CN103268407B - 一种基于拉格朗日插值及卡尔曼滤波的轨道数据插值方法 - Google Patents
一种基于拉格朗日插值及卡尔曼滤波的轨道数据插值方法 Download PDFInfo
- Publication number
- CN103268407B CN103268407B CN201310173071.7A CN201310173071A CN103268407B CN 103268407 B CN103268407 B CN 103268407B CN 201310173071 A CN201310173071 A CN 201310173071A CN 103268407 B CN103268407 B CN 103268407B
- Authority
- CN
- China
- Prior art keywords
- data
- interpolation
- orbital
- satellite
- satellite orbit
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Landscapes
- Position Fixing By Use Of Radio Waves (AREA)
Abstract
一种基于拉格朗日插值及卡尔曼滤波的轨道数据插值方法,可利用卫星历史及当前轨道数据,在能够保证数据准确性的前提下实时预估下一时刻的轨道数据,同时对星历进行内插分析计算,最终实现了卫星轨道数据的高精度实时预测及仿真,有效的解决了卫星椭圆轨道非线性和误差偏大的问题。
Description
技术领域
本发明涉及一种基于拉格朗日插值及卡尔曼滤波的轨道数据插值方法,实现了卫星椭圆轨道非线性轨道数据的实时预测,同时对精密星历进行内插分析计算,最终实现了卫星轨道数据的实时高精度预测及仿真。
背景技术
在卫星导航系统中,卫星星历是描述卫星运动轨道的信息,它对应于某一时刻的卫星轨道根数及其变化率,根据卫星星历可以计算出任意时刻的卫星位置及速度。按照精度星历可分为预报星历(广播星历)和后处理星历(精密星历),但精密星历无法提供实时定位服务,广播星历则可进行实时定位,但其精度不高,只能满足粗略定位和短基线的相对定位。因此在卫星轨道数据预测过程当中,需寻找合适的插值算法对精密星历进行插值处理,力求提高卫星轨道数据实时解算的精确性,从而保证预估算法中所用到的先验值的准确性。
对于卫星轨道数据预估解算时一般采用最小二乘和卡尔曼滤波的方法。卡尔曼滤波比最小二乘法利用了更多被估计量的先验信息,因此卡尔曼滤波算法对系统状态的预测更准,精度更高。卡尔曼滤波算法用于系统状态的实时预测,它以线性最小方差估计为预测准则,采用线性递推公式表达,实时性高。但在卫星轨道数据实时预估应用中存在几个问题:
(1)非线性问题。卡尔曼滤波的假设系统状态方程为匀速或匀加速直线运动,而卫星轨道多数为圆轨道或椭圆轨道,且随轨道高度差异干扰轨道的因素较多、较复杂,卫星运动的观测方程为非线性方程。因此,对卫星轨道数据进行状态预测之前需解决非线性问题。
(2)误差偏大问题。扩展卡尔曼滤波器(Extended Kalman Filtering,EKF)可对系统方程进行线性化处理,但是EKF会引入线性化误差,从而降低滤波器的预测估计性能,因此需要采用更好的非线性滤波技术。
(3)星历插值算法。在卫星星历数据处理时,卫星精密星历是每15分钟一组卫星坐标和钟差数据,对任意时刻卫星坐标的计算需要采用内插或拟合的方法来实现。
发明内容
本发明的技术解决问题是:克服现有技术的不足,提供了一种基于拉格朗日插值及卡尔曼滤波的轨道数据插值方法,可利用卫星历史及当前轨道数据,实时预估下一时刻的轨道数据,并保证数据的准确性。
本发明的技术解决方案是:
一种基于拉格朗日插值及卡尔曼滤波的轨道数据插值方法,步骤如下:
(1)对卫星轨道的当前时刻数据以及历史数据进行加权处理得到加权平均值,再根据所述加权平均值和卫星轨道的当前时刻数据测算出卫星轨道的下一时刻的数据,得到粗略预测值;
(2)以所述卫星轨道的当前时刻数据和所述加权平均值之间的差值作为修正因子,实时修正所述粗略预测值从而得到卫星轨道的下一时刻轨道修正预测数据;
(3)卫星星历经过拉格朗日内插后计算得到下一时刻的轨道数据,并以此对所述下一时刻轨道修正预测值进行误差处理,最终得出下一时刻轨道数据预估解,以此循环形成闭环处理。
本发明与现有技术相比的有益效果是:
(1)卫星轨道实时数据的预估算法多为最小二乘法、数据插值平滑法或扩展卡尔曼滤波法。本发明采用无敏卡尔曼滤波的算法,省略了线性化处理过程,彻底消除线性化误差,并保证最优估计的精度。
(2)轨道预估数据从未结合星历数据进行修正,通过对星历的内插运算后,将内插拟合值与无敏卡尔曼滤波预测值加权处理后,作为K时刻的先验值,从而提高轨道数据预估精度,减小预估误差。
(3)无敏卡尔曼滤波为实时滤波算法,8阶拉格朗日插值法即能达到厘米级精度。此方法既保证了轨道数据预估过程的实时性,同时满足精度要求。
