[发明专利]一种基于多模型滤波的空间目标定位方法

说明书

技术领域

本发明涉及一种基于多模型滤波的空间目标定位方法，属于航天控制技术领域。

背景技术

精确获取追踪航天器和空间目标的相对位置，对于实现交会对接或在轨操作等空间任务具有重要意义；对于高价值卫星平台而言，确定空间目标或太空垃圾的位置是实现航天器避碰的前提。星相机照相观测是远距离空间目标定位的有效测量手段之一，利用安装在追踪航天器上的星相机能够精确测量空间目标相对于追踪航天器的视线方向矢量。对于非合作目标而言，在追踪航天器和空间目标之间无法建立星间链路，而微波雷达等星间距离测量设备的测量范围有限，在追踪航天器与空间目标距离较远的情况下，往往仅能获得星间视线方向矢量观测量，而星间距离信息是未知的。在这种情况下，为了确定空间目标的位置和速度，可以采用基于视线方向矢量的空间目标位置确定方法。

基于卡尔曼滤波(KF)理论建立的方法，如扩展卡尔曼滤波(EKF)算法，可用于实现基于视线方向矢量的空间目标位置确定。在系统模型精确已知的情况下，传统KF在最小误差均方差意义上是最优的。但是，在空间目标具有轨道机动能力的情况下，动力学方程中会存在未知干扰，空间目标的轨道机动加速度和机动时间均是未知的。未知干扰可视为模型不确定性，在系统模型存在不确定性的情况下，KF算法不是最优的；模型不确定性影响显著的情况下，将会导致KF算法的估计误差增大，滤波性能变差。

发明内容

本发明的技术解决问题是：克服现有技术的不足，针对空间目标轨道机动加速度的不确定性影响目标定位精度的问题，提出一种基于多模型滤波的空间目标定位方法，应用该方法能够消弱空间目标轨道机动加速度的不确定性对定位精度的影响，达到增强滤波收敛性和快速性的目的。

本发明的技术解决方案是：

一种基于多模型滤波的空间目标定位方法，步骤如下：

(1)选择空间目标的位置矢量和速度矢量作为状态变量，根据所述状态变量建立状态转移函数、测量函数和由多个不同的系统噪声方差阵构成的模型集；

(2)将模型集中的各个元素代入并行扩展卡尔曼滤波方程，利用步骤(1)得到的状态转移函数和测量函数，通过并行扩展卡尔曼滤波算法进行递推解算，获得并行扩展卡尔曼滤波算法的状态变量估计值，并计算并行扩展卡尔曼滤波算法的测量残差；

(3)根据步骤(2)得到的测量残差计算并行扩展卡尔曼滤波算法的权值；

(4)根据步骤(2)得到的各个并行扩展卡尔曼滤波算法的状态变量估计值和步骤(3)得到的各个并行扩展卡尔曼滤波算法的权值，计算状态变量估计值的加权和，加权和即为当前时刻多模型滤波的状态变量估计值；

(5)将步骤(2)到步骤(4)进行重复迭代，获得不同时刻多模型滤波的状态变量估计值，即获得了空间目标的位置和速度信息，从而实现基于多模型滤波的空间目标定位。

所述步骤(1)中状态变量为：

x^k(τ)=r^k(τ)v^k(τ)]]>

其中，