小卫星姿态估计的鲁棒双增益无味卡尔曼滤波器提升策略

本文探讨了在小卫星姿态估计领域中的一个重要问题，即如何提高精度并应对传感器低精确度的挑战。小卫星因其尺寸限制和成本效益的考虑，其传感器的性能通常不如大型卫星。因此，高性能的估计理论成为了小卫星姿态控制研究的热点。其中，卡尔曼滤波器（KF）及其扩展算法被广泛应用于卫星姿态估计，已经取得了一系列显著成果。 然而，现有的许多方法在处理姿态估计时存在局限性。它们主要依赖于每个时间步的先验测量残差来完成测量更新和状态估计，这往往忽视了利用先前时间步的后验测量残差这一重要信息。后验测量残差包含了过去观测数据的不确定性处理结果，如果能够有效利用，可以为当前的姿态估计提供更准确的修正，从而提升整个系统的鲁棒性和稳定性。 本文提出了一种鲁棒双增益无味卡尔曼滤波器（Robust Double Gain Unscented Kalman Filter，简称RDBGUKF）。该方法旨在克服传统KF在处理小卫星姿态估计问题时的不足，通过引入额外的增益参数，一方面增强了对测量噪声的抑制能力，另一方面提高了对模型不确定性估计的准确性。双增益设计允许滤波器动态调整对前后两步信息的依赖程度，使得系统能够在面对复杂动态环境和测量噪声时，更有效地融合历史信息，从而实现更精确、稳定的姿态估计。 RDBGUKF的具体实现涉及以下几个关键步骤：首先，利用无味卡尔曼滤波的特性，通过均值和协方差矩阵的推导，结合双增益策略，生成一组基于当前状态的预测样本；其次，根据实际的传感器测量数据，计算这些预测样本与真实值之间的距离，形成测量残差；接着，结合先验和后验信息，对测量残差进行处理，更新状态估计和误差协方差矩阵；最后，根据新的状态估计，再次进行预测，形成下一时间步的迭代过程。 通过对比实验和分析，研究结果显示RDBGUKF在处理小卫星姿态估计问题时，相较于传统的单增益方法，具有更高的鲁棒性和更优的性能。它能有效降低噪声影响，减小姿态估计误差，并且在数据稀疏或噪声较大的情况下也能保持稳定的工作状态。因此，这种新型的滤波器算法对于提升小卫星的姿态控制精度和可靠性具有重要的实际应用价值。