《微小卫星动力学与控制研究最新进展》特刊：面向非高斯噪声条件下航天器状态估计的CEESP卡尔曼滤波方法研究 | SPACE导读
非高斯噪声条件下航天器状态估计
CEESP卡尔曼滤波方法研究
航天器姿态确定需要同时考虑姿态运动学模型、姿态测量模型和滤波算法三块核心内容。其中，高精度滤波算法是重中之重。经典Sigma点卡尔曼滤波（Sigma-point Kalman Filter, SPKF）广泛用于考虑高斯白噪声的航天器状态估计问题。然而，航天器在轨运行面临的复杂环境因素，如空间环境干扰、太阳能电池板振动和闪烁噪声将使得噪声呈现出重尾非高斯特性，此时经典的SPKF滤波方法会面临精度下降甚至滤波发散问题。在Space: Science & Technology (《空间科学与技术（英文）》)新发表的文章中提出了一种将确定性采样准则与中心误差熵准则相结合的中心误差熵（Centered Error Entropy, CEE）无迹卡尔曼滤波算法（Unscented Kalman filter, UKF），旨在增强姿态确定系统在非高斯噪声条件下的鲁棒性。
本文隶属于Space: Science & Technology《微小卫星动力学与控制研究最新进展》特刊
一图读懂全文
首先，作者介绍了面向非线性高斯噪声的经典SPKF算法，包括无迹卡尔曼滤波、容积卡尔曼滤波和中心差分卡尔曼滤波等。其中，重点回顾了UKF算法的逻辑和流程。然后，作者介绍了中心误差熵准则，其数学表达式是将最大相关熵和最小误差熵加权组合获得。
然后，作者构建了面向非线性和非高斯噪声条件的CEEUKF算法。所设计算法包含时间和测量更新步骤：在时间更新方面，与经典UKF算法相同，即采用Sigma点采样方法进行；在量测更新方面，作者设计了包含创建增广模型和后验状态估计两个步骤的最优估计方法。
最后，作者在航天器姿态确定系统应用并验证了所提出算法。在介绍了航天器姿态确定系统包含的陀螺仪模型、系统模型、测量模型之后，针对所提出方法和传统方法进行了对比仿真。结果表明，对象为高斯噪声或非高斯噪声时，CEEUKF都具有最高的滤波精度，且收敛速度最快。总而言之，与现有算法相比，通过选取合适关键参数，CEEUKF在航天器姿态估计问题上具有优秀的滤波性能。
作者简介
//
杨 宝 健
2019年于西北工业大学航天学院获得探测制导与控制技术学术学位，2021年于军事科学院国防科技创新研究院获得航空宇航科学与技术硕士学位，现为陆军工程大学博士研究生，目前研究方向主要涉及状态估计理论、无人系统导航定位技术、组合导航技术。
✦
客编简介
✦
//
陈 小 前
分别于1997年和2001年在国防科技大学取得硕士和博士学位。2002年至2016年期间，曾任国防科技大学副教授、教授。现为军事科学院研究员。同时担任国际宇航科学院（IAA）院士、国际宇航联合会（IAF）委员、中国宇航学会机器人技术委员会成员等。发表学术论文200余篇，研究方向包括航天器系统工程、航天器系统先进数字化设计和飞行器多学科设计优化。
//
曹 璐
分别于2010年和2014年在国防科技大学获硕士和博士学位。2013年至2014年期间，曾在加拿大麦吉尔大学机械工程系访问。2014年至2017年期间，曾任中国西安卫星控制中心宇航动力学国家重点实验室高级工程师。现为国防科技创新研究院研究员。在微小卫星工程方面有十余年的经验积累，先后为多颗在轨微小卫星设计了姿态确定和控制系统。主要研究方向涉及智能卫星设计、航天器动力学、导航与控制。
文章信息
官网链接：https://spj.sciencemag.org/journals/space/
原文链接：https://spj.sciencemag.org/journals/space/2022/9854601/
引用格式：Baojian Yang, Hao Huang and Lu Cao, “Centered Error Entropy-Based Sigma-Point Kalman Filter for Spacecraft State Estimation with Non-Gaussian Noise”, Space: Science & Technology, Vol. 2022, Article ID 9854601, 13 pages, https://doi.org/10.34133/2022/9854601.