CN115143971B - 一种基于星群无源感知的非合作目标机动检测及跟踪方法 - Google Patents

一种基于星群无源感知的非合作目标机动检测及跟踪方法 Download PDF

Info

Publication number
CN115143971B
CN115143971B CN202211066219.2A CN202211066219A CN115143971B CN 115143971 B CN115143971 B CN 115143971B CN 202211066219 A CN202211066219 A CN 202211066219A CN 115143971 B CN115143971 B CN 115143971B
Authority
CN
China
Prior art keywords
target
constellation
detection
maneuvering
filter
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
Application number
CN202211066219.2A
Other languages
English (en)
Other versions
CN115143971A (zh
Inventor
龚柏春
王子文
李爽
廖文和
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nanjing University of Aeronautics and Astronautics
Original Assignee
Nanjing University of Aeronautics and Astronautics
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Nanjing University of Aeronautics and Astronautics filed Critical Nanjing University of Aeronautics and Astronautics
Priority to CN202211066219.2A priority Critical patent/CN115143971B/zh
Publication of CN115143971A publication Critical patent/CN115143971A/zh
Application granted granted Critical
Publication of CN115143971B publication Critical patent/CN115143971B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/24—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for cosmonautical navigation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Astronomy & Astrophysics (AREA)
  • General Engineering & Computer Science (AREA)
  • Geometry (AREA)
  • Evolutionary Computation (AREA)
  • Automation & Control Theory (AREA)
  • Multimedia (AREA)
  • Computer Hardware Design (AREA)
  • Radar Systems Or Details Thereof (AREA)
  • Navigation (AREA)

Abstract

本发明一种基于星群无源感知的非合作目标机动检测及跟踪方法，依靠滤波器新息获取检验参数，就能利用星群观测来实现仅测角的非合作目标机动检测和持续跟踪。其以星群对目标的观测量为依据，计算出任意时刻下滤波器新息概率分布，并通过滑动窗口的方式来处理滤波器新息，获取新息滑窗均值的概率分布并归一化处理，获取检测量。然后，通过求取检测量的最大值概率分布以解决观测量对各轴机动敏感性不同的问题。最后，以检验结果为依据，通过对滤波器的协方差矩阵进行自适应放缩，从而实现了对机动后目标的相对导航定轨。

