بهبود كارايي ردياب ستاره با استفاده از فيلتر انتساب دادة احتمالاتي مشترك، به منظور تعيين وضعيت دقيق اجسام پرنده

Using the Joint Probabilistic Data Association Filter for Improving Star Trackers Performance to Accurate Attitude Determination of Spacecrafts

با توجه به كاربرد وسیع ماهواره‌ها و فضاپیماها در زمینه‌های مختلف، برای انجام مأموریت‌ها لازم است آنها بصورت دقیق و به طور خودكار تحت كنترل قرار بگیرند. یكی از پارامترهایی كه در كنترل ماهواره یا فضاپیما مطرح می‌گردد تعیین وضعیت است. ردیاب ستاره یكی از سامانه‌های است كه كاربرد وسیعی در تعیین وضعیت دارد. عملیات تعیین وضعیت در ردیاب ستاره مبتنی بر تصویربرداری از فضای اطراف ردیاب و شناسایی ستارگان موجود در تصویر است. برای این منظور الگوریتم‌های متفاوتی طراحی شده است. نقطه ضعف اغلب این الگوریتم‌ها این است كه عمدتاً، در عملیات تخمین موقعیت ستاره و تخمین وضعیت ماهواره به مشاهدات اكتفا می كنند. از آنجا كه مشاهدات اغلب آغشته به نویز هستند  این مسأله بر كیفیت تعیین وضعیت تأثیرگذار است. در این مقاله، با استفاده از روش‌های ردیابی راه حلی برای این مشكل ارائه می‌شود. الگوریتم‌های ردیابی مبتنی بر فیلتر كالمن دارای كیفیت خوبی برای تخمین موقعیت هستند. الگوریتم پیشنهادی با استفاده ازیكی از این الگوریتم‌ها با نام الگوریتم انتساب داده احتمالاتی مشترك، ردیابی را انجام می دهد و نتایج تخمین وضعیت با نتایج تخمین وضعیت حاصل از روشSNA  كه یكی از معروف‌ترین الگوریتم‌ها موجود است مقایسه می‌گردد. نتایج شبیه‌سازی نشان‌دهندة بهبود در عملكرد تعیین وضعیت است.

Automatic control of satellites and spacecrafts, has been extensively paid attention. Attitude determination is one of the most important procedures to control a spacecraft. Star trackers are widely used for attitude determining. A star tracker provides images from the around space and try to identify the stars in the images. Several algorithms are proposed to this end. However, most of these algorithms use the raw measurements to star identification and attitude determination. As the measurements are often affected by various types of noise, the performance of such algorithms is degraded. Here, we employ tracking algorithms to improve the performance of existing methods for attitude determining. The Kalman filter-based tracking algorithms are shown to have satisfactory results for object tracking. We use the JPDAF to build an algorithm for accurate tracking of stars locations in successive images and, consequently, determining the attitude of spacecraft. The presented algorithm is compared with the well known algorithm for attitude determining called SNA.