留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

利用零相位Kaiser窗滤波器改善MEX多普勒数据定轨精度

曲春凯 李斐 杨轩 鄢建国 郝卫峰 叶茂 金炜桐 王宏

曲春凯, 李斐, 杨轩, 鄢建国, 郝卫峰, 叶茂, 金炜桐, 王宏. 利用零相位Kaiser窗滤波器改善MEX多普勒数据定轨精度[J]. 武汉大学学报 ● 信息科学版, 2018, 43(7): 1071-1077. doi: 10.13203/j.whugis20160547
引用本文: 曲春凯, 李斐, 杨轩, 鄢建国, 郝卫峰, 叶茂, 金炜桐, 王宏. 利用零相位Kaiser窗滤波器改善MEX多普勒数据定轨精度[J]. 武汉大学学报 ● 信息科学版, 2018, 43(7): 1071-1077. doi: 10.13203/j.whugis20160547
QU Chunkai, LI Fei, YANG Xuan, YAN Jianguo, HAO Weifeng, YE Mao, JIN Weitong, WANG Hong. Improving MEX Orbit Determination Accuracy by Using Zero-Phase Kaiser Window Filter[J]. Geomatics and Information Science of Wuhan University, 2018, 43(7): 1071-1077. doi: 10.13203/j.whugis20160547
Citation: QU Chunkai, LI Fei, YANG Xuan, YAN Jianguo, HAO Weifeng, YE Mao, JIN Weitong, WANG Hong. Improving MEX Orbit Determination Accuracy by Using Zero-Phase Kaiser Window Filter[J]. Geomatics and Information Science of Wuhan University, 2018, 43(7): 1071-1077. doi: 10.13203/j.whugis20160547

利用零相位Kaiser窗滤波器改善MEX多普勒数据定轨精度

doi: 10.13203/j.whugis20160547
基金项目: 

国家自然科学基金 41374024

国家自然科学基金 41604004

国家自然科学基金 41174019

湖北省自然科学基金重点项目创新群体类项目 2015CFA011

宇航动力学国家重点实验室开放基金项目 2016ADL-DW0103

中国博士后科学基金 2016M602360

详细信息
    作者简介:

    曲春凯, 硕士生, 主要从事多普勒测速及其数据处理研究。quchunkai999@163.com

    通讯作者: 李斐, 博士, 教授。fli@whu.edu.cn
  • 中图分类号: P228

Improving MEX Orbit Determination Accuracy by Using Zero-Phase Kaiser Window Filter

Funds: 

The National Natural Science Foundation of China 41374024

The National Natural Science Foundation of China 41604004

The National Natural Science Foundation of China 41174019

the Hubei Province Natural Science Foundation Innovation Group Project 2015CFA011

the Open Research Fund of State Key Laboratory of Astronautic Dynamics 2016ADL-DW0103

China Postdoctoral Science Foundation 2016M602360

More Information
    Author Bio:

    QU Chunkai, postgraduate, specializes in Doppler tracking and data processing. E-mail:quchunkai999@163.com

    Corresponding author: LI Fei, PhD, professor. E-mail: fli@whu.edu.cn
  • 摘要: 精密轨道确定在深空探测中至关重要,而定轨数据中的白噪声会影响定轨性能。基于零相位分析,比较了FRR(forward-filter reverse-filter reverse-output)、RRF(reverse-filter reverse-filter forward-output)和Matlab中的filtfilt这3种滤波器的优劣,设计了一种零相位Kaiser窗低通滤波器。利用火星快车号(Mars Express,MEX)的仿真数据和实测数据验证了零相位Kaiser窗低通滤波器的性能,结果发现滤除白噪声后MEX数据的定轨精度有了显著改善。双程测速数据残差均方根(root mean square,RMS)减小为原来的1/3左右,达到了0.031 mm/s;轨道位置和速度与欧空局(European Space Agency,ESA)精密轨道的差异明显变小。该滤波算法作为定轨前的数据预处理可以提高定轨精度,从而为中国火星探测器的轨道数据处理提供一定的参考。
  • 图  1  不同类型滤波器的理想幅度响应

    Figure  1.  Ideal Amplitude Response of Different Filters

    图  2  低通滤波器的实际幅频特性

    Figure  2.  Real Amplitude-Frequency Response of the Low Pass Filter

    图  3  使用各种滤波方法处理正弦信号

    Figure  3.  Using Different Filtering Methods to Process a Sinusoidal Signal

    图  4  不同α值的Kaiser窗口形状

    Figure  4.  Shapes of Kaiser Window with Different α Values

    图  5  残余频率滤波前后的波形

    Figure  5.  Waveforms of Residual Calibrated X-band Frequency Shift Before and After Filtering

    图  6  原始数据解算的轨道外推3 h后与ESA精密轨道之差

    Figure  6.  Differences Between the ESA Reconstructed Orbit and the Reconstructed Orbit of Original Data After 3 h Prediction

