一种基于中心误差熵准则扩展卡尔曼滤波的姿态确定方法技术

本发明专利技术公开了一种基于中心误差熵准则扩展卡尔曼滤波的姿态确定方法，该方法用于确定航天器姿态，包括：根据航天器的观测数据和航天器姿态动力学模型，建立航天器姿态确定的非线性系统；根据非线性系统和泰勒展开公式，获取航天器对应的状态预测方程和近似观测方程，并对状态预测方程和近似观测方程进行增广处理；基于增广处理后的状态预测方程和近似观测方程，构建中心误差熵准则滤波的代价函数，对代价函数进行最大化处理，确定航天器状态变量的最优估计值。本发明专利技术的基于中心误差熵准则扩展卡尔曼滤波的姿态确定方法能够提高处理非高斯噪声时的航天器姿态估计精度和鲁棒性。高斯噪声时的航天器姿态估计精度和鲁棒性。高斯噪声时的航天器姿态估计精度和鲁棒性。

【技术实现步骤摘要】
一种基于中心误差熵准则扩展卡尔曼滤波的姿态确定方法


[0001]本专利技术涉及航天器姿态估计
，具体涉及一种基于中心误差熵准则扩展卡尔曼滤波的姿态确定方法。

技术介绍

[0002]高精度高可靠的姿态确定是航天器开展空间在轨服务等任务的基础。目前航天器的姿态确定方法按姿态解算方法不同可以分为确定性方法和状态估计法两类，其中，状态估计法采用滤波的方法根据观测信息对航天器状态量进行估计，可以有效的克服参考矢量的不确定性影响。
[0003]在高斯噪声假设下，航天器姿态确定主要应用扩展卡尔曼滤波和Sigma点卡尔曼滤波，基于最小均方误差准则的经典卡尔曼滤波和基于最小均方误差准则的各类非线性滤波器在高斯噪声的条件下有着最优或近似最优的滤波效果。然而，在实际工程实践中往往会出现非高斯噪声，在面对工程中经常出现的野值、脉冲等诱导的非高斯噪声时，卡尔曼滤波不具有鲁棒性，而基于最小均方误差准则的各类非线性滤波器也必须满足高斯假设，在面对非高斯环境时会出现精度差甚至滤波发散的现象。
[0004]为处理非高斯噪声，目前主要使用非高斯滤波器，非高斯滤波器包括：粒子滤波器(PF)、高斯和滤波器(GSP)、Huber滤波器、Student
’
s t滤波器、最大相关熵滤波器(MCKF)和最小误差熵滤波器(MEEKF)。其中，粒子滤波器采用序贯重要性采样方法来近似计算后验密度，可以处理任意非高斯噪声；高斯和滤波器将非高斯噪声建模为高斯和分布以处理非高斯噪声；Huber滤波器采用M估计的方法处理非高斯噪声，有着较好的鲁棒性；Student
’
s t滤波器将非高斯噪声假设为student
’
s t分布以处理非高斯噪声；最大相关熵滤波器和最小误差熵滤波器分别以最大相关熵准则和最小误差熵准则为最优准则，相比传统的最小均方误差准则有着更好的非高斯噪声的处理效果。
[0005]然而，上述的非高斯滤波器中，粒子滤波器具有较高的计算复杂度，且其粒子退化和粒子贫化问题也是很难处理的问题；高斯和滤波器假设噪声的概率密度是已知的，且有着较大的计算量；Huber滤波器的精度有限；Student
’
s t滤波器只能对特定的非高斯噪声进行处理，环境适应性较差；最大相关熵滤波器虽然可以将概率密度函数的峰值固定到零，但是单独使用时算法的精度有限；最小误差熵滤波器具有平移不变性，不能保证估计误差收敛到零。

