多终端五阶强跟踪容积卡尔曼滤波实时定轨

为了提高多手持终端对卫星脉冲机动轨道的实时确定精度,并降低定轨精度对滤波初值的敏感性,提出一种五阶强跟踪球面单形-径向容积卡尔曼滤波(5-STSSRCKF)方法。采用n维正则单形变换群和矩匹配法推导五阶球面单形-径向容积准则,并将该准则嵌入强跟踪滤波(STF)框架。利用STF的等价表示计算次优渐消因子,实现了在滤波稳定时在线实时调整增益矩阵,克服了残差增大时增益矩阵仍保持极小值的缺点,提高了对系统突变状态的跟踪能力。进行了仿真实验,结果表明,当滤波初值误差增大时,已有方法的定轨精度降低为1 798.199m,而提出的5-STSSRCKF的定轨精度可以维持在8.688m;当卫星进行脉冲机动时,已有方法不具备对机动轨道状态的跟踪能力,而5-STSSRCKF的定轨精度仍然维持在8.976m。实验显示,5-STSSRCKF对滤波初值不敏感,并且对卫星脉冲机动轨道的实时确定精度更高。

预测-五阶容积卡尔曼滤波方法

为适用于强非线性、非高斯过程噪声系统,结合预测滤波(PF)与高阶容积卡尔曼滤波(HCKF),提出一种预测-五阶容积卡尔曼滤波(P5thCKF)方法。通过预测滤波方法对系统模型中的过程噪声及其方差阵进行实时调整,进而将新模型代入到五阶容积卡尔曼滤波框架中进行实时递推状态估计。推导了五阶球面单形-径向积分准则,采用五阶球面单形积分准则处理球面积分,广义高斯-拉盖尔积分准则处理径向积分;描述了预测滤波方法并对模型误差调整量进行了推导。通过2个仿真实验验证了本文方法在强非线性、非高斯过程噪声系统中的可行性以及应用于工程实践的可能性。