Description

一种基于星群无源感知的非合作目标机动检测及跟踪方法
技术领域
本发明属于空间自主相对导航领域，涉及一种星群协同无源感知的机动检测及跟踪方法。
背景技术
随着航天技术的发展与应用，国家安全与经济生活愈加依赖航天器的正常运行，因此保障航天器的安全，维护航天系统的正常运行十分重要。保护自身的安全，需要检测与跟踪对我方航天器具有威胁的空间目标。
当采用无源感知的传感器（通常为相机）对目标进行跟踪时，由于动力学模型与传感器测量具有误差，所以通常采用滤波器对动力学信息与传感器测量信息进行融合滤波，以增加对非合作目标的跟踪精度。但是由于滤波器依赖于上一时刻对目标状态的估计值，如果目标存在机动，由于目标机动是未知的，因此在滤波器的滤波过程中增加误差，导致滤波器性能下降，降低对目标的跟踪精度。
对于非合作目标采用的机动形式，由于技术与成本的限制，通常无法采用大功率的推进器，因此非合作目标在进行机动转移时，由于单位时间内提供的速度增量有限，所以目标的机动更容易被淹没在测量误差与动力学误差中，这导致对目标机动检测难度上升。
目前国内外通常有三种检测方法，即噪声等价、输入检测与估计、模型切换。噪声等价方法将机动过程动力学建模为白噪声或者有效噪声，采用噪声补偿或者动力学模型补偿进行机动检测，由于目标机动并不是白噪声，而是有色噪声，这样的处理方法会使最后对目标跟踪的精度较低。输入检测与估计将机动作为加速度输入进行检测和估计，多将目标机动检测表示为二元假设检验问题，为目前研究最多的方法，针对不同学者采用的优化方法有不同的问题，但是假设检验的检测门限和允许误差率使该方法具有一定的误检率。模型切换方法建立包括轨道机动的多个运动子模型，在滤波过程中通过相应策略选择估计模型，典型如常见的交互多模(IMM)及其改进方法，模型切换方法的性能取决于子模型精度和相应切换策略，且严重依赖于轨道机动检测结果。
发明内容
针对现有技术中存在的问题，本发明提供一种基于星群无源感知的非合作目标机动检测及跟踪方法，具有极高的机动检测分辨率（规定范围下目标总机动量），并且简单易于实现，并可以通过设置自适应的滤波器协方差可以完成对目标机动后的快速跟踪。
本发明是通过以下技术方案来实现：
一种基于星群无源感知的非合作目标机动检测及跟踪方法，通过对星群观测的滤波器新息进行理论大小的推导，得到在当前滤波器参数下，滤波器新息应该满足的概率分布，并以实际的滤波器新息作为检测量进行检测。其中滤波器新息为滤波器内部对下一时刻估计的状态值与测量值之间的差值。当检测出目标存在机动行为时，判断当前对目标跟踪的精度较低，进行滤波器参数的矫正，以提高对目标跟踪的精度，实现对机动后目标的相对导航定轨。
具体的，一种基于星群无源感知的非合作目标机动检测及跟踪方法，包括以下步骤：
步骤1，建立星群对目标卫星的观测模型z；
步骤2，建立基于线性化C-W的星群相对运动动力学模型X k ，表示k时刻下目标卫星相对于星群卫星的状态；
步骤3，基于所述观测模型z得到滤波器新息∆z，结合所述动力学模型，分析未发生机动时目标卫星k时刻的滤波器新息∆z k 满足的概率分布∆z k ~N；
步骤4，基于∆z k ~N，为k时刻的滤波器新息∆z k 添加滑窗，获取新息滑窗均值的概率分布
Figure 963647DEST_PATH_IMAGE001
，并得到新息滑窗均值
Figure 426989DEST_PATH_IMAGE002
；
步骤5，归一化新息滑窗均值得到归一化的检测量，并对该检测量采用最大概率分布
Figure 36962DEST_PATH_IMAGE003
以表示目标进行机动的事件M的发生概率；设定
Figure 66098DEST_PATH_IMAGE004
的值以获得目标机动的检测门限值ξ，基于检测门限值ξ判定目标卫星是否产生机动，当判断为产生机动时进入步骤6，反之，则进行下一滑窗窗口的机动判断；