技术实现思路

[0006]为解决上述现有技术中存在的部分或全部技术问题，本专利技术提供一种基于中心误差熵准则扩展卡尔曼滤波的姿态确定方法。
[0007]本专利技术的技术方案如下：
[0008]提供了一种基于中心误差熵准则扩展卡尔曼滤波的姿态确定方法，所述方法用于确定航天器姿态，所述方法包括：
[0009]根据航天器的观测数据和航天器姿态动力学模型，建立航天器姿态确定的非线性系统；
[0010]根据所述非线性系统和泰勒展开公式，获取航天器对应的状态预测方程和近似观测方程，并对状态预测方程和近似观测方程进行增广处理；
[0011]基于增广处理后的状态预测方程和近似观测方程，构建中心误差熵准则滤波的代价函数，对所述代价函数进行最大化处理，确定航天器状态变量的最优估计值。
[0012]在一些可选的实施方式中，建立航天器姿态确定的非线性系统为：
[0013][0014]其中，x
k
表示k时刻航天器的n维状态变量，f(
·
)表示系统的状态方程，y
k
表示k时刻的m维观测向量，h(
·
)表示系统的量测方程，w
k
‑1表示k
‑
1时刻的n维系统噪声序列，v
k
表示k时刻的m维观测噪声序列。
[0015]在一些可选的实施方式中，根据所述非线性系统和泰勒展开公式，进行一步预测和泰勒展开，得到如以下公式七和公式九的航天器对应的状态预测方程和近似观测方程；
[0016][0017][0018]其中，表示k时刻的一步预测状态估计值，表示k
‑
1时刻的状态估计值，H
k
表示非线性函数h(
·
)的雅克比矩阵。
[0019]在一些可选的实施方式中，利用以下公式十一对状态预测方程和近似观测方程进行增广处理；
[0020][0021]其中，I
n
表示n维单位矩阵，
[0022]在一些可选的实施方式中，构建中心误差熵准则滤波的代价函数为：
[0023][0024]其中，λ表示权重系数，L＝m+n，表示核宽为σ1的高斯核函数，e
i
表示误差变量e的第i维状态，表示核宽为σ2的高斯核函数，e
j
表示误差变量e的第j维状态。
[0025]在一些可选的实施方式中，利用以下公式十六确定航天器状态变量x
k
的最优估计值
[0026][0027]其中，
[0028]在一些可选的实施方式中，所述对所述代价函数进行最大化处理，确定航天器状态变量的最优估计值，包括：
[0029]对代价函数计算梯度，将梯度计算公式表达成矩阵形式，并令梯度等于0；
[0030]基于矩阵形式的梯度计算公式，采用定点迭代算法，确定航天器状态变量的最优估计值计算公式；
[0031]基于航天器状态变量的最优估计值计算公式，根据矩阵求逆引理公式，确定航天器状态变量的最优估计值。
[0032]本专利技术技术方案的主要优点如下：
[0033]本专利技术的基于中心误差熵准则扩展卡尔曼滤波的姿态确定方法在航天器姿态确定过程中，将航天器姿态确定系统的状态方程和观测方程重新改写为非线性回归模型，然后通过最大化中心误差熵准则函数来求解最优的状态估计，能够提高处理非高斯噪声时的航天器姿态估计精度和鲁棒性。
附图说明
[0034]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0035]图1为本专利技术一实施例的基于中心误差熵准则扩展卡尔曼滤波的姿态确定方法的流程图；
[0036]图2为在传统扩展卡尔曼滤波算法下的航天器姿态确定结果示意图；
[0037]图3为在传统最大相关熵扩展卡尔曼滤波算法下的航天器姿态确定结果示意图；
[0038]图4为在传统最小误差熵扩展卡尔曼滤波算法下的航天器姿态确定结果示意图；
[0039]图5为在本专利技术一实施例的基于中心误差熵准则扩展卡尔曼滤波的姿态确定方法下的航天器姿态确定结果示意图。
具体实施方式
[0040]为使本专利技术的目的、技术方案和优点更加清楚，下面将结合本专利技术具体实施例及相应的附图对本专利技术技术本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于中心误差熵准则扩展卡尔曼滤波的姿态确定方法，其特征在于，所述方法用于确定航天器姿态，包括：根据航天器的观测数据和航天器姿态动力学模型，建立航天器姿态确定的非线性系统；根据所述非线性系统和泰勒展开公式，获取航天器对应的状态预测方程和近似观测方程，并对状态预测方程和近似观测方程进行增广处理；基于增广处理后的状态预测方程和近似观测方程，构建中心误差熵准则滤波的代价函数，对所述代价函数进行最大化处理，确定航天器状态变量的最优估计值。2.根据权利要求1所述的基于中心误差熵准则扩展卡尔曼滤波的姿态确定方法，其特征在于，建立航天器姿态确定的非线性系统为：其中，x
k
表示k时刻航天器的n维状态变量，f(
·
)表示系统的状态方程，y
k
表示k时刻的m维观测向量，h(
·
)表示系统的量测方程，w
k
‑1表示k
‑
1时刻的n维系统噪声序列，v
k
表示k时刻的m维观测噪声序列。3.根据权利要求2所述的基于中心误差熵准则扩展卡尔曼滤波的姿态确定方法，其特征在于，根据所述非线性系统和泰勒展开公式，进行一步预测和泰勒展开，得到如以下公式七和公式九的航天器对应的状态预测方程和近似观测方程；七和公式九的航天器对应的状态预测方程和近似观测方程；其中，表示k时刻的一步预测状态估计值，表示k
...

【专利技术属性】
技术研发人员：曹璐，杨宝健，冉德超，肖冰，蒋臣，
申请(专利权)人：中国人民解放军军事科学院国防科技创新研究院，
类型：发明
国别省市：