改进粒子滤波算法在导航星座自主定轨技术中的应用

摘要

导航星座自主定轨的系统模型属于非线性系统，系统状态和误差的分布并不严格满足高斯分布。传统的EKF算法应用于非线性系统时需要先将系统线性化处理，且要求状态和观测严格服从高斯分布，在实际应用中势必带来舍入误差；非线性的UKF算法虽然避免了线性化误差，但是仍然要求输入量为高斯分布，且采样点数目固定，灵活性较差；再者，在应用于高维状态量的系统时，UKF算法耗时严重，实时性很差。
　　为解决上述问题，本文研究了最适用于非线性、非高斯系统的粒子滤波算法，并针对粒子滤波对模型依赖严重、计算量大、实时性差等问题进行了研究和算法改进。主要的研究工作如下：
　　1、在研究导航星座自主定轨基本理论的基础上，概括出了滤波模型，包括作为状态模型的轨道摄动方程，介绍了主要摄动力；以及作为观测模型的星间伪距观测和星间定向观测模型，介绍了两种观测量的获取条件和观测方程的计算方法。
　　2、在仅采用星间距离观测的情况下，为克服非线性非高斯的限制，本文采用粒子滤波算法来提高长期定轨精度。将EKF算法与PF算法相结合，以此克服PF算法对模型的严重依赖，并针对标准EKPF算法应用于高维系统实时性差的缺点，提出了改进EKPF算法。改进EKPF算法不仅克服了EKF算法应用的种种限制，而且有效改进了PF算法和标准EKPF算法的实时性。
　　3、仅采用星间伪距作为观测量，只能保证星座内卫星的相对位置的准确性，不能修正星座的整体旋转误差，有学者提出引入星间定向观测量，但是观测量的增加却以损失实时性为代价。为此本文提出引入联邦粒子滤波算法，将星间测距与星间测向分别作为两个局部滤波器，采用本文提出的改进EKPF算法作为局部滤波算法；并且在信息融合过程中引入生物进化论的思想，提出了基于生物进化论的联邦粒子滤波算法（EFPF算法），将最优估计值的获得模拟为“优胜劣汰，物竞天择”的生物进化结果。
　　4、最后，本文利用GPS星座的IGS星历数据对改进EKPF和EFPF算法的有效性进行了仿真验证，通过设计的多组实验证明了以上两种算法在定轨精度和算法实时性方面的优越性。

目录

封面

声明

中文摘要

英文摘要

目录

图清单

表清单

注释表

缩略词

第一章 绪论

1.1 课题来源

1.2 课题研究背景、研究目的及意义

1.3 国内外研究现状

1.4 本文的主要工作及内容安排

第二章 导航星座自主定轨理论基础及滤波模型

2.1 引言

2.2 参考坐标系统

2.3 时间系统及转换

2.4 导航卫星状态模型

2.5 导航卫星观测模型

2.6 本章小结

第三章 粒子滤波算法的研究及其改进

3.1 引言

3.2 动态空间模型

3.3 粒子滤波算法基础

3.4 基于EKF的改进粒子滤波算法

3.5 本章小结

第四章 联邦滤波算法的研究改进与应用

4.1 引言

4.2 联邦卡尔曼滤波基本理论

4.3 非线性联邦滤波理论

4.4 生物进化论思想的引入

4.5改进联邦粒子滤波在导航星座自主定轨模型中的应用

4.6 本章小结

第五章 数值仿真实验与分析

5.1 引言

5.2 仿真实验基本条件

5.3 仿真实验方案及结果分析

5.4 本章小结

第六章 总结与展望

6.1 本文主要工作总结

6.2 后期工作展望

参考文献

致谢

在学期间的研究成果及发表的学术论文