《微小卫星动力学与控制研究最新进展》特刊：面向非高斯噪声条件下航天器状态估计的CEESP卡尔曼滤波方法研究 | SPACE导读

       航天器姿态确定需要同时考虑姿态运动学模型、姿态测量模型和滤波算法三块核心内容。其中，高精度滤波算法是重中之重。经典Sigma点卡尔曼滤波（Sigma-point Kalman Filter, SPKF）广泛用于考虑高斯白噪声的航天器状态估计问题。然而，航天器在轨运行面临的复杂环境因素，如空间环境干扰、太阳能电池板振动和闪烁噪声将使得噪声呈现出重尾非高斯特性，此时经典的SPKF滤波方法会面临精度下降甚至滤波发散问题。在Space: Science & Technology (《空间科学与技术（英文）》)新发表的文章中提出了一种将确定性采样准则与中心误差熵准则相结合的中心误差熵（Centered Error Entropy, CEE）无迹卡尔曼滤波算法（Unscented Kalman filter, UKF），旨在增强姿态确定系统在非高斯噪声条件下的鲁棒性。

本文隶属于Space: Science & Technology《微小卫星动力学与控制研究最新进展》特刊

       首先，作者介绍了面向非线性高斯噪声的经典SPKF算法，包括无迹卡尔曼滤波、容积卡尔曼滤波和中心差分卡尔曼滤波等。其中，重点回顾了UKF算法的逻辑和流程。然后，作者介绍了中心误差熵准则，其数学表达式是将最大相关熵和最小误差熵加权组合获得。

       然后，作者构建了面向非线性和非高斯噪声条件的CEEUKF算法。所设计算法包含时间和测量更新步骤：在时间更新方面，与经典UKF算法相同，即采用Sigma点采样方法进行；在量测更新方面，作者设计了包含创建增广模型和后验状态估计两个步骤的最优估计方法。

       最后，作者在航天器姿态确定系统应用并验证了所提出算法。在介绍了航天器姿态确定系统包含的陀螺仪模型、系统模型、测量模型之后，针对所提出方法和传统方法进行了对比仿真。结果表明，对象为高斯噪声或非高斯噪声时，CEEUKF都具有最高的滤波精度，且收敛速度最快。总而言之，与现有算法相比，通过选取合适关键参数，CEEUKF在航天器姿态估计问题上具有优秀的滤波性能。