步骤6，基于归一化的检测量中最大概率的分量对滤波器协方差矩阵大小进行矫正，用于k+1时刻的机动检测，返回步骤3。
作为优选，骤1中的观测模型为：
Figure 886680DEST_PATH_IMAGE005
，其中z为观测量， angle、baseline分别表示目标卫星相对于星群的角度以及星群卫星的基线，具体为：
Figure 368476DEST_PATH_IMAGE006
Figure 782140DEST_PATH_IMAGE007
其中，α、β分别表示星群卫星对目标的方位角与俯仰角，R i (i=1,2,…,n)为星群从星在主星的轨道坐标系下的位置，下标c为星群主星编号，下标1,2,…,n为星群中从星的编号。
作为优选，步骤2中动力学模型具体为：
Figure 869045DEST_PATH_IMAGE008
其中，
Figure 342752DEST_PATH_IMAGE009
Figure 328156DEST_PATH_IMAGE010
Figure 279932DEST_PATH_IMAGE011
Figure 283660DEST_PATH_IMAGE012
为C-W方程中的状态转移矩阵、G为C-W方程中的控制矩阵， u k-1 为目标的相对星群主卫星的机动，ω k-1 为动力学误差噪声，1 n+1×1 为元素为1的向量。
作为优选，步骤3中滤波器新息满足的概率分布为：
Figure 131530DEST_PATH_IMAGE013
其中，∆z k 为k时刻的滤波器新息， H k 为观测模型在k时刻对X k 的估计值
Figure 587919DEST_PATH_IMAGE014
的偏导矩阵， •2表示矩阵的各元素平方，
Figure 858232DEST_PATH_IMAGE015
、
Figure 450888DEST_PATH_IMAGE016
与
Figure 469659DEST_PATH_IMAGE017
分别表示状态估计、模型误差与测量误差在k-1时刻的方差，N表示均值为0的正态分布。
作为优选，新息滑窗均值的概率分布为：
Figure 678924DEST_PATH_IMAGE018
其中，
Figure 238081DEST_PATH_IMAGE019
为新息滑窗均值，
Figure 701555DEST_PATH_IMAGE020
为窗口数，
Figure 625648DEST_PATH_IMAGE021
为窗口长度，
Figure 322209DEST_PATH_IMAGE022
。
作为优选，步骤5具体为：
步骤5.1，归一化新息滑窗均值，获得归一化的检测量：
Figure 419478DEST_PATH_IMAGE023
其中，m表示观测量元素的序号，
Figure 455567DEST_PATH_IMAGE024
表示
Figure 347300DEST_PATH_IMAGE025
窗口下第m个观测量元素的归一化检测量，
Figure 783354DEST_PATH_IMAGE026
表示
Figure 684314DEST_PATH_IMAGE027
第m个元素的方差；
步骤5.2，采用归一化的检测量的最大值概率分布作为目标机动检测概率：
Figure 106068DEST_PATH_IMAGE028
其中， M表示目标进行机动的事件，
Figure 637543DEST_PATH_IMAGE029
为检测门限对应概率值，ξ为检测门限值，n为星群中从星个数；
步骤5.3，基于设置的检测概率
Figure 43117DEST_PATH_IMAGE030
得到检测门限ξ的值，基于检测门限ξ检测目标卫星是否发生机动。
作为优选，步骤5.3中检测目标卫星是否发生机动具体为：采用若干个连续窗口进行检测，当同时满足所有窗口检测量均超过了检测门限ξ即判定目标产生了机动。
