星載GPS衛(wèi)星定軌的UKF-EKF算法

吳江飛,雷 輝

1.信息工程大學(xué)地理空間信息學(xué)院,河南鄭州 450052;2.中國(guó)科學(xué)院國(guó)家授時(shí)中心,陜西西安 710600

星載GPS衛(wèi)星定軌的UKF-EKF算法

吳江飛1,雷 輝2

1.信息工程大學(xué)地理空間信息學(xué)院,河南鄭州 450052;2.中國(guó)科學(xué)院國(guó)家授時(shí)中心,陜西西安 710600

針對(duì)無(wú)味Kalman濾波(UKF)在星載GPS衛(wèi)星定軌應(yīng)用中存在計(jì)算效率和估計(jì)精度之間如何平衡的問(wèn)題,提出一種將無(wú)味Kalman濾波和擴(kuò)展Kalman濾波(EKF)相結(jié)合的算法。該算法對(duì)標(biāo)準(zhǔn)的UKF算法作了兩個(gè)方面的改進(jìn),一方面改進(jìn)采樣策略,以最小偏度單形采樣策略代替對(duì)稱采樣策略;另一方面改進(jìn)算法結(jié)構(gòu),以UKF和EKF融合算法代替單純的UKF算法,系統(tǒng)的強(qiáng)非線性部分采用UKF來(lái)處理,弱非線性部分采用EKF來(lái)處理。算例結(jié)果表明,該算法估計(jì)精度與UKF相當(dāng),但計(jì)算效率提高了30%左右。

擴(kuò)展Kalman濾波;無(wú)味Kalman濾波;采樣策略;衛(wèi)星定軌;算法

1 引 言

控制衛(wèi)星定軌中非線性模型線性化誤差影響一直是衛(wèi)星定軌領(lǐng)域的研究熱點(diǎn)之一。擴(kuò)展Kalman濾波(extended Kalman filter,EKF)是其中較為常用的一種方法[1-2]。非線性衛(wèi)星動(dòng)力學(xué)模型的線性化帶來(lái)的誤差也可以通過(guò)觀測(cè)信息進(jìn)行補(bǔ)償,即采用自適應(yīng)Kalman濾波方法[3-5]。通過(guò)觀測(cè)信息與動(dòng)力學(xué)模型信息比較得到的差值來(lái)控制動(dòng)力學(xué)模型的影響,于是產(chǎn)生了自適應(yīng)濾波定軌技術(shù)[6]。

近年來(lái),無(wú)味Kalman濾波(unscented Kalman filter,UKF)[7]作為一種非線性濾波新方法,引起了廣泛關(guān)注。UKF在衛(wèi)星定軌問(wèn)題中已逐漸得到了應(yīng)用,并顯示了其在處理強(qiáng)非線性系統(tǒng)方面的優(yōu)越性[8-9]。UKF算法的估計(jì)精度和計(jì)算效率隨采樣策略的不同而有所差別,這是因?yàn)椴蓸硬呗圆煌?所需的采樣點(diǎn)數(shù)也會(huì)不一樣。一般采樣點(diǎn)數(shù)越多,估計(jì)精度越高,但相應(yīng)的計(jì)算效率也越低。因此,如何在估計(jì)精度和計(jì)算效率之間找到一種平衡,或者在保證估計(jì)精度不明顯降低的情況下,盡量提高算法的計(jì)算效率,這是應(yīng)用UKF的關(guān)鍵技術(shù)之一[10-11]。

在星載GPS衛(wèi)星定軌中,通常以衛(wèi)星的三維位置和速度為軌道參數(shù),衛(wèi)星運(yùn)動(dòng)的狀態(tài)方程顯然是強(qiáng)非線性的;衛(wèi)星運(yùn)動(dòng)的觀測(cè)方程是GPS距離觀測(cè)方程,其線性化誤差很小,與前者相比,觀測(cè)方程無(wú)疑是弱非線性的。

