性回归理论及常用状态估计算法
2.1 引言
2.2 最大似然估计算法
2.2.1 算法回顾
2.2.2 关联残差情况
2.2.3 一致性、效率和偏移性分析
2.2.4 高斯分布下的最大似然估计
2.2.5 拉普拉斯分布下的最大似然估计
2.3 广义最大似然估计算法
2.3.1 算法回顾
2.3.2 鲁棒性的概念和测度
2.3.3 调节参数的选择
2.3.4 Huber估计与最大似然估计等价的情况
2.3.5 隐性似然等式的数值解
2.4 常用状态估计算法
2.4.1 最小二乘估计算法
2.4.2 扩展卡尔曼滤波算法
2.4.3 均差滤波算法
2.5 本章小结
第三章 鲁棒自适应卡尔曼滤波及在航天器姿态估计中的应用
3.1 航天器姿态描述
3.1.1 方向余弦
3.1.2 欧拉角
3.1.3 欧拉轴/角参数
3.1.4 四元数
3.1.5 罗格里斯参数
3.1.6 修改的罗格里斯参数
3.2 测量模型
3.2.1 陀螺测量模型
3.2.2 星敏感器测量模型
3.3 姿态滤波估计算法应用
3.4 基于Huber的鲁棒姿态估计算法
3.4.1 基于Huber的鲁棒卡尔曼滤波算法
3.4.2 仿真分析
3.5 基于估计误差协方差预测矩阵上界的自适应姿态估计算法
3.5.1 自适应滤波算法
3.5.2 仿真分析
3.6 鲁棒自适应姿态估计算法
3.6.1 一种鲁棒自适应滤波算法
3.6.2 仿真分析
3.7 本章小结
第四章 鲁棒均差滤波及在编队航天器相对导航中的应用
4.1 相对轨道动力学模型
4.2 GPS测量模型
4.3 基于简化均差滤波的编队航天器相对导航
4.3.1 简化的均差滤波算法
4.3.2 仿真分析
4.4 基于Huber的均差滤波编队航天器相对导航
4.4.1 基于Huber的鲁棒简化均差滤波算法
4.4.2 H-SDDF算法步骤总结
4.4.3 仿真分析
4.5 本章小结
第五章 改进的迭代均差滤波及在目标跟踪中的应用
5.1 迭代均差滤波算法
5.1.1 迭代扩展卡尔曼滤波算法
5.1.2 改进的均差滤波算法
5.1.3 迭代均差滤波算法
5.1.4 算法比较与分析
5.1.5 基于状态增广的迭代均差滤波算法
5.2 基于Huber非线性回归的迭代均差滤波算法
5.2.1 基于非线性回归和Huber的M-估计技术的均差滤波算法
5.2.2 比较与分析
5.2.3 仿真分析
5.3 本章小结
第六章 全文总结
6.1 全文工作总结
6.2 研究展望
参考文献
攻读博士学位期间已发表或录用的论文
攻读博士学位期间申请的专利
攻读博士学位期间所获奖励
攻读博士学位期间的审稿工作
致谢