CN115790607B - 一种基于短弧历史数据的非合作目标机动特征检测方法 - Google Patents

一种基于短弧历史数据的非合作目标机动特征检测方法 Download PDF

Info

Publication number
CN115790607B
CN115790607B CN202310046637.3A CN202310046637A CN115790607B CN 115790607 B CN115790607 B CN 115790607B CN 202310046637 A CN202310046637 A CN 202310046637A CN 115790607 B CN115790607 B CN 115790607B
Authority
CN
China
Prior art keywords
relative
pulse
time period
spacecraft
data
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
CN202310046637.3A
Other languages
English (en)
Other versions
CN115790607A (zh
Inventor
龚柏春
邓豪
杨世航
李爽
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 CN202310046637.3A priority Critical patent/CN115790607B/zh
Publication of CN115790607A publication Critical patent/CN115790607A/zh
Application granted granted Critical
Publication of CN115790607B publication Critical patent/CN115790607B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation

Abstract

本发明公开了一种基于短弧历史数据的非合作目标机动特征检测方法，在现有机动检测技术和历史量测数据的基础上，利用线性化C‑W相对动力学模型对目标航天器进行二次机动检测，以估计脉冲前、后的相对轨道数据；然后对相对轨道数据进行归一化、并进行叉乘、取模值操作，通过最小模值找到脉冲时刻，定量计算出目标航天器机动时的相对速度变化量。本发明能够在粗略机动检测和提供量测数据的基础上，对目标脉冲机动的具体机动时刻和机动速度进行较为精确的计算。