作为优选，步骤6中矫正滤波器协方差矩阵大小具体为：
Figure 498500DEST_PATH_IMAGE031
，其中，
Figure 243602DEST_PATH_IMAGE032
表示
Figure 742716DEST_PATH_IMAGE033
窗口下最大概率的分量检测值，
Figure 370007DEST_PATH_IMAGE034
表示机动后未进行协方差矫正的协方差。
作为优选，通过滤波器内的新息进行机动的概率判断，来判断目标是否发生了机动，当判断目标发生了机动时，则表明滤波器对目标的跟踪精度由于目标的机动而变差，所以对滤波器的协方差进行放缩以矫正因目标机动而失准的滤波器的参数，提高对目标机动后的跟踪精度。
附图说明
图1是本发明方法的星群协同模型示意图；
图2是本发明方法的测量几何示意图；
图3是本发明方法进行机动判定的示意图；
图4是本发明方法与未使用本发明的对比图。
有益效果：
（1）本发明通过计算滤波器新息滑窗均值应该满足的概率分布，并进一步获取最大的检测量进行阈值检测的方法，相较于噪声等价、输入检测与估计、模型切换的检测方法，对目标的跟踪精度更高，同时具有实时性，可以对滤波器参数进行矫正，提高对目标的跟踪能力；
（2）本发明采用滑窗处理的方法并采用多个窗口进行机检测，大大降低了误判率，提高了检测精度；
（3）本发明通过最大检测量作为倍率对协方差进行放大，以矫正对目标状态的估计精度，提高了滤波器的误差矫正能力。
具体实施方式
下面结合具体的实施例对本发明做进一步的详细说明，所述是对本发明的解释而不是限定。
本发明一种基于星群无源感知的非合作目标机动检测及跟踪方法，以滤波器新息归一化的滑窗均值作为检测量，以目标在星群卫星本体下的角度与星群卫星的基线（星群从星在主星轨道坐标系下的位置）为观测量，通过分析获取在给定滤波器的参数下，滤波器新息滑窗均值应该满足的概率分布，并进一步归一化处理，获取最大的检测量，并进行阈值检测。并且采用两个窗口检测，当两个窗口都检测出检测量超过检测门限时，判定目标产生了机动，并且可以修改检测窗口检测的数量以适应不同工作环境。当检测出目标机动时，可以判定出当前对目标状态估计的协方差大小与其实际的协方差大小不匹配，因此通过最大检测量作为倍率对协方差进行放大，以提高滤波器的误差矫正能力。
主要分成三个部分：
1.推导了给定滤波器参数下，滤波器新息滑窗均值的理论分布；
2.对滤波器新息滑窗均值进行归一化处理，获取满足标准正态分布的检测量，并以最大值概率分布作为检测；
3.以上述检验方法的检验结果为依据，通过对滤波器的协方差矩阵进行自适应放缩，以降低机动对估计精度的影响，并提高滤波器对出现的误差矫正能力，以完成对机动产生的误差的收敛，实现了对机动后目标的相对导航定轨。
具体的，包括以下步骤：
步骤1，建立星群对目标卫星的观测模型：
Figure 878349DEST_PATH_IMAGE035
（1）
其中，
Figure 523962DEST_PATH_IMAGE006
（2）
Figure 397241DEST_PATH_IMAGE007
（3）
Figure 511827DEST_PATH_IMAGE036
（4）
Figure 558280DEST_PATH_IMAGE037
（5）
z为5n+2的观测量，n为星群中从星个数，angle、baseline分别表示目标卫星相对于星群的角度以及星群卫星的基线，下标c为星群主星（Chief）编号，下标1,2,…,n为星群中从星的编号， n为星群从星个数， R i (i=1,2,…,n)为星群从星在主星的轨道坐标系（Local Vertical Local Horizontal coordinate system，LVLH）下的位置， [α i β i ](i=c, 1,2,…n)是星群卫星对目标的测量角（方位角与俯仰角），R it =[x bjt y bjt z bjt ] T (i=c,1,2,… n)为目标在星群卫星(i=c,1,2,…n)的本体坐标系下的位置，下标b表示本体坐标系，下标t表示目标。
