小视场星敏感器延时滤波算法提升姿态估计精度

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。