在綜合考慮估計(jì)精度和計(jì)算效率的情況下,本文提出一種將UKF和EKF相結(jié)合的星載GPS衛(wèi)星定軌新算法。該算法充分考慮了星載GPS衛(wèi)星定軌模型結(jié)構(gòu)特點(diǎn),一方面利用UKF來(lái)處理系統(tǒng)的強(qiáng)非線性部分,以保證較高的估計(jì)精度,同時(shí)改進(jìn)了其采樣策略,通過(guò)減少采樣點(diǎn)數(shù)、減少采樣次數(shù)來(lái)提高其計(jì)算效率;另一方面利用EKF來(lái)處理系統(tǒng)的弱非線性部分,即在保證估計(jì)精度不明顯降低的同時(shí),盡量進(jìn)一步提高系統(tǒng)的計(jì)算效率。

2 星載GPS衛(wèi)星定軌算法

假設(shè)衛(wèi)星運(yùn)動(dòng)系統(tǒng)的狀態(tài)方程和觀測(cè)方程分別為如下離散的非線性方程

式中,xk、uk、εk和Qk分別為系統(tǒng)狀態(tài)向量、輸入控制向量、系統(tǒng)動(dòng)態(tài)噪聲向量及其協(xié)方差陣(見(jiàn)式(12));yk、ηk和Rk分別為觀測(cè)向量、觀測(cè)噪聲向量及其協(xié)方差陣(見(jiàn)式(14))。系統(tǒng)狀態(tài)向量xk的維數(shù)為n,觀測(cè)向量yk的維數(shù)為m,εk與ηk線性無(wú)關(guān)。

EKF是至今為止應(yīng)用最為廣泛的一種非線性濾波算法,也是衛(wèi)星定軌領(lǐng)域的一種經(jīng)典算法。對(duì)于衛(wèi)星定軌而言,有關(guān)文獻(xiàn)已經(jīng)驗(yàn)證了UKF算法的估計(jì)精度優(yōu)于EKF算法,但計(jì)算效率低于EKF算法[8,12-16]。

如何設(shè)計(jì)一種融合算法,既能利用經(jīng)典EKF算法的高效性,又能倚重UKF算法的高精度,這是本文研究的出發(fā)點(diǎn)。

2.1 改進(jìn)的UKF算法

采樣策略是UKF算法的核心,所以要改進(jìn)UKF算法,提高UKF算法的計(jì)算效率,并保持較高的估計(jì)精度,必須先從算法的采樣策略進(jìn)行考慮。

UKF算法的計(jì)算效率與采樣點(diǎn)數(shù)成正比。常用的對(duì)稱采樣策略,在狀態(tài)向量不擴(kuò)維的情況下,采樣點(diǎn)個(gè)數(shù)為2n＋1,其中n為狀態(tài)向量的維數(shù)。對(duì)于UKF算法而言,采樣點(diǎn)數(shù)最少的方案是單形采樣策略。所謂單形采樣策略,是指采樣點(diǎn)能夠構(gòu)成一個(gè)單形,如二維空間的單形是三角形,三維空間的單形是四面體,等等。因此,對(duì)于n維空間情形,至少需要n＋1個(gè)采樣點(diǎn)才能構(gòu)成一個(gè)單形[17]。由于隨機(jī)變量x的均值所包含的分布信息最多,所以常把x的均值也作為一個(gè)采樣點(diǎn),稱為中心點(diǎn),故包含中心點(diǎn)的單形采樣點(diǎn)個(gè)數(shù)為n＋2。如果罰函數(shù)要求偏度最小,就可以得到最小偏度單形采樣策略,該采樣策略能在匹配前兩階矩的前提下使得3階矩(即偏度)最小,確保了對(duì)于任意分布達(dá)到2階截?cái)嗑?對(duì)于高斯分布可達(dá)到3階截?cái)嗑萚18]。因此,采用最小偏度單形采樣策略,最有利于提高UKF算法的計(jì)算效率,并能保持比較高的估計(jì)精度。

