[发明专利]一种基于多模型自适应滤波的自主导航方法

说明书

技术领域

本发明涉及一种基于多模型自适应滤波的自主导航方法，属于卫星自主导航技术领域。

背景技术

航天器自主导航系统通过其自身的仪器设备确定航天器的位置和速度。自主导航系统技术研究对于减轻航天任务对地面测控的依赖、提高航天器的自主生存能力具有重要意义。航天器自主导航的基本方法是选择航天器的位置和速度矢量作为状态变量，根据航天器的轨道动力学模型建立状态方程，将导航敏感器的测量模型作为观测方程，通过适当的导航滤波算法处理导航敏感器的观测信息，通过递推计算得到航天器在某个指定参考坐标系的位置矢量和速度矢量的估计值。不同的导航方式由于导航信息源和导航敏感器的不同，观测方程有所不同。

目前应用最广的导航滤波算法是扩展卡尔曼滤波算法。扩展卡尔曼滤波算法的性能易受航天器初始位置误差的影响，航天器初始位置误差较大的情况下，有可能造成滤波收敛过程中估计误差振荡幅度显著加剧、滤波收敛变慢，甚至导致滤波不收敛。

发明内容

本发明的技术解决问题是：针对航天器初始位置误差影响自主导航性能的问题，提出一种基于多模型自适应滤波的自主导航方法，应用该方法能够在航天初始位置误差较大的情况下，增强导航系统的收敛性和快速性。

本发明的技术解决方案是：

一种基于多模型自适应滤波的自主导航方法，步骤如下：

(1)选择参与自主导航的两个航天器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初始状态变量构成的模型集；

(2)以模型集中的各个元素作为初始值，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自适应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自适应滤波的状态变量估计值，即获得了两个航天器的位置和速度信息，从而实现航天器的基于多模型自适应滤波的自主导航。

所述步骤(1)中状态变量为：

x^k(τ)=[(x^k(1)(τ))T(x^k(2)(τ))T]T]]>

其中，