留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

星座分布式自主定轨中信息融合方法比较研究

杨静 魏若愚

杨静, 魏若愚. 星座分布式自主定轨中信息融合方法比较研究[J]. 北京航空航天大学学报, 2020, 46(7): 1345-1353. doi: 10.13700/j.bh.1001-5965.2019.0463
引用本文: 杨静, 魏若愚. 星座分布式自主定轨中信息融合方法比较研究[J]. 北京航空航天大学学报, 2020, 46(7): 1345-1353. doi: 10.13700/j.bh.1001-5965.2019.0463
YANG Jing, WEI Ruoyu. Comparative study on information fusion methods in constellation distributed autonomous orbit determination[J]. Journal of Beijing University of Aeronautics and Astronautics, 2020, 46(7): 1345-1353. doi: 10.13700/j.bh.1001-5965.2019.0463(in Chinese)
Citation: YANG Jing, WEI Ruoyu. Comparative study on information fusion methods in constellation distributed autonomous orbit determination[J]. Journal of Beijing University of Aeronautics and Astronautics, 2020, 46(7): 1345-1353. doi: 10.13700/j.bh.1001-5965.2019.0463(in Chinese)

星座分布式自主定轨中信息融合方法比较研究

doi: 10.13700/j.bh.1001-5965.2019.0463
基金项目: 

国家自然科学基金 61976013

详细信息
    作者简介:

    杨静  女, 博士, 副教授, 硕士生导师。主要研究方向:组合导航、非线性滤波技术及应用、信息融合技术及应用等

    魏若愚  男, 硕士研究生。主要研究方向:卫星自主导航、多源信息融合

    通讯作者:

    杨静, E-mail: jing.yang@buaa.edu.cn

  • 中图分类号: V249.32

Comparative study on information fusion methods in constellation distributed autonomous orbit determination

Funds: 

National Natural Science Foundation of China 61976013

More Information
  • 摘要:

    为了保证大型导航星座在有限的星载运算能力和通信能力下,具备自主运行能力并提供精准位置参考信息,对基于分层结构的星座分布式自主定轨的信息融合方法展开了研究。以地月卫星联合星座作为研究对象,将简单凸组合法、协方差交叉融合法以及在线性最小方差意义下的矩阵加权法和标量加权法等方法应用于子滤波器估计的融合中,对各种融合方法的性能进行了对比分析。仿真结果显示,在采用方差放大技术去相关设计星座分布式自主定轨算法基础上,采用简单凸组合法、矩阵加权法和标量加权法3种融合方法的定轨精度较高,与集中式滤波精度相当,其中标量加权法的计算代价最低;而协方差交叉融合法由于难以准确确定最优系数,其精度低于其他3种方法。

     

  • 图 1  拉格朗日卫星与全球导航卫星测距示意图

    Figure 1.  Schematic diagram of ranging between Lagrange satellite and global navigation satellite

    图 2  MEO星座半分布式滤波结构示意图

    Figure 2.  Schematic diagram of semi-distributed filtering structure of MEO constellation

    图 3  地月联合星座分布式结构状态相关性

    Figure 3.  State correlation of distributed structure in Earth-Moon joint constellation

    图 4  全球导航1号卫星位置误差

    Figure 4.  Position error of global navigation satellite 1

    图 5  全球导航1号卫星速度误差

    Figure 5.  Velocity error of global navigation satellite 1

    图 6  斐波那契法系数

    Figure 6.  Fibonacci coefficient

    图 7  黄金分割法系数

    Figure 7.  Golden section coefficient

    图 8  标量加权系数1

    Figure 8.  Scalar weighting coefficient 1

    表  1  分层结构的子滤波器构成

    Table  1.   Hierarchical sub-filter structure

    子滤波器编号 MEO卫星编号 拉格朗日卫星编号 异轨测量卫星编号
    1 1, 2, 3, 4 LaLb 9, 17
    2 3, 4, 5, 6 La, Lb 9, 17
    3 5, 6, 7, 8 La, Lb 9, 17
    4 7, 8, 1, 2 La, Lb 9, 17
    5 9, 10, 11, 12 La, Lb 1, 17
    6 11, 12, 13, 14 La, Lb 1, 17
    7 13, 14, 15, 16 La, Lb 1, 17
    8 15, 16, 9, 10 La, Lb 1, 17
    9 17, 18, 19, 20 La, Lb 1, 9
    10 19, 20, 21, 22 La, Lb 1, 9
    11 21, 22, 23, 24 La, Lb 1, 9
    12 23, 24, 17, 18 La, Lb 1, 9
    下载: 导出CSV

    表  2  多源融合方法精度对比

    Table  2.   Precision comparison of multi-source fusion algorithm

    滤波结构 融合方法 位置误差/m 速度误差/(0.01 m·s-1)
    x y z Er vx vy vz Ev
    集中式 集中式滤波 5.467 549 9.577 071 10.514 803 14.237 305 0.108 099 0.148 421 0.155 596 9 0.240 675
    分层式(存在异轨) 简单凸组合法 6.679 416 8.705 221 9.154 606 14.289 937 0.101 462 0.120 860 0.142 344 0.212 517
    协方差交叉融合法(黄金分割法) 8.109 820 10.348 313 10.741 766 16.977 51 0.116 675 0.146 716 0.165 420 0.250 047
    协方差交叉融合法(斐波那契法) 10.018 536 11.017 363 11.941 112 19.087 784 0.144 170 0.155 703 0.192 832 0.286 727
    矩阵加权法 6.679 956 8.705 432 9.154 200 14.290 057 0.101 451 0.120 858 0.142 267 0.212 459
    标量加权法 6.773 704 8.934 194 9.415 614 14.640 925 0.102 883 0.121 013 0.143 245 0.213 888
    分层式(无异轨) 简单凸组合法 8.312 577 11.529 023 11.207 713 18.100 557 0.116 279 0.156 434 0.176 578 0.263 006
    协方差交叉融合法(黄金分割法) 9.591 488 12.674 602 11.871 365 19.838 636 0.130 831 0.173 818 0.189 265 0.288 358
    协方差交叉融合法(斐波那契法) 10.910 934 12.642 538 13.451 177 21.443 33 0.152 248 0.177 840 0.216 311 0.318 742
    矩阵加权法 8.312 468 11.529 004 11.207 722 18.100 5 0.116 279 0.156 543 0.176 580 0.263 006
    标量加权法 8.493 928 11.724 645 11.414 971 18.436 803 0.116 203 0.156 241 0.178 031 0.263 837
    下载: 导出CSV
  • [1] MARKLEY F L.Autonomous navigation using landmark and intersatellite data[C]//AIAA/AAS Astrodynamics Conference.Reston: AIAA, 1984.
    [2] ANANDA M P, BERSTEIN H, BRUCE R W, et al.Autonomous navigation of the global positioning system satellite[C]//AIAA Guidance and Control Conference.Reston: AIAA, 1984: 321-327.
    [3] ANANDA M P, BERNSTEIN H, CUNNINGHAM K E, et al.Global positioning system(GPS) autonomous navigation[C]//IEEE Position Location and Navigation System.Piscataway: IEEE Press, 1990: 497-508.
    [4] MENG F Z, WU X Y, OU G.Autonomous orbit determination of navigation constellation based on inter-satellite ranging and ranging rate[J].Journal Spacecraft TT & C Technology, 2010, 29(4):89-94. http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=fxqckxb201004020
    [5] 戴孟元.卫星星座分布式协同定轨方法研究[D].长沙: 国防科学技术大学, 2016.

    DAI M Y.Research on distributed coordination orbit determination method for satellite constellation[D].Changsha: National University of Defense Technology, 2016(in Chinese).
    [6] HILL K, LO M W, BORN G H.Linked, autonomous, interplanetary satellite orbit navigation(LiAISON)in lunar Halo orbits[C]//AAS/AIAA Astrodynamics Specialist Conference.Reston: AIAA, 2005: 1-15.
    [7] LEONARD J M, MCGRANAGHAN R M, FUJIMOTO K, et al.LiAISON supplemented navigation for geosynchronous and lunar L1 orbiters: AIAA-2012-4664[R].Reston: AIAA, 2012.
    [8] FUJIMOTO K, LEONARD J M, MCGRANAGHAN R M, et al.Simulating the LiAISON navigation concept in GEO+Earth-Moon Halo constellation[C]//International Symposium on Space Flight Dynamics, 2012: 1-15.
    [9] 梁佐江, 邓自立.按三种不同加权准则的信息融合Kalman滤波器的性能比较[J].黑龙江大学自然科学学报, 2005, 22(6):789-792. doi: 10.3969/j.issn.1001-7011.2005.06.022

    LIANG Z J, DENG Z L.Performance comparison of information fusion Kalman filters based on three different weighting criteria[J].Journal of Natural Science of Heilongjiang University, 2005, 22(6):789-792(in Chinese). doi: 10.3969/j.issn.1001-7011.2005.06.022
    [10] 李云, 邢宗新, 李世军, 等.多传感器矩阵加权信息融合预测控制算法[J].应用科技, 2012, 39(2):36-40. doi: 10.3969/j.issn.1009-671X.201112018

    LI Y, XING Z X, LI S J, et al.Multi-sensor information fusion predictive control algorithm weighted by matrix[J].Applied Science and Technology, 2012, 39(2):36-40(in Chinese). doi: 10.3969/j.issn.1009-671X.201112018
    [11] 邓自立, 高媛, 崔崇信.多传感器按对角阵加权信息融合Kalman滤波器[J].科学技术与工程, 2004, 4(7):518-521. doi: 10.3969/j.issn.1671-1815.2004.07.002

    DENG Z L, GAO Y, CUI C X.Multi-sensor information fusion Kalman filter weighted by diagonal matrix[J].Science Technology and Engineering, 2004, 4(7):518-521(in Chinese). doi: 10.3969/j.issn.1671-1815.2004.07.002
    [12] 孙书利, 崔平远.多传感器标量加权最优信息融合稳态Kalman滤波器[J].控制与决策, 2004, 19(2):208-211. doi: 10.3321/j.issn:1001-0920.2004.02.020

    SUN S L, CUI P Y.Multi-sensor optimal information fusion steady-state Kalman filter weighted by scalars[J].Control and Decision, 2004, 19(2):208-211(in Chinese). doi: 10.3321/j.issn:1001-0920.2004.02.020
    [13] 陈金广, 高新波.基于分段RTS平滑的凸组合航迹融合算法[J].计算机科学, 2010, 37(4):175-178. doi: 10.3969/j.issn.1002-137X.2010.04.044

    CHEN J G, GAO X B.Convex combined track fusion algorithm based on piecewise RTS smoothing[J].Computer Science, 2010, 37(4):175-178(in Chinese). doi: 10.3969/j.issn.1002-137X.2010.04.044
    [14] 张鹏, 齐文娟, 邓自立, 等.协方差交叉融合鲁棒Kalman滤波器[J].控制与决策, 2012, 27(6):904-908. http://d.old.wanfangdata.com.cn/Periodical/dzkxxk201508019

    ZHANG P, QI W J, DENG Z L, et al.Covariance cross-fusion robust Kalman filter[J].Control and Decision, 2012, 27(6):904-908(in Chinese). http://d.old.wanfangdata.com.cn/Periodical/dzkxxk201508019
    [15] 刘林, 侯锡云.深空探测轨道理论与应用[M].北京:电子工业出版社, 2015:29-36.

    LIU L, HOU X Y.Deep space exploration orbit theory and application[M].Beijing:Electronics Industry Publishing House, 2015:29-36(in Chinese).
    [16] 卢帅.基于拉格朗日导航星的GNSS星座自主定轨技术研究[D].北京: 北京航空航天大学, 2018: 54-59.

    LU S.Research on autonomous orbit determination technology of GNSS constellation based on Lagrange navigation star[D].Beijing: Beihang University, 2018: 54-59(in Chinese).
    [17] CARLSON N A.Federated square root filter for decentralized parallel processors[J].IEEE Transactions on Aerospace and Electronic Systems, 1990, 26(3):517-525. doi: 10.1109/7.106130
    [18] 崇元, 徐晓刚, 徐贯雷, 等.基于协方差交叉算法的多源遥感图像融合方法[J].电光与控制, 2013, 20(6):4-6. doi: 10.3969/j.issn.1671-637X.2013.06.002

    CHONG Y, XU X G, XU G L, et al.Multi-source remote sensing image fusion method based on covariance crossover algorithm[J].Electronics Optics and Control, 2013, 20(6):4-6(in Chinese). doi: 10.3969/j.issn.1671-637X.2013.06.002
    [19] SUN S L, DENG Z L.Multi-sensor optimal information fusion Kalman filter[J].Automatica, 2004, 40(6):1017-1023. doi: 10.1016/j.automatica.2004.01.014
  • 加载中
图(8) / 表(2)
计量
  • 文章访问数:  321
  • HTML全文浏览量:  3
  • PDF下载量:  75
  • 被引次数: 0
出版历程
  • 收稿日期:  2019-08-30
  • 录用日期:  2019-12-22
  • 刊出日期:  2020-07-20

目录

    /

    返回文章
    返回
    常见问答