許強，范小虎，徐利國，王宏力，馮磊，*

（1.青州高新技術(shù)研究所 測試控制系，濰坊262500； 2.火箭軍工程大學(xué) 導(dǎo)彈工程學(xué)院，西安710025）

X射線脈沖星導(dǎo)航作為一種新興的天文自主導(dǎo)航，在深空探測、衛(wèi)星授時等領(lǐng)域引起了研究人員的極大關(guān)注并掀起了廣泛的研究熱潮［1-3］。由于使用脈沖星發(fā)出的輻射信號作為信號源，X射線脈沖星導(dǎo)航相對于其他導(dǎo)航方式具有信號穩(wěn)定、抗干擾性強及自主程度高等特點，能夠較好滿足太空衛(wèi)星、深空探測器等航天器的任務(wù)需求。雖然目前相關(guān)國家針對X射線脈沖星導(dǎo)航的研究已經(jīng)進入了實驗驗證階段，但距離真正的工程應(yīng)用仍然有一定的距離。其中一個較為重要的影響因素即為脈沖星存在的方位誤差問題。

由于大氣層對X射線信號的衰減作用，地面只能收到脈沖星在射電頻段的極其微弱信號，所以為了得到較為準(zhǔn)確的觀測數(shù)據(jù)，需要使用甚長基線干涉測量（Very Long Baseline Interferometry，VLBI）技術(shù)。這就導(dǎo)致目前對脈沖星的觀測不僅成本高，而且不同頻段的觀測精度只能保證在毫角秒（milliarcsecond，mas）量級［4-5］。但對于脈沖星導(dǎo)航而言，幾毫角秒的方位誤差都有可能帶來數(shù)百米的導(dǎo)航偏差。為此，國內(nèi)許多學(xué)者從組合導(dǎo)航［6］、魯棒濾波算法［7］等方面開展了相關(guān)研究。同時，孫守明等［8］也提出了基于信標(biāo)衛(wèi)星的脈沖星方位誤差估計算法，以提高脈沖星的方位精度。文獻［9］采用增廣擴展卡爾曼濾波的方法對該算法進行了改進，考慮了實際存在的信標(biāo)衛(wèi)星位置誤差的影響。但是，以上2種算法都未考慮脈沖星方位的自行速度。雖然孫守明等［10］在后續(xù)的研究中采用勻速（Constant Velocity，CV）模型，在算法中加入了脈沖星的方位自行速度，但仍未消除信標(biāo)衛(wèi)星位置誤差的干擾。然而這部分干擾是無法避免且較為致命的。

若在CV模型基礎(chǔ)上繼續(xù)采用文獻［9］中的增廣算法解決信標(biāo)衛(wèi)星位置誤差的影響，將會使得矩陣運算由4維變?yōu)?維。當(dāng)對多個脈沖星同時觀測時會大幅增加運算負擔(dān)，還容易出現(xiàn)數(shù)值病態(tài)的問題。為此，本文設(shè)計了兩級卡爾曼濾波（Two-Stage Kalman Filter，TSKF）算法。該算法可以在不增加維數(shù)的情況下實現(xiàn)對系統(tǒng)偏差的在線估計，兼顧衛(wèi)星位置誤差和方位自行速度影響的同時，實現(xiàn)較高精度的方位誤差估計。

1 誤差影響

1.1 方位自行速度的影響

對于宇宙中的絕大多數(shù)脈沖星而言，其方位并非一成不變，而是存在一定自行速度的。研究人員認為產(chǎn)生自行的因素很可能是超新星爆發(fā)不是各向同性的［11］。這種自行短時間內(nèi)受觀測技術(shù)限制難以準(zhǔn)確測出［12］，但長時間看又存在跟隨脈沖星自身運動產(chǎn)生突變的可能性，影響脈沖星導(dǎo)航的使用。

以澳大利亞國家天文臺（Australia Telescope National Facility，ATNF）提供的脈沖星數(shù)據(jù)庫為例，所有2 702顆脈沖星中，已知自行數(shù)據(jù)的有306顆［13］，且均具有一定的不確定度。其方位自行速度及其滿足1個σ標(biāo)準(zhǔn)差分布時不確定度情況分別如圖1和圖2所示。

圖1 脈沖星方位自行速度分布Fig.1 Propermotion distribution of pulsars

圖2 脈沖星方位自行速度不確定度分布Fig.2 Propermotion uncertainty distribution of pulsars

通過圖1和圖2可以看出，大多數(shù)脈沖星的赤經(jīng)、赤緯自行速度在50mas／a以內(nèi)，不確定度基本在10 mas／a以內(nèi)。如果在方位誤差估計中不考慮方位自行速度的影響，勢必會降低估計精度甚至產(chǎn)生發(fā)散。

以脈沖星B1821-24為例，其基本參數(shù)如表1所示。當(dāng)使用文獻［9］中的增廣算法進行方位誤差估計時，假設(shè)探測器面積為1 m2，觀測周期為1 000 s，宇 宙X 射 線 背 景 流 量Bx＝0.005 ph／（cm2·s）（ph表示通過的光子個數(shù)），則觀測噪聲方差可計算得［6］σR＝（230.01m）2。使用同一衛(wèi)星軌道，分別在有方位自行速度和無方位自行速度的條件下進行導(dǎo)航計算。2種條件下衛(wèi)星的位置誤差均為［100，100，100］m，脈沖星的方位誤差為［2，2］mas。設(shè)定存在的脈沖星方位自行速度為［10，10］mas／a。具體仿真結(jié)果如圖3所示。

通過對圖3的分析發(fā)現(xiàn)，在無方位自行速度的情況下，增廣算法可有效隔離衛(wèi)星位置誤差的影響，進而實現(xiàn)脈沖星方位誤差的精準(zhǔn)估計。但是存在方位自行速度時，估計算法會產(chǎn)生較大的發(fā)散，無法正常工作。

以上數(shù)值仿真說明，在對脈沖星方位誤差估計時有必要考慮方位自行速度的影響。

表1 脈沖星B1821-24參數(shù)Tab le 1 Param eters of pulsar B1821-24

1.2 衛(wèi)星位置誤差的影響

孫守明等［10］在后續(xù)研究中提出了基于CV模型的X射線脈沖星方位誤差估計算法。該算法將方位自行速度作為狀態(tài)量單獨估計，有效解決了方位自行速度的影響問題，但該算法并沒有考慮到衛(wèi)星位置誤差帶來的影響。

衛(wèi)星位置誤差對脈沖星方位估計的影響原理如圖4所示。當(dāng)衛(wèi)星位置不存在誤差時，根據(jù)脈沖星方位誤差的觀測模型，可以認為脈沖信號到達太陽系質(zhì)心（Solar System Barycenter，SSB）處的時間延遲僅與脈沖星方位誤差有關(guān)。假設(shè)n為真實方向，～n為帶誤差的脈沖星方向，其滿足關(guān)系：

式中：Δn為方位誤差。

圖3 不同條件下增廣算法仿真結(jié)果Fig.3 Simulation results of augmented algorithm under different conditions

則觀測模型為［14］

式中：c為光速；tSSB為真實SSB處脈沖到達時間（Time-of-Arrival，TOA）；～tSSB為根據(jù)觀測數(shù)據(jù)推算得到的SSB處到達時間；rsat為真實衛(wèi)星位置。

但若衛(wèi)星存在位置誤差Δr，在誤差影響下實際的觀測模型就發(fā)生了改變。存在Δr時，推算得到的到達時間＾tSSB與實際的到達時間tSSB之差就不再是單純的由脈沖星方位誤差導(dǎo)致。假設(shè)衛(wèi)星導(dǎo)航位置

＾r(nóng)sat與真實位置rsat滿足：

圖4 衛(wèi)星位置誤差對估計算法的影響原理Fig.4 Principle of influence of satellite position error on estimation algorithm

則此時觀測模型應(yīng)當(dāng)變?yōu)?/p>

如果此時仍然以式（2）作為觀測模型，不僅會引入一定的系統(tǒng)偏差，還有可能在地球自轉(zhuǎn)的影響下產(chǎn)生發(fā)散。

同樣以脈沖星B1821-24為例，假設(shè)脈沖星方位誤 差 為［2，2］mas，方 位 自 行 速 度 為［10，10］mas／a。其他條件不變，采用基于CV模型的X射線脈沖星方位誤差估計算法分別在無衛(wèi)星位置誤差和有衛(wèi)星位置誤差情況下進行導(dǎo)航解算，衛(wèi)星位置誤差設(shè)為［100，100，100］m，具體仿真結(jié)果如圖5所示。

通過對圖5的分析可見，在加入衛(wèi)星位置誤差之前，基于CV模型的脈沖星方位誤差估計算法可以較為精準(zhǔn)地估計出當(dāng)前的方位誤差和方位自行速度。但是在引入衛(wèi)星位置誤差之后，由于地球的自轉(zhuǎn)，估計結(jié)果無法收斂在某一固定值。結(jié)合文獻［9］的分析，說明無論是否存在脈沖星方位自行速度，信標(biāo)衛(wèi)星的位置誤差都應(yīng)當(dāng)成為估計算法重點解決的工程問題之一。

圖5 不同條件下基于CV模型的估計算法仿真結(jié)果Fig.5 Simulation results of estimation algorithm based on CV model under different conditions

2 TSKF算法

TSKF算法最早由Friedland［15］提出，用于解決線性系統(tǒng)中的定常偏差問題。Hsieh 和Chen［16］將兩級濾波思想用于標(biāo)準(zhǔn)卡爾曼濾波算法，證明最高可以將計算量降低59%。

本文在基于CV模型的方位誤差估計算法基礎(chǔ)上，采用兩級濾波的方法，將脈沖星方位誤差和方位自行速度作為第一級濾波狀態(tài)量，衛(wèi)星位置誤差作為第二級濾波的狀態(tài)量，在不增加狀態(tài)維數(shù)的前提下實現(xiàn)同步估計，有效隔離衛(wèi)星位置誤差對估計算法的影響。

結(jié)合CV模型和第1節(jié)的分析，可將TSKF算法的離散空間狀態(tài)方程寫為

式中：Xk＝［ΔαkΔ˙αkΔδkΔ˙δk］T為第一級濾波的狀態(tài)量，分別代表赤經(jīng)、赤經(jīng)自行速度、赤緯、赤緯自行速度；T為計算步長；Ak－1為狀態(tài)轉(zhuǎn)移矩陣；Wk為系統(tǒng)噪聲；Zk為觀測量；Δt為脈沖到達航天器與SSB的時間差；ηk為觀測噪聲；Hk為觀測矩陣且滿足：

第二級濾波狀態(tài)更新：

分析以上過程還可以發(fā)現(xiàn)，TSKF算法的第一級濾波與常規(guī)的卡爾曼濾波算法完全相同，只是第二級濾波與一般濾波過程不同。實際上，在第二級濾波過程中公式Mk的作用是描述狀態(tài)量bk的估計方差，其對第二級濾波增益ˉKk的計算具有重要的影響作用。因此，式（14）相當(dāng)于第一級濾波中的式（8），是估計方差陣的更新方程。在得到第二級濾波的增益矩陣ˉKk后，式（17）便相當(dāng)于狀態(tài)量的更新估計，與第1節(jié)濾波中的式（10）作用相同，其中（I－ˉKkSk）bk－1為狀態(tài)量bk的一步預(yù)測，相當(dāng)于第一級濾波中的式（7）。

而Vk的作用是糾正常值偏差bk對第一級濾波估計值Xk的傳遞影響作用，故可將其命名為糾正矩陣。由于第一級濾波估計中完全沒有涉及到常值偏差bk的計算，所以得到的估計值Xk必然是帶有一定誤差的。這部分誤差會隨著時間的推移而不斷變化。為此，在第二級濾波估計中，不僅要估計出常值偏差bk的值，還要利用式（15）實時求解當(dāng)前的糾正矩陣。最后，通過式（18）將糾正矩陣Vk與第二級濾波估計值bk的乘積加到第一級濾波的估計結(jié)果中便實現(xiàn)了常值偏差與第一級濾波狀態(tài)量之間的隔離。第二級濾波時間更新環(huán)節(jié)中對矩陣Uk和Sk的計算均為計算糾正矩陣Vk的中間過程。

3 仿真分析

為證明TSKF算法的有效性，在方位自行速度及方位誤差都存在的情況下進行仿真驗證。所選用的脈沖星及其他相關(guān)參數(shù)與第1節(jié)相同。脈沖星方位誤差為［2，2］mas，方位自行速度為［10，10］mas／a，衛(wèi)星位置誤差為［100，100，100］m。