Description

一种基于短弧历史数据的非合作目标机动特征检测方法
技术领域
本发明涉及空间相对导航技术领域，具体为一种基于短弧历史数据的非合作目标机动特征检测方法。
背景技术
随着人类对太空的逐步探索，航天任务日益频繁，在轨卫星等非合作目标数目迅速增长，空间环境愈加复杂，空间安全问题日益增加。为了避免碰撞等威胁，保障在轨航天器的安全运行，对可能具有威胁的非合作目标航天器进行轨道机动特征检测十分重要。
目前，国内外从不同角度对空间目标机动检测进行了研究，有的基于最小二乘法与卡尔曼滤波法研究小脉冲机动检测，有的利用小波分析工具实现轨道机动检测，根据小波系数曲线随小波分析尺度的变化趋势判定是否存在轨道机动，有的利用预报误差分布拟合实现卫星历史轨道机动检测，有的基于动力学模型的积分滤波实现机动检测，还有的基于Neyman-Pearson准则实现目标航天器的机动检测。
目前机动检测方法有很多，但这些方法都是对目标航天器进行机动检测，未能对脉冲机动时目标相对速度变化量进行定量求解，同时对目标机动具体时刻的求解精度较差。
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短弧历史数据的非合作目标机动特征检测方法，能够在粗略机动检测和提供量测数据的基础上，对目标脉冲机动的具体机动时刻和机动速度进行较为精确的计算。
一种基于短弧历史数据的非合作目标机动特征检测方法，包括以下步骤：
步骤1，根据已有量测量X和现有轨道机动检测技术，粗略确定出目标航天器脉冲机动的时间段，共m秒，定义这段时间段为参考时间段。
步骤2，脉冲前估计：取参考时间段前k个量测量X作为线性化C-W相对动力学模型的初始值，利用线性化C-W相对动力学模型分别向后预测参考时间段的相对轨道数据，共k组。然后将这k组预测相对轨道数据进行最小二乘加权，得到参考时间段的估计相对轨道数据，R、V分别表示追踪航天器相对目标航天器的位置和速度，上标1，2，……，m表示脉冲机动的时间段（共m秒），上标-表示向后预测，上标~表示估计。
步骤3，脉冲后估计：取参考时间段+收敛时间段后n个量测量X作为线性化C-W相对动力学模型的终端值，利用线性化C-W相对动力学模型分别向前预测参考时间段的相对轨道数据，共n组。然后将这n组预测相对轨道数据进行最小二乘加权，得到参考时间段的估计相对轨道数据上标+表示向前预测。
步骤4，将由步骤2和步骤3得到的参考时间段的估计相对位置数据和先进行归一化处理，得到和，然后将对应时刻的和进行叉乘并取模值，即，最后取模值最小时对应的时刻作为脉冲时刻T。
步骤5，根据脉冲前后的估计的参考时间段的相对速度和脉冲时刻T，得到目标航天器相对速度变化为：
。
作为优选，步骤1中参考时间段的时间长度取500~1000s，即m取500~1000。
作为优选，步骤1中的量测量为：，其中X为量测量，R、V分别表示追踪航天器相对目标航天器的位置和速度，具体为：
其中，X、Y、Z表示追踪航天器在以目标航天器质心为原点的相对坐标系中的三轴相对位置坐标，、、表示追踪航天器在以目标航天器质心为原点的相对坐标系中的三轴相对速度。
作为优选，步骤1中量测量R、V具有高斯白噪声，分别为、，且、。
作为优选，步骤2具体为：
步骤2.1，取参考时间段前k个量测量为：
，每个量测量时间间隔为1s，先取量测量作为线性化C-W相对动力学模型的初值，由分别预测出参考时间段的相对轨道数据（时间间隔1s一个轨道数据）；然后取量测量作为线性化C-W相对动力学模型的初值，重复上述操作，得到预测参考时间段的相对轨道数据；一直取到量测量，得到。
步骤2.2，由步骤2.1可以得到参考时间段的k组预测相对轨道数据，对这k组相对轨道数据进行最小二乘加权，以减小量测噪声的影响，最终得到脉冲前估计的参考时间段的相对轨道数据。
作为优选，步骤2.1中线性化C-W相对动力学模型，具体为：
其中，表示初始时刻追踪航天器相对目标航天器的位置和速度，表示时刻追踪航天器相对目标航天器的位置和速度，、、和分别表示位置方程时刻关于初始位置的系数矩阵、位置方程时刻关于初始速度的系数矩阵、速度方程时刻关于初始位置的系数矩阵和速度方程时刻关于初始速度的系数矩阵。
作为优选，步骤3具体步骤基本同步骤2基本一致，只是由终端时刻的相对轨道数据来估计初始时刻的相对轨道数据，即，最终得到脉冲后估计的参考时间段的相对轨道数据。
作为优选，步骤3中收敛时间段指量测量在目标航天器脉冲后趋于稳定的时间，共i秒，i一般取100~500。
作为优选，步骤4中归一化处理为：，其中为归一化后的数据，即估计单位视线矢量，，、和分别为估计相对位置的三轴分量，为追踪航天器与目标航天器估计相对距离。
有益效果：
（1）本发明对单次脉冲机动进行二次机动检测可以提高预测脉冲时刻精度，较为精确估计脉冲机动时刻；
（2）本发明通过算法可以对单次脉冲机动的进动速度进行较为准确估计，为预测目标航天器意图提供基础；
（3）本发明主要针对GEO共椭圆轨道，对相对轨道距离要求比较宽泛，也可以通过动力学模型的代换扩展到其他类型轨道；
（4）本发明通过使用历史量测数据，建立线性化相对运动模型，计算简单，应用方便，大大减少了计算量；使用离线方式也大大降低了星载计算机的负荷，实现轻量化计算下的机动检测。
附图说明
图1为本发明一个实施例的量测量和估计轨迹示意图；
图2为本发明一个实施例的1000次打靶预测脉冲时刻效果；
图3为本发明一个实施例的1000次打靶deltaV的三轴估计误差百分比效果；
图4为本发明一个实施例的1000次打靶deltaV的总体估计误差百分比效果。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明公开了一种基于短弧历史数据的空间非合作目标轨道机动特征检测方法，针对目前实现机动检测的方法，只是对目标航天器进行机动检测，未对目标的速度变化量进行定量求解，并且目标机动的具体时刻的求解精度也有待提高，在现有机动检测技术和历史量测数据的基础上，利用线性化C-W相对动力学模型对目标航天器进行二次机动检测，可以较为简单地定量计算出目标航天器机动时的相对速度变化量，同时可以计算出具体机动时刻点，提高机动时刻的求解准确度。
如图1所示，一种基于短弧历史数据的空间非合作目标轨道机动特征检测方法，包括以下步骤：
步骤1，根据已有量测量X和现有轨道机动检测技术，粗略确定出目标航天器脉冲机动的时间段，共m秒，定义这段时间段为参考时间段，其中m一般取500~1000，量测量，R、V分别表示追踪航天器相对目标航天器的位置和速度，具体为：
其中，X、Y、Z表示追踪航天器在以目标航天器质心为原点的相对坐标系中的三轴坐标，、、表示追踪航天器在以目标航天器质心为原点的相对坐标系中的三轴相对速度。
步骤2，脉冲前估计：取参考时间段前k个量测量X作为线性化C-W相对动力学模型，利用线性化C-W相对动力学模型分别向后预测参考时间段的相对轨道数据，共k组。然后将这k组预测相对轨道数据进行最小二乘加权，得到参考时间段的估计相对轨道数据。
步骤2.1，取参考时间段前k个量测量为：
，每个量测量时间间隔为1s，先取量测量X- 1作为线性化C-W相对动力学模型的初值，由分别预测出参考时间段的相对轨道数据（时间间隔1s一个轨道数据），其中，X为量测量，下标f表示终端时刻，φ表示状态转移矩阵，X0为初始量测量，△t为测量的时间间隔；然后取量测量X2-作为线性化C-W相对动力学模型的初值，重复上述操作，得到预测参考时间段的相对轨道数据；一直取到量测量Xk-，得到。
线性化C-W相对动力学模型，具体为：
其中，表示初始时刻追踪航天器相对目标航天器的位置和速度，表示tf时刻追踪航天器相对目标航天器的位置和速度，Φrrf、Φrvf、Φvrf和Φvvf分别表示位置方程tf时刻关于初始位置的系数矩阵、位置方程tf时刻关于初始速度的系数矩阵、速度方程tf时刻关于初始位置的系数矩阵和速度方程时刻关于初始速度的系数矩阵。
步骤2.2，由步骤2.1可以得到参考时间段的k组预测相对轨道数据，对这k组相对轨道数据进行最小二乘加权，以减小量测噪声的影响，最终得到脉冲前估计的参考时间段的相对轨道数据。
步骤3，脉冲后估计：取参考时间段+收敛时间段后n个量测量X作为线性化C-W相对动力学模型的终端值，利用线性化C-W相对动力学模型分别向前预测参考时间段的相对轨道数据，共n组。然后将这n组预测相对轨道数据进行最小二乘加权，得到参考时间段的估计相对轨道数据。
步骤3.1，取参考时间段+收敛时间段后n个量测量为：
，每个量测量时间间隔为1s，先取量测量X1 +作为线性化C-W相对动力学模型的终端值，由分别预测出参考时间段的相对轨道数据（时间间隔1s一个轨道数据）；然后取量测量作为线性化C-W相对动力学模型的终端值，重复上述操作，得到预测参考时间段的相对轨道数据；一直取到量测量，得到。
其中，收敛时间段的时间一般取100~500s，即i一般取100~500。
步骤3.2，由步骤3.1可以得到参考时间段的n组预测相对轨道数据，对这n组相对轨道数据进行最小二乘加权，以减小量测噪声的影响，最终得到脉冲前估计的参考时间段的相对轨道数据。
步骤4，将由步骤2和步骤3得到的参考时间段的估计相对位置数据和先进行归一化处理，具体为：
，其中为 归一化后的数据，即估计单位视线矢量，，、和分别为估计相对位置的三轴分量，为追踪航天器与目标航天器估计相对距离。
经归一化处理得和，然后将对应时刻的和进行叉乘并取模值，即，最后取模值最小时对应的时刻作为脉冲时刻T。
步骤5，根据脉冲前后的估计的参考时间段的相对速度和脉冲时刻T，得到目标航天器相对速度变化为：
。
结合以下实例说明本发明的可实施性。
设定如下计算条件和技术参数：
1）目标航天器的轨道半长轴为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90°，真近点角为120°；
2）追踪航天器相对目标航天器的初始相对位置为，初始相对速度分别为；
3）量测量R的各轴量测噪声标准差为500m，量测量V的各轴量测噪声标准差为0.1m/s；
4）参考时间段取1000s，收敛时间段取500s，即m、i分别取1000、500；
5）量测量组数k和n都取500组，且采样量测量间隔时间为1s。
基于本发明的利用量测数据的目标机动速度及机动时刻检测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6000 s，在仿真时间3000s处给目标航天器一个小脉冲，使目标航天器相对速度变化deltaV为。如图2、图3与图4所示分别是1000次打靶预测脉冲时刻效果、1000次打靶deltaV的估计误差效果和1000次打靶deltaV的估计误差百分比效果，由图中曲线可知，通过本文方法，对非合作目标的脉冲deltaV的估计精度较高。在本文的方法下，根据3原则，可以达到脉冲时刻估计误差落在（-39.7s，18.7s）概率为99.7%，平均脉冲时刻估计误差约为10.5s；可以达到X方向deltaV估计误差落在（0，17.01％）概率为99.7%，平均误差约为5.16％；Y方向deltaV估计误差落在（0，0.84％）概率为99.7%，平均误差约为0.26％；Z方向deltaV估计误差落在（0，0.69％）概率为99.7%，平均误差约为0.22％；可以达到deltaV总体估计误差落在（0，0.77%）的概率为99.7%，平均总体误差为0.34%。
因此，采用本发明方法，仅使用短弧历史数据就可以对空间非合作目标航天器的轨道机动特征进行精准检测，机动时间定位精度比现有方法提升了30%，并且能给出是现有算法无法给出的轨道机动速度脉冲△V。
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 (9)