值得注意的是,最小偏度單形采樣策略中采樣點(diǎn)非中心對(duì)稱,并隨著維數(shù)的增加,采樣點(diǎn)至中心點(diǎn)的距離也會(huì)隨之增大,產(chǎn)生采樣的非局部效應(yīng),而且還會(huì)導(dǎo)致高階項(xiàng)的誤差增大[17]。為降低這類影響,文獻(xiàn)[17]提出了一種比例UT變換(unscented transformation)方法,即對(duì)UT變換中的采樣策略進(jìn)行比例修正,通過(guò)調(diào)整參數(shù)α的值來(lái)解決非局部效應(yīng)和高階項(xiàng)誤差等問(wèn)題,并通過(guò)參數(shù)α和β來(lái)保證預(yù)測(cè)協(xié)方差矩陣的半正定性[17]。

將比例修正引入到最小偏度單形采樣策略的UKF算法中,便得到了改進(jìn)的UKF算法。限于篇幅,這里不再給出改進(jìn)的UKF算法的具體公式,可參考文獻(xiàn)[10—11,17—18]。

2.2 UKF-EKF算法

星載GPS衛(wèi)星運(yùn)動(dòng)的動(dòng)力學(xué)模型,復(fù)雜且強(qiáng)非線性。若單純采用EKF算法,精度有時(shí)難以保證,甚至導(dǎo)致濾波發(fā)散;若單純采用UKF算法,計(jì)算效率有時(shí)不能滿足任務(wù)要求。為了在保證精度要求的前提下,進(jìn)一步提高算法的計(jì)算效率,筆者在上述改進(jìn)的UKF算法的基礎(chǔ)上,將UKF算法和EKF算法相融合,建立了UKF-EKF算法。

UKF-EKF算法,其基本思想是,對(duì)星載GPS衛(wèi)星運(yùn)動(dòng)的狀態(tài)方程部分,即動(dòng)力學(xué)模型部分,由于現(xiàn)在星載GPS衛(wèi)星定軌大多選擇三維位置和速度為軌道參數(shù),所以這部分是強(qiáng)非線性的,采用改進(jìn)的UKF算法;對(duì)星載GPS衛(wèi)星運(yùn)動(dòng)的觀測(cè)方程部分,由于GPS距離觀測(cè)方程的線性化誤差很小,這部分相對(duì)來(lái)說(shuō)是弱非線性的,采用高效的EKF算法,兩者融合統(tǒng)一,可以達(dá)到比較好的濾波效果。

根據(jù)上述基本思想,新設(shè)計(jì)構(gòu)造的UKFEKF算法如下:

(1)狀態(tài)初始化

(2)計(jì)算采樣點(diǎn)集及相應(yīng)權(quán)值

采樣點(diǎn)初始化向量(j＝1(對(duì)應(yīng)狀態(tài)為1維))

采樣點(diǎn)擴(kuò)展向量(j＝2,3,…,n時(shí)(對(duì)應(yīng)狀態(tài)為j維))

UKF-EKF算法與上述改進(jìn)的UKF算法相比,前兩部分(即狀態(tài)初始化和采樣點(diǎn)集及相應(yīng)權(quán)值的計(jì)算)完全相同;第3部分時(shí)間更新,UKF算法進(jìn)行了第2次重新采樣,以計(jì)算觀測(cè)值預(yù)報(bào)值,而UKF-EKF算法沒(méi)有第2次重新采樣,直接通過(guò)觀測(cè)方程來(lái)計(jì)算觀測(cè)值預(yù)報(bào)值,這樣設(shè)計(jì)也是為了提高UKF-EKF算法的計(jì)算效率;第4部分觀測(cè)更新,形式上看,UKF-EKF算法與UKF算法非常類似,只是Pyy和Pxy計(jì)算式不同,但實(shí)質(zhì)上,UKF-EKF算法的觀測(cè)更新部分采用的是EKF算法的相應(yīng)算式。

3 算例分析

為了對(duì)比分析上述幾種星載GPS衛(wèi)星定軌算法的性能,本文選用CHAMP衛(wèi)星于2003年064年積日10:00—11:30時(shí)段內(nèi)(約一個(gè)軌道周期)所采集的GPS觀測(cè)數(shù)據(jù)進(jìn)行軌道解算處理。GPS觀測(cè)數(shù)據(jù),采用的是雙頻相位消電離層線性組合的非差觀測(cè)值。

