基于模糊迭代均方根容積卡爾曼濾波的天基非合作目標(biāo)跟蹤
發(fā)布時(shí)間：2019-11-16 07:25
【摘要】：針對非合作航天器相對導(dǎo)航中測量噪聲不確定的問題,提出了一種模糊迭代均方根容積卡爾曼濾波算法,實(shí)現(xiàn)對非合作目標(biāo)相對狀態(tài)的測量。該算法利用容積點(diǎn)均方根迭代策略和模糊推理系統(tǒng)實(shí)時(shí)調(diào)整改進(jìn)容積卡爾曼濾波的量測噪聲協(xié)方差陣權(quán)值,修正量測噪聲協(xié)方差陣,使其接近真實(shí)噪聲值,從而提高目標(biāo)跟蹤算法的自適應(yīng)能力,提高了濾波精度。通過建立數(shù)學(xué)仿真模型,分別采用擴(kuò)展卡爾曼濾波、容積卡爾曼濾波以及模糊迭代均方根容積卡爾曼濾波進(jìn)行跟蹤仿真,仿真結(jié)果表明,與標(biāo)準(zhǔn)容積卡爾曼濾波相比,該改進(jìn)算法能夠提高13.17%的跟蹤精度。
【圖文】：
F、CKF、FISCKF的位置誤差和速度誤差。圖5、圖6分別為1000倍R時(shí)EKF、CKF、FISCKF的位置誤差和速度誤差。表2顯示3種算法的均方根誤差（RMSE），表3顯示了當(dāng)濾波器穩(wěn)定時(shí)的速度和位置誤差。表1航天器初始軌道要素Tab.1Keyelementsofspacecraft’sinitialorbit軌道要素觀測衛(wèi)星目標(biāo)衛(wèi)星半長軸800014000離心率00傾斜角/(°)550升交點(diǎn)赤經(jīng)/(°)00平近點(diǎn)角/(°)200218-1.5-1-0.500.51x107-10-8-6-4-202x106-12-10-8-6-4-202x106yz真實(shí)軌跡FAISCKF軌跡圖2FISCKF算法軌跡圖Fig.2CurveofFISCKFalgorithm通過圖3、圖4可以看出，EKF初始濾波誤差較大，魯棒性差，收斂速度上明顯低于CKF、FISCKF，其原因在于EKF算法對非線性函數(shù)采用一階線性近似化的方法，，其近似精度不高，從而導(dǎo)致估計(jì)精度不高。CKF、FISCKF由于采用三階球面-相徑容積規(guī)則近似狀態(tài)后
1(1)()1jjjjkkkkkkkkxx，SS，（j=j+1），返回步驟量測更新(10)，當(dāng)j=N時(shí)結(jié)束。3仿真實(shí)驗(yàn)與結(jié)果分析假設(shè)系統(tǒng)噪聲W(k)均值為0，方差為Q=diag[202m,202m,202m,0.052m/s,0.052m/s,0.052m/s]，量測噪聲R=diag[0.000052rad,0.000052rad]，其中初始狀態(tài)誤差為X=diag[1000,1000,1000,5,5,5]，e=3.986005×1014m3/s2，J2=1.0826269×10 3，Re=6.378137×106。初始軌道要素如表1所示。圖2顯示了模糊迭代均方根容積卡爾曼濾波算法的軌跡。圖3、圖4分別為EKF、CKF、FISCKF的位置誤差和速度誤差。圖5、圖6分別為1000倍R時(shí)EKF、CKF、FISCKF的位置誤差和速度誤差。表2顯示3種算法的均方根誤差（RMSE），表3顯示了當(dāng)濾波器穩(wěn)定時(shí)的速度和位置誤差。表1航天器初始軌道要素Tab.1Keyelementsofspacecraft’sinitialorbit軌道要素觀測衛(wèi)星目標(biāo)衛(wèi)星半長軸800014000離心率00傾斜角/(°)550升交點(diǎn)赤經(jīng)/(°)00平近點(diǎn)角/(°)200218-1.5-1-0.500.51x107-10-8-6-4-202x106-12-10-8-6-4-202x106yz真實(shí)軌跡FAISCKF軌跡圖2FISCKF算法軌跡圖Fig.2CurveofFISCKFalgorithm通過圖3、圖4可以看出，EKF初始濾波誤差較大，魯棒性差，收斂速度上明顯低于CKF、FISCKF，其原因在于EKF算法對非線性函數(shù)采用一階線性近似化的方法，其近似精度不高，從而導(dǎo)致估計(jì)精度不高。CKF、FISCKF由于采用三階球面-相徑容積規(guī)則近似狀態(tài)后
【圖文】：