    图  7  滤波后数据解算的轨道外推3 h后与ESA精密轨道之差

    Figure  7.  Differences Between the ESA Reconstructed Orbit and the Reconstructed Orbit of Filtered Data After 3 h Prediction

    表  1  仿真数据定轨对初轨的修正结果

    Table  1.   Correction Results of Initial Orbit Using the Simulated Data

    仿真定轨数据测速残差RMS
    /(mm·s-1)
    定轨误差
    /m
    ΔX=-14.036
    滤波前数据Data20.107ΔY=-30.058
    ΔZ=-25.156
    ΔX=-4.594
    滤波后数据Data30.038ΔY=-10.406
    ΔZ=-8.592
    下载: 导出CSV

    表  2  实测数据定轨对精密初轨的修正结果

    Table  2.   Correction Results of Precise Orbit Using the Measured Data

    MEX实测
    定轨数据
    MAGREAS
    测速残差RMS
    /(mm·s-1)
    初轨修正结果
    原始数据0.107ΔX=-62.761 m
    ΔY=-138.464 m
    ΔZ=-114.972 m
    ΔVX =-3.010 mm/s
    ΔVY= 12.698 mm/s
    ΔVZ=-44.553 mm/s
    滤波后数据0.031ΔX=-3.260 m
    ΔY=-8.124 m
    ΔZ=-6.726 m
    ΔVX=-0.222 mm/s
    ΔVY= 0.859 mm/s
    ΔVZ=-2.145 mm/s
    下载: 导出CSV
  • [1] Fletcher K. Mars Express:The Scientific Investigations[M]. Belgium:ESA Communications, 2009
    [2] Formisano V, Atreya S, Encrenaz T, et al. Detection of Methane in the Atmosphere of Mars[J].Science, 2004, 306(5702):1758-1761 doi:  10.1126/science.1101732
    [3] Pätzold M, Häusler B, Tyler G L, et al. Mars Express 10 Years at Mars:Observations by the Mars Express Radio Science Experiment (MaRS)[J].Planetary and Space Science, 2016, 127:44-90 doi:  10.1016/j.pss.2016.02.013
    [4] 黄勇, 胡小工, 曹建峰, 等.上海天文台火星卫星定轨软件系统[J].飞行器测控学报, 2009, 28(6):83-89 http://mall.cnki.net/magazine/Article/FXCK200906030.htm

    Huang Yong, Hu Xiaogong, Cao Jianfeng, et al. The Mars Satellite Orbit Determination Software at Shanghai Astronomical Observatory[J]. Journal of Spacecraft TT&C Technology, 2009, 28(6):83-89 http://mall.cnki.net/magazine/Article/FXCK200906030.htm
    [5] 胡松杰, 唐歌实.北京中心深空探测器精密定轨与分析软件系统[J].飞行器测控学报, 2010, 29(5):69-74 http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=fxqckxb201005016

    Hu Songjie, Tang Geshi. BACC Orbit Determination and Analysis Software for Deep-Space Explo-rers[J]. Journal of Spacecraft TT&C Technology, 2010, 29(5):69-74 http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=fxqckxb201005016
    [6] Rosenblatt P, Lainey V, Le Maistre S, et al.Accurate Mars Express Orbits to Improve the Determination of the Mass and Ephemeris of the Martian Moons[J]. Planetary and Space Science, 2008, 56(7):1043-1053 doi:  10.1016/j.pss.2008.02.004
    [7] Yan J G, Yang X, Ye M, et al. Independent Mars Spacecraft Precise Orbit Determination Software Development and Its Applications[J]. Astrophysics & Space Science, 2017, 362:123-1-123-15 doi:  10.1007/s10509-017-3105-0
    [8] 叶茂, 李斐, 鄢建国, 等.深空探测器精密定轨与重力场解算系统(WUDOGS)及其应用分析[J].测绘学报, 2017, 46(3):288-296 doi:  10.11947/j.AGCS.2017.20160525

    Ye Mao, Li Fei, Yan Jianguo, et al. Wuhan University Deep-Space Orbit Determination and Gravity Recovery System (WUDOGS) and Its Application Analysis[J]. Acta Geodaetica et Cartographica Sinica, 2017, 46(3):288-296 doi:  10.11947/j.AGCS.2017.20160525
    [9] 黄智伟.无线电发射与接收电路设计[M].北京:北京航空航天大学出版社, 2004

    Huang Zhiwei. Design of Radio Transmitting and Receiving Circuits[M].Beijing:Beihang University Press, 2004
    [10] 谢超. 接收机射频通道的热噪声特性分析[D]. 长沙: 国防科学技术大学, 2008