1.一种基于短弧历史数据的非合作目标机动特征检测方法，其特征在于，包括以下步骤：
步骤1，根据测角定轨导航得到有关追踪航天器相对目标航天器的位置R和速度V的量测量X，结合现有轨道机动检测技术，确定出目标航天器脉冲机动的参考时间段；
步骤2，进行脉冲前估计和脉冲后估计，分别取参考时间段前、参考时间段加上收敛时间后若干个量测量作为线性化C-W相对动力学模型的初始值、终端值，分别向后预测、向前预测参考时间段的相对轨道数据，再基于最小二乘加权整合得到脉冲前、后估计的相对轨道数据；
步骤3，将所述脉冲前、后估计的相对轨道数据依次进行归一化处理，分别得到估计单位视线矢量和，将对应时刻的和进行叉乘并取模值，取模值最小时对应的时刻作为脉冲时刻T；
步骤4，根据脉冲前后的估计的参考时间段的相对速度和脉冲时刻T，得到目标航天器相对速度变化为：，上标-、+分别表示向后、向前预测，上标～表示估计。
2.根据权利要求1所述的基于短弧历史数据的非合作目标机动特征检测方法，其特征在于，步骤1中的量测量为：，其中X为量测量，R、V分别表示追踪航天器相对目标航天器的位置和速度，具体为：，，其中，X、Y、Z表示追踪航天器在以目标航天器质心为原点的相对坐标系中的三轴相对位置坐标，、、表示追踪航天器在以目标航天器质心为原点的相对坐标系中的三轴相对速度。
3.根据权利要求2所述的基于短弧历史数据的非合作目标机动特征检测方法，其特征在于，步骤2中脉冲前估计为：取参考时间段前k个量测量X作为线性化C-W相对动力学模型的初始值，利用线性化C-W相对动力学模型分别向后预测参考时间段的相对轨道数据，共k组；然后将这k组预测相对轨道数据进行最小二乘加权，得到参考时间段的估计相对轨道数据，R、V分别表示追踪航天器相对目标航天器的位置和速度，下标1，2，……，m表示脉冲机动的参考时间段。
4.根据权利要求3所述的基于短弧历史数据的非合作目标机动特征检测方法，其特征在于，步骤2中脉冲前估计具体包括：
步骤2.1，取参考时间段前k个量测量为：，先取量测量作为线性化C-W相对动力学模型的初值，由分别预测出参考时间段的相对轨道数据，然后再依次取量测量X2 -、X3 -…一直取到Xk -作为线性化C-W相对动力学模型的初值，得到，最终共得到k组相对轨道数据；
步骤2.2，对k组相对轨道数据进行最小二乘加权，以减小量测噪声的影响得到脉冲前估计的参考时间段的相对轨道数据。
5.根据权利要求3所述的基于短弧历史数据的非合作目标机动特征检测方法，其特征在于，步骤2中脉冲后估计为：取参考时间段加上收敛时间段后n个量测量X作为线性化C-W相对动力学模型的终端值，利用线性化C-W相对动力学模型分别向前预测参考时间段的相对轨道数据，共n组；然后将这n组预测相对轨道数据进行最小二乘加权，得到参考时间段的估计相对轨道数据。
6.根据权利要求5所述的基于短弧历史数据的非合作目标机动特征检测方法，其特征在于，步骤2中脉冲后估计具体包括：
步骤2.3，取参考时间段加上收敛时间段前n个量测量为：，先取量测量X1 +线性化C-W相对动力学模型的终端值，由分别预测出参考时间段的相对轨道数据，然后再依次取量测量X2 +、X3 +…一直取到Xn +作为线性化C-W相对动力学模型的终端值，得到，最终共得到n组相对轨道数据；
步骤2.4，对n组相对轨道数据进行最小二乘加权，以减小量测噪声的影响得到脉冲前估计的参考时间段的相对轨道数据。
7.根据权利要求6所述的基于短弧历史数据的非合作目标机动特征检测方法，其特征在于，线性化C-W相对动力学模型，具体为：，其中，表示初始时刻追踪航天器相对目标航天器的位置和速度，表示时刻追踪航天器相对目标航天器的位置和速度，、、和分别表示位置方程时刻关于初始位置的系数矩阵、位置方程时刻关于初始速度的系数矩阵、速度方程时刻关于初始位置的系数矩阵和速度方程时刻关于初始速度的系数矩阵。
8.根据权利要求7所述的基于短弧历史数据的非合作目标机动特征检测方法，其特征在于，步骤3中归一化处理为：，其中为归一化后的数据，即估计单位视线矢量，，、和分别为估计相对位置的三轴分量，为追踪航天器与目标航天器估计相对距离。
9.根据权利要求1或8所述的基于短弧历史数据的非合作目标机动特征检测方法，其特征在于，步骤3中经归一化处理得和，然后将对应时刻的和进行叉乘并取模值，即，最后取模值最小时对应的时刻作为脉冲时刻T。
CN202310046637.3A 2023-01-31 2023-01-31 一种基于短弧历史数据的非合作目标机动特征检测方法 Active CN115790607B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310046637.3A CN115790607B (zh) 2023-01-31 2023-01-31 一种基于短弧历史数据的非合作目标机动特征检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310046637.3A CN115790607B (zh) 2023-01-31 2023-01-31 一种基于短弧历史数据的非合作目标机动特征检测方法