附图说明
图1为本发明方法流程图
具体实施方式
本发明提供了基于拉格朗日插值及卡尔曼滤波的轨道数据插值方法,如图1所示,步骤如下:
(1)对卫星轨道的当前时刻(K时刻)数据以及历史数据进行加权处理得到加权平均值,再根据所述加权平均值和卫星轨道的当前时刻数据测算出卫星轨道的下一时刻(K+1时刻)的数据,得到粗略预测值;
(2)以所述卫星轨道的当前时刻(K时刻)数据和所述加权平均值之间的差值作为修正因子,实时修正所述粗略预测值从而得到卫星轨道的下一时刻(K+1时刻)轨道修正预测数据;
(3)卫星星历经过拉格朗日内插后计算得到下一时刻(K+1时刻)的轨道数据,并以此对所述下一时刻(K+1时刻)轨道修正预测值进行误差处理,最终得出下一时刻(K+1时刻)轨道数据预估解。
K+1时刻轨道数据预估解在与K+1时刻轨道真实数据进行对比后,其误差再作为K+2时刻轨道修正预测数据的修正因子,从而形成闭环处理。
本发明方法能够解决卫星轨道数据的非线性问题,在保证精度及稳定度的基础上有效降低线性化误差,与此同时,通过对卫星星历的插值分析,解算出任意时刻的轨道实时数据,有效修正预估值,降低仿真误差,保证轨道数据预估精度。避免了卫星轨道数据的非线性问题,有效的降低了线性误差,保证轨道数据预估精度。
Claims (1)
1.一种基于拉格朗日插值及卡尔曼滤波的轨道数据插值方法,其特征在于步骤如下:
(1)对卫星轨道的当前时刻数据以及历史数据进行加权处理得到加权平均值,再根据所述加权平均值和卫星轨道的当前时刻数据测算出卫星轨道的下一时刻的数据,得到粗略预测值;
(2)以所述卫星轨道的当前时刻数据和所述加权平均值之间的差值作为修正因子,实时修正所述粗略预测值从而得到卫星轨道的下一时刻轨道修正预测数据;
(3)卫星星历经过8阶拉格朗日内插后计算得到下一时刻的轨道数据,并以此对所述下一时刻轨道修正预测值进行误差处理,最终得出下一时刻轨道数据预估解,以此循环形成闭环处理。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310173071.7A CN103268407B (zh) | 2013-05-10 | 2013-05-10 | 一种基于拉格朗日插值及卡尔曼滤波的轨道数据插值方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310173071.7A CN103268407B (zh) | 2013-05-10 | 2013-05-10 | 一种基于拉格朗日插值及卡尔曼滤波的轨道数据插值方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103268407A CN103268407A (zh) | 2013-08-28 |
CN103268407B true CN103268407B (zh) | 2016-12-28 |
Family
ID=49012035
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310173071.7A Active CN103268407B (zh) | 2013-05-10 | 2013-05-10 | 一种基于拉格朗日插值及卡尔曼滤波的轨道数据插值方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103268407B (zh) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104501804B (zh) * | 2014-12-17 | 2017-06-13 | 深圳航天东方红海特卫星有限公司 | 一种基于gps测量数据的卫星在轨轨道预报方法 |
CN107036603A (zh) * | 2017-04-27 | 2017-08-11 | 上海航天控制技术研究所 | 基于拉格朗日插值星历的火星探测器器上轨道递推算法 |
CN107765226B (zh) * | 2017-09-18 | 2020-06-09 | 北京空间飞行器总体设计部 | 一种sar卫星雷达回波模拟方法、系统和介质 |
CN109521448B (zh) * | 2018-12-18 | 2020-01-17 | 清华大学 | 基于轨道根数预测的星载导航接收机定位授时方法和装置 |
CN109917436B (zh) * | 2019-04-28 | 2020-09-29 | 中国人民解放军国防科技大学 | 一种卫星/惯性组合实时精密相对动基准定位方法 |
CN112319859B (zh) * | 2020-10-27 | 2021-12-31 | 西北工业大学 | 一种基于自主滤波阶切换的非线性卫星轨道确定方法 |
CN115308779B (zh) * | 2021-05-07 | 2023-11-03 | 华为技术有限公司 | 星历预报方法和星历预报装置 |
