افزايش دقت در تخمين مدار ماهواره با استفاده از مدل‌هاي ميدان مغناطيسي و فيلتر كالمن گسترش‌يافته

Increasing the Accuracy of Satellite Orbit Estimation Using Magnetic Field Models and Kalman Filter Expanded

استفاده از سيستم هاي ناوبري دقيق و قابل اطمينان جهت تعيين دقيق موقعيت و وضعيت وسايل هوافضايي از اهميت بالايي برخوردار است. مغناطيس سنج يكي از اين نوع حسگرها است كه ابزاري كم‌هزينه و قابل‌اطمينان محسوب مي شود. هدف اين تحقيق، استفاده از حسگر ميدان مغناطيسي جهت تعيين موقعيت و تخمين مدار يك ماهواره نوعي مي باشد. با استفاده از اندازه گيري هاي مغناطيس سنج و الگوريتم مستقل در ابتدا موقعيت وسيله تخمين زده مي شود. اين عمل به‌وسيله قرائت مغناطيس سنج ها و استفاده از مدل‌هاي ميدان مغناطيسي زمين انجام مي گردد. استفاده از تكنيك فوق با خطاهايي همراه مي‌باشد كه براي كاستن از آن از فيلتر كالمن گسترش‌يافته استفاده گرديده است. فيلتر به‌كار رفته بر خطاهاي اوليه غلبه كرده و نزديك شدن نتايج به‌دقت دلخواه را فراهم مي آورد. نتايج حاصله براي يك مدار دايروي، دلالت بر دقت و درستي اين تخمين ها براي ماهواره هاي در حال گردش به دور زمين در ارتفاع پايين خواهد داشت.

One of the significant methods for satisfying the requirements of modern small-satellites is to utilize the efficient and low-cost sensors, one important of which is magnetometer that is an inexpensive and reliable sensor, through which the trajectory of spacecraft can be estimated. The accuracy of these estimations are generally reputable for the low Earth orbit satellites. The main objective of this paper is to bolster the algorithms of Earth magnetic fields with the knowledge of their variations over time as well as increasing the precision of the magnetometer sensors which eventually results in enhancing the navigation precision together with the orbit determination accuracy. In this study, the satellite’s position is first determined through reading the spacecraft's magnetometers and utilized the most updated models of the Earth magnetic fields. Since applying the aforementioned approach leads to create the errors, that Extended Kalman Filter (EKF) is utilized in this paper for reducing the errors. The proposed filter is capable of diminishing the initial errors as well as acquiring a satisfied precision. For this purpose, the velocity vector of each observation is first obtained via the acquired position vectors and applying some approaches such as Gibbs and Lambert. Afterwards, by obtaining the position and velocity vectors, orbital elements, and satellite’s orbit can be calculated and estimated respectively. These estimation for low-altitude orbiting satellites and in a circular orbit, indicate that the results have the high accuracy.