基于脉冲星的航天器定位算法

doi:10.3778/j.issn.1002-8331.2010.01.060

计算机工程与应用 ›› 2010, Vol. 46 ›› Issue (1): 203-205.DOI: 10.3778/j.issn.1002-8331.2010.01.060

基于脉冲星的航天器定位算法

吴萌，刘劲，马杰，田金文

华中科技大学图像所多谱信息处理技术国家重点实验室，武汉 430074

收稿日期:2008-12-29 修回日期:2009-02-16 出版日期:2010-01-01 发布日期:2010-01-01
通讯作者: 吴萌

Spacecrafts’ position determination algorithm based on pulsar

WU Meng，LIU Jin，MA Jie，TIAN Jin-wen

Institute for Pattern Recognition and Artificial Intelligence State Key Laboratory for Multi-spectral Information Processing Technologies，Huazhong University of Science and Technology，Wuhan 430074，China

Received:2008-12-29 Revised:2009-02-16 Online:2010-01-01 Published:2010-01-01
Contact: WU Meng

摘要/Abstract

摘要： 为了提高脉冲星空间定位精度和减少计算量，提出了一种新的脉冲星定位算法。该算法先用三颗脉冲星产生脉冲模糊点，再引入新的脉冲星消除脉冲模糊点直到脉冲整周数唯一。然后，采用TDOA定位技术消除航天器时钟的漂移。最后，利用最小二乘算法提高空间定位精度。实验结果表明，在半径为300 000 km的球形试探范围内，该算法处理时间小于4 ms，能较好地满足实时性的要求，并具有较高的定位精度。

关键词: 脉冲星, 定位, 脉冲模糊点, 抵达时间差

Abstract: In order to improve precision of spacecrafts’ position determination based on pulsar and reduce amounts of computation，a novel position determination algorithm based on pulsar is presented.In this method，3 pulsars are selected to generate the possible ambiguity points，and new pulsars are used to eliminate ambiguity points until pulse period number is unique.Then，clock drift is eliminated by TDOA location technology.Finally，the least-squares method improves location precision. The simulation results show that calculation time is less than 4 ms in a tested sphere with radius of 300 000 km，and the requirement for real-time rendering can be satisfied.Moreover，this algorithm has high precision.

Key words: pulsar, location, pulse ambiguity point, Time Difference Of Arrival（TDOA）

中图分类号:

TP309.2

吴萌，刘劲，马杰，田金文. 基于脉冲星的航天器定位算法[J]. 计算机工程与应用, 2010, 46(1): 203-205.

WU Meng，LIU Jin，MA Jie，TIAN Jin-wen. Spacecrafts’ position determination algorithm based on pulsar[J]. Computer Engineering and Applications, 2010, 46(1): 203-205.

[1]	王博，宋丹，王洪玉. 无人机自主巡检系统的关键技术研究[J]. 计算机工程与应用, 2021, 57(9): 255-263.
[2]	徐少杰，曹雏清，王永娟. 视觉SLAM在室内动态场景中的应用研究[J]. 计算机工程与应用, 2021, 57(8): 175-179.
[3]	周彦，旷鸿章，牟金震，王冬丽，刘宗明. 面向半稠密三维重建的改进单目ORB-SLAM[J]. 计算机工程与应用, 2021, 57(8): 180-184.
[4]	马巧梅，王明俊，梁昊然. 复杂场景下基于改进YOLOv3的车牌定位检测算法[J]. 计算机工程与应用, 2021, 57(7): 198-208.
[5]	赵凡，张琳，闻治泉，杨林林，蔺广逢. 一种直接高效的自然场景汉字逼近定位方法[J]. 计算机工程与应用, 2021, 57(6): 159-167.
[6]	李中道，刘元盛，常飞翔，张军，路铭. 室内环境下UWB与LiDAR融合定位算法研究[J]. 计算机工程与应用, 2021, 57(6): 260-266.
[7]	於小杰，贺勇，刘盛华. 一种用于无人机室内定位的改进ORB光流算法[J]. 计算机工程与应用, 2021, 57(4): 266-271.
[8]	程帅，吴华锋，梅骁峻. 交替非负约束框架的海洋传感网协同定位[J]. 计算机工程与应用, 2021, 57(23): 129-136.
[9]	谢兄，杨金鹏. YOLO-wLU：考虑定位不确定性的目标检测算法[J]. 计算机工程与应用, 2021, 57(22): 223-231.
[10]	杨世强，白乐乐，赵成，王国栋，李德信. 一种改进的Qtree_ORB算法[J]. 计算机工程与应用, 2021, 57(20): 82-89.
[11]	陈金鑫，沈文忠. 基于EL-YOLO的虹膜图像人眼定位及分类算法[J]. 计算机工程与应用, 2021, 57(17): 217-223.
[12]	杨世强，范国豪，白乐乐，赵成，李德信. 基于几何约束的室内动态环境视觉SLAM[J]. 计算机工程与应用, 2021, 57(16): 203-212.
[13]	成立明，陈建新，陈瑞，陈志敏. 融合自监督单目图像深度估计的视觉里程计[J]. 计算机工程与应用, 2021, 57(15): 230-236.
[14]	罗汉武，李文震，潘富城，琚小明. 基于渐进对抗学习的弱监督目标定位[J]. 计算机工程与应用, 2021, 57(14): 187-193.
[15]	王杰，黄丽霞，张雪英. 改进DSB方法的语音信号多声源定位[J]. 计算机工程与应用, 2021, 57(1): 173-180.

基于脉冲星的航天器定位算法

Spacecrafts’ position determination algorithm based on pulsar

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics