基于改进的迭代容积卡尔曼滤波姿态估计

为了充分利用新的量测信息,提高姿态估计的精度,在分析现有迭代滤波策略存在问题的基础上,采用一种新的容积点迭代策略,将其与容积卡尔曼滤波算法相结合,提出了一种改进的迭代容积卡尔曼滤波(improved iterated cubature Kalman filter,IICKF)算法.该算法采用容积数值积分理论近似非线性函数的均值与方差,利用状态扩维理论来解决量测迭代中量测噪声与状态相关的问题,同时利用一种新的容积点迭代策略,即在量测迭代过程中直接采用容积点迭代,避免每步迭代都进行均方根计算来产生容积点,克服传统迭代策略是基于高斯近似产生采样点的局限,有效地降低扩维带来的计算量.仿真结果表明:该算法的估计精度高于乘性扩展卡尔曼滤波(multiplicative extended Kalman filter,MEKF)以及迭代容积卡尔曼滤波(iterated cubature Kalman filter,ICKF)算法,该算法的提出有助于提高姿态估计的精度.

基于CF-RSF算法的航天器姿态确定

针对复杂环境下航天器姿态确定系统中的模型和噪声不确定问题,提出一种基于求容积规则的风险敏感滤波(CF-RSF)的航天器姿态确定算法。该算法通过引入风险敏感算子来解决由于系统的不确定性而导致滤波器鲁棒性差,甚至发散的问题,并通过求容积规则来解决非线性积分问题。该方法不仅提高了滤波算法对系统不确定性问题的鲁棒性,而且一定程度上提高了滤波的精度,降低了滤波的计算复杂性。仿真结果表明了算法的有效性。