步骤2，建立基于线性化的Clohessy-Wiltshire的星群相对运动动力学模型，具体如下：
Figure 74712DEST_PATH_IMAGE008
（6）
其中，X k 为k时刻下目标相对于星群卫星的状态，
Figure 118892DEST_PATH_IMAGE009
，
Figure 471507DEST_PATH_IMAGE010
，
Figure 321651DEST_PATH_IMAGE011
，
Figure 692590DEST_PATH_IMAGE012
为Clohessy-Wiltshire方程中的状态转移矩阵，G为Clohessy-Wiltshire方程中的控制矩阵，u k-1 为目标的机动向量，ω k-1 为动力学噪声，1 n+1×1 为元素为1的向量。
步骤3，分析目标不存在机动情况下，滤波器新息满足的概率分布：
Figure 907670DEST_PATH_IMAGE038
（7）
其中，∆z k 为k时刻的滤波器新息，H k 为观测模型在k时刻对X k 的估计值
Figure 996849DEST_PATH_IMAGE039
的偏导矩阵，·2表示矩阵的各元素平方，
Figure 625584DEST_PATH_IMAGE015
、
Figure 851029DEST_PATH_IMAGE016
与
Figure 237011DEST_PATH_IMAGE017
分别表示状态估计、模型误差与测量误差在k-1时刻的方差，N表示均值为0的正态分布。
步骤4，对新息进行滑窗处理，设置滑窗长度为
Figure 813485DEST_PATH_IMAGE040
个时刻，得到滤波器新息滑窗均值的理论概率分布：
Figure 5432DEST_PATH_IMAGE041
（8）
其中，
Figure 836116DEST_PATH_IMAGE042
为新息滑窗均值，
Figure 658579DEST_PATH_IMAGE043
为窗口数，
Figure 456770DEST_PATH_IMAGE044
为窗口长度，
Figure 452408DEST_PATH_IMAGE045
。
步骤5，对滤波器新息滑窗均值进行归一化处理，获取满足标准正态分布的检测量
Figure 386866DEST_PATH_IMAGE046
，并以最大值概率分布作为检测
Figure 380230DEST_PATH_IMAGE047
，具体的：
Figure 914985DEST_PATH_IMAGE048
（9）
其中，m表示观测量元素的序号，
Figure 448735DEST_PATH_IMAGE049
表示
Figure 503279DEST_PATH_IMAGE050
窗口下第m个观测量元素的归一化检测量，
Figure 667544DEST_PATH_IMAGE051
表示
Figure 174748DEST_PATH_IMAGE052
第m个元素的方差。
显然，归一化的检测量是满足标准正态分布的，为了进一步降低不同观测量对机动具有不同的敏感度，所以采用最大值概率分布：
Figure 262921DEST_PATH_IMAGE053
（10）
其中， M表示目标进行机动的事件，
Figure 437551DEST_PATH_IMAGE054
，ξ为检测门限值，表示发生机动的概率值。
可以通过设置机动的检测概率以获得目标机动的检测门限值，即设置
Figure 507138DEST_PATH_IMAGE055
