买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：北京航空航天大学

摘要：本发明为解决空间在轨机动目标跟踪问题，提出一种基于变状态维数的空间机动目标单目跟踪算法。该方法涉及使用以空间目标的位置、速度以及机动加速度所构成的增维状态变量和基于光学传感器观测平台的单视线观测手段对目标进行跟踪，以及使用基于新息的检验统计量对目标进行机动起始检测和使用基于机动加速度估计的检验统计量对目标进行机动终止检测等算法。属于导航技术领域。本发明给出的算法具有实时、准确跟踪空间机动目标的能力，适合于光学单视线观测条件，满足了观测平台的便捷性要求，扩大了具备跟踪能力的观测平台类型范围，并且该算法可以得到机动加速度的初始估计，支持了对空间目标的持续跟踪。

主权项：1.一种基于变状态维数的空间在轨机动目标单目跟踪算法，以单个观测平台通过光学单视线观测的方式跟踪空间非合作机动目标为例，其特征在于：步骤一：对未检测到机动的空间目标持续进行精密定轨在空间非合作目标无机动的时候，采用由ECI坐标系下其位置与速度构成的普通状态变量与轨道动力学模型，以目标相对于单个观测平台的相对视线向量的赤经与赤纬作为观测量，按照某种滤波方法如扩展卡尔曼滤波进行实时精密定轨。步骤二：在空间目标精密定轨过程中进行实时机动检测基于新息构造递推的随机变量序列即新息序列的衰落记忆和。在对未检测到机动的空间目标进行精密定轨的过程中，在每一时刻都要计算该衰落记忆和，在设定一定的检测门限后，将衰落记忆和的取值与检测门限进行比对，从而判定机动是否发生。步骤三：使用增维模型对检测到机动的目标进行状态估计假如某时刻机动检测结果判定目标未发生机动，则按照步骤一中所描述的扩展卡尔曼滤波算法继续递推计算；假如该时刻的机动检测结果判定目标发生了机动，则应回到窗口起点，使用增维后的强化动力学模型重新滤波。为了增强算法应对不同水平未知机动加速度的能力，当检测到机动并回到窗口起点重新滤波时，以该时刻为起点，选择一个较短的机动加速度估计窗口，以起点时刻的机动加速度初始估计值作为作为优化变量，以窗口内的新息范数平方之和作为目标函数，通过优化得到未知机动加速度的初始估计。其中，增维状态模型将目标的机动加速度作为额外的状态变量对普通状态变量进行了扩维。通过对机动加速度状态方程进行建模，可以得到增维状态变量的状态方程模型。步骤四：对检测到机动的目标进行机动终止检测在检测到机动并使用增维模型进行滤波的过程中，每一时刻都要进行机动终止检测。首先需要构造用于机动终止判定的检验统计量，如基于加速度估计所构造的移动平均检验统计量，其次需要根据各个时刻的观测值或状态估计值计算用于机动终止判定的检验统计量的取值，将统计值与设定的门限进行比较，从而判定机动是否终止。如果机动终止，则切换回普通模型并按照步骤一执行，否则继续采用增维模型按照步骤三执行。

全文数据：

权利要求：

百度查询： 北京航空航天大学 一种基于变状态维数的空间在轨机动目标单目跟踪算法