介绍基于传感器网络的异步分布式实时定轨方法与流程

将乐信息网 http://www.jianglexinxi.cn 2020-10-18 12:33 出处:网络
本站提供的介绍基于传感器网络的异步分布式实时定轨方法与流程,下面小编就来为你解答

本站提供的介绍基于传感器网络的异步分布式实时定轨方法与流程,下面小编就来为你解答


本发明属于航天器轨道计算技术领域,涉及基于传感器网络的异步分布式实时定轨方法。



背景技术:

航天器实时定轨是空间目标监视的关键技术之一,在轨道机动效果快速评估、碰撞预警等方面发挥着重要作用。除了传统地基测量设备,天基测量设备也越来越多的运用在空间目标监视系统中,利用天地基联合监测网对航天器进行轨道确定,可以归为基于传感器网络的空间目标跟踪问题。当前工程应用中,主要使用集中式方法进行航天器轨道确定。集中式方法将各个传感器的测量数据传输至计算中心,在计算中心完成数据融合和轨道计算,该方法可以获得全局最优解,但是对中心节点依赖性强,中心节点的通信、计算负担较大。与集中式不同,分布式方法是一种去中心化的算法,各传感器之间相互通信,分别进行计算。由于不依赖中心节点,鲁棒性强,并且有较好的扩展性和灵活性,因此使用分布式算法,可以提高航天器定轨系统的可靠性和抗毁能力。同时,现有的分布式算法主要是针对同步采样传感器的融合问题,且存在没有考虑信息传输延时、计算复杂等问题,不利于工程应用,因此异步数据的分布式实时定轨算法是实际应用中亟待研究的问题。



技术实现要素:

本发明的目的是提供基于传感器网络的异步分布式实时定轨方法,具有适用于多测量设备分布式实时轨道确定问题的优点。

本发明所采用的技术方案是,基于传感器网络的异步分布式实时定轨方法,具体按照以下步骤实施:

步骤1、将传感器网络中的传感器状态初始化;

步骤2、传感器i在采样周期接收来自邻居节点的信息并存储;

步骤3、传感器i在采样时刻采样获取量测值并根据步骤2中接收到的信息的时间对信息进行排序;

步骤4、将步骤3中经过排序的信息中的数据进行融合滤波,计算轨道状态矢量;

步骤5、传感器i更新采样时刻状态估计值,第k个采样周期滤波计算完毕。

本发明的特点还在于:

步骤1具体为:初始化状态量协方差矩阵测量噪声的协方差矩阵和系统噪声的协方差矩阵q(δt);其中q(δt)=q·δt,q为外推时间为1s时的系统噪声协方差矩阵。

步骤2具体为:传感器i在采样周期内收到n′个入邻节点的信息ml=<tl,ιl,ξl,sl,yl>并存储,l=1,2,...,n',其中ιl,ξl为状态信息,sl,yl为量测信息。

步骤3具体为:在时刻采样获取量测值采样结束后,根据信息ml中时间tl的先后顺序对所有入邻节点的信息ml进行排序,将排序后的时间记为τ,排序后有:

时刻采样时,若传感器i对航天器不可见,即在采样时刻没有测量数据,则令

步骤4具体按照以下步骤实施:

步骤4.1、令l'=1;

步骤4.2、状态预测,将τl'-1时刻状态量根据式(3)、(4)预测至τl'时刻,然后根据式(5)、(6)求出τl'时刻状态信息的先验估计

其中,为传感器i在τl'-1时刻的状态转移矩阵;

步骤4.3、计算传感器i的量测信息

若l'≤n',则令

若l'=n'+1,有根据公式(7)、(8)求出

其中,为传感器i在τl'时刻的量测矩阵;

步骤4.4、将传输至出邻节点;

步骤4.5、信息融合及状态更新;

l'=l'+1(11)

式中,满足i为协方差矩阵的逆矩阵;

步骤4.6、若l'≤n'+1,返回步骤4.2;反之,进入步骤五。

步骤5具体为:令传感器i第k个采样周期滤波计算完毕。

本发明的有益效果是:本发明基于传感器网络的异步分布式实时定轨方法将异步传感器之间相互通信,分别计算,再通过预测和更新将异步信息进行融合,提高了传感器之间信息的传输和计算,进一步提高了航天器定轨系统的可靠性和抗毁能力。

附图说明

图1是本发明基于传感器网络的异步分布式实时定轨方法的流程图;

图2是本发明基于传感器网络的异步分布式实时定轨方法中传感器网络的结构图;

图3是实施例中100s内定轨的位置、速度rmse曲线;

图4是实施例中100s~550s定轨的位置、速度rmse曲线;

图5是实施例中550s~1084s定轨的位置、速度rmse曲线。

具体实施方式

下面结合附图和具体实施方式对本发明进行详细说明。

本发明基于传感器网络的异步分布式实时定轨方法,对于传感器网络系统,使用有向图g=(v,e)表示传感器网络结构,v={1,2,…,n}为传感器节点集合,e(t)={(i,j)|i,j∈v}表示t时刻节点i到节点j的通信链路。定义为t时刻节点i的输入邻居节点集合,简称入邻节点。为t时刻节点i的输出邻居节点集合,简称出邻节点。令表示t时刻节点i包含自身在内的所有入邻节点集合。本分布式滤波算法中,传感器只能与相邻节点进行信息共享,因此为了保证局部传感器通过获取相邻节点的信息即可达到计算结果的一致收敛性,本分布式实时定轨算法要求传感器网络的通信拓扑为强连通的,即对于网络中的任意两个传感器,都至少存在一条通信链路序列使这两点可以通信。

定义为航天器的轨道状态矢量,其中位置矢量为r=[xyz]t,速度矢量为则对于传感器i,系统方程和量测方程可以写为:

对传感器i,为其在第k个采样时刻的轨道状态矢量,记为传感器i对的先验和后验估计;为该时刻协方差矩阵,的先验和后验估计,分别为该时刻系统噪声和量测噪声,相互独立。

设有n个传感器组成的传感器网络对航天器进行分布式实时定轨,各传感器的采样时刻不同,表示传感器i在第k个采样周期的采样时刻,则一个采样周期的分布式滤波过程如下:

步骤1、将传感器网络中的传感器状态初始化;

初始化状态量协方差矩阵测量噪声的协方差矩阵和系统噪声的协方差矩阵q(δt);其中q(δt)=q·δt,q为外推时间为1s时的系统噪声协方差矩阵,若预测时间较长时,可以用更高阶的多项式计算q(δt);

步骤2、传感器i在采样周期接收来自邻居节点的信息并存储;传感器i在采样周期内收到n′个入邻节点的信息ml=<tl,ιl,ξl,sl,yl>并存储,l=1,2,...,n',其中ιl,ξl为状态信息,sl,yl为量测信息,的计算公式见步骤四;

步骤3、传感器i在采样时刻采样获取量测值并根据步骤2中接收到的信息的时间对信息进行排序;

时刻采样获取量测值采样结束后,根据信息ml中时间tl的先后顺序对所有入邻节点的信息ml进行排序,将排序后的时间记为τ,排序后有:

时刻采样时,若传感器i对航天器不可见,即在采样时刻没有测量数据,则令

步骤4、将步骤3中经过排序的信息中的数据进行融合滤波,计算轨道状态矢量,具体按照以下步骤实施:

步骤4.1、令l'=1;

步骤4.2、状态预测,将τl'-1时刻状态量根据式(3)、(4)预测至τl'时刻,然后根据式(5)、(6)求出τl'时刻状态信息的先验估计

其中,为传感器i在τl'-1时刻的状态转移矩阵;

步骤4.3、计算传感器i的量测信息

若l'≤n',则令

若l'=n'+1,有根据公式(7)、(8)求出

其中,为传感器i在τl'时刻的量测矩阵;

步骤4.4、将传输至出邻节点;

步骤4.5、信息融合及状态更新;

l'=l'+1(11)

式中,满足i为协方差矩阵的逆矩阵;i为协方差矩阵的逆矩阵,代表了状态估计的确定性,i越“大”表示状态估计的确定性越高,因此系数的求解可以转化为求解使得最大的凸优化问题;

步骤4.6、若l'≤n'+1,返回步骤4.2;反之,进入步骤五;

步骤5、令传感器i第k个采样周期滤波计算完毕。

按照以上步骤计算,直至终止计算,即可得到航天器的位置速度,可用来描述航天器的轨道信息。

实施例

使用5个传感器设备组成的传感器网络对一空间目标进行分布式跟踪,传感器网络的拓扑结构见图2,定轨弧段为2019-04-2504:11:56至2019-04-2504:30:00,所有传感器均按照以下步骤实施:

步骤1、传感器i状态初始化,

设所有传感器初始状态协方差矩阵为

p0|0=diag(100002,100002,100002,202,202,202),系统噪声方差矩阵为,q=diag(0.12,0.12,0.12,0.012,0.012,0.012),设备的量测噪声方差矩阵分别为ri=diag(102,0.052,0.022,0.022),由于传感器测量误差相同,初始状态相同,方便起见,传感器i的融合权重系数取相同值,即对

步骤2、传感器i接收来自邻居节点的信息mj并排序;

步骤3、传感器i在采样时刻获取量测值;

步骤4、数据融合与轨道状态计算;

步骤4.1、令l'=1;

步骤4.2根据式(3)~(8)求出τl'时刻信息状态和信息矩阵的先验估计

步骤4.3、将传输至出邻节点。

步骤4.4、根据式(9)~(10)进行状态更新:

步骤4.5、若已经更新至本次采样时刻,则进入5),否则,l'=l'+1,进入b)。

步骤4.6、传感器i第k个采样周期滤波完毕。

由于各传感器在采样时刻进行计算,并输出各自采样时刻的轨道状态量,因此各传感器的状态估计值不在同一时刻。图3、图4为分布式滤波位置和速度的rmse曲线,图中eif为集中式信息滤波。结果表明,在初始状态误差较大(位置误差17km,速度误差30m/s)的情况下,异步传感器网络中所有传感器的滤波结果快速收敛,并一致收敛于集中式结果,100s时各传感器分布式滤波计算后位置误差优于100m,速度误差优于5m/s,578s在s3开始跟踪目标后,此时网络中所有传感器均有测量数据,此时位置误差优于1m,速度误差优于0.01m/s,图5中,820s后,由于只有s2、s5有量测数据,误差有所增大,位置误差在100m以内,速度误差在1m/s。


技术特征:

1.基于传感器网络的异步分布式实时定轨方法,其特征在于,具体按照以下步骤实施:

步骤1、将传感器网络中的传感器状态初始化;

步骤2、传感器i在采样周期接收来自邻居节点的信息并存储;

步骤3、传感器i在采样时刻采样获取量测值并根据步骤2中接收到的信息的时间对信息进行排序;

步骤4、将步骤3中经过排序的信息中的数据进行融合滤波,计算轨道状态矢量;

步骤5、传感器i更新采样时刻状态估计值,第k个采样周期滤波计算完毕。

2.根据权利要求1所述的基于传感器网络的异步分布式实时定轨方法,其特征在于,所述步骤1具体为:初始化状态量协方差矩阵pi0|0,测量噪声的协方差矩阵和系统噪声的协方差矩阵q(δt);其中q(δt)=q·δt,q为外推时间为1s时的系统噪声协方差矩阵。

3.根据权利要求1所述的基于传感器网络的异步分布式实时定轨方法,其特征在于,所述步骤2具体为:传感器i在采样周期内收到n′个入邻节点的信息ml=<tl,ιl,ξl,sl,yl>并存储,l=1,2,...,n',其中ιl,ξl为状态信息,sl,yl为量测信息。

4.根据权利要求1所述的基于传感器网络的异步分布式实时定轨方法,其特征在于,所述步骤3具体为:在时刻采样获取量测值采样结束后,根据信息ml中时间tl的先后顺序对所有入邻节点的信息ml进行排序,将排序后的时间记为τ,排序后有:

5.根据权利要求4所述的基于传感器网络的异步分布式实时定轨方法,其特征在于,所述在时刻采样时,若传感器i对航天器不可见,即在采样时刻没有测量数据,则令

6.根据权利要求1所述的基于传感器网络的异步分布式实时定轨方法,其特征在于,所述步骤4具体按照以下步骤实施:

步骤4.1、令l'=1;

步骤4.2、状态预测,将τl'-1时刻状态量根据式(3)、(4)预测至τl'时刻,然后根据式(5)、(6)求出τl'时刻状态信息的先验估计

其中,为传感器i在τl'-1时刻的状态转移矩阵;

步骤4.3、计算传感器i的量测信息

若l'≤n',则令

若l'=n'+1,有根据公式(7)、(8)求出

其中,为传感器i在τl'时刻的量测矩阵;

步骤4.4、将传输至出邻节点;

步骤4.5、信息融合及状态更新;

l'=l'+1(11)

式中,满足i为协方差矩阵的逆矩阵。

步骤4.6、若l'≤n'+1,返回步骤4.2;反之,进入步骤五。

7.根据权利要求1所述的基于传感器网络的异步分布式实时定轨方法,其特征在于,所述步骤5具体为:令传感器i第k个采样周期滤波计算完毕。

技术总结
本发明公开了基于传感器网络的异步分布式实时定轨方法,具体按照以下步骤实施:步骤1、将传感器网络中的传感器状态初始化;步骤2、传感器i在采样周期接收来自邻居节点的信息并存储;步骤3、传感器i在采样时刻采样获取量测值并根据步骤2中接收到的信息的时间对信息进行排序;步骤4、将步骤3中经过排序的信息中的数据进行融合滤波,计算轨道状态矢量;步骤5、传感器i更新采样时刻状态估计值,第k个采样周期滤波计算完毕。本发明的方法解决了异步采样传感器的融合问题,提高航天器定轨系统的可靠性和抗毁能力。

技术研发人员:黄静琪;何雨帆;孙山鹏;王珏;王帆;王奥;李锦源;高翔;黄健
受保护的技术使用者:中国西安卫星测控中心
技术研发日:2020.03.02
技术公布日:2020.06.26

介绍基于传感器网络的异步分布式实时定轨方法与流程的相关内容如下:

本文标题:介绍基于传感器网络的异步分布式实时定轨方法与流程
http://www.jianglexinxi.cn/yanergaozhi/522634.html

0

精彩评论

暂无评论...
验证码 换一张
取 消