對(duì)應(yīng)于EKF算法、改進(jìn)的UKF算法和本文提出的UKF-EKF算法,采用了3種解算方案逐點(diǎn)估計(jì)衛(wèi)星軌道狀態(tài),分別是:EKF方案、UKF方案、UKF-EKF方案。其中在UKF方案、UKF-EKF方案中,根據(jù)演算情況,比例因子α和參數(shù)β取值分別為α＝0.000 5、β＝2。為了單純地比較各種方案的估計(jì)精度和計(jì)算效率,對(duì)GPS觀測(cè)數(shù)據(jù)進(jìn)行了統(tǒng)一的數(shù)據(jù)預(yù)處理,所以沒(méi)在各種方案中再嵌入抗差處理、自適應(yīng)處理等功能模塊,這樣的比較排除了附加的影響,應(yīng)更具有說(shuō)服力。

這里以德國(guó)GFZ提供的CHAMP衛(wèi)星事后處理精密科學(xué)軌道作為參考軌道。3種方案的定軌結(jié)果分別與參考軌道的相應(yīng)量進(jìn)行互差對(duì)比,情況如圖1—圖6所示,相應(yīng)的RMS(誤差的均方根)[19]如表1所示。

圖1 EKF方案的位置誤差Fig.1 Position errors of EKF strategy

圖2 EKF方案的速度誤差Fig.2 Velocity errors of EKF strategy

圖3 UKF方案的位置誤差Fig.3 Position errors of UKF strategy

圖4 UKF方案的速度誤差Fig.4 Velocity errors of UKF strategy

圖5 UKF-EKF方案的位置誤差Fig.5 Position errors of UKF-EKF strategy

圖6 UKF-EKF方案的速度誤差Fig.6 Velocity errors of UKF-EKF strategy

表1 3種方案定軌結(jié)果的RMSTab.1 RMS of orbit determination results based on three strategies

圖1、圖2為EKF方案定軌結(jié)果與參考軌道的對(duì)比情況?？梢钥闯?EKF方案定軌結(jié)果的誤差偏大,這是由于EKF方案在遞推濾波的過(guò)程中,將系統(tǒng)強(qiáng)非線性的狀態(tài)方程和略非線性的觀測(cè)方程均進(jìn)行了線性化處理,線性化誤差的影響較大,從而導(dǎo)致定軌結(jié)果的誤差相對(duì)偏大。

圖3、圖4為UKF方案定軌結(jié)果與參考軌道的對(duì)比情況。與圖1、圖2相比,圖3、圖4的誤差幅度明顯變小,表明UKF方案比EKF方案定軌結(jié)果的誤差要明顯小一些,這是因?yàn)閁KF方案在遞推濾波的過(guò)程中,沒(méi)有將系統(tǒng)非線性的狀態(tài)方程和觀測(cè)方程進(jìn)行線性化處理,而是采用分布逼近的思想,來(lái)遞推求解下一歷元的均值和協(xié)方差陣,從而不受線性化誤差的影響,所以結(jié)果的誤差也較小。

圖5、圖6為UKF-EKF方案定軌結(jié)果與參考軌道的對(duì)比情況。與圖1、圖2相比,圖5、圖6的誤差幅度也明顯較小;與圖3、圖4相比,圖5、圖6的誤差幅度非常接近前者,對(duì)比表明UKFEKF方案比EKF方案定軌結(jié)果的誤差要明顯小一些,與UKF方案定軌結(jié)果的誤差比較接近,這是因?yàn)閁KF-EKF方案在遞推濾波的過(guò)程中,系統(tǒng)強(qiáng)非線性的狀態(tài)方程沒(méi)作線性化處理,以確保濾波的精度;同時(shí)系統(tǒng)弱非線性的觀測(cè)方程進(jìn)行線性化處理,濾波的精度稍有降低,從圖示情況看,UKF-EKF方案定軌結(jié)果的精度明顯優(yōu)于EKF方案,稍弱于但很接近于UKF方案。

