بهبود خطاي RMS موقعيت و سرعت فيلترهاي غيرخطي در ردگيري راداري ماهواره‌هاي LEO

Reduce Position and Velocity RMS Error of Non-linear Filters in LEO Satellite Radar Tracking

از ميان روش ­هاي مختلف شناسايي و ردگيري ماهواره ­هاي مدار پايين زمين (LEO)، روش ردگيري راداري مناسب ­تر است. از آنجا كه فيلترهاي خطي مرسوم، قادر به تخمين موقعيت و ردگيري دقيق سيستم­ هاي با ديناميك غيرخطي مثل ماهواره­ ها نيستند، بايد از فيلترهاي غيرخطي استفاده كرد. در اين مقاله، ابتدا مسير حركت ماهواره به دور زمين با استفاده از معادلات حركتي ماهواره (معادلات كاول) و به تبع آن مشاهدات رادار شبيه‌سازي شده و جهت تخمين موقعيت و ردگيري به فيلترهاي غيرخطي كالمن توسعه ­يافته (EKF) و كالمن نمونه­ بردار (UKF) اعمال مي ­شوند. در مرحلۀ بعد براي كاهش خطاي تخمين، از ديتاي توليدي در نرم ­افزار STK استفاده كرده و در نهايت به بررسي خطاي RMS موقعيت و سرعت و همچنين خطاي تخمين هر يك از فيلترها در دو روش مي ­پردازيم. نتايج شبيه ­سازي نشان مي ­دهد كه به دليل دقت بيشتر مسير حركت توليدي در STK، فيلترها، در اين روش تخمين بهتري زده و حداكثر خطاي RMS موقعيت در حدود 40 درصد كاهش مي ­يابد.

For the detection of and tracking thelow earth orbit Satellites (LEO), there are different methods such as optic, laser and radar tracking, among which radar tracking is the best. Since the common linear tracking filters deployed in available radars are not able to estimate the position of the non-linear dynamic satellites, it is advisable to use non-linear filters. In this paper, firstly, the satellite motion path around the earth as well as radar observations are produced by the STK software. Accordingly, the samples are fed to non-linear Extended Kalman Filter (EKF) and Unscented Kalman Filter (UKF). Finally, the performance of the aforementioned filters is studied through evaluation of RMS position and estimation errors. Simulation results demonstrate that the Unscented Kalman filter has a better performance in terms of accuracy with respect to the Extended Kalman filter. In addition, using this method, theerror of observations decreases 50% along the range and 70% along the azimuth and elevation.