小视场星敏感器量测延时处理的鲁棒滤波算法

"小视场星敏感器量测延时滤波算法" 小视场星敏感器在航天器的姿态估计中起着至关重要的作用，但其测量数据存在显著的延迟问题，这会对系统的实时性和准确性产生负面影响。针对这一挑战，研究人员提出了一种基于鲁棒扩展卡尔曼滤波（Robust Extended Kalman Filter, REKF）的算法，旨在解决小视场星敏感器量测的延时问题，提高姿态估计的精度。 文章详细介绍了这一算法的设计过程。首先，依据最小方差准则，计算出各个方差的最小上界，这是确定滤波增益的关键步骤。最小上界能够确保滤波器在面临不确定性时仍保持稳定。然后，利用这些上界来调整REKF的滤波增益，使得滤波器能够有效地处理量测延迟。这样设计的REKF算法不仅考虑了非线性系统的特点，还增强了对量测延时的适应性。 为了验证新算法的有效性，文章进行了详尽的仿真对比。结果显示，REKF算法在处理量测延时问题上优于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。这些对比实验进一步证明了REKF算法在解决非线性系统中的量测延时问题上的优越性能。 关键词所揭示的核心概念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。这些关键词涵盖了研究的主要方向和技术手段，表明该研究对于提升航天器导航系统的性能具有重要意义。中图分类号U666．12则将该研究归类于航天器控制技术领域，而文献标识码则表示这是一篇学术研究论文。 这篇论文详细阐述了一种创新的滤波算法，为解决小视场星敏感器量测延迟问题提供了新的解决方案，对于提升航天器姿态估计的准确性和实时性具有重要的理论与实践价值。