    Xie Chao. The Analysis of Thermal Noise Characteristics of the RF Front-End in Receivers[D]. Changsha: National University of Defense Techno-logy, 2008
    [11] Andert T P. Masses of Small Bodies: Mass Estimation of Small Solar System Bodies Using Radio Science Data from Close Flybys[D]. Cologne: Universität zu Köln, 2010
    [12] Liu Q, Matsumoto K, Iwata T, et al. Effect of Phase Pattern of Antennas Onboard Flying Spin Satellites on Doppler Measurements[J].IEEE Transactions on Aerospace & Electronic Systems, 2011, 47(1):405-419 https://www.researchgate.net/publication/224216180_Effect_of_Phase_Pattern_of_Antennas_Onboard_Flying_Spin_Satellites_on_Doppler_Measurements
    [13] 刘益成.数字信号处理[M].北京:电子工业出版社, 2004

    Liu Yicheng. Digital Signal Processing[M]. Beijing:Publishing House of Electronics Industry, 2004
    [14] 纪跃波, 秦树人, 汤宝平.零相位数字滤波器[J].重庆大学学报(自然科学版), 2000, 23(6):4-7 http://jpkc.xidian.edu.cn/dsp/uploads/flash/jxdg.pdf

    Ji Yuebo, Qin Shuren, Tang Baoping. Zero-Phase Digital Filter[J]. Journal of Chongqing University (Natural Science Edition), 2000, 23(6):4-7 http://jpkc.xidian.edu.cn/dsp/uploads/flash/jxdg.pdf
    [15] Gustafsson F. Determining the Initial States in Forward-Backward Filtering[J].IEEE Transactions on Signal Processing, 2010, 44(4):988-992 https://www.researchgate.net/publication/3316069_Determining_the_Initial_States_in_Forward-Backward_Filtering
    [16] Karlsson G, Vetterli M. Extension of Finite Length Signals for Sub-band Coding[J]. Signal Processing, 1989, 17(2):161-168 doi:  10.1016/0165-1684(89)90019-4
    [17] Datar A, Jain A, Sharma P C. Design of Kaiser Window Based Optimized Prototype Filter for Cosine Modulated Filter Banks[J].Signal Processing, 2010, 90(5):1742-1749 doi:  10.1016/j.sigpro.2009.11.011
    [18] Lin Y P, Vaidyanathan P P. A Kaiser Window Approach for the Design of Prototype Filters of Cosine Modulated Filterbanks[J].Signal Processing Letters IEEE, 1998, 5(6):132-134 doi:  10.1109/97.681427
    [19] Creusere C D, Mitra S K. A Simple Method for Designing High-Quality Prototype Filters for M-band Pseudo QMF Banks[J].IEEE Transactions on Signal Processing, 1995, 43(4):1005-1007 doi:  10.1109/78.376856
  • [1] 谭涵, 吴家齐.  星间单差模糊度固定的低轨卫星精密定轨精度分析 . 武汉大学学报 ● 信息科学版, 2022, 47(9): 1460-1469. doi: 10.13203/j.whugis20200385
    [2] 李晓杰, 刘晓萍, 祖安然, 徐君毅, 刘帅, 辛洁, 郭靖蕾.  基本导航模式下BDS-3卫星地影期间的定轨精度分析 . 武汉大学学报 ● 信息科学版, 2020, 45(6): 854-861. doi: 10.13203/j.whugis20190110
    [3] 龚学文, 王甫红.  一种适用于星载GPS自主定轨的地球引力近似计算改进方法 . 武汉大学学报 ● 信息科学版, 2019, 44(3): 371-377. doi: 10.13203/j.whugis20160498
    [4] 杨轩, 鄢建国, 叶茂, 李斐, 郝卫峰, 金炜桐.  火星探测器精密定轨软件研制及实测数据处理 . 武汉大学学报 ● 信息科学版, 2019, 44(3): 385-391. doi: 10.13203/j.whugis20160494
    [5] 龚学文, 王甫红.  星载GPS伪距多路径误差与观测噪声对自主定轨的影响分析 . 武汉大学学报 ● 信息科学版, 2018, 43(7): 1048-1055. doi: 10.13203/j.whugis20160223
    [6] 马洋, 欧吉坤, 袁运斌, 霍星亮, 丁文武.  导航卫星天线相位中心变化估计及对LEO精密定轨影响 . 武汉大学学报 ● 信息科学版, 2015, 40(7): 894-900. doi: 10.13203/j.whugis20130626
    [7] 李文文, 李敏, 施闯, 赵齐乐.  利用DORIS相位数据的Jason-2卫星精密定轨 . 武汉大学学报 ● 信息科学版, 2013, 38(10): 1207-1211.
    [8] 张清华, 隋立芬, 王冰, 甘雨.  一种利用加窗LSSVM拟合GPS在轨卫星钟差的算法 . 武汉大学学报 ● 信息科学版, 2012, 37(9): 1032-1035.
    [9] 周晓青, 胡志刚, 张新远.  低轨卫星星载GNSS精密定轨的精度检核方法 . 武汉大学学报 ● 信息科学版, 2010, 35(11): 1342-1345.
    [10] 王甫红.  高精度星载GPS实时定轨卡尔曼滤波模型 . 武汉大学学报 ● 信息科学版, 2010, 35(6): 653-656.
    [11] 秦显平, 杨元喜.  平方根滤波/平滑/双向滤波在LEO星载GPS定轨中的应用 . 武汉大学学报 ● 信息科学版, 2009, 34(10): 1176-1180.
    [12] 秦显平, 杨元喜.  LEO星载GPS双向滤波定轨研究 . 武汉大学学报 ● 信息科学版, 2009, 34(2): 231-235.
    [13] 毛克彪, 唐华俊, 周清波, 马柱国.  实用劈窗算法的改进及大气水汽含量对精度影响评价 . 武汉大学学报 ● 信息科学版, 2008, 33(2): 116-119.
    [14] 吴江飞, 黄珹.  非线性自适应抗差滤波定轨算法 . 武汉大学学报 ● 信息科学版, 2008, 33(2): 187-190.
    [15] 赵长胜, 陶本藻.  有色噪声作用下的卡尔曼滤波 . 武汉大学学报 ● 信息科学版, 2008, 33(2): 180-182.
    [16] 赵长胜, 陶本藻.  有色噪声作用下的抗差卡尔曼滤波 . 武汉大学学报 ● 信息科学版, 2007, 32(10): 880-882.
    [17] 郭金运, 黄金维, 胡建国, 李建成.  由星载GPS双差相位数据进行CHAMP卫星动力学定轨 . 武汉大学学报 ● 信息科学版, 2006, 31(3): 213-217.
    [18] 赵齐乐, 刘经南, 葛茂荣, 施闯.  均方根信息滤波和平滑及其在低轨卫星星载GPS精密定轨中的应用 . 武汉大学学报 ● 信息科学版, 2006, 31(1): 12-15.
    [19] 刘经南, 曾旭平, 夏林元, 赵齐乐.  导航卫星自主定轨的算法研究及模拟结果 . 武汉大学学报 ● 信息科学版, 2004, 29(12): 1040-1044.
    [20] 金光磊.  数字图象象质的评定 . 武汉大学学报 ● 信息科学版, 1991, 16(3): 38-46.
  • 加载中
图(7) / 表(2)
计量
  • 文章访问数:  1268
  • HTML全文浏览量:  160
  • PDF下载量:  204
  • 被引次数: 0
出版历程
  • 收稿日期:  2017-07-07
  • 刊出日期:  2018-07-05