F、CKF、FISCKF的位置誤差和速度誤差。圖5、圖6分別為1000倍R時(shí)EKF、CKF、FISCKF的位置誤差和速度誤差。表2顯示3種算法的均方根誤差（RMSE），表3顯示了當(dāng)濾波器穩(wěn)定時(shí)的速度和位置誤差。表1航天器初始軌道要素Tab.1Keyelementsofspacecraft’sinitialorbit軌道要素觀測衛(wèi)星目標(biāo)衛(wèi)星半長軸800014000離心率00傾斜角/(°)550升交點(diǎn)赤經(jīng)/(°)00平近點(diǎn)角/(°)200218-1.5-1-0.500.51x107-10-8-6-4-202x106-12-10-8-6-4-202x106yz真實(shí)軌跡FAISCKF軌跡圖2FISCKF算法軌跡圖Fig.2CurveofFISCKFalgorithm通過圖3、圖4可以看出，EKF初始濾波誤差較大，魯棒性差，收斂速度上明顯低于CKF、FISCKF，其原因在于EKF算法對非線性函數(shù)采用一階線性近似化的方法，，其近似精度不高，從而導(dǎo)致估計(jì)精度不高。CKF、FISCKF由于采用三階球面-相徑容積規(guī)則近似狀態(tài)后
1(1)()1jjjjkkkkkkkkxx，SS，（j=j+1），返回步驟量測更新(10)，當(dāng)j=N時(shí)結(jié)束。3仿真實(shí)驗(yàn)與結(jié)果分析假設(shè)系統(tǒng)噪聲W(k)均值為0，方差為Q=diag[202m,202m,202m,0.052m/s,0.052m/s,0.052m/s]，量測噪聲R=diag[0.000052rad,0.000052rad]，其中初始狀態(tài)誤差為X=diag[1000,1000,1000,5,5,5]，e=3.986005×1014m3/s2，J2=1.0826269×10 3，Re=6.378137×106。初始軌道要素如表1所示。圖2顯示了模糊迭代均方根容積卡爾曼濾波算法的軌跡。圖3、圖4分別為EKF、CKF、FISCKF的位置誤差和速度誤差。圖5、圖6分別為1000倍R時(shí)EKF、CKF、FISCKF的位置誤差和速度誤差。表2顯示3種算法的均方根誤差（RMSE），表3顯示了當(dāng)濾波器穩(wěn)定時(shí)的速度和位置誤差。表1航天器初始軌道要素Tab.1Keyelementsofspacecraft’sinitialorbit軌道要素觀測衛(wèi)星目標(biāo)衛(wèi)星半長軸800014000離心率00傾斜角/(°)550升交點(diǎn)赤經(jīng)/(°)00平近點(diǎn)角/(°)200218-1.5-1-0.500.51x107-10-8-6-4-202x106-12-10-8-6-4-202x106yz真實(shí)軌跡FAISCKF軌跡圖2FISCKF算法軌跡圖Fig.2CurveofFISCKFalgorithm通過圖3、圖4可以看出，EKF初始濾波誤差較大，魯棒性差，收斂速度上明顯低于CKF、FISCKF，其原因在于EKF算法對非線性函數(shù)采用一階線性近似化的方法，其近似精度不高，從而導(dǎo)致估計(jì)精度不高。CKF、FISCKF由于采用三階球面-相徑容積規(guī)則近似狀態(tài)后
【參考文獻(xiàn)】
相關(guān)期刊論文 前7條
1 蔡宗平;牛創(chuàng);張雪影;戴定成;;基于模糊自適應(yīng)CKF的目標(biāo)跟蹤算法[J];電光與控制;2016年10期
2 王寶寶;吳盤龍;;基于平方根無跡卡爾曼濾波平滑算法的水下純方位目標(biāo)跟蹤（英文）[J];中國慣性技術(shù)學(xué)報(bào);2016年02期
3 徐曉蘇;田澤鑫;劉義亭;鄒海軍;;基于改進(jìn)型CKF的SINS初始對準(zhǔn)方法[J];華中科技大學(xué)學(xué)報(bào)(自然科學(xué)版);2016年01期
4 張鑫春;郭承軍;;均方根嵌入式容積卡爾曼濾波[J];控制理論與應(yīng)用;2013年09期
5 黃劍;胡衛(wèi)東;;基于貝葉斯框架的空間群目標(biāo)跟蹤技術(shù)[J];雷達(dá)學(xué)報(bào);2013年01期
6 Panlong WU;Yadong CAI;Yuming BO;;Passive tracking from the combined set of bearings and frequency measurements by single satellite[J];Journal of Control Theory and Applications;2012年04期
7 張迎春;李t焧
本文編號：2561724
本文鏈接：http://sikaile.net/kejilunwen/dianzigongchenglunwen/2561724.html
最近更新
教材專著