表1給出了3種方案定軌結(jié)果的RMS統(tǒng)計(jì)結(jié)果。可以看出,UKF-EKF方案定軌結(jié)果的位置RMS(0.089 2 m、0.069 9 m、0.100 8 m)分別明顯小于EKF方案的位置RMS(0.128 5 m、0.098 3 m、0.132 3 m),但與UKF方案的位置RMS(0.083 4 m、0.063 5 m、0.094 0 m)相差不大,可以說(shuō)基本相當(dāng);3種方案的速度RMS對(duì)比情況與位置RMS對(duì)比情況類似。所以,表1給出的統(tǒng)計(jì)結(jié)果與圖1—圖6對(duì)比分析的結(jié)果是一致的。

值得說(shuō)明的是,雖然UKF方案、UKF-EKF方案的位置RMS、速度RMS分別相差不大,基本相當(dāng),但UKF-EKF方案的相應(yīng)量還是稍大一點(diǎn),這是符合算法設(shè)計(jì)預(yù)期的,因?yàn)閁KF-EKF算法減少了一次采樣,觀測(cè)更新部分也進(jìn)行了簡(jiǎn)化,這正是造成兩種方案差異的主要原因,統(tǒng)計(jì)結(jié)果也正好反映了差異的大小。

計(jì)算效率是3種方案對(duì)比的另一個(gè)重要方面。在本算例中,對(duì)3種方案的計(jì)算效率進(jìn)行了相應(yīng)的統(tǒng)計(jì),基本情況是,EKF方案明顯高于UKF方案和UKF-EKF方案,UKF-EKF方案也要高于UKF方案。根據(jù)計(jì)算條件或硬件的不同,3種方案計(jì)算的具體耗時(shí)量會(huì)有所不同,但耗時(shí)量間的數(shù)量關(guān)系大體不變。統(tǒng)計(jì)的結(jié)果是, UKF方案耗時(shí)約為EKF方案耗時(shí)的3倍左右, UKF-EKF方案耗時(shí)約為UKF方案耗時(shí)的70%左右。計(jì)算效率統(tǒng)計(jì)情況表明,UKF-EKF方案由于減省了采樣次數(shù)、改進(jìn)了系統(tǒng)弱非線性部分的處理策略,可比UKF方案提高約30%的計(jì)算效率。

4 結(jié)束語(yǔ)

EKF算法是比較經(jīng)典的衛(wèi)星定軌算法,雖然得到了廣泛應(yīng)用,但它仍具有一定的理論局限性。針對(duì)EKF算法的缺陷,許多學(xué)者提出了一些改進(jìn)算法,如自適應(yīng)抗差濾波算法、UKF算法等。UKF算法雖然比EKF算法的估計(jì)精度要高,但耗時(shí)較多,計(jì)算效率較低,這在一定程度上制約了UKF算法的廣泛應(yīng)用。

本文提出的UKF-EKF算法,就是對(duì)UKF算法的一種改進(jìn)與拓展。針對(duì)星載GPS衛(wèi)星定軌的特點(diǎn),UKF-EKF算法將UKF算法和EKF算法相結(jié)合,系統(tǒng)的強(qiáng)非線性部分采用UKF處理,弱非線性部分采用EKF處理,實(shí)際算例表明, UKF-EKF算法的估計(jì)精度與UKF算法基本相當(dāng),但計(jì)算效率提高了約30%,這對(duì)于某些實(shí)時(shí)或準(zhǔn)實(shí)時(shí)應(yīng)用而言,還是非常有效的。

隨著衛(wèi)星應(yīng)用對(duì)衛(wèi)星軌道的精度和時(shí)效性的不斷提高,對(duì)衛(wèi)觀測(cè)手段也越來(lái)越豐富和多樣化,數(shù)據(jù)處理方法也不再固守單一模式,如何針對(duì)系統(tǒng)模型的特點(diǎn),設(shè)計(jì)更為有效的滿足需求的算法,將是未來(lái)衛(wèi)星定軌算法的發(fā)展趨勢(shì)。

[1] LI Jisheng.Satellite Precision Orbit Determination[M].Beijing:PLA Press,1995.(李濟(jì)生.人造衛(wèi)星精密軌道確定[M].北京:解放軍出版社,1995.)