利用零相位Kaiser窗滤波器改善MEX多普勒数据定轨精度

doi: 10.13203/j.whugis20160547
    基金项目:

    国家自然科学基金 41374024

    国家自然科学基金 41604004

    国家自然科学基金 41174019

    湖北省自然科学基金重点项目创新群体类项目 2015CFA011

    宇航动力学国家重点实验室开放基金项目 2016ADL-DW0103

    中国博士后科学基金 2016M602360

    作者简介:

    曲春凯, 硕士生, 主要从事多普勒测速及其数据处理研究。quchunkai999@163.com

    通讯作者: 李斐, 博士, 教授。fli@whu.edu.cn
  • 中图分类号: P228

摘要: 精密轨道确定在深空探测中至关重要,而定轨数据中的白噪声会影响定轨性能。基于零相位分析,比较了FRR(forward-filter reverse-filter reverse-output)、RRF(reverse-filter reverse-filter forward-output)和Matlab中的filtfilt这3种滤波器的优劣,设计了一种零相位Kaiser窗低通滤波器。利用火星快车号(Mars Express,MEX)的仿真数据和实测数据验证了零相位Kaiser窗低通滤波器的性能,结果发现滤除白噪声后MEX数据的定轨精度有了显著改善。双程测速数据残差均方根(root mean square,RMS)减小为原来的1/3左右,达到了0.031 mm/s;轨道位置和速度与欧空局(European Space Agency,ESA)精密轨道的差异明显变小。该滤波算法作为定轨前的数据预处理可以提高定轨精度,从而为中国火星探测器的轨道数据处理提供一定的参考。

