基于纵向滤波的星敏感器低频误差在线估计

多敏感器数据融合是获得更高精度姿态测量的有效方法，敏感器数据融合前必须先修正低频误差。首先，介绍了星敏感器低频误差（LFE）的产生机理及对其在线估计的必要性。其次，针对传统算法的不足，提出了基于纵向滤波的低频误差在线估计算法，该算法将传统低频误差估计问题转化为若干个常值误差估计问题，提高了估计精度。最后，给出了该算法具体实施方式，说明相关参数物理意义及选取原则。通过理论分析及仿真，算法误差可忽略不计。通过在轨数据仿真，星敏感器轨道周期低频误差可被消除。     

星敏感器慢变误差校准方法研究

对星敏感器慢变误差(LFE)校准方法进行了研究。根据星敏LFE主要是源于周期性的空间热环境变化的机理,将星敏的LFE作为周期信号,用傅里叶级数表述。用最小二乘法估算陀螺常值漂移中的周期量,再由常值漂移估计辨识出星敏LFE的参数,确定LFE傅里叶级数中正弦和余弦函数的振幅。根据傅里叶级数形式的LFE模型和估得的LFE参数,模拟产生LFE的表达式,对星敏的输出进行补偿校正。给出了星敏LFE的辨识过程。研究表明:星敏LFE补偿后,改善了姿态估计精度和陀螺常值漂移估计准确度,显著提高姿态确定系统的性能。