小视场星敏感器延时滤波算法提升姿态估计精度
168 浏览量
更新于2024-08-26
收藏 1.09MB PDF 举报
本文主要探讨了"小视场星敏感器量测延时滤波算法"这一研究领域,针对小视场(Narrow Field of View, NFOV)星敏感器在姿态估计过程中遇到的量测延时问题,提出了一种创新的鲁棒扩展卡尔曼滤波(REKF)算法。小视场星敏感器由于其视场有限,可能在实时数据采集时产生延迟,这对姿态估计的准确性造成影响。
REKF算法的设计基于最小方差准则,通过寻找各方差的最小上界,从而确定最优的滤波增益。这种策略旨在提高滤波器对测量延时的适应性和鲁棒性,能够有效地处理非线性系统的不确定性和延迟效应,从而提升姿态估计的精度。与传统的加性扩展卡尔曼滤波(AEKF)、鲁棒有界时域滤波(RFHF)以及鲁棒卡尔曼滤波(RKF)算法相比,REKF算法展现出更强的延时处理能力。
研究者们通过对算法进行了详细的仿真验证,结果显示REKF在解决姿态估计中的量测延时问题上表现优越,相较于其他滤波方法,它能够更有效地处理非线性系统的动态特性,显著提高了姿态估计的精确度。此外,文章还引用了国家自然科学基金(61573113)的部分资助,表明此研究得到了学术界的认可和支持。
关键词主要包括小视场星敏感器、姿态估计、扩展卡尔曼滤波、鲁棒滤波以及量测延时,这些是理解文章核心内容的关键点。该研究不仅关注技术细节,也考虑了实际应用中的挑战,对于小视场星敏感器在航天、航空等领域中的姿态控制具有重要意义。整个研究工作对于提升此类设备的性能和可靠性具有重要的理论和实践价值。
162 浏览量
点击了解资源详情
2021-02-09 上传
2021-05-29 上传
2021-02-10 上传
2021-08-09 上传
2021-08-08 上传
2021-02-05 上传
点击了解资源详情
weixin_38720978
- 粉丝: 2
- 资源: 887
最新资源
- C语言数组操作:高度检查器编程实践
- 基于Swift开发的嘉定单车LBS iOS应用项目解析
- 钗头凤声乐表演的二度创作分析报告
- 分布式数据库特训营全套教程资料
- JavaScript开发者Robert Bindar的博客平台
- MATLAB投影寻踪代码教程及文件解压缩指南
- HTML5拖放实现的RPSLS游戏教程
- HT://Dig引擎接口,Ampoliros开源模块应用
- 全面探测服务器性能与PHP环境的iprober PHP探针v0.024
- 新版提醒应用v2:基于MongoDB的数据存储
- 《我的世界》东方大陆1.12.2材质包深度体验
- Hypercore Promisifier: JavaScript中的回调转换为Promise包装器
- 探索开源项目Artifice:Slyme脚本与技巧游戏
- Matlab机器人学习代码解析与笔记分享
- 查尔默斯大学计算物理作业HP2解析
- GitHub问题管理新工具:GIRA-crx插件介绍