English Abstract

曲春凯, 李斐, 杨轩, 鄢建国, 郝卫峰, 叶茂, 金炜桐, 王宏. 利用零相位Kaiser窗滤波器改善MEX多普勒数据定轨精度[J]. 武汉大学学报 ● 信息科学版, 2018, 43(7): 1071-1077. doi: 10.13203/j.whugis20160547
引用本文: 曲春凯, 李斐, 杨轩, 鄢建国, 郝卫峰, 叶茂, 金炜桐, 王宏. 利用零相位Kaiser窗滤波器改善MEX多普勒数据定轨精度[J]. 武汉大学学报 ● 信息科学版, 2018, 43(7): 1071-1077. doi: 10.13203/j.whugis20160547
QU Chunkai, LI Fei, YANG Xuan, YAN Jianguo, HAO Weifeng, YE Mao, JIN Weitong, WANG Hong. Improving MEX Orbit Determination Accuracy by Using Zero-Phase Kaiser Window Filter[J]. Geomatics and Information Science of Wuhan University, 2018, 43(7): 1071-1077. doi: 10.13203/j.whugis20160547
Citation: QU Chunkai, LI Fei, YANG Xuan, YAN Jianguo, HAO Weifeng, YE Mao, JIN Weitong, WANG Hong. Improving MEX Orbit Determination Accuracy by Using Zero-Phase Kaiser Window Filter[J]. Geomatics and Information Science of Wuhan University, 2018, 43(7): 1071-1077. doi: 10.13203/j.whugis20160547
  • 火星是人类深空探测器到访最多的行星。火星快车(Mars Express,MEX)是欧空局(European Space Agency,ESA)的首颗火星探测器[1],在轨运行期间传回的大量火星地表影像等资料表明,火星大气层内存在甲烷[2],火星南极冠存在水冰。MEX还多次飞越火卫一(Phobos),测量了其质量和低阶重力场等[3]。国内外开发了许多火星探测器定轨软件[4-6],如武汉大学深空探测器精密定轨与重力场解算软件系统中的火星重力场解算和分析系统模块(Mars Gravity Recovery and Analysis Software/System,MAGREAS)对MEX的定轨结果已经达到了比利时皇家天文台发布的精密星历的精度水平[7-8],本文将选用MAGREAS作为MEX的定轨软件。

    目前定轨大多采用原始数据,其中含有较强的噪声,严重影响定轨的精度。噪声也是影响各类接收机性能的主要因素之一[9]。噪声可以分为热噪声、散弹噪声和闪烁噪声。热噪声是电子设备中一种十分常见的白噪声[10],也是本文主要考虑消除的噪声成分。深空通讯设备中的热噪声主要来源于地面发射器/接收机和星载转发器。由MEX 1 s采样间隔获取的X波段原始数据提取出的航天器速度的噪声为0.05~0.37 mm/s,具体值取决于太阳-火星-地球的夹角,平均为0.13 mm/s[3]。为达到更好的定轨效果,有研究者采用滤波器处理原始数据,提高数据信噪比。Andert采用Kaiser窗低通滤波器处理了MEX 2006年3月和2008年7月两次飞掠Phobos的频率数据,结果表明,两次飞掠Phobos的频率数据的残差标准差分别从6.56 mHz减少至1.71 mHz、从7.32 mHz减少至1.97 mHz[11]。为了除去原位相位特征的影响,并精确保留月球重力场的信息,Liu等利用Kaiser窗设计了一个低通滤波器, 对日本“月亮女神”月球探测器的两颗子卫星的原始多普勒数据进行滤波处理[12]。滤波后,Vstar的双程多普勒测量残差均方根(root mean square, RMS)从0.355 Hz减小到0.001 6 Hz; Rstar的双程多普勒测量残差RMS从0.293 Hz减小到0.002 1 Hz,四程(Rstar-主卫星)多普勒测量残差RMS从1.028 Hz减小到0.025 Hz。

    基于零相位分析,本文比较了FRR(forward-filter reverse-filter reverse-output)、RRF(reverse-filter reverse-filter forward-output)和Matlab中的filtfilt这3种滤波器的优劣,并设计了一种有效的零相位Kaiser窗低通滤波器。

    • 滤波器的传递函数H(e)可以用极坐标表示为:

      $$ H({{\rm{e}}^{j\omega }}) = \left| {H\left( \omega \right)} \right|\cdot{{\rm{e}}^{j\varphi (\omega )}} $$ (1)

      式中,|H(ω)|、φ(ω)分别为滤波器的振幅响应和相位响应, 计算公式分别为:

      $$ \left| {H\left( \omega \right)} \right| = \sqrt {{\rm{R}}{{\rm{e}}^2}\left[ {H({{\rm{e}}^{j\omega }})} \right] + {\rm{I}}{{\rm{m}}^2}[H({{\rm{e}}^{j\omega }})]} $$ (2)
      $$ \varphi \left( \omega \right) = {\rm{arctan}}\frac{{{\rm{Im}}[H({{\rm{e}}^{j\omega }})]}}{{{\rm{Re}}[H({{\rm{e}}^{j\omega }})]}} $$ (3)

