一种基于全局鲁棒优化的空间目标单目状态估计方法

本发明涉及导航，具体涉及一种空间目标状态估计方法，更具体的，为一种基于全局鲁棒优化的空间目标单目状态估计方法。

背景技术：

1、对于外形尺寸未知、无合作标识的空间目标的自主相对导航是失效卫星在轨维护、空间碎片清除、深空探测着陆等空间任务实施的前提，也是空间目标识别感知和空间态势评估的关键。自主相对导航能力受制于星上有限的计算资源和存储资源，目前常用的多敏感器测量的数据融合手段存在系统复杂、设备繁多、数据异构等问题，不利于导航系统的星上自主运行，光学敏感器由于其具有分辨率高、成像距离远、设备简易等优点，且获取的数据直观、时效性强等优点，是自主导航的主要信息源。空间目标单目状态估计是自主相对导航的核心，即仅通过单个光学相机测量一段时间的图像，获取目标相对于航天器的相对位置姿态等相关运动状态参数。

2、目前对于此类无先验信息的空间目标的单目状态估计问题，业内在状态估计的系统模型构建方面都开展相关的研究工作。系统模型构建的核心难点问题在于通过单目相机无法获得距离测量信息，为了有效克服这一问题，主要的研究方法包括基于非线性动力学、基于轨道机动和基于相机偏置的方法。目前的系统模型构建方法往往认为所建立的模型是精确已知的，且噪声都是完全已知的高斯白噪声，然而实际问题中，对于无先验信息可获得的非合作目标，状态往往无法精确建模，且由于空间中存在特性未知的高能物理辐射等使得导航系统出现多种表现形式的误差，除了可建模的随机误差和系统误差外，还包括由于机理不明引起的不可建模的不确定性误差，此类不确定性误差的存在使得滤波精度下降甚至发散，使得传统的卡尔曼滤波算法不再适用，目前对于鲁棒的导航滤波算法也有很多相关的研究。

3、为了克服复杂空间环境中的不确定性影响，现有技术已经提出了多种鲁棒滤波方法以提升导航系统的可靠性，包括极大极小滤波、极大相关熵卡尔曼滤波算法、强跟踪滤波、自适应两级无迹卡尔曼滤波算法等，然而，上述方法存在计算复杂度高、参数调节困难、难以适应复杂动态系统的问题，无法高效、稳定地应用于空间目标单目状态估计场景。

技术实现思路

1、本发明实施例提供一种基于全局鲁棒优化的空间目标单目状态估计方法。

2、为达上述目的，本发明实施例提供一种基于全局鲁棒优化的空间目标单目状态估计方法，包括：建立空间目标的单目状态估计系统模型，单目状态估计系统模型包括系统状态方程和测量方程；根据单目状态估计系统模型，通过迭代计算，得到空间目标在总时长内各时刻的状态估计值。

3、进一步的，根据单目状态估计系统模型，通过迭代计算，得到空间目标在总时长内各时刻的状态估计值，具体包括：

4、根据先验信息(例如历史数据、过往经验知识等)确定空间目标的初始系统状态估计值和初始最灵敏密度协方差矩阵；设定迭代次数t的初始值t＝1；预测t时刻系统状态预测值根据单目状态估计系统模型和上一时刻的最灵敏密度协方差矩阵求解t时刻滤波增益矩阵kt，进而根据t时刻滤波增益矩阵kt，预测得到t时刻标称误差协方差矩阵pt；通过测量数据yt和t时刻滤波增益矩阵kt，对t时刻系统状态预测值进行更新，得到t时刻系统状态估计值对t时刻标称误差协方差矩阵pt进行更新，得到t时刻最灵敏密度协方差矩阵更新迭代次数t＝t+1；当t＜最大迭代次数t时，重复执行上述迭代计算过程，迭代计算过程的初始步骤是指预测t时刻系统状态预测值汇总所有时刻的系统状态估计值，得到空间目标在各时刻的状态估计值。

5、进一步的，预测t时刻系统状态预测值具体包括：根据上一时刻的系统状态估计值和单目状态估计系统模型，得到t时刻系统状态预测值

6、进一步的，单目状态估计系统模型为：

7、

8、其中，xt表示第t时刻的状态，和分别表示满足和的高斯白噪声，δ为克罗内克δ函数，f(δxt)表示关于状态误差的非线性系统状态方程，h(xt)表示关于状态的非线性系统测量方程，bt为过程噪声矩阵，dt为测量噪声矩阵，yt为测量向量，表示第t+1时刻的状态估计误差；

