湖南大学王耀南院士团队携手北理工机电学院：面向天宫二号目标跟踪的广义最大相关熵卡尔曼滤波算法研究 | SPACE导读

原创 SPACE编辑部空间科学与技术

面向天宫二号目标跟踪

广义最大相关熵卡尔曼滤波算法研究

空间站是人类探索太空的桥头堡。在空间站建设及运营期间，空间机器人承担着执行建造、维护等精细操作的使命，而精细操作的前提是对目标的精确跟踪。但是，太空中的特殊环境使得目标跟踪数据中掺杂着复杂非高斯噪声，会影响目标跟踪精度。在应对复杂非高斯误差信号时，传统卡尔曼滤波器的性能会严重下滑，难以满足现阶段目标跟踪任务的高精度需求。因此，面向复杂非高斯噪声研究新型滤波算法已势在必行。在Space: Science & Technology (《空间科学与技术》（英文）)新发表的文章中，湖南大学王耀南院士团队携手北京理工大学机电学院研究团队，共同提出了广义最大相关熵卡尔曼滤波器（Generalized Maximum Correntropy Kalman Filter, GMCKF），旨在有效应对目标跟踪过程中可能遇到的各种形式非高斯噪声，并提高其跟踪精度。

一图读懂全文

首先，作者介绍了广义相关熵的概念，并分析了广义高斯密度函数（Generalized Gaussian Density, GGD）的特性。然后，基于广义最大相关熵准则（Generalized Maximum Correntropy Criterion, GMCC）提出了广义最大相关熵卡尔曼滤波器。在所设计滤波器中，状态向量和协方差矩阵的先验估计步骤与卡尔曼滤波相同，后验估计则基于定点算法和GMCC准则实现。

进而，作者研究了GGD函数的核心形状参数α的自主选择方法，该方法可以根据噪声的概率分布函数，应用矩匹配估计器（Moment-Matching Estimators, MMEs）来获得参数α的估计值。在此基础上，应用浮点运算分析并评估了算法的复杂度。

之后，通过数值仿真和地面试验验证了算法在非高斯噪声下的有效性和鲁棒性。地面试验系统通过六自由度工业机器人带动小球运动模拟空间漂浮目标，基于双目相机测量目标运动，由激光跟踪仪获取运动真值。并在双目相机的测量数据中特意添加了一些复杂非高斯噪声，用以模拟空间站中可能面临的非高斯观测噪声。经验证，所提出滤波算法的性能明显优于卡尔曼滤波、最大相关熵滤波等。

最后，采用所提出算法处理了中国天宫二号空间实验室在轨维护试验的试验数据。试验数据从空间实验室传回地面，可视为真实空间环境中的实时测量数据。结果表明，所设计算法可以帮助空间站机器人更好地定位目标并完成任务。

作者简介

王耀南院士

中国工程院院士，机器人技术与智能控制专家，湖南大学教授、博士生导师，机器人视觉感知与控制技术国家工程实验室主任。

官网链接：https://spj.sciencemag.org/journals/space/

原文链接：https://spj.sciencemag.org/journals/space/2022/9796015/

引用格式：Yang Mo, Yaonan Wang, Hong Yang, Badong Chen, Hui Li, Zhihong Jiang, "Generalized Maximum Correntropy Kalman Filter for Target Tracking in TianGong-2 Space Laboratory", Space: Science & Technology, vol. 2022, Article ID 9796015, 15 pages, 2022. https://doi.org/10.34133/2022/9796015