      式中,Re(·)为函数实部;Im(·)为函数虚部;j为虚数单位;ω为数字频率。

      根据滤波器的幅度响应,可以将滤波器分为低通、高通、通带和阻带4类滤波器[13]图 1为不同类型滤波器的理想幅度响应。

      图  1  不同类型滤波器的理想幅度响应

      Figure 1.  Ideal Amplitude Response of Different Filters

      图 1所示的滤波器幅度响应是一种理想状态,在现实中不可能实现,只能尽可能地逼近这种状态。在逼近的过程中,滤波器的不同性能指标通常不可能同时达到最优。因此在设计滤波器时,一般根据实际需要,允许滤波器在通带和阻带内与理想状态有一定的偏差,通带与阻带之间也允许有一个过渡带。以低通滤波器为例,滤波器的实际幅频特性如图 2所示。

      图  2  低通滤波器的实际幅频特性

      Figure 2.  Real Amplitude-Frequency Response of the Low Pass Filter

      图 2中,δpδs分别称为通带波纹和阻带波纹;ωpωs分别称为通带截止频率和阻带截止频率;Δω=ωs-ωp称为过渡带。

      设计滤波器时,一般情况下,振幅特性由给定的通带和阻带衰减确定,衰减A(ω)用反映功率增益的幅度平方函数(或称作模平方函数)|H(ω)|2来定义:

      $$ A\left( \omega \right) = - 10{\rm{lg}}{\left| {H\left( \omega \right)} \right|^2} = - 20{\rm{lg}}\left| {H\left( \omega \right)} \right| $$ (4)

      所以通带衰减Ap和阻带衰减As可以表示为:

      $$ {A_p} = - 20{\rm{lg}}(1 - {\delta _p}) $$ (5)
      $$ {A_s} = - 20{\rm{lg}}{\delta _s} $$ (6)
    • 一个信号经过一个滤波器系统后,会将信号每个频率分量的振幅乘上系统振幅响应的模,以改变信号不同频率成分的能量,实现噪声的滤除。滤波器系统在改变信号幅频性质的同时也会在原信号相位上附加一个相位,称为系统的相移。如果这种相位的改变不是所预期的,就会造成相位的失真,影响数据质量[14]

      对多普勒数据进行滤波时不希望相位发生变化,零相位滤波器具有零相位系统特性,可以获得精确零相位失真的信号[15]。零相位滤波可以采用FRR滤波方法,首先将输入序列按顺序滤波,然后将得到的结果逆转后再滤波,最后将所得结果逆转后输出,即可得到精确零相位失真的序列。

      FRR滤波的时域描述可以表示为:

      $$ \left\{ \begin{array}{l} {y_1}\left( n \right) = x\left( n \right)\cdot h\left( n \right)\\ {y_2}\left( n \right) = {y_1}({L_1} - n + 1)\\ {y_3}\left( n \right) = {y_2}\left( n \right)\cdot h\left( n \right)\\ {y_4}\left( n \right) = {y_3}({L_1} - n + 1) \end{array} \right. $$ (7)

      式中,L1为序列长度;n∈[1, L1];x(n)表示输入序列;h(n)表示数据滤波器冲击响应序列;y(n)表示滤波或者序列逆转后的结果。

      FRR滤波的频率描述即为式(7)相应的频域表示:

      $$ \left\{ \begin{array}{l} {Y_1}({{\rm{e}}^{j\omega }}) = X({{\rm{e}}^{j\omega }})\cdot H({{\rm{e}}^{j\omega }})\\ {Y_2}({{\rm{e}}^{j\omega }}) = {{\rm{e}}^{ - j\omega (N + 1)}}\cdot{Y_1}({{\rm{e}}^{ - j\omega }})\\ {Y_3}({{\rm{e}}^{j\omega }}) = {Y_2}({{\rm{e}}^{j\omega }})\cdot H({{\rm{e}}^{j\omega }})\\ {Y_4}({{\rm{e}}^{j\omega }}) = {{\rm{e}}^{ - j\omega (N + 1)}}\cdot{Y_3}({{\rm{e}}^{ - j\omega }}) \end{array} \right. $$ (8)

      式中,X(e)是x(n)的频率描述;Y(e)是y(n)的频率描述。由式(8)可得:

      $$ Y({{\rm{e}}^{j\omega }}) = X({{\rm{e}}^{j\omega }})\cdot{\left| {H({{\rm{e}}^{j\omega }})} \right|^2} $$ (9)

      由式(9)可知,输出Y(e)与输入X(e)之间不存在附加相位,FRR滤波实现了精确零相位失真。

      Matlab软件中提供了一种零相位滤波的函数filtfilt,其本质上也是FRR滤波,但为了减小数字滤波都会遇到的边界效应问题,filtfilt函数在进行滤波前,在数据首尾两个方向上各进行了与滤波器节数相同的延拓[16]。设原数据为x(n),数据量大小为L2,滤波器节数为M,则拓展后的数据用Matlab语言可表达为:

      $$ \begin{array}{l} \left[ {2\cdot x\left( 1 \right) - x\left( {M + 1: - 1:2} \right);x;} \right.\\ \left. {2\cdot x({L_2}) - x({L_2} - 1: - 1:{L_2} - M)} \right] \end{array} $$