9、空间目标单目状态估计系统的状态向量为其中，r＝[x,y,z]表示空间目标相对于单目相机坐标系的位置，表示相对速度，q＝[q1,q2,q3,q0]表示空间目标相对于惯性系的绝对姿态四元数，ω＝[ω1,ω2,ω3]表示绝对角速度，表示惯量比，ρm＝[xm,ym,zm],m＝1,2,3表示空间目标表面的三个特征点的坐标。

10、进一步的，根据上一时刻的系统状态估计值和单目状态估计系统模型，得到t时刻系统状态预测值采用以下方式进行：

11、

12、其中，

13、进一步的，求解t时刻滤波增益矩阵kt，采用以下公式计算：

14、

15、其中，at为将系统的非线性状态方程线性化后的状态转移矩阵，ct为将系统的非线性测量方程线性化后的观测矩阵；

16、t时刻标称误差协方差矩阵pt，采用以下公式计算：

17、

18、进一步的，通过测量数据yt和t时刻滤波增益矩阵kt，对t时刻系统状态预测值进行更新，得到t时刻系统状态估计值采用以下方式进行：

19、δxt＝kt[yt-h(xt)]，

20、其中

21、进一步的，对t时刻标称误差协方差矩阵pt进行更新，得到t时刻最灵敏密度协方差矩阵采用以下方式进行：

22、计算出目标损失阈值τt的值，之后，找到使成立的最优解再根据下述公式，通过最优解更新t时刻最灵敏密度协方差矩阵

23、

24、进一步的，在设定迭代次数t的初始值t＝1之前，还包括：根据预设的采样间隔和总时长确定出最大迭代次数t。

25、上述技术方案具有如下有益效果：

26、相比其他的鲁棒滤波算法而言，本技术方案提出的方法借助全局鲁棒估计思想，通过权衡对标称模型的依赖度，实现了系统对过程噪声和测量噪声自适应调整，使得算法更具鲁棒性，并且在保证高鲁棒性和估计精度的同时，避免了过高的计算复杂度，更契合星上有限的计算资源和存储资源条件，有利于导航系统的星上自主运行，为失效卫星在轨维护、空间碎片清除、深空探测着陆等空间任务的自主相对导航提供可靠技术支撑。

1.一种基于全局鲁棒优化的空间目标单目状态估计方法，其特征在于，包括：

2.如权利要求1所述的基于全局鲁棒优化的空间目标单目状态估计方法，其特征在于，所述根据所述单目状态估计系统模型，通过迭代计算，得到所述空间目标在总时长内各时刻的状态估计值，具体包括：

3.如权利要求2所述的基于全局鲁棒优化的空间目标单目状态估计方法，其特征在于，所述预测t时刻系统状态预测值具体包括：

4.如权利要求3所述的基于全局鲁棒优化的空间目标单目状态估计方法，其特征在于，所述单目状态估计系统模型为：

5.如权利要求4所述的基于全局鲁棒优化的空间目标单目状态估计方法，其特征在于，所述根据上一时刻的系统状态估计值和所述单目状态估计系统模型，得到t时刻系统状态预测值采用以下方式进行：

6.如权利要求4所述的基于全局鲁棒优化的空间目标单目状态估计方法，其特征在于，所述求解t时刻滤波增益矩阵kt，采用以下公式计算：

7.如权利要求4所述的基于全局鲁棒优化的空间目标单目状态估计方法，其特征在于，所述通过测量数据yt和所述t时刻滤波增益矩阵kt，对所述t时刻系统状态预测值进行更新，得到t时刻系统状态估计值采用以下方式进行：

8.如权利要求4所述的基于全局鲁棒优化的空间目标单目状态估计方法，其特征在于，所述对所述t时刻标称误差协方差矩阵pt进行更新，得到t时刻最灵敏密度协方差矩阵采用以下方式进行：

9.如权利要求4所述的基于全局鲁棒优化的空间目标单目状态估计方法，其特征在于，在所述设定迭代次数t的初始值t＝1之前，还包括：根据预设的采样间隔和总时长确定出最大迭代次数t。