Publications (2)

Publication Number Publication Date
CN115790607A CN115790607A (zh) 2023-03-14
CN115790607B true CN115790607B (zh) 2023-05-12

Family

ID=85429324

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310046637.3A Active CN115790607B (zh) 2023-01-31 2023-01-31 一种基于短弧历史数据的非合作目标机动特征检测方法

Country Status (1)

Country Link
CN (1) CN115790607B (zh)

Citations (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106017482A (zh) * 2016-07-29 2016-10-12 北京控制工程研究所 一种基于无迹递推的空间操作相对轨道控制误差计算方法
CN108279703A (zh) * 2018-01-26 2018-07-13 河南工程学院 一种用于非合作机动目标拦截的轨道控制方法
CN108871348A (zh) * 2018-05-08 2018-11-23 中国人民解放军国防科技大学 一种利用天基可见光相机的低轨卫星自主定轨方法
CN110160516A (zh) * 2019-05-06 2019-08-23 航天东方红卫星有限公司 一种基于测角和测距信息的空间目标高精度在轨定位方法
CN110779531A (zh) * 2019-09-16 2020-02-11 北京航空航天大学 一种天基仅测角差分进化一次精确定轨方法
CN111149013A (zh) * 2017-08-01 2020-05-12 伟摩有限责任公司 在光检测和测距(lidar)系统中使用延长的检测周期进行范围混叠检测和减轻
CN111551183A (zh) * 2020-06-09 2020-08-18 中国人民解放军63921部队 基于天基光学观测数据的geo目标多点择优短弧定轨方法
CN111578950A (zh) * 2020-06-09 2020-08-25 中国人民解放军63921部队 一种面向天基光学监视的geo目标自主弧段关联与定轨方法
CN112414413A (zh) * 2021-01-25 2021-02-26 南京航空航天大学 一种基于相对角动量的仅测角机动检测及跟踪方法
CN113135302A (zh) * 2021-03-09 2021-07-20 中国人民解放军国防科技大学 一种与机动非合作目标交会对接的方法
CN113204917A (zh) * 2021-04-25 2021-08-03 中国科学院国家空间科学中心 针对geo目标的天基光学测角弧段初定轨及关联方法
CN114018270A (zh) * 2021-09-13 2022-02-08 南京航空航天大学 一种中远程空间非合作目标轨道机动检测方法
CN114435630A (zh) * 2022-01-30 2022-05-06 西北工业大学 一种利用有限次视线测量对非合作目标进行相对定轨的方法
CN114889849A (zh) * 2022-06-23 2022-08-12 中国人民解放军国防科技大学 一种航天器多约束飞越最优速度的估计方法
CN115077535A (zh) * 2022-05-18 2022-09-20 中国人民解放军63921部队 基于天地基协同滤波非合作航天器轨道实时确定方法
CN115523927A (zh) * 2022-11-24 2022-12-27 中国人民解放军国防科技大学 基于光学传感器观测的geo航天器机动检测方法
CN115600051A (zh) * 2022-12-13 2023-01-13 中国人民解放军国防科技大学（Cn） 基于短弧天基光学观测的轨道机动智能检测方法和装置

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20170067996A1 (en) * 2015-09-04 2017-03-09 U.S.A. As Represented By The Administrator Of The National Aeronautics And Space Administration Ground-based laser ranging system for identification and tracking of orbital debris

Patent Citations (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106017482A (zh) * 2016-07-29 2016-10-12 北京控制工程研究所 一种基于无迹递推的空间操作相对轨道控制误差计算方法
CN111149013A (zh) * 2017-08-01 2020-05-12 伟摩有限责任公司 在光检测和测距(lidar)系统中使用延长的检测周期进行范围混叠检测和减轻
CN108279703A (zh) * 2018-01-26 2018-07-13 河南工程学院 一种用于非合作机动目标拦截的轨道控制方法
CN108871348A (zh) * 2018-05-08 2018-11-23 中国人民解放军国防科技大学 一种利用天基可见光相机的低轨卫星自主定轨方法
CN110160516A (zh) * 2019-05-06 2019-08-23 航天东方红卫星有限公司 一种基于测角和测距信息的空间目标高精度在轨定位方法
CN110779531A (zh) * 2019-09-16 2020-02-11 北京航空航天大学 一种天基仅测角差分进化一次精确定轨方法
CN111551183A (zh) * 2020-06-09 2020-08-18 中国人民解放军63921部队 基于天基光学观测数据的geo目标多点择优短弧定轨方法
CN111578950A (zh) * 2020-06-09 2020-08-25 中国人民解放军63921部队 一种面向天基光学监视的geo目标自主弧段关联与定轨方法
CN112414413A (zh) * 2021-01-25 2021-02-26 南京航空航天大学 一种基于相对角动量的仅测角机动检测及跟踪方法
CN113135302A (zh) * 2021-03-09 2021-07-20 中国人民解放军国防科技大学 一种与机动非合作目标交会对接的方法
CN113204917A (zh) * 2021-04-25 2021-08-03 中国科学院国家空间科学中心 针对geo目标的天基光学测角弧段初定轨及关联方法
CN114018270A (zh) * 2021-09-13 2022-02-08 南京航空航天大学 一种中远程空间非合作目标轨道机动检测方法
CN114435630A (zh) * 2022-01-30 2022-05-06 西北工业大学 一种利用有限次视线测量对非合作目标进行相对定轨的方法
CN115077535A (zh) * 2022-05-18 2022-09-20 中国人民解放军63921部队 基于天地基协同滤波非合作航天器轨道实时确定方法
CN114889849A (zh) * 2022-06-23 2022-08-12 中国人民解放军国防科技大学 一种航天器多约束飞越最优速度的估计方法
CN115523927A (zh) * 2022-11-24 2022-12-27 中国人民解放军国防科技大学 基于光学传感器观测的geo航天器机动检测方法
CN115600051A (zh) * 2022-12-13 2023-01-13 中国人民解放军国防科技大学（Cn） 基于短弧天基光学观测的轨道机动智能检测方法和装置