的值，通过式（10）获取检测门限ξ具体的值，以进行目标机动的检测。
本实施例中以
Figure 32797DEST_PATH_IMAGE056
边界概率作为检测概率大小，即设置检测概率
Figure 642770DEST_PATH_IMAGE057
并得到相应的检测门限ξ。通过对比当前窗口下最大的检测量与检测门限的大小，并结合上个时刻的结果，可以对目标是否发生了机动进行判定。
当目标进行了机动，滤波器的估计误差将会变大，因为，滤波器对下个时刻的目标状态进行估计时，当前时刻对下个时刻估计具有较大影响，使有色噪声产生的误差很难被消除。因此，在滤波器未被矫正时，在目标机动后的多个窗口检测量都会超过检测门限，所以采取2窗口检测以降低误判率提高检测精度，即当前窗口如果检测量超过了检测门限，并且上个窗口（
Figure 875168DEST_PATH_IMAGE058
个窗口中的两个窗口）检测量同样超过了检测门限，即可以判定目标产生了机动，结果如图3所示。
步骤6，当检测结果表明目标发生了机动后，进行滤波器协方差矩阵大小的矫正：
Figure 164592DEST_PATH_IMAGE059
（11）
其中，i为式（10）取最大概率的分量序号，
Figure 911968DEST_PATH_IMAGE060
表示
Figure 591211DEST_PATH_IMAGE061
窗口下最大概率的分量检测值，
Figure 678116DEST_PATH_IMAGE062
表示机动后未进行协方差矫正的协方差。
通过滤波器内的新息进行机动的概率判断，来判断目标是否发生了机动，当判断目标发生了机动时，则表明滤波器对目标的跟踪精度由于目标的机动而变差，因此对滤波器的协方差进行放缩以矫正因为目标机动而失准的滤波器的参数，提高对目标机动后的跟踪精度，使得目标发生机动后仍不丢失目标，可对目标进行跟踪。
本发明方法的实例：结合图4说明本发明的实例验证，设定如下计算条件和技术参数：
1）星群主卫星Chief的轨道半长轴为42164.169 km，偏心率为0，轨道倾角为0°，近地点幅角为0°，升交点赤经为0°，真近点角为0°；
2）采用一颗从星，星群从星Deputy的轨道半长轴为42164.169 km，偏心率为0，轨道倾角为0°，近地点幅角为0°，升交点赤经为0°，真近点角为0.0489°；
3）目标卫星Target的轨道半长轴为42164.169 km，偏心率为0.012，轨道倾角为0°，近地点幅角为0°，升交点赤经为0°，真近点角为0.12°；
4）相机的测角噪声均方差为0.0003rad，从星位置测量误差25m，动力学模型误差10-6m/s2，初始估计误差比例0.1；
5）目标卫星Target在600s与1200s时刻在地心惯性坐标系下进行20s的机动，机动量为
Figure 151822DEST_PATH_IMAGE063
，其中，t表示时间。
6）滑窗窗口长度采用1个时刻长度，即实际上并未采用滑窗处理；
基于本发明的机动检测及跟踪方法与上述设置的计算条件和技术参数进行仿真验证，仿真时间2500 s。如图4所示，分别为目标进行机动但并未检测机动的仿真曲线（点划线）、目标进行机动并采用本发明的方法的仿真曲线（点虚线）与目标未进行机动的仿真曲线（实线），由图中曲线对比可知，通过本文方法，对采取了机动的非合作目标的定轨精度明显提高。
因此，采用本发明方法，仅依靠星群测量与基于检测结果的滤波协方差自适应矫正就能实现对可能采取机动的非合作目标的持续精准相对导航。特别地，和传统定轨方法相比，以GEO轨道目标定轨为例，目标机动时间检测定位时间精度提高了30%，足见本发明方法带来的重要进展。
最后应说明的是：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (7)

1.一种基于星群无源感知的非合作目标机动检测及跟踪方法，包括星群和目标卫星，其中星群又包括从星和主星，其特征在于，包括以下步骤：
步骤1，建立星群对目标卫星的观测模型，基于观测模型
Figure FDA0003920275060000011
得到观测量，式中angle、baseline分别表示目标卫星相对于星群的角度以及星群卫星的基线；
步骤2，建立基于线性化C-W的星群相对运动动力学模型Xk，表示k时刻下目标卫星相对于星群卫星的状态；
步骤3，基于所述观测模型z得到滤波器新息Δz，结合所述动力学模型，分析未发生机动时目标卫星k时刻的滤波器新息Δzk满足正态分布，具体的，
Figure FDA0003920275060000012
其中，Δzk为k时刻的滤波器新息，Hk为观测模型在k时刻对Xk的估计值
Figure FDA0003920275060000013
的偏导矩阵，·2表示矩阵的各元素平方，
Figure FDA0003920275060000014
Figure FDA0003920275060000015
与
Figure FDA0003920275060000016
分别表示状态估计、模型误差与测量误差在k-1时刻的方差，N表示均值为0的正态分布；
步骤4，为k时刻的滤波器新息Δzk添加滑窗，通过滑窗求取滑窗内的新息序列的平均值得到新息滑窗均值
Figure FDA0003920275060000017
并基于滤波器新息Δzk的概率分布获取新息滑窗均值
Figure FDA0003920275060000018
的概率分布；
步骤5，对新息滑窗均值
Figure FDA0003920275060000021
进行归一化处理得到归一化的检测量：
Figure FDA0003920275060000022
其中，m表示观测量元素的序号，n为星群中从星个数，χκ,m表示κ窗口下第m个观测量元素的归一化检测量，
Figure FDA0003920275060000023
表示
Figure FDA0003920275060000024
第m个元素的方差；对该检测量采用最大概率分布
Figure FDA0003920275060000025
以表示目标进行机动的事件M的发生概率；设定
Figure FDA0003920275060000026
的值以获得目标机动的检测门限值ξ，基于检测门限值ξ判定目标卫星是否产生机动，当判断为产生机动时进入步骤6，反之，则进行下一滑窗窗口的机动判断；
步骤6，基于归一化的检测量中数值最大的分量对滤波器协方差矩阵大小进行矫正，用于k+1时刻的机动检测，具体的，矫正滤波器协方差矩阵大小具体为：
Figure FDA0003920275060000027
其中，χκ,i表示κ窗口下数值最大的检测值分量，
Figure FDA0003920275060000028
表示机动后未进行协方差矫正的协方差，然后返回步骤3。
2.根据权利要求1所述的基于星群无源感知的非合作目标机动检测及跟踪方法，其特征在于，步骤1中的观测模型为：
Figure FDA0003920275060000029
其中z为观测模型，angle、baseline分别表示目标卫星相对于星群的角度以及星群卫星的基线，具体为：angle＝[αc βc α1 β1 α2 β2… αn βn]T，
Figure FDA0003920275060000031
其中，α、β分别表示星群卫星对目标的方位角与俯仰角，Ri，i＝1,2,…,n为星群从星在主星的轨道坐标系下的位置，下标c为星群主星编号，下标1,2,…,n为星群中从星的编号。
3.根据权利要求2所述的基于星群无源感知的非合作目标机动检测及跟踪方法，其特征在于，步骤2中动力学模型具体为：
Xk＝ΦXk-1+Uk-1+Wk-1
其中，
Figure FDA0003920275060000032
Figure FDA0003920275060000033
Figure FDA0003920275060000034
φ为C-W方程中的状态转移矩阵、G为C-W方程中的控制矩阵，uk-1为目标的相对星群主卫星的机动，ωk-1为动力学误差噪声，1n+1×1为元素为1的向量。
4.根据权利要求3所述的基于星群无源感知的非合作目标机动检测及跟踪方法，其特征在于，新息滑窗均值的概率分布为：
Figure FDA0003920275060000041
其中，
Figure FDA0003920275060000042
为新息滑窗均值，κ为窗口数，
Figure FDA0003920275060000043
为窗口长度，
Figure FDA0003920275060000044
5.根据权利要求1至4任意一项所述的基于星群无源感知的非合作目标机动检测及跟踪方法，其特征在于，步骤5具体为：
步骤5.1，归一化新息滑窗均值，获得归一化的检测量：
Figure FDA0003920275060000045
其中，m表示观测量元素的序号，χκ,m表示κ窗口下第m个观测量元素的归一化检测量，
Figure FDA0003920275060000046
表示
Figure FDA0003920275060000047
第m个元素的方差；
步骤5.2，采用归一化的检测量的最大值概率分布作为目标机动检测概率：
Figure FDA0003920275060000048
其中，M表示目标进行机动的事件，Pξ＝P{|χκ,m|≤ξ},m＝1,2,...,5n+2为检测门限对应概率值，ξ为检测门限值，n为星群中从星个数；
步骤5.3，基于设置的检测概率
Figure FDA0003920275060000051
得到检测门限ξ的值，基于检测门限ξ检测目标卫星是否发生机动。
6.根据权利要求5所述的基于星群无源感知的非合作目标机动检测及跟踪方法，其特征在于，步骤5.3中检测目标卫星是否发生机动具体为：采用若干个连续窗口进行检测，当同时满足所有窗口检测量均超过了检测门限ξ即判定目标产生了机动。
7.根据权利要求6所述的基于星群无源感知的非合作目标机动检测及跟踪方法，其特征在于，通过滤波器内的新息进行机动的概率判断，来判断目标是否发生了机动，当判断目标发生了机动时，则表明滤波器对目标的跟踪精度由于目标的机动而变差，所以对滤波器的协方差进行放缩以矫正因目标机动而失准的滤波器的参数，提高对目标机动后的跟踪精度。
CN202211066219.2A 2022-09-01 2022-09-01 一种基于星群无源感知的非合作目标机动检测及跟踪方法 Active CN115143971B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211066219.2A CN115143971B (zh) 2022-09-01 2022-09-01 一种基于星群无源感知的非合作目标机动检测及跟踪方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211066219.2A CN115143971B (zh) 2022-09-01 2022-09-01 一种基于星群无源感知的非合作目标机动检测及跟踪方法

Publications (2)

Publication Number Publication Date
CN115143971A CN115143971A (zh) 2022-10-04
CN115143971B true CN115143971B (zh) 2023-02-10

Family

ID=83416270

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211066219.2A Active CN115143971B (zh) 2022-09-01 2022-09-01 一种基于星群无源感知的非合作目标机动检测及跟踪方法

Country Status (1)

Country Link
CN (1) CN115143971B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116698049B (zh) * 2023-08-08 2023-11-07 南京航空航天大学 一种空间非合作目标无源探测初始定轨段的机动检测方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102928836A (zh) * 2012-10-29 2013-02-13 电子科技大学 一种地面目标跟踪方法
CN111460636A (zh) * 2020-03-20 2020-07-28 南京理工大学 不完全量测数据驱动下的机动扩展目标混合交互式强跟踪滤波方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8639476B2 (en) * 2008-04-22 2014-01-28 The United States Of America As Represented By The Secretary Of The Navy Process for estimation of ballistic missile boost state

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102928836A (zh) * 2012-10-29 2013-02-13 电子科技大学 一种地面目标跟踪方法
CN111460636A (zh) * 2020-03-20 2020-07-28 南京理工大学 不完全量测数据驱动下的机动扩展目标混合交互式强跟踪滤波方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
"Non-cooperative maneuvering spacecraft tracking via a variable structure estimator";ZhaiGuang;《Aerospace Science and Technology》;20180531;正文第352-363页 *
"仅天基测角跟踪的轨道机动WFMHT检测方法";刘磊 等;《西北工业大学学报》;20181231;正文第1185-1191页 *
"基于自适应均方根EKF的惯性辅助航天器仅测角导航方法";杜荣华 等;《中国惯性技术学报》;20220430;正文第210-217页 *
用批递归估计器纯方位跟踪机动目标;刘佳音;《情报指挥控制系统与仿真技术》;20020515(第05期);正文第30-38页 *

Also Published As

Publication number Publication date
CN115143971A (zh) 2022-10-04

Similar Documents

Publication Publication Date Title
CN110823217B (zh) 一种基于自适应联邦强跟踪滤波的组合导航容错方法
US9073648B2 (en) Star tracker rate estimation with kalman filter enhancement
CN107421534B (zh) 一种冗余式捷联惯导系统多故障隔离方法
CN106885576B (zh) 一种基于多点地形匹配定位的auv航迹偏差估计方法
CN110007317B (zh) 一种选星优化的高级接收机自主完好性监测方法
CN115143971B (zh) 一种基于星群无源感知的非合作目标机动检测及跟踪方法
CN110161543B (zh) 一种基于卡方检验的部分粗差抗差自适应滤波方法
CN111290366A (zh) 一种航天器姿控系统多故障诊断方法
CN110196434B (zh) 一种高级接收机自主完好性监测的星座动态选择方法
CN108972553B (zh) 一种基于粒子滤波算法的空间机械臂故障检测方法
CN110954132B (zh) Grnn辅助自适应卡尔曼滤波进行导航故障识别的方法
CN108534784B (zh) 一种基于空间圆轨迹的非合作航天器自旋角速度估计方法
CN111024124B (zh) 一种多传感器信息融合的组合导航故障诊断方法
CN111366156A (zh) 基于神经网络辅助的变电站巡检机器人导航方法及系统
CN110567457A (zh) 一种基于冗余的惯导自检测系统
CN107621266A (zh) 基于特征点跟踪的空间非合作目标相对导航方法
CN114018270A (zh) 一种中远程空间非合作目标轨道机动检测方法
CN114923503B (zh) 一种基于主元分析的在轨航天器陀螺仪和星敏感器故障诊断方法
CN104819717B (zh) 一种基于mems惯性传感器组的多旋翼飞行器姿态检测方法
CN110203254B (zh) 列车定位系统中卡尔曼滤波器的安全检测方法
CN110736482B (zh) 一种月球软着陆欠测量速度修正方法
CN111412919B (zh) 一种空间目标的初始轨道误差计算方法及装置
JPH0868652A (ja) 車両用現在位置検出装置
CN113124881B (zh) 一种基于磁信标的同步定位与构图系统的故障恢复方法
CN113375658B (zh) 移动机器人故障下同时fdd和slam的方法及系统

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant