基于非线性模型预测滤波的微纳卫星定位方法

摘要

针对采用星载GPS(Global Position System)定位的LEO(Low Each Orbiter)微纳卫星获得的位置速度数据不连续,而使用轨道动力学获得的连续的位置速度信息误差快速发散的问题,提出了一种基于非线性MPF(Model Predict Filter)的LEO微纳卫星定位方法,它采用非线性MPF预测的模型误差作为一步状态估计,同时使用GPS信息作为观测量,并与改进的扩展卡尔曼滤波组合,既可获得连续的卫星位置速度信息,又可获得相当于GPS单点定位的精度.仿真结果表明,此种方法可以有效地获得连续的微纳卫星位置速度信息,并且精度优于EKF(Extended Kalman Filter).