CN114297136A (zh) * | 2021-12-13 | 2022-04-08 | 南京理工大学 | 基于zynq的多传感器数据实时时间配准方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101403790A (zh) * | 2008-11-13 | 2009-04-08 | 浙江师范大学 | 单频gps接收机的精密单点定位方法 |
CN101662433A (zh) * | 2009-06-23 | 2010-03-03 | 中山大学 | 一种基于粒子滤波修正的信道预测方法 |
-
2013
- 2013-05-10 CN CN201310173071.7A patent/CN103268407B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101403790A (zh) * | 2008-11-13 | 2009-04-08 | 浙江师范大学 | 单频gps接收机的精密单点定位方法 |
CN101662433A (zh) * | 2009-06-23 | 2010-03-03 | 中山大学 | 一种基于粒子滤波修正的信道预测方法 |
Non-Patent Citations (3)
Title |
---|
基于GPS单频接收机的精密单点定位研究;郝明等;《测绘科学》;20100315;第35卷(第2期);全文 * |
基于卡尔曼预测的运动目标实时跟踪;张富铭等;《企业导报》;20091115(第11期);第278-279页 * |
用拉格朗日多项式内插计算GPS卫星位置;陈兆林等;《全球定位系统》;20070415(第2期);第33-35页 * |
Also Published As
Publication number | Publication date |
---|---|
CN103268407A (zh) | 2013-08-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103268407B (zh) | 一种基于拉格朗日插值及卡尔曼滤波的轨道数据插值方法 | |
CN107255795B (zh) | 基于ekf/efir混合滤波的室内移动机器人定位方法和装置 | |
CN106647257B (zh) | 一种基于正交最小二乘的前馈控制方法 | |
CN109407126A (zh) | 一种多模接收机联合定位解算的方法 | |
CN103376452B (zh) | 一种用单台声信标修正水下机器人位置误差的方法 | |
CN103777518B (zh) | 基于改进的最小二乘法的卫星导航授时系统及方法 | |
CN102968552A (zh) | 一种卫星轨道数据预估与修正方法 | |
CN104280025A (zh) | 基于无色卡尔曼滤波的深海机器人超短基线组合导航方法 | |
EP2330382A2 (en) | Method and system for latitude adaptive navigation quality estimation | |
CN103292812A (zh) | 一种微惯性sins/gps组合导航系统的自适应滤波方法 | |
CN105510942A (zh) | 一种基于卡尔曼滤波的gps单点定位系统 | |
CN102162733A (zh) | 一种基于svm的auv舰位推算导航误差实时修正方法 | |
CN114370878B (zh) | 一种基于stackf的多auv协同定位方法 | |
CN109375248A (zh) | 一种卡尔曼多模融合定位算法模型及其串行更新的方法 | |
CN105738931A (zh) | 基于卡尔曼滤波的gps单点定位系统 | |
KR101502721B1 (ko) | 적응형 상호작용 다중모델 추정기를 이용한 정밀 위치정보 제공 방법 및 장치 | |
CN109856656A (zh) | 一种导航定位方法、装置、电子设备及存储介质 | |
CN103268403B (zh) | 一种基于容积强跟踪信息滤波器的目标跟踪方法 | |
CN111044053B (zh) | 单舵轮无人车的导航方法、装置和单舵轮无人车 | |
CN107132562B (zh) | 一种实现卡尔曼滤波定位的方法和装置 | |
CN102944888A (zh) | 一种基于二阶扩展卡尔曼的低运算量gps定位方法 | |
CN110007298B (zh) | 一种目标超前预测跟踪方法 | |
CN109459769A (zh) | 一种自主定位方法与系统 | |
CN115290079A (zh) | 基于最小方差无偏有限脉冲响应的机器人定位方法及系统 | |
CN114488237A (zh) | 定位方法、装置、电子设备及智能驾驶方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |