因子图在卫星姿态估计中的应用

《因子图在卫星姿态估计中的应用》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、第32卷第06期计算机仿真2015年06月文章编号：1006—9348(2015)06—0063—04因子图在卫星姿态估计中的应用陈恩庆，肖素珍，高新利(郑州大学信息工程学院，河南郑州450001)摘要：在北斗卫星导航系统定位过程中首先要对卫星自身的姿态角速度进行估计。卫星姿态角速度估计的精度将直接影响北斗卫星定位的精度。为了提高北斗卫星姿态角速度估计的精度，提出了一种新的采用概率图模型的卫星姿态角速度估计方法，即基于因子图消息传递的卫星姿态角速度估计方法。因子图是一种典型的概率图模型方法，它通过对卫星姿态角速度观测方程和状态方程建模，并使用和积迭代算

2、法求解相关参数，获得对卫星姿态角速度的估计。通过MATLAB仿真，对所提算法与传统基于kalman滤波的姿态角速度估计算法进行比较，结果表明改进算法可以准确估计卫星的姿态角速度，并且在低信噪比情况下比kMman滤波算法有更小的估计误差，算法收敛速度更快，可为北斗卫星导航定位系统优化设计提供参考。关键词：姿态角速度估计；因子图；消息传递算法；卡尔曼滤波中图分类号：TP391．9文献标识码：BEstimationofSatelliteAttitudeAngularVelocityBasedonFactorGraphCHENEn—qing，XIA0Su—zh

3、en，GAOXin—li(SchoolofInformationEngineefing，ZhengZhouUniversity，ZhengZhou450001)ABSTRACT：Inordertoimprovetheestimationaccuracyofbeidousatelliteattitudeangularvelocity，thispaperpro—posesanewestimationmethodofsatelliteattitudeangularvelocitybasedonfactorgraph．Factorgraphisakindoft

4、ypicalprobabilitygraphmodel，thesatelliteattitudeangularvelocityismodeledbyallobservationequationandastateequation，tllerelatedparametersareobtainedbyusingtheiterativealgorithm，andtheestimateofthesatelliteattitudeangularvelocityisgot．ThroughMATLABsimulation，theproposedalgorithmisc

5、omparedwiththetraditionalattitudeangularvelocityestimationalgorithmbasedonkalmanfilter，andtheresultsshowthatthealgorithmCanac-euratelyestimatethesatelliteattitudeangularvelocity，andundertheconditionoflowsignal—to—noiseratio，theestimateelTorissmallerthanthekalmanfilteralgorithm，i

6、naddition，thealgorithmhasfasterconvergencespeed．KEYWORDS：Attitudeangularvelocityestimation；Factorgraph；Message—passingalgorithm；Kalmanfilter1引言北斗卫星导航系统⋯(BeiDouNavigationSatelliteSys—tem)是我国正在实施的自主发展、独立运行的全球卫星导航系统，将用于向全球用户提供高质量的定位、导航等服务。遵循先区域、后全球的总体思路，北斗卫星导航系统正按照三步走的发展战略稳步推进。北斗卫星

7、导航系统要想达到准确定位、导航的目的，必须首先观测、估计卫星自身的运行基金项目：国家自然科学基金(61201251，61172086，61210005，61331021)收稿日期：2014—08—22修回日期：2014-09一12状况，其中卫星的姿态角速度是卫星运行的重要参数之一，准确获得卫星姿态角速度的估计对于北斗卫星系统具有重要意义。卫星的姿态角可以从红外地平仪旧。中读到，但是姿态角速度却不容易获得，因此如何估计卫星的姿态角速度是一个重要研究课题。在之前的卫星姿态角速度估计的研究中性。1，常用的是kalman滤波算法。该方法在高信噪比下可以获得较好

8、的估计性能，但在信噪比较低时估计性能无法得到保证，且算法收敛速度较慢。本文针对此问题提出了一种