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
Bo Zhanga et al..Coordinated stabilization for space robot after capturing a noncooperative target with large inertia.《Acta Astronautica》.2017,全文. *
崔红正 ; 刘文玲 ; 唐歌实 ; 宋柏延 ; 葛茂荣 ; .不同推力下的非合作空间目标轨道机动检测.宇航学报.2016,第37卷(第03期),全文. *
张晓文 ; 王大轶 ; 黄翔宇 ; .深空探测转移轨道自主中途修正方法研究.空间控制技术与应用.2009,第35卷(第04期),全文. *

Also Published As

Publication number Publication date
CN115790607A (zh) 2023-03-14

Similar Documents

Publication Publication Date Title
CN112414413B (zh) 一种基于相对角动量的仅测角机动检测及跟踪方法
Wang et al. A robust backtracking CKF based on Krein space theory for in-motion alignment process
CN115790607B (zh) 一种基于短弧历史数据的非合作目标机动特征检测方法
RU2692837C2 (ru) Способ определения параметров движения шумящего объекта
CN110456360B (zh) 一种针对非连续目标被动多阵列声呐检测跟踪方法
CN110728026B (zh) 一种基于角速度量测的末端弹道目标被动跟踪方法
CN116520311A (zh) 一种基于glmb的自适应航迹起始方法
CN105510907B (zh) 一种基于强散射点目标探测的弱散射点目标跟踪逼近方法
Kumru et al. Performance evaluation of nonlinear filters on impact point prediction of ballistic targets
Wang et al. Research on multi-maneuvering target tracking JPDA algorithm
CN102707278B (zh) 奇异值分解的多目标跟踪方法
CN112684411A (zh) 一种基于改进到达频率差的水下目标定位方法
Sönmez et al. Analysis of performance criteria for optimization based bearing only target tracking algorithms
RU2406098C1 (ru) Способ определения наклонной дальности до движущейся цели по минимальному числу пеленгов
RU2304790C1 (ru) Устройство оценки для следящей системы
Ahi et al. Practical distributed maneuvering target tracking using delayed information of heterogeneous unregistered sensors
CN102707280B (zh) 稳定结构的多目标跟踪方法
CN102426357A (zh) 一种具有图像确认的多目标跟踪方法
Michaelis et al. Generating Odometry Measurements from Automotive Radar Doppler Measurements
CN116736287B (zh) 基于多探测模式的地波多径目标跟踪方法
CN113281736B (zh) 基于多假设singer模型的雷达机动交汇目标跟踪方法
Zeng et al. A Bayesian method for weak target tracking aided by strong target
Kaplan et al. Comparison of proposed target tracking algorithm, GRNNa, to Kalman Filter in 3D environment
Moawad et al. Bearing only tracking in cluttered environment using seismic sensors
Goh et al. Implementation of a differential geometric filter for spacecraft formation orbit estimation

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