一种顾及虚拟观测值的卫星姿态融合估计方法技术

本发明专利技术公开了一种顾及虚拟观测值的卫星姿态融合估计方法，首先构建星敏感器和陀螺观测值信息的状态方程和观测方程模型，再采用UKF滤波融合方法递推某一历元时刻的滤波估计值，并将其作为虚拟观测值，然后根据观测值与虚拟观测值构建最小二乘平差模型并进行解算，接着利用Helmert方差分量估计方法进一步自适应定权调整修正，并采用动态二次规划解决Helmert负方差问题，最后当所有姿态信息的单位权方差满足近似相等条件时，输出卫星姿态融合估计结果。本发明专利技术能够充分融合观测值与虚拟观测值的信息，提高星敏感器和陀螺姿态融合估计的收敛速度和融合精度。计的收敛速度和融合精度。计的收敛速度和融合精度。

【技术实现步骤摘要】
表示k
‑
1时刻的过程噪声，z
k
表示k时刻的观测值，H(
·
)表示姿态观测模型，v
k
表示k时刻的观测噪声。
[0017]进一步地，步骤S2中采用UKF滤波融合方法递推某一历元时刻的滤波估计值的公式为：
[0018][0019]其中表示k时刻的状态量滤波估计值，表示k时刻的状态量一步预测值，K
k
表示k时刻的增益矩阵，表示k时刻的观测量一步预测值，表示k时刻滤波估计值的误差协方差阵，表示k时刻状态量一步预测值的误差协方差阵，表示状态量一步预测的自协方差阵，上标T表示矩阵的转置。
[0020]进一步地，步骤S3中构建的最小二乘平差模型为：
[0021][0022]其中V
S
表示星敏感器观测值改正数，H
S
表示星敏感器观测值的系数阵，表示参数的改正数，L
S
表示星敏感器观测值误差方程的常数项，V
G
表示陀螺观测值改正数，H
G
表示陀螺观测值的系数阵，L
G
表示陀螺观测值误差方程的常数项，表示滤波估计值改正数，表示滤波估计值误差方程的常数项，P
S
表示星敏感器观测值的权阵，P
G
表示陀螺观测值的权阵，表示滤波估计值的权阵。
[0023]进一步地，步骤S4包括以下分步骤：
[0024]S41、将最小二乘平差模型进行合并，得到：
[0025]V＝BX
‑
L
>[0026]其中表示观测值的改正数，表示参数的改正数，表示误差方程的常数项，B＝[H
S H
G I]表示参数的系数阵，I表示单位阵；
[0027]S42、求解最小二乘平差模型，得到：
[0028]X＝N
‑1W
[0029][0030]其中N表示法方程的系数矩阵，W表示法方程的常数项矩阵，N
i
表示法方程中第i类观测值的系数矩阵，W
i
表示法方程中第i类观测值的常数项矩阵，B
i
表示第i类观测值参数的系数阵，P
i
表示第i类观测值的权阵，L
i
表示误差方程第i类观测值的常数项，i＝1,2,3。
[0031]S43、将求解结果代入最小二乘平差模型，得到观测值改正数与单位权方差的关系模型：
[0032][0033]其中E(
·
)表示数学期望，V
i
表示第i类观测值的改正数，表示第i类观测值的单位权方差，tr(
·
)表示矩阵的迹，n
i
表示第i类观测值的个数。
[0034]进一步地，步骤S5中构建的Helmert方差分量估计模型为：
[0035][0036][0037][0038]其中S表示各类观测值的估计方差系数阵，S
ii
表示S的对角线部分，S
ij
表示S的非对角线部分，j＝1,2,3，表示待估计参数，W表示各类观测值改正数的平方和，表示第i类观测值的单位权方差估计值。
[0039]进一步地，步骤S7包括以下分步骤：
[0040]S71、引入不等式约束平差模型：
[0041][0042]S72、根据最小二乘平差原理，将不等式约束平差模型转化为动态二次规划模型：
[0043][0044]其中λ表示拉格朗日乘数，D表示由二阶导构成的Hessian矩阵，c＝δ
‑
(S
T
S)
‑1S
T
W表示是由梯度构成的Jacobi矩阵，δ表示约束条件的约束矩阵，λ
i
表示拉格朗日乘数中的第i类元素；
[0045]S73、通过Kuhn
‑
Tucker条件对动态二次规划模型进行约束：
[0046][0047]S74、根据最小二乘估计方法求解得到：
[0048][0049]其中表示拉格朗日乘数的最优解。
[0050]进一步地，步骤S8中输出卫星姿态融合估计结果为：
[0051][0052]其中表示参数的平差值，即卫星姿态融合估计结果，X0表示参数的近似值，X表示参数的改正数。
[0053]进一步地，步骤S9中对最小二乘平差模型进行重定权的公式为：
[0054][0055]其中P
ik
表示第k次迭代时第i类观测值的权阵，C为常数。
[0056]本专利技术的有益效果是：本专利技术顾及星敏感器与陀螺融合过程的滤波估计值信息并将其作为虚拟观测值，通过顾及虚拟观测值的Helmert方差分量估计与UKF融合的卫星姿态方法，将其与星敏感器与陀螺观测值充分融合。本专利技术根据虚拟观测值权阵信息与观测值权阵信息的验前单位方差不一致情形下，利用Helmert方差分量估计方法处理，有效平衡了虚拟观测与观测值对最终姿态估计的贡献，使得观测值与虚拟观测值的信息得到充分融合，可有效提高卫星星敏感器和陀螺姿态融合估计的收敛速度和融合精度。
附图说明
[0057]图1所示为本专利技术实施例提供的一种顾及虚拟观测值的卫星姿态融合估计方法流程图。
具体实施方式
[0058]现在将参考附图来详细描述本专利技术的示例性实施方式。应当理解，附图中示出和描述的实施方式仅仅是示例性的，意在阐释本专利技术的原理和精神，而并非限制本专利技术的范围。
[0059]本专利技术实施例提供了一种顾及虚拟观测值的卫星姿态融合估计方法，如图1所示，包括以下步骤S1～S9：
[0060]S1、获取星敏感器和陀螺的观测值，并根据观测值构建状态方程和观测方程模型：
[0061][0062]其中x
k
表示k时刻的卫星姿态角和姿态角速度，F(
·
)表示姿态动力学模型，ω
k
‑1表示k
‑
1时刻的过程噪声，z
k
表示k时刻的观测值，H(
·
)表示姿态观测模型，v
k
表示k时刻的观测噪声。
[0063]S2、根据状态方程和观测方程模型，采用UKF滤波融合方法递推某一历元时刻的滤波估计值，并将其作为虚拟观测值。
[0064]本专利技术实施例中，采用UKF滤波融合方法递推某一历元时刻的滤波估计值的公式为：
[0065][0066]其中表示k时刻的状态量滤波估计值，表示k时刻的状态量一步预测值，K
k
表示k时刻的增益矩阵，表示k时刻的观测量一步预测值，表示k时刻滤波估计值的误差协方差阵，表示k时刻状态量一步预测值的误差协方差阵，表示状态量一步预测的自协方差阵，上标T表示矩阵的转置。
[0067]S3、根据观测值与虚拟观测值构建最小二乘平差模型：
[0068][0069]其中V
S
表示星敏感器观测值改正数，H
S
表示星敏本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种顾及虚拟观测值的卫星姿态融合估计方法，其特征在于，包括以下步骤：S1、获取星敏感器和陀螺的观测值，并根据观测值构建状态方程和观测方程模型；S2、根据状态方程和观测方程模型，采用UKF滤波融合方法递推某一历元时刻的滤波估计值，并将其作为虚拟观测值；S3、根据观测值与虚拟观测值构建最小二乘平差模型；S4、对最小二乘平差模型进行解算，得到观测值改正数与单位权方差的关系模型；S5、根据观测值改正数与单位权方差的关系模型构建Helmert方差分量估计模型；S6、判断Helmert方差分量估计模型是否存在负方差，若是则进入步骤S7，否则进入步骤S8；S7、对Helmert方差分量估计模型进行动态二次规划；S8、判断各单位权方差是否都小于设定阈值，若是则输出卫星姿态融合估计结果，否则进入步骤S9；S9、对最小二乘平差模型进行重定权，返回步骤S4。2.根据权利要求1所述的卫星姿态融合估计方法，其特征在于，所述步骤S1中构建的状态方程和观测方程模型为：其中x
k
表示k时刻的卫星姿态角和姿态角速度，F(
·
)表示姿态动力学模型，ω
k
‑1表示k
‑
1时刻的过程噪声，z
k
表示k时刻的观测值，H(
·
)表示姿态观测模型，v
k
表示k时刻的观测噪声。3.根据权利要求2所述的卫星姿态融合估计方法，其特征在于，所述步骤S2中采用UKF滤波融合方法递推某一历元时刻的滤波估计值的公式为：其中表示k时刻的状态量滤波估计值，表示k时刻的状态量一步预测值，K
k
表示k时刻的增益矩阵，表示k时刻的观测量一步预测值，表示k时刻滤波估计值的误差协方差阵，表示k时刻状态量一步预测值的误差协方差阵，表示状态量一步预测的自协方差阵，上标T表示矩阵的转置。4.根据权利要求1所述的卫星姿态融合估计方法，其特征在于，所述步骤S3中构建的最小二乘平差模型为：其中V
S
表示星敏感器观测值改正数，H
S
表示星敏感器观测值的系数阵，表示参数的改正数，L
S
表示星敏感器观测值误差方程的常数项，V
G
表示陀螺观测值改正数，H
G
表示陀螺观测值的系数阵，L
G
表示陀螺观测值误差方程的常数项，表示滤波估计值改正数，表示
滤波估计值误差方程的常数项，P
S
表示星敏感器观测值的权阵，P
G
表示陀螺观测值的权阵，表示滤波估计值的权阵。5.根据权利要求4所述的卫星姿态融合估计方法，其特征在于，所述步骤S4包括以下分步骤：S41、将最小二乘平差模型进行合并，得到：V＝BX

【专利技术属性】
技术研发人员：郑守住，柳思聪，叶真，马小龙，赵菲，龙腾飞，江威，张建霞，陈思明，陈绍杰，
申请(专利权)人：闽江学院，
类型：发明
国别省市：