[发明专利]基于SR-UKF滤波的星敏感器和陀螺组合定姿方法

说明书

本发明公开了一种基于SR‑UKF滤波的星敏感器和陀螺组合定姿方法，属于测绘卫星或其他航天器的高精度组合定姿技术领域。目的是提出一种基于SR‑UKF滤波的星敏感器/陀螺组合定姿方法，将SR‑UKF滤波算法用于星敏和陀螺组合定姿，对于现如今传统的EKF滤波方法有较大提升。所述方法具体包括：步骤1仿真出星敏感器四元数和陀螺的角速度；步骤2以误差四元数及陀螺随机漂移误差为状态变量，利用SR‑UKF算法融合处理星敏感器和陀螺的姿态信息进行滤波处理，并进行反馈，通过迭代滤波处理尽量消除星敏感器和陀螺的误差影响，求解高精度的姿态信息。

技术领域

本发明涉及一种卫星的星敏感器和陀螺组合定姿方法，特别是一种基于SR-UKF滤波的星敏感器和陀螺组合定姿方法，可用于测绘卫星或其他航天器的高精度组合定姿。

背景技术

高精度立体测绘卫星为了获取地相机任意摄影时刻的姿态信息，通常采用星敏和陀螺构成姿态测量系统。陀螺仪的优点是获取的角速度信息在一定时间范围内精度高、具有优良的实时性，但是其缺点是随着时间增长会产生一定测量误差，星敏可以获得高精度的姿态信息，但是其频率较低。星敏和陀螺组合应用可以克服各自的缺点，能够获得高精度高更新率的姿态信息。

由于描述卫星姿态的系统模型一般是非线性的,所以姿态确定问题的实质是一个非线性滤波问题，滤波过程中，线性化误差、测量噪声统计特性的不确定性和敏感器相对安装误差对滤波精度都有小幅度影响，但随着应用背景对性能指标提出高精度要求，这些因素造成的影响都呈现出来,它们在不同程度上影响姿态的确定精度和有效载荷的指向精度。

平方根无迹卡尔曼滤波(SR-UKF)是一种新颖的非线性系统的滤波方法，与普通的无迹卡尔曼滤波(UKF)不同，它不必每次时间更新都计算状态协方差矩阵的平方根，而是利用矩阵QR分解、矩阵 Cholesky分解因数更新以及最小二乘等强有力的线性代数技术，以Cholesky分解因数的形式直接传播和更新状态协方差矩阵的平方根，因而可以降低计算复杂度，获得更高的效率。针对组合定姿系统的非线性问题，在SR-UKF中用协方差平方根阵代替协方差阵参加迭代运算，有效地避免了滤波器的发散，提高了滤波算法的收敛速度和稳定性，更好地满足了组合定姿系统的机动特性。

在卫星组合定姿技术方面，以往都采用扩展卡尔曼滤波 EKF(Extended KalmanFilter)方法，EKF是传统非线性估计中的代表，其基本思想是将非线性状态函数和量测函数进行局部线性化，即进行一阶Taylor多项式展开，然后应用线性系统Kalman滤波公式，尽管EKF得到了广泛的应用，但它依然存在自身无法克服的理论局限性:①要求非线性系统状态函数和量测函数必须是连续可微的，这限制了EKF的应用范围；②对非线性函数的一阶线性化近似精度偏低，特别地，当系统具有强非线性时，EKF估计精度严重下降，甚至发散；③需要计算非线性函数的雅克比矩阵，容易造成EKF数值稳定性差和出现计算发散。

为突破上面三个缺点，近几年来人们基于近似一个高斯分布比近似一个任意的非线性函数容易的观点，提出了一些相关的算法，与 EKF中采用泰勒展开忽略高阶项进行线性化不同，这些算法利用统计线性化方法，通过特定的采样方法确定一系列采样点(Sigmapoints) 来获取系统的相关统计参量，将非线性映射直接作用于各sigma点，根据映射后的点集重建统计参量，然后根据新的统计参量重新选择 Sigma点集并重复上述过程。这种方法可以在不必对非线性映射近似的情况下，使一个随机变量的分布按非线性映射递推传播。这种利用sigma点重建统计参量的方法统称为sigma点卡尔曼滤波，包括了无迹卡尔曼和中心差分卡尔曼滤波。