其他條件不變，將TSKF算法在不同衛(wèi)星位置誤差及方位自行速度條件下分別運行50次，其中每次運行的結(jié)果取為最后一天所有計算值的平均值。將每個算法運行50次的結(jié)果再取平均值作為此時該算法的最終精度。具體條件及誤差統(tǒng)計如表2和表3所示。

表2 仿真條件設(shè)置Tab le 2 Sim u lation condition setup

通過分析圖7、表2和表3可見，在不同誤差條件下，TSKF算法均可較好地完成收斂，并實現(xiàn)方位誤差最大約0.1mas及方位自行速度估計誤差最大約1.1mas／a的精度。同時，其收斂速度也明顯快于第1節(jié)提到的增廣算法和基于CV模型的估計算法。

考慮到實際衛(wèi)星在軌運行時，位置誤差可能根據(jù)軌道周期變化，故將衛(wèi)星位置誤差設(shè)置為隨衛(wèi)星軌道呈三角函數(shù)變化的形式。為體現(xiàn)普遍性，其具體關(guān)系式滿足：

表3 仿真結(jié)果統(tǒng)計Tab le 3 Sim ulation result statistics

式中：Ts為衛(wèi)星軌道周期；t為衛(wèi)星運行時間；Lx、Ly、Lz為對應(yīng)的幅值。

假設(shè)脈沖星方位誤差及方位自行速度同樣為［2，2］mas和［10，10］mas／a，則當(dāng)Lx、Ly、Lz均為100m時，TSKF算法的具體運行過程如圖8所示。

采用同樣的統(tǒng)計方法，將不同Lx、Ly、Lz取值時的仿真結(jié)果統(tǒng)計如表4所示。

通過分析圖8可得，當(dāng)衛(wèi)星位置誤差出現(xiàn)周期性的變化時只會導(dǎo)致曲線的“毛刺”愈加明顯。這是因為算法在達到穩(wěn)態(tài)后，位置誤差的周期變化相當(dāng)于系統(tǒng)噪聲有所增加，所以TSKF算法的估計結(jié)果會出現(xiàn)“毛刺”增加現(xiàn)象。但從表4的結(jié)果來看，這對估計結(jié)果的影響非常的小。這是因為本文將一段時間內(nèi)估計結(jié)果的平均值作為最終的結(jié)果，消除了“毛刺”的影響。因此，若采取本文類似處理措施或在算法中添加相應(yīng)的平滑處理環(huán)節(jié)，那么便可消除位置誤差周期變化的影響。

最后，為證明TSKF算法的高效性，將其與文獻［10］中4狀態(tài)量的基于CV模型的方位誤差估計算法進行對比。將仿真運行時間設(shè)為一個自然年，分別統(tǒng)計2個算法MATLAB程序中除參數(shù)初始化及觀測數(shù)據(jù)模擬部分的浮點運算次數(shù)。其中TSKF算法為30 045 202 038次，基于CV模型的估計算法為30 030 750 327次，前者僅比后者增加了0.048%，顯然比在CV模型的基礎(chǔ)上繼續(xù)采用狀態(tài)增廣的方法帶來的計算負擔(dān)小。

圖8 衛(wèi)星位置誤差周期變化時TSKF算法仿真結(jié)果Fig.8 Simulation results of TSKF algorithm when satellite position error period changes

表4 衛(wèi)星位置誤差周期變化時仿真結(jié)果統(tǒng)計Tab le 4 Sim u lation resu lt statistics w hen satellite position error period changes

4 結(jié) 論

1）在脈沖星方位誤差估計中，方位自行速度和衛(wèi)星位置誤差均有必要考慮在內(nèi)，否則會嚴重影響算法的精度。

2）TSKF算法可以在方位自行速度和衛(wèi)星位置誤差都存在的情況下正常工作，并在仿真實驗中基本達到了0.1 mas的方位估計精度和1.1mas／a的方位自行速度估計精度。

3）TSKF算法的最大狀態(tài)量維數(shù)與基于CV模型的估計算法相同，且浮點運算數(shù)也僅增加了0.048%。相對于增廣的方法而言，兩級濾波的方法計算效率更高，更不容易出現(xiàn)數(shù)值病態(tài)等問題。