深空探测接近段自主导航优化信息融合滤波算法

"探测器接近段自主导航的信息融合滤波优化算法 (2010年)：该研究旨在提升接近段自主导航系统的导航精度，通过引入星光角距和星光仰角的联合观测模型来实现组合导航。针对深空探测任务中探测器对实时性的高要求以及星载计算机计算能力的限制，论文提出采用UD分解改进信息融合滤波算法，以降低运算复杂度和内存需求。同时，通过一阶泰勒展开式分析滤波周期对状态方程可观性的影响，并通过计算机仿真验证了所提优化算法的有效性。该研究关键词包括深空探测、信息融合、UD分解和组合导航。" 本文主要讨论的是深空探测器在接近目标阶段的自主导航技术。为了提高导航系统的精度，研究者提出了一种新的观测模型，即结合星光角距和星光仰角的联合观测模型。这种模型能够充分利用星光信息，从而增强导航系统的定位能力。 在深空探测任务中，探测器的实时性至关重要，但同时，星载计算机的计算能力和存储空间是有限的。为了解决这一矛盾，文章提出使用UD分解（Unitary Diagonalization，一种矩阵分解方法）来优化信息融合滤波算法。UD分解的优势在于可以将高维运算简化，减少计算量，同时减小存储需求，这对于资源受限的星载计算机来说尤其重要。 此外，论文还探讨了滤波周期如何影响状态方程的可观性。通过一阶泰勒展开式，研究人员分析了滤波周期的变化对系统估计精度的影响，这有助于找到最优的滤波更新频率，以确保系统的稳定性和准确性。 计算机仿真是验证算法有效性的常用手段，本文也进行了相关仿真验证。这些仿真结果证明了UD分解改进的滤波算法在保持高精度的同时，确实能够降低计算负担，满足探测器的实时性要求，进一步证实了该算法的可行性。 这项研究为深空探测中的导航问题提供了一个创新的解决方案，其优化的信息融合滤波算法不仅提高了导航精度，还有效地解决了星载计算机资源有限的问题，对于未来深空探测任务的自主导航系统设计具有重要的参考价值。