      图 3为使用常规滤波方法和3种零相位滤波方法对某一固定周期的正弦信号进行滤波处理的结果,正弦信号的表达式为:x(t)=3sin(2π·2 000·t),采样频率为10 000 Hz,采样时间为0.025 s,滤波器设计为全通滤波器。从图 3可以看出,常规滤波与理论值存在一定的相位偏移,而FRR、RRF和filtfilt滤波与理论值相位保持一致,但FRR和RRF方法存在较明显的边界效应问题,在数据两端出现异常扰动。鉴于filtfilt函数的零相位滤波性能和对于边界效应的改善效果较好,本文将采用此方法进行零相位滤波。

      图  3  使用各种滤波方法处理正弦信号

      Figure 3.  Using Different Filtering Methods to Process a Sinusoidal Signal

    • 本文需要一个低通滤波器滤除原始信号中的高频热噪声,提高信号的信噪比,以期改善定轨精度。常见的数字滤波器分为两种:无限脉冲响应(infinite impulse response,IIR)数字滤波器和有限脉冲响应(finite impulse response,FIR)数字滤波器。考虑到FIR数字滤波器能做到严格线性相位,且在滤波实现时可以采用快速傅里叶变换,因此本文使用窗函数法设计了一种低通FIR数字滤波器。

      常见的窗函数有三角形窗、Hanning窗、Hamming窗、Blackman窗和Kaiser窗等。由于Kaiser窗具有可调性(即可选择不同参数α以适应各种不同需要),所以选用适应性较大的Kaiser窗作为低通滤波器的窗函数[17-19]。Kaiser窗的定义为:

      $$ \omega \left( n \right) = \frac{{{I_0}\left( {\alpha \sqrt {1 - {{\left( {1 - \frac{{2n}}{{N - 1}}} \right)}^2}} } \right)}}{{{I_0}\left( \alpha \right)}} $$ (10)

      式中,α为Kaiser窗参数;N为滤波器节数;n∈[0, N-1];I0(·)是第一类修正零阶贝塞尔函数。I0(x)可用下述级数来计算:

      $$ {I_0}\left( x \right) = 1 + {\sum\limits_{k = 1}^\infty {\left[ {\frac{1}{{k!}}{{\left( {\frac{x}{2}} \right)}^k}} \right]} ^2} $$ (11)

      α是一个可调的参数,与主瓣宽度和旁瓣衰减有关。一般来说,α越大,过渡带越宽,阻带越小,衰减越大。图 4为不同α值对应的Kaiser窗的形状。若阻带最小衰减表示为As=-20lgδs,则α的确定可采用经验公式:

      $$ \alpha = \left\{ \begin{array}{l} 0, {A_s} \le 21\\ 0.5842{\left( {{A_s} - 21} \right)^{0.4}} + 0.07886\left( {{A_s} - 21} \right), \\ 21 < {A_s} \le 50\\ 0.1102\left( {{A_s} - 8.7} \right), {A_s} > 50 \end{array} \right. $$ (12)

      图  4  不同α值的Kaiser窗口形状

      Figure 4.  Shapes of Kaiser Window with Different α Values

      若滤波器通带和阻带波纹相等,即δp=δs时,则滤波器的节数N可以通过式(13)确定:

      $$ N \approx \frac{{ - 20{\rm{lg}}{\delta _p} - 7.95}}{{\frac{{14.36\Delta \omega }}{{2{\rm{ \mathsf{ π} }}}}}} = \frac{{{A_s} - 7.95}}{{\frac{{14.36\Delta \omega }}{{2{\rm{ \mathsf{ π} }}}}}} $$ (13)

      Kaiser窗低通滤波器最基本的参数是截断频率ωc、滤波器节数N和Kaiser窗参数α。但在实际设计滤波器时,Kaiser窗参数α不够直观,通常选用滤波器衰减As,且Asα可通过式(12)转换。

    • 为了验证零相位Kaiser窗滤波器滤除MEX多普勒数据噪声后对定轨的改善效果,本文首先进行仿真实验。使用MAGREAS对2010-06-26 T07:17:21至T12:06:09时段内的MEX双程多普勒测量过程进行模拟,得到精确的频率数据Data1(数据量为17 329,采样间隔为1 s)。在Data1上混入均值为0、方差为0.005 6 Hz的白噪数据(Data_noise),得到仿真数据Data2。将Data_noise通过零相位Kaiser窗低通滤波器(截断频率ωc=0.01 Hz,滤波器节数N=5 775,滤波器衰减As=-28.90 dB,滤波器最优参数通过反复测试得到)后叠加到Data1上得到Data3,将Data3作为仿真数据Data2滤除白噪后的结果。利用MAGREAS软件对模拟数据进行定轨,并对初轨在XYZ方向各添加100 m的偏移。表 1为利用仿真数据(Data2和Data3)定轨后对初轨的修正结果。

