System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及遥感编队卫星的定位,具体涉及一种应用于遥感编队卫星的自适应定位方法及系统。
技术介绍
1、针对近地环境下运行的遥感卫星编队,除了有多种无法准确建模的摄动力会使得遥感卫星编队的系统噪声出现不精确的情况外,还有复杂且多变的太空环境(例如电离层、磁层、微重力等)会让无线电导航传感器的测量精度随着环境的改变而变化,使得量测噪声难以被精确得知,此时,遥感卫星编队相对定位导航系统存在系统噪声与量测噪声都无法精确得知的问题。由于sage-husa自适应定位算法在同时对系统噪声与量测噪声进行估计时的定位精度不高,因此,亟需提出一种适用于遥感卫星编队系统噪声与量测噪声都不精确场景下的遥感卫星编队定位方法,以提高编队卫星相对定位精度。
2、文献号为cn102540213b的现有技术,公开了一种基于自适应的动态分组选星方法,其步骤为:(1)设置选星阈值初始值;(2)采用上次选星组合新测量数据计算的pdop值跟阈值比较,大于阈值进入步骤(3),否则直接输出;(3)将当前所有参与定位的卫星进行动态分组;(4)分时计算每个组合的pdop值,并找出最小的pdop值及卫星组合;(5)根据最小pdop值及收星情况,采用自适应方法对pdop阈值进行动态选取。本专利技术选星方法采用了动态分组调整及分时计算策略并根据工作环境自适应调整阈值,可以在现有的硬件资源条件下适应更复杂的卫星选择环境,从而扩大了方法的运用范围,并在保证精度要求的前提下缩短了选星的处理时间。
3、文献号为cn113703022a的现有技术,公开了一种卫星接收机
4、针对遥感卫星编队在系统噪声与量测噪声都不精确场景下如何进行遥感编队卫星的定位以及如何提高编队卫星相对定位精度现有技术均没有回应和解决。
技术实现思路
1、本专利技术要解决的技术问题是:
2、本专利技术的目的是在系统噪声与量测噪声都不精确场景下提高遥感编队卫星相对定位精度,以解决现有的遥感卫星编队定位方法不适于系统噪声与量测噪声都不精确场景下遥感编队卫星的定位的问题,为此,本专利技术提供了一种应用于遥感编队卫星的自适应定位方法及系统。
3、本专利技术为解决上述技术问题所采用的技术方案为:
4、一种应用于遥感编队卫星的自适应定位方法,所述方法的实现过程为:
5、步骤一:建立一个具有随机状态空间模型的非线性系统,所述非线性系统体现系统函数、量测函数、系统状态变量、量测变量、系统噪声、量测噪声;
6、步骤二:进行时间更新,对协方差矩阵pk|k使用平方根法进行cholesky分解,使用空间模型的系统函数对解算得的容积点进行传播解算出状态预测矩阵和状态误差协方差矩阵;
7、步骤三:进行量测更新中的迭代初始化;
8、步骤四:进行量测更新,利用加权求和的方法解算出量测预测矩阵:
9、步骤五:引入变分贝叶斯方法对联合后验分布进行近似分解,将状态误差协方差和量测误差协方差的近似概率转化成inv-wishart概率分布,将状态变量的近似概率转换成高斯概率分布形式,得到状态误差协方差以及量测噪声协方差的修正值;
10、步骤六:利用修正后的状态量进行可变参数更新,可变参数包括卡尔曼滤波增益、状态变量、误差协方差矩阵,并给出自相关协方差矩阵和互相关协方差矩阵,根据更新的可变参数实现遥感编队卫星的自适应定位。
11、进一步地,步骤一的具体实现过程为:
12、建立一个具有随机状态空间模型的非线性系统:
13、
14、其中k+1表示系统所处时间,fk(·)和hk(·)分别表示系统的系统函数和量测函数,xk+1表示系统状态在k+1时刻的值,系统的状态变量为为x轴相对速度,x为x轴相对位置,为y轴相对速度,y为y轴相对位置,为z轴相对速度,z为z轴相对位置;zk+1表示系统量测在k+1时刻的值,系统的量测变量为[ραβ],其中,ρ表示参考卫星与跟随卫星的相对位置,α代表遥感卫星编队中无线电所测得的参考卫星到跟随卫星的方位角,β代表遥感卫星编队中无线电所测得的参考卫星到跟随卫星的俯仰角;wk表示关系k时刻的系统噪声,vk+1表示k+1时刻的量测噪声,定义qk+1为系统噪声协方差矩阵,rk+1为量测噪声协方差矩阵,且rk+1为对角矩阵,表示为:
15、
16、
17、进一步地,步骤二中进行时间更新的具体实现过程为:
18、初始化:
19、
20、对协方差矩阵pk|k使用平方根法进行cholesky分解,分解为上三角矩阵sk|k的乘积:
21、
22、通过因式分解的结果解算容积点:
23、
24、其中ζj为第j个容积点,其表达式为:
25、
26、其中,n为状态变量的维度,[1]为单位矩阵;
27、使用上述空间模型的系统函数对解算得的容积点进行传播:
28、
29、利用加权求和的方法解算出k+1时刻的状态预测矩阵和误差协方差预测值:
30、
31、
32、在容积卡尔曼定位算法的理论中,满足高斯分布的一步预测概率p(xk+1|z1:k)与似然概率p(zk+1|xk+1)可分别表示如下:
33、
34、p(zk+1|xk+1,rk+1)=n(zk+1;h(xk+1),rk) (12)
35、定义量测序列为z1:k+1={z1,l,zk+1},其中n(g;μ,δ2)指的是满足均值为μ且方差为δ2的高斯概率分布;
36、inv-wishart分布作为一种在贝叶斯统计中常用的多变量高斯概率分布的共轭先验分布,被引入到变分贝叶斯方法中;定义矩阵b的inv-wishart概率为:
37、
38、其中b指的是随机对称正定矩阵,d、λ和ψ分别指的是维数、自由度参数和对称正定矩阵的逆尺度矩阵,|·|与tr(·)分别指的是行列式和迹,γd指的是d维下的gamma函数;当矩阵b满足关系b:iw(b;λ,ψ)且λ>d+1时,对后续步骤有用的inv-wishart分布所具有的一个属性是矩阵b本文档来自技高网...
【技术保护点】
1.一种应用于遥感编队卫星的自适应定位方法,其特征在于,所述方法的实现过程为:
2.根据权利要求1所述的应用于遥感编队卫星的自适应定位方法,其特征在于,步骤一的具体实现过程为:
3.根据权利要求1或2所述的应用于遥感编队卫星的自适应定位方法,其特征在于,步骤二中进行时间更新的具体实现过程为:
4.根据权利要求3所述的应用于遥感编队卫星的自适应定位方法,其特征在于,步骤三中进行量测更新中的迭代初始化的具体实现过程为:
5.根据权利要求4所述的应用于遥感编队卫星的自适应定位方法,其特征在于,步骤四中进行量测更新的具体实现过程为:
6.根据权利要求5所述的应用于遥感编队卫星的自适应定位方法,其特征在于,步骤五的具体实现过程为:
7.根据权利要求6所述的应用于遥感编队卫星的自适应定位方法,其特征在于,步骤六进行可变参数更新的具体实现过程为:
8.根据权利要求1所述的应用于遥感编队卫星的自适应定位方法,其特征在于,所述遥感编队卫星的编队设计可为:
9.一种应用于遥感编队卫星的自适应定位系统,其特
10.一种计算机可读存储介质,其特征在于:所述计算机可读存储介质存储有计算机程序,所述计算机程序配置为由处理器调用时实现权利要求1-7中任一项所述的应用于遥感编队卫星的自适应定位方法的步骤。
...【技术特征摘要】
1.一种应用于遥感编队卫星的自适应定位方法,其特征在于,所述方法的实现过程为:
2.根据权利要求1所述的应用于遥感编队卫星的自适应定位方法,其特征在于,步骤一的具体实现过程为:
3.根据权利要求1或2所述的应用于遥感编队卫星的自适应定位方法,其特征在于,步骤二中进行时间更新的具体实现过程为:
4.根据权利要求3所述的应用于遥感编队卫星的自适应定位方法,其特征在于,步骤三中进行量测更新中的迭代初始化的具体实现过程为:
5.根据权利要求4所述的应用于遥感编队卫星的自适应定位方法,其特征在于,步骤四中进行量测更新的具体实现过程为:
6.根据权利要求5所述的应用于遥感编队卫星的自适应定位方法,其特征在于,步...
【专利技术属性】
技术研发人员:罗清华,张少腾,王晨旭,周志权,林昱岚,焉晓贞,
申请(专利权)人:哈尔滨工业大学威海,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。