[2] WEN Yuanlan.Spacecraft Precision Orbit Robust Estimation Theory and Application Research[D].Zhengzhou: Information Engineering University,2001.(文援蘭.航天器精密軌道抗差估計(jì)理論與應(yīng)用的研究[D].鄭州:信息工程大學(xué),2001.)

[3] YANG Y,HE H,XU G.Adaptively Robust Filtering for Kinematic Geodetic Positioning[J].Journal of Geodesy, 2001,75(2/3):109-116.

[4] YANG Yuanxi,HE Haibo,XU Tianhe.On Adaptively Kinematic Filtering[J].Acta Geodetica et Cartographica Sinica,2001,30(4):293-298.(楊元喜,何海波,徐天河.論動(dòng)態(tài)自適應(yīng)濾波[J].測(cè)繪學(xué)報(bào),2001,30(4):293-298.)

[5] YANG Yuanxi,GAO Weiguang.An Optimal Adaptive Kalman Filter[J].Journal of Geodesy,2006,80(4):177-183.

[6] YANG Yuanxi,WEN Yuanlan.Synthetically Adaptive Robust Filtering for Satellite Orbit Determination[J].Science in China:Earth Sciences,2004,47(7):585-592.

[7] JULIER S J,UHLMANN J K,DURRANT-WHYTEN H F.A New Approach for Filtering Nonlinear Systems [C].Proceedings of the 1995 American Control Conference.Seattle:IEEE,1995:1628-1632.

[8] LEE D J,ALFRIEND K T.Precise Real-time Orbit Estimation Using the Unscented Kalman Filter[J].Advances in the Astronautical Sciences,2003,114:1835-1854.

[9] LIU Yang,PAN Xiaogang,WANG Zhengming,et al.An Augmented-GPS Based Adaptive UKF Method for Realtime Inter-satellite Relative Positioning[J].Acta Geodaetica et Cartographica Sinica,2008,37(1):15-22.(劉洋,潘曉剛,王正明,等.基于增強(qiáng)型GPS的自適應(yīng)UKF實(shí)時(shí)星間相對(duì)定位方法[J].測(cè)繪學(xué)報(bào),2008,37 (1):15-22.)

[10] JIANG Weinan,ZHOU Haiyin,DUAN Xiaojun,et al.UKF with Scaled Minimal Skew Simplex Sampling and Its Application in Satellite Orbit Determination[J].Aerospace Shanghai,2008,25(5):12-15.(姜偉南,周海銀,段曉軍,等.比例最小偏度單形采樣的UKF及其在衛(wèi)星定軌中的應(yīng)用[J].上海航天,2008,25(5):12-15.)

[11] LI Dan,LIU Jianye,XIONG Zhi,et al.Square Root Unscented Kalman Filter for Satellite Autonomous Navigation System Based on Minimal Skew Simplex Transformation [J].Journal of Nanjing University of Aeronautics& Astronautics,2009,41(1):54-58.(李丹,劉建業(yè),熊智,等.基于最小偏度采樣的衛(wèi)星自主導(dǎo)航SRUKF算法[J].南京航空航天大學(xué)學(xué)報(bào),2009,41(1):54-58.)

[12] PAN Quan,YANG Feng,YE Liang,et al.Survey of a Kind of Nonlinear Filters:UKF[J].Control and Decision, 2005,20(5):481-489.(潘泉,楊峰,葉亮,等.一類非線性濾波器:UKF綜述[J].控制與決策,2005,20(5): 481-489.)

[13] WU Jiangfei,HUANG Cheng.Unscented Kalman Filter and Its Application in GPS-based Satellite Orbit Determination[J].Acta Astronomica Sinica,2005,46(1):55-61.(吳江飛,黃珹.分布逼近的卡爾曼濾波及其在星載GPS衛(wèi)星定軌中的應(yīng)用[J].天文學(xué)報(bào),2005,46(1):55-61.)

