基于模糊迭代均方根容积卡尔曼滤波的天基非合作目标跟踪
发布时间：2019-11-16 07:25
【摘要】：针对非合作航天器相对导航中测量噪声不确定的问题,提出了一种模糊迭代均方根容积卡尔曼滤波算法,实现对非合作目标相对状态的测量。该算法利用容积点均方根迭代策略和模糊推理系统实时调整改进容积卡尔曼滤波的量测噪声协方差阵权值,修正量测噪声协方差阵,使其接近真实噪声值,从而提高目标跟踪算法的自适应能力,提高了滤波精度。通过建立数学仿真模型,分别采用扩展卡尔曼滤波、容积卡尔曼滤波以及模糊迭代均方根容积卡尔曼滤波进行跟踪仿真,仿真结果表明,与标准容积卡尔曼滤波相比,该改进算法能够提高13.17%的跟踪精度。
【图文】：
F、CKF、FISCKF的位置误差和速度误差。图5、图6分别为1000倍R时EKF、CKF、FISCKF的位置误差和速度误差。表2显示3种算法的均方根误差（RMSE），表3显示了当滤波器稳定时的速度和位置误差。表1航天器初始轨道要素Tab.1Keyelementsofspacecraft’sinitialorbit轨道要素观测卫星目标卫星半长轴800014000离心率00倾斜角/(°)550升交点赤经/(°)00平近点角/(°)200218-1.5-1-0.500.51x107-10-8-6-4-202x106-12-10-8-6-4-202x106yz真实轨迹FAISCKF轨迹图2FISCKF算法轨迹图Fig.2CurveofFISCKFalgorithm通过图3、图4可以看出，EKF初始滤波误差较大，鲁棒性差，收敛速度上明显低于CKF、FISCKF，其原因在于EKF算法对非线性函数采用一阶线性近似化的方法，，其近似精度不高，从而导致估计精度不高。CKF、FISCKF由于采用三阶球面-相径容积规则近似状态后
1(1)()1jjjjkkkkkkkkxx，SS，（j=j+1），返回步骤量测更新(10)，当j=N时结束。3仿真实验与结果分析假设系统噪声W(k)均值为0，方差为Q=diag[202m,202m,202m,0.052m/s,0.052m/s,0.052m/s]，量测噪声R=diag[0.000052rad,0.000052rad]，其中初始状态误差为X=diag[1000,1000,1000,5,5,5]，e=3.986005×1014m3/s2，J2=1.0826269×10 3，Re=6.378137×106。初始轨道要素如表1所示。图2显示了模糊迭代均方根容积卡尔曼滤波算法的轨迹。图3、图4分别为EKF、CKF、FISCKF的位置误差和速度误差。图5、图6分别为1000倍R时EKF、CKF、FISCKF的位置误差和速度误差。表2显示3种算法的均方根误差（RMSE），表3显示了当滤波器稳定时的速度和位置误差。表1航天器初始轨道要素Tab.1Keyelementsofspacecraft’sinitialorbit轨道要素观测卫星目标卫星半长轴800014000离心率00倾斜角/(°)550升交点赤经/(°)00平近点角/(°)200218-1.5-1-0.500.51x107-10-8-6-4-202x106-12-10-8-6-4-202x106yz真实轨迹FAISCKF轨迹图2FISCKF算法轨迹图Fig.2CurveofFISCKFalgorithm通过图3、图4可以看出，EKF初始滤波误差较大，鲁棒性差，收敛速度上明显低于CKF、FISCKF，其原因在于EKF算法对非线性函数采用一阶线性近似化的方法，其近似精度不高，从而导致估计精度不高。CKF、FISCKF由于采用三阶球面-相径容积规则近似状态后
【图文】：
F、CKF、FISCKF的位置误差和速度误差。图5、图6分别为1000倍R时EKF、CKF、FISCKF的位置误差和速度误差。表2显示3种算法的均方根误差（RMSE），表3显示了当滤波器稳定时的速度和位置误差。表1航天器初始轨道要素Tab.1Keyelementsofspacecraft’sinitialorbit轨道要素观测卫星目标卫星半长轴800014000离心率00倾斜角/(°)550升交点赤经/(°)00平近点角/(°)200218-1.5-1-0.500.51x107-10-8-6-4-202x106-12-10-8-6-4-202x106yz真实轨迹FAISCKF轨迹图2FISCKF算法轨迹图Fig.2CurveofFISCKFalgorithm通过图3、图4可以看出，EKF初始滤波误差较大，鲁棒性差，收敛速度上明显低于CKF、FISCKF，其原因在于EKF算法对非线性函数采用一阶线性近似化的方法，，其近似精度不高，从而导致估计精度不高。CKF、FISCKF由于采用三阶球面-相径容积规则近似状态后
1(1)()1jjjjkkkkkkkkxx，SS，（j=j+1），返回步骤量测更新(10)，当j=N时结束。3仿真实验与结果分析假设系统噪声W(k)均值为0，方差为Q=diag[202m,202m,202m,0.052m/s,0.052m/s,0.052m/s]，量测噪声R=diag[0.000052rad,0.000052rad]，其中初始状态误差为X=diag[1000,1000,1000,5,5,5]，e=3.986005×1014m3/s2，J2=1.0826269×10 3，Re=6.378137×106。初始轨道要素如表1所示。图2显示了模糊迭代均方根容积卡尔曼滤波算法的轨迹。图3、图4分别为EKF、CKF、FISCKF的位置误差和速度误差。图5、图6分别为1000倍R时EKF、CKF、FISCKF的位置误差和速度误差。表2显示3种算法的均方根误差（RMSE），表3显示了当滤波器稳定时的速度和位置误差。表1航天器初始轨道要素Tab.1Keyelementsofspacecraft’sinitialorbit轨道要素观测卫星目标卫星半长轴800014000离心率00倾斜角/(°)550升交点赤经/(°)00平近点角/(°)200218-1.5-1-0.500.51x107-10-8-6-4-202x106-12-10-8-6-4-202x106yz真实轨迹FAISCKF轨迹图2FISCKF算法轨迹图Fig.2CurveofFISCKFalgorithm通过图3、图4可以看出，EKF初始滤波误差较大，鲁棒性差，收敛速度上明显低于CKF、FISCKF，其原因在于EKF算法对非线性函数采用一阶线性近似化的方法，其近似精度不高，从而导致估计精度不高。CKF、FISCKF由于采用三阶球面-相径容积规则近似状态后
【参考文献】
相关期刊论文 前7条
1 蔡宗平;牛创;张雪影;戴定成;;基于模糊自适应CKF的目标跟踪算法[J];电光与控制;2016年10期
2 王宝宝;吴盘龙;;基于平方根无迹卡尔曼滤波平滑算法的水下纯方位目标跟踪（英文）[J];中国惯性技术学报;2016年02期
3 徐晓苏;田泽鑫;刘义亭;邹海军;;基于改进型CKF的SINS初始对准方法[J];华中科技大学学报(自然科学版);2016年01期
4 张鑫春;郭承军;;均方根嵌入式容积卡尔曼滤波[J];控制理论与应用;2013年09期
5 黄剑;胡卫东;;基于贝叶斯框架的空间群目标跟踪技术[J];雷达学报;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 张迎春;李t焧
本文编号：2561724
本文链接：https://www.wllwen.com/kejilunwen/dianzigongchenglunwen/2561724.html
