扩展卡尔曼滤波在轨道估计中的应用和方法

资 源 简 介

扩展卡尔曼滤波在轨道估计中的应用和方法

详 情 说 明

扩展卡尔曼滤波（EKF）是处理非线性系统状态估计的强大工具，尤其适用于航天器轨道跟踪这类高精度需求场景。传统卡尔曼滤波依赖线性模型，而轨道动力学受引力摄动、大气阻力等非线性因素影响，EKF通过局部线性化解决了这一问题。

核心原理： 非线性模型线性化：在状态预测和更新步骤中，EKF对非线性运动方程和观测方程进行一阶泰勒展开，得到雅可比矩阵替代线性系统的转移矩阵。 迭代修正：通过实时更新状态协方差矩阵，动态调整线性化点，减少高阶截断误差，尤其适用于椭圆轨道或机动变轨场景。

轨道估计中的关键步骤： 状态建模：将位置、速度作为状态向量，考虑J2摄动等非线性力模型。 观测融合：整合雷达测距、光学角速度等多源数据，通过EKF迭代降低测量噪声影响。 发散抑制：采用自适应噪声调整或强跟踪滤波器，应对突发机动或模型失配。

实际应用中，EKF需配合轨道力学模型（如SGP4）使用，其计算效率与精度的平衡使其成为卫星定轨的主流算法之一。