基于卡尔曼滤波的卫星编队平根状态连续估计方法及系统技术方案

本发明专利技术公开了基于卡尔曼滤波的卫星编队平根状态连续估计方法及系统，方法步骤包括：基于卫星编队相对轨道根数，得到卫星编队相对轨道根数的状态方程；基于状态方程，得到相对位置的观测方程；基于观测方程，对卫星编队星间状态进行预测；基于状态方程和所述观测方程，计算预测误差方差和滤波增益；基于卫星编队星间预测状态、滤波增益和误差方差，得到卫星编队星间状态。系统包括：第一计算模块、第二计算模块、第一状态模块、第三计算模块和第二状态模块；本发明专利技术通过建立星间相对轨道根数方程，然后利用卡尔曼滤波估计技术，实时递推解算滤波增益和误差方差矩阵，从而获取到卫星编队星间状态，克服瞬平转换后的跳点。克服瞬平转换后的跳点。克服瞬平转换后的跳点。

【技术实现步骤摘要】
基于卡尔曼滤波的卫星编队平根状态连续估计方法及系统


[0001]本专利技术属于卫星编队领域，具体涉及基于卡尔曼滤波的卫星编队平根状态连续估计方法及系统。

技术介绍

[0002]卫星编队是近年来国内外航天技术研究的重点问题之一。采用多颗卫星编队飞行来实现传统单颗大卫星所不具备的功能。随着微型航天器技术的不断发展，由几颗甚至十几颗低成本的微型航天器组成的飞行编队受到广泛重视。它能在同一时刻对同一目标实现立体探测，并能提供大的孔径和长测量基线，在通信、遥感、导航、电子侦察、立体成像、精准定位、大气天文和地球物理观测等领域都有着非凡意义。
[0003]目前卫星编队状态测量方法有激光测量法、红外测量法、视觉相对导航法、GPS测量法等。由于激光波束窄，需要额外的引导系统，增加了系统的复杂程度，不利于测量系统的小型化；红外测量方法精度较高，但是只能提供测角信息，不能提供测距信息，无法单独使用；视觉相对导航法测量精度高，但其作用距离较近，不适合中远程星间相对导航；基于星载GPS测量系统精度较高，但想要获得较高的实时确定精度，需要复杂的处理过程。

技术实现思路

[0004]本专利技术提出了基于卡尔曼滤波的卫星编队平根状态连续估计方法及系统，通过建立星间相对轨道根数方程，然后利用卡尔曼滤波估计技术，实时递推解算滤波增益和误差方差矩阵，从而获取到卫星编队星间状态。
[0005]为实现上述目的，本专利技术提供了如下方案：
[0006]一种基于卡尔曼滤波的卫星编队平根状态连续估计方法，步骤包括：
>[0007]S1、基于卫星编队相对轨道根数，得到卫星编队相对轨道根数的状态方程；
[0008]S2、基于所述状态方程，得到相对位置的观测方程；
[0009]S3、基于所述观测方程，对卫星编队星间状态进行预测；
[0010]S4、基于所述状态方程和所述观测方程，计算预测误差方差和滤波增益；
[0011]S5、基于所述卫星编队星间预测状态、所述滤波增益和所述误差方差，得到卫星编队星间状态的估计。
[0012]优选的，所述S1中得到所述所述状态方法的方法包括：
[0013]S11、基于摄动理论，得到卫星编队相对轨道根数在一阶长期摄动下随时间变化的表达式；
[0014]S12、基于所述卫星编队相对轨道根数在一阶长期摄动下随时间变化的表达式，得到所述卫星编队相对轨道根数的状态方程。
[0015]优选的，所述S11中所述卫星编队相对轨道根数定义为δα＝[δa,δu,δe
x
,δe
y
,δi
x
,δi
y
]T
，则根据摄动理论，得到所述卫星编队相对轨道根数δα＝[δa,δu,δe
x
,δe
y
,δi
x
,δi
y
]T
在J2项一阶长期摄动下随时间变化的表达式为：
[0016][0017]式中，a表示半长轴，u表示卫星纬度幅角，e表示偏心率，ω表示近地点幅角，e
x
＝e cosω，e
y
＝e sinω，i表示轨道倾角，i
x
＝i cosω，i
y
＝i sinω，u0表示纬度幅角初值，γ表示依赖于J2摄动的常数，表示相对倾角矢量相角，表示E向量相位角对编队主星纬度幅角u的微分，
[0018]优选的，所述S12中得到所述卫星编队相对轨道根数的状态方程的方法包括：
[0019]S121、计算状态转移矩阵；
[0020][0021]式中，k表示时刻,Φ
k,k
‑1表示t
k
‑1时刻到t
k
时刻状态转移矩阵；u
k
表示t
k
时刻的纬度幅角，u
k
‑1表示t
k
‑1时刻的纬度幅角；
[0022]S122、计算所述卫星编队相对轨道根数的状态方程；
[0023]δα
k
＝Φ
k,k
‑1δα
k
‑1+W
k
‑1[0024]式中，δα
k
是系统的状态向量，W
k
‑1是过程噪声向量。
[0025]优选的，所述S2中所述状态方程的计算方法包括：
[0026]S21、基于轨道根数描述的运动学方程，得到从星相对于主星的位置公式：
[0027][0028]式中，r表示从星相对主星轨道矢量径，r
r
，r
t
，r
n
分别表示示径向、沿航迹向及法向的分量；
[0029]S22、基于所述从星相对于主星的位置公式，得到观测矩阵H
k
；
[0030][0031]式中，H
k
表示t
k
时刻的观测矩阵；
[0032]S23、基于所述观测矩阵，得到相对位置δr的观测方程；
[0033]δr
k
＝H
k
δα
k
+V
k
[0034]式中，V
k
表示观测噪声向量；δα
k
是系统的状态向量。
[0035]优选的，所述S4中所述预测误差方差和滤波增益计算方法包括：
[0036]所述预测误差方差计算公式如下：
[0037][0038]式中，P
k,k
‑1表示预测误差方差矩阵；P
k
‑1表示t
k
‑1时刻的预测误差方差矩阵；Φ
k,k
‑1表示t
k
‑1时刻到t
k
时刻的n
×
n维状态转移矩阵；Γ
k,k
‑1表示n
×
p维噪声输入矩阵，Q
k
‑1表示t
k
‑1时刻的过程噪声W
k
的p
×
p维对称非负定方差矩阵；
[0039]所述滤波增益计算公式如下：
[0040][0041]式中，K
k
是增益矩阵，表示m
×
n维观测矩阵，R
k
表示观测噪声V
k
的m
×
m维对称正定方差矩阵。
[0042]本专利技术还提供一种基于卡尔曼滤波的卫星编队平根状态连续估计系统，包括：第一计算模块、第二计算模块、第一状态模块、第三计算模块和第二状态模块；
[0043]所述第一计算模块用于基于卫星编队相对轨道根数，得到卫星编队相对轨道根数的状态方程；
[0044]所述第二计算模块用于基于所述状态方程，得到相对位置的观测方程；
[0045]所述第一状态模块，用于基于所述观测方程，对卫星编队星间状态进行预测；
[0046]所述第三本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于卡尔曼滤波的卫星编队平根状态连续估计方法，其特征在于，步骤包括：S1、基于卫星编队相对轨道根数，得到卫星编队相对轨道根数的状态方程；S2、基于所述状态方程，得到相对位置的观测方程；S3、基于所述观测方程，对卫星编队星间状态进行预测；S4、基于所述状态方程和所述观测方程，计算预测误差方差和滤波增益；S5、基于所述卫星编队星间预测状态、所述滤波增益和所述误差方差，得到卫星编队星间状态的估计。2.根据权利要求1所述一种基于卡尔曼滤波的卫星编队平根状态连续估计方法，其特征在于，所述S1中得到所述所述状态方法的方法包括：S11、基于摄动理论，得到卫星编队相对轨道根数在一阶长期摄动下随时间变化的表达式；S12、基于所述卫星编队相对轨道根数在一阶长期摄动下随时间变化的表达式，得到所述卫星编队相对轨道根数的状态方程。3.根据权利要求2所述一种基于卡尔曼滤波的卫星编队平根状态连续估计方法，其特征在于，所述S11中所述卫星编队相对轨道根数定义为δα＝[δa,δu,δe
x
,δe
y
,δi
x
,δi
y
]
T
，则根据摄动理论，得到所述卫星编队相对轨道根数δα＝[δa,δu,δe
x
,δe
y
,δi
x
,δi
y
]
T
在J2项一阶长期摄动下随时间变化的表达式为：式中，a表示半长轴，u表示卫星纬度幅角，e表示偏心率，ω表示近地点幅角，e
x
＝ecosω，e
y
＝esinω，i表示轨道倾角，i
x
＝icosω，i
y
＝isinω，u0表示纬度幅角初值，γ表示依赖于J2摄动的常数，表示相对倾角矢量相角，表示E向量相位角对编队主星纬度幅角u的微分，4.根据权利要求2所述一种基于卡尔曼滤波的卫星编队平根状态连续估计方法，其特征在于，所述S12中得到所述卫星编队相对轨道根数的状态方程的方法包括：S121、计算状态转移矩阵；
式中，k表示时刻,Φ
k,k
‑1表示t
k
‑1时刻到t
k
时刻状态转移矩阵；u
k
表示t
k
时刻的纬度幅角，u
k
‑1表示t
k
‑1时刻的纬度幅角；S122、计算所述卫星编队相对轨道根数的状态方程；δα
k
＝Φ
k,k
‑1δα
k
‑1+W
k
‑1式中，δα
k
是系统的状态向量，W
k
‑1是过程噪声向量。5.根据权利要求1所述一种基于卡尔曼滤波的卫星编队平根状态连续估...

【专利技术属性】
技术研发人员：张德新，常乐，刘济恺，王角，杜轶琛，饶小双，
申请(专利权)人：上海交通大学，
类型：发明
国别省市：