四元数UKF：多传感器卫星姿态精确确定的优化算法

本文主要探讨了基于四元数的 Unscented Kalman Filter (UKF) 在多传感器卫星姿态确定中的应用。作者陈志明、王惠南和刘海颖来自南京航空航天大学自动化学院，他们针对卫星姿态模型，特别强调了使用磁强计和太阳敏感器这两种传感器的数据融合，利用UKF算法来提高卫星姿态的精确估计。文章的核心贡献在于： 1. 姿态描述与转换：文章采用了四元数来描述卫星的姿态，相比于传统的欧拉角，四元数方法避免了奇异性问题，并且在计算上更为高效。四元数是一种复数扩展的单位长度向量，可以直观地表示旋转，这使得姿态处理更加简洁。 2. UKF算法的应用：UKF作为一种非线性滤波器，通过采样方法逼近非线性分布，避免了EKF中的线性化误差和雅可比矩阵计算的复杂性。UKF的计算精度可达2阶，甚至更高，对于某些采样策略，如高斯分布和偏度采样，能提供更精确的结果，同时保持了与EKF相近的计算量。 3. 迭代求均值算法：文中还设计了一种四元数求均值的迭代算法，解决了四元数在UKF中的处理问题，进一步提高了算法的稳定性和准确性。 4. 算法验证：为了评估算法性能，文章通过仿真比较了UKF和EKF算法。结果表明，UKF对初始值的依赖性较小，具有更好的鲁棒性，而且在精度上显著优于EKF，达到了3×10^-3的高精度。UKF算法的优点还包括快速收敛和稳定性强。 5. 研究背景：文章指出，卡尔曼滤波算法在姿态确定中起着关键作用，尤其是EKF在非线性系统中的广泛应用。然而，当系统非线性特性较强时，UKF的采样方法使其成为更具优势的选择。 6. 资助与引用：该研究得到了高等学校博士学科点专项科研基金的支持，证明了其学术价值和研究基础。 本文的研究成果对于改进卫星姿态确定的实时性和准确性具有重要意义，特别是在非线性系统中，基于四元数的UKF方法展现了其在多传感器融合中的优越性。