一种用于卫星姿态估计的范数约束强跟踪容积卡尔曼滤波方法
【专利摘要】本发明公开了一种用于卫星姿态估计的范数约束强跟踪容积卡尔曼滤波方法。包括以下几个步骤：采集陀螺与星敏感器的输出数据；确定卫星姿态估计系统的状态变量和量测量；在k时刻进行标准的容积卡尔曼率波时间更新和量测更新，得到一步状态预测方差、一步量测预测方差及互协方差；利用多重次渐消因子对一步状态预测方差进行校正；重新进行容积卡尔曼滤波量测更新，求得k+1时刻的状态估计和状态估计方差；姿态估计非线性离散系统的结束时刻为M，若k+1＝M，则输出k+1时刻的状态估计的姿态四元数及陀螺漂移，完成姿态估计，若k+1＜M，令k＝k+1则重复步骤三至步骤五。本发明具有高估计精度和强鲁棒性的优点。
【专利说明】一种用于卫星姿态估计的范数约束强跟踪容积卡尔曼滤波方法
【技术领域】
[0001]本发明属于卫星姿态估计的【技术领域】，特别涉及一种用于卫星姿态估计的范数约束强跟踪容积卡尔曼滤波方法。
【背景技术】
[0002]卫星姿态估计技术是航天技术的关键技术之一，由陀螺与星敏感器组成的卫星姿态估计系统由于测姿精度高、可靠性好以及自主性强等优点得到了广泛的应用。针对该姿态估计系统，四元数由于计算简单，无三角函数的运算，同时又能避免欧拉角的奇异性问题，因此被作为系统的姿态描述参数。为提高姿态估计的精度以及姿态估计系统的适应能力和鲁棒性，非线性滤波算法提供了强有力的基础保障。扩展卡尔曼滤波(ExtendedKalman Filter, EKF)由于其结构简单、易于实现等优点被广泛应用于姿态估计中。但是，EKF存在理论上的局限性:1)模型线性化引入了截断误差，导致滤波精度下降，同时要计算雅克比矩阵，计算复杂；2)模型失配、未知干扰或状态突变等情况下，鲁棒性差；3)四元数作为状态变量存在范数约束，影响滤波精度。
[0003]为了克服EKF算法的局限性，无迹卡尔曼滤波算法(Unscented KalmanFilter, UKF)被提出，该滤波算法的核心思想是利用UT变换(UnscentedTransformation,UT)产生一组确定性的Sigma点来近似非线性函数的后验均值和方差，精度能够达到二阶。随着非线性滤波算法的深入研究，在UKF算法的基础上，Ienkaran Arasaratnam和SimonHaykin在2009年提出了一种新的非线性滤波一容积卡尔曼滤波算法(Cubature Kalmanfilter, CKF)。CKF算法也是基于最优的高斯滤波框架，采用三阶球面相径容积规则来近似非线性函数的均值和方差，可以保证在理论上以三阶多项式逼近任何非线性高斯状态的后验均值和方差，相比较于UKF，具有实现简单，在高维情况下滤波精度高，收敛性好等优点。与EKF类似，CKF算法不足也在于在状态突变或模型不准确的情况下鲁棒性差，跟踪能力差，同时也没有考虑状态变量存在约束的情况。为了提高滤波算法在模型参数变化或系统发生突变时的跟踪能力，一种强跟踪扩展卡尔曼滤波(StrongTrackingEKF)被提出。此后,有学者将强跟踪思想与CKF算法结合，提出了强跟踪CKF(STCKF)算法，但该算法只是通过引入单重次渐消因子对预测误差协方差阵进行调整，虽然具有好的跟踪能力，但是对复杂的多变量系统，无法保证对每个变量都具有好的跟踪能力，同时也没有考虑状态变量存在约束的情况。
【发明内容】
[0004]本发明的目的是提供具有高估计精度和强鲁棒性的一种用于卫星姿态估计的范数约束强跟踪容积卡尔曼滤波方法。
[0005]本发明是通过以下技术方案实现的:
[0006]一种用于卫星姿态估计的范数约束强跟踪容积卡尔曼滤波方法，包括以下几个步骤:
[0007]步骤一:采集陀螺与星敏感器的输出数据；
[0008]步骤二:利用输出数据确定卫星姿态估计系统的状态变量和量测量；
[0009]步骤三:在k时刻进行标准的容积卡尔曼率波时间更新和量测更新，得到一步状态预测方差、一步量测预测方差及互协方差；
[0010]步骤四:利用多重次渐消因子对一步状态预测方差进行校正；
[0011]步骤五:利用矫正后的一步状态预测方差，重新进行容积卡尔曼滤波量测更新，求得k+1时刻的状态估计和状态估计方差；
[0012]步骤六:姿态估计非线性离散系统的结束时刻为M，若k+1 = M，则输出k+Ι时刻的状态估计的姿态四元数及陀螺漂移，完成姿态估计，若k+l〈M，令k = k+Ι则重复步骤三至步骤五。
[0013]本发明一种用于卫星姿态估计的范数约束强跟踪容积卡尔曼滤波方法还可以包括:
[0014]1、状态变量％ =[fj fijJ , qk为姿态四元数，Pk为陀螺漂移，
[0015]建立卫星姿态估计系统的状态方程:
[0016]Xm = f{xk 為)+ Wi
[0017]其中:
【权利要求】
1.一种用于卫星姿态估计的范数约束强跟踪容积卡尔曼滤波方法，其特征在于，包括以下几个步骤: 步骤一:采集陀螺与星敏感器的输出数据； 步骤二:利用输出数据确定卫星姿态估计系统的状态变量和量测量； 步骤三:在k时刻进行标准的容积卡尔曼率波时间更新和量测更新，得到一步状态预测方差、一步量测预测方差及互协方差； 步骤四:利用多重次渐消因子对一步状态预测方差进行校正； 步骤五:利用矫正后的一步状态预测方差，重新进行容积卡尔曼滤波量测更新，求得k+Ι时刻的状态估计和状态估计方差； 步骤六:姿态估计非线性离散系统的结束时刻为M，若k+1 =M，则输出k+1时刻的状态估计的姿态四元数及陀螺漂移，完成姿态估计，若k+l〈M，令k = k+Ι则重复步骤三至步骤五。
2.根据权利要求1所述的一种用于卫星姿态估计的范数约束强跟踪容积卡尔曼滤波方法，其特征在于:所述的状态变量；=^^ β?}\ qk为姿态四元数，β,为陀螺漂移， 建立卫星姿态估计系统的状态方程:
3.根据权利要求2所述的一种用于卫星姿态估计的范数约束强跟踪容积卡尔曼滤波方法，其特征在于:所述的得到一步状态预测方差、一步量测预测方差及互协方差的方法为: 步骤3.1:时间更新，求得一步状态预测方差； 由k时刻的状态估计1_和状态估计方差Pk|k，求取容积点为:
4.根据权利要求3所述的一种用于卫星姿态估计的范数约束强跟踪容积卡尔曼滤波方法，其特征在于:所述的多重次渐消因子满足以下方程:
5.根据权利要求4所述的一种用于卫星姿态估计的范数约束强跟踪容积卡尔曼滤波方法，其特征在于:所述的求得k+Ι时刻的状态估计和状态估计方差的方法为: 步骤5.1:利用矫正后的一步状态预测方差进行量测更新； 更新后的一步量测预测、更新后的一步量测预测方差及更新后的互协方差为:
6.根据权利要求5所述的一种用于卫星姿态估计的范数约束强跟踪容积卡尔曼滤波方法，其特征在于:所述的陀螺测量噪声为σν = 0.35° /h，陀螺漂移的两侧噪声为σ; =0.021/#?星敏感器测量噪声为Os= 18"，初始陀螺漂移β = [I I l]To /h，初始状态估计值为
【文档编号】G01C21/24GK104019817SQ201410234807
【公开日】2014年9月3日 申请日期:2014年5月30日 优先权日:2014年5月30日
【发明者】钱华明, 黄蔚, 沈忱 申请人:哈尔滨工程大学