[14] WU Jiangfei,HUANG Cheng.A Sampling-based Square Root Filter and Its Application[J].Geomatics and Information Science of Wuhan University,2007,32(8):696-698.(吳江飛,黃珹.一種采樣型平方根濾波及其應(yīng)用[J].武漢大學(xué)學(xué)報(bào):信息科學(xué)版,2007,32(8):696-698.)

[15] WU Jiangfei,HUANG Cheng.Nonlinear Adaptively Robust Filter for Orbit Determination[J].Geomatics and Information Science of Wuhan University,2008,33(2):187-190.(吳江飛,黃珹.非線性自適應(yīng)抗差濾波定軌算法[J].武漢大學(xué)學(xué)報(bào):信息科學(xué)版,2008,33(2):187-190.)

[16] ROH K M,PARK S Y,CHOI K H.Orbit Determination Using the Geomagnetic Field Measurement via the Unscented Kalman Filter[J].Journal of Spacecraft and Rockets,2007,44(1):246-253.

[17] JULIER S J.The Scaled Unscented Transformation[C]∥Proceedings of the 2002 American Control Conference.Jefferson City:IEEE,2002:4555-4559.

[18] JULIER S J,UHLMANN J K.Reduced Sigma Point Filters for the Propagation of Means and Covariance through Nonlinear Transformations[C]∥Proceedings of the 2002 American Control Conference.Jefferson City:IEEE, 2002:887-892.

[19] YANG Yuanxi.Some Notes on Uncertainty,Uncertainty Measure and Accuracy in Satellite Navigation[J].Acta Geodaetica et Cartographica Sinica,2012,41(5):646-650.(楊元喜.衛(wèi)星導(dǎo)航的不確定性、不確定度與精度若干注記[J].測(cè)繪學(xué)報(bào),2012,41(5):646-650.)

(責(zé)任編輯:叢樹(shù)平)

Space-borne GPS Satellite Orbit Determination Algorithm Based on UKF-EKF

WU Jiangfei1,LEI Hui2
1.Institute of Surveying and Mapping,Information Engineering University,Zhengzhou 450052,China;2.National Time Service Center,Chinese Academy of Sciences,Xi’an 710600,China

According to the problem of how to balance between computation efficiency and estimation accuracy of UKF in space-borne GPS satellite orbit determination applications,this paper puts forward a new algorithm by combining UKF and EKF.The algorithm has two improvements compared with the standard UKF algorithm.One is the improvement of the UKF sampling strategy,in which the symmetric sampling strategy is replaced by the scaled minimal skew simplex sampling strategy.The other one is the improvement of the UKF algorithm structure,that the simple UKF algorithm structure is replaced by the UKFEKF fusion algorithm structure that the strong nonlinear part of the system is processed by UKF,and the weak nonlinear part of the system is processed by EKF.Numerical results show that the estimation accuracy of the new algorithm is similar with that of UKF,while the computation efficiency is effectively increased about 30%.

extended Kalman filter;unscented Kalman filter;sampling strategy;satellite orbit determination;algorithm

P228

A

1001-1595(2014)05-0446-06

國(guó)家自然科學(xué)基金(41174006);中國(guó)博士后科學(xué)基金(201003772;20100481458)

2012-12-21

吳江飛(1972—),男,博士,副教授,研究方向?yàn)榭臻g飛行器精密定軌及其應(yīng)用、GPS數(shù)據(jù)處理等。First author:WU Jiangfei(1972—),male,PhD,associate professor,majors in precise orbit determination of spacecraft and its application and GPS data processing, etc.

E-mail:wjf2002＠163.com

WU Jiangfei,LEI Hui.Space-borne GPS Satellite Orbit Determination Algorithm Based on UKF-EKF[J].Acta Geodaetica et Cartographica Sinica,2014,43(5):446-451.(吳江飛,雷輝.星載GPS衛(wèi)星定軌的UKF-EKF算法[J].測(cè)繪學(xué)報(bào),2014,43(5):446-451.)

10.13485/j.cnki.11-2089.2014.0069

修回日期:2013-07-02