      表 1  仿真数据定轨对初轨的修正结果

      Table 1.  Correction Results of Initial Orbit Using the Simulated Data

      仿真定轨数据测速残差RMS
      /(mm·s-1)
      定轨误差
      /m
      ΔX=-14.036
      滤波前数据Data20.107ΔY=-30.058
      ΔZ=-25.156
      ΔX=-4.594
      滤波后数据Data30.038ΔY=-10.406
      ΔZ=-8.592

      表 1中可以看出,滤波后的数据比滤波前的数据所确定的轨道更为精确,双程多普勒测速残差RMS从0.107 mm/s减少至0.038 mm/s,定轨误差在XYZ方向上也减小为原来的1/3左右。

    • 通过仿真数据的测试可以初步确定,零相位Kaiser窗滤波器滤除多普勒数据中的噪声后,明显改善了定轨精度。为验证Kaiser窗滤波器在实际应用中的效果,选择MEX 2010-06-26 T07:17:21至T12:06:09弧段的多普勒实测数据进行测试。在该弧段内,数据按1 s间隔连续采样,数据量为17 329,数据文件为ESA 2010-06-26 MEX观测文件。滤波器的输入为残余频率,是观测数据和预测数据的差值; 滤波后的值叠加到预测数据上作为观测数据滤除白噪声后的结果。零相位Kaiser窗低通滤波器的参数设置为:截断频率ωc=0.002 5 Hz,滤波器节数N=5 774,滤波器衰减As=-100 dB,滤波器的最优参数通过反复测试得到。图 5为实测数据滤波前后的波形,是定轨之前的情况。图 6图 7分别为利用原始数据和滤波后数据解算的轨道外推3 h后与ESA精密轨道在径向(R)、切向(T)和法向(N)3个方向上的差异。表 2为利用滤波前后数据解算的轨道对精密初轨的修正结果。其中,VXVYVZ分别表示航天器的初始速度在XYZ方向上的分量;ΔVX、ΔVY、ΔVZ分别是对应的速度差。

      图  5  残余频率滤波前后的波形

      Figure 5.  Waveforms of Residual Calibrated X-band Frequency Shift Before and After Filtering

      图  6  原始数据解算的轨道外推3 h后与ESA精密轨道之差

      Figure 6.  Differences Between the ESA Reconstructed Orbit and the Reconstructed Orbit of Original Data After 3 h Prediction

      图  7  滤波后数据解算的轨道外推3 h后与ESA精密轨道之差

      Figure 7.  Differences Between the ESA Reconstructed Orbit and the Reconstructed Orbit of Filtered Data After 3 h Prediction

      表 2  实测数据定轨对精密初轨的修正结果

      Table 2.  Correction Results of Precise Orbit Using the Measured Data

      MEX实测
      定轨数据
      MAGREAS
      测速残差RMS
      /(mm·s-1)
      初轨修正结果
      原始数据0.107ΔX=-62.761 m
      ΔY=-138.464 m
      ΔZ=-114.972 m
      ΔVX =-3.010 mm/s
      ΔVY= 12.698 mm/s
      ΔVZ=-44.553 mm/s
      滤波后数据0.031ΔX=-3.260 m
      ΔY=-8.124 m
      ΔZ=-6.726 m
      ΔVX=-0.222 mm/s
      ΔVY= 0.859 mm/s
      ΔVZ=-2.145 mm/s

      对比定轨结果发现,滤除实测数据中的白噪声后,定轨的改善效果明显。与仿真分析情况类似,双程多普勒测速残差RMS从0.107 mm/s减少至0.031 mm/s,本弧段的轨道位置和速度与ESA精密轨道的差异也明显变小。

      图 6图 7可以看出,利用滤波后数据解算的轨道与ESA精密轨道的差异要明显小于原始数据的差异。图 6中原始数据对应的位置差异沿切向最大约为300 m,而图 7中滤波后数据对应的位置差异沿切向最大仅为50 m左右。此外,滤波后数据对应的速度差异也明显小于原始数据对应的速度差异。这一结果与表 2中给出的两种数据的测量精度相一致。

    • 通过仿真数据和实测数据的测试可以确定,零相位Kaiser窗低通滤波器滤除MEX多普勒频率数据中的白噪声后,对定轨精度有很大的改善。滤波后,双程测速数据残差RMS达到了0.031 mm/s,减小为原来的1/3左右;轨道位置和速度与ESA精密轨道的差异也明显变小。该滤波算法作为定轨前的数据预处理可以提高定轨的精度,从而为中国火星探测器的轨道数据处理提供一定的参考。

参考文献 (19)

目录

    /

    返回文章
    返回