فیلتر کالمن توسعه یافته جمعی چند نرخی تاخیردار برای تخمین وضعیت با ترکیب سنسورهای ژیروسکوپ و ستاره

در این مقاله، اطلاعات سنسورهای وضعیت ژیروسکوپ و ستاره به منظور تخمین وضعیت و با وجود زمان نمونه برداری چندنرخی و تاخیر اندازه گیری در سنسور ستاره ترکیب می شوند. در این راستا، نیاز است تا فیلتر کالمن توسعه یافته (ekf) اصلاح شود به نحوی که به دلیل کاهش حجم محاسبات، نیازی به تکرارگام های قبلی پس از رسیدن داده تاخیردار و با نرخ نمونه برداری متفاوت نباشد همچنین الگوریتم در صورت عدم وجود داده سنسور ستاره به دلیل نرخ پایین نمونه برداری، بتواند به کار خود ادامه دهد و پس از رسیدن داده بتواند به نحوی بهینه عملکرد خود را اصلاح نماید. برای این منظور و با هدف به دست گیری تاخیرهای اندازه گیری، از پیش بینی مدل اندازه گیری همانند آنچه در مرجع [7] پیشنهاد شده است، استفاده می گردد و برای مسئله تخمین وضعیت با استفاده از فیلتر کالمن توسعه یافته و با وجود سنسورهای چندنرخی ژیروسکوپ و ستاره و در حضور تاخیر اندازه گیری در سنسور ستاره، بسط و توسعه داده می شود. سپس، توسط شبیه سازی و همچنین با استفاده از داده های آفلاین جمع آوری شده از سنسورهای واقعی، صحت روش مورد ارزیابی قرار می گیرد.

additive multi-rate delayed extended kalman filter attitude estimation fusing gyroscope and star tracker sensors

in this paper, information of gyroscope and star tracker attitude sensors are fused for attitude estimation in the presence multi-rate sensors and the star tracker measurement delay. to this end, the extended kalman filter (ekf) is modified to reduce the computation burden avoiding computation repetitions after arrival of the delayed multi-rate measurements. the algorithm is modified such that it is truly estimating the attitude in the absence of the star tracker measurements due to low sampling rate frequency and the estimation is optimized after its arrival. toward this, the idea of predicting the measurement model, firstly proposed in [7], is employed and extended for the ekd based attitude estimation in the presence of multi-rate gyroscope and star tracker sensory information and delay in the star tracker measurement is also involved in the proposed method. the efficiency of the proposed method is finally demonstrated through both simulation and experimental data.