Star images from star trackers are usually defocused to capture stars over an exposure time for better centroid measurements. While a satellite is maneuvering, the star point on the screen of the camera is affected by the satellite, which results in the degradation of centroid measurement accuracy. Additionally, this could result in a worse star vector outcome. Before satellites maneuvering, onboard thrusters are used to maintain the commanded satellite attitude under orbit disturbances. Since there are disturbances from the thruster misalignment and force uncertainty, and torque is generated by an impulsive shape signal from the torque command, it is difficult to generate target torque; in addition, it also impacts on the star image because the impulsive torque creates a sudden change in the angular velocity in the satellite dynamics. This makes the noise of the star image non-Gaussian, which may require introducing a method for dealing with non-Gaussian measurement noise. To meet this goal, in this study, an attitude extended Kalman filter is implemented to predict measurement vectors with predicted states. The GMM (Gaussian mixture model) is connected in this sequence, giving weighting parameters to each Gaussian density and resulting in the better prediction of measurement vectors. Simulation results show that the GMM-EKF exhibits a better performance than the EKF, UKF and saturation based adaptive Kalman filter for attitude estimation. Therefore, the GMM-EKF could be a more attractive approach for satellite missions involving thruster utilization.
별 추적기를 통해 별 사진을 촬영할 때에는 더 정확히 중심점을 찾기 위해 노출 시간 동안 디포커싱을 한다. 위성이 기동하는 동안, 카메라 스크린 상의 별의 위치도 영향을 받아, 중심점 찾기 정확도에 영향을 끼쳐 별 벡터 측정치의 오차 성능도 악화된다. 위성이 기동하기 전, 탑재된 추력기를 이용하여 궤도 상 외란의 영향을 받으며 자세 명령을 유지한다. 추력기에는 오정렬과 추력 크기의 부정확성과 같은 외란이 존재하고, 추력 토크는 임펄스 형태로 생성되기 때문에 원하는 추력을 정확히 생성하기는 어렵다; 임펄스 형태의 토크는 위성체 동역학에서 각속도의 급작스러운 변화와 관련되어, 이는 별 사진에도 큰 영향을 끼치게 된다. 따라서, 별 사진의 노이즈는 가우시안의 형태라 볼 수 없고, 측정치의 논가우시안 노이즈를 다루기 위한 방법을 개발할 필요성이 대두된다. 이러한 목표를 위해, 본 연구에서는 자세 확장 칼만 필터를 통해 예측된 상태변수를 통해 측정치 벡터를 예측하는 과정을 구현하였다. GMM은 이 과정에서 각각의 가우시안 함수에 가중치 변수를 부여하는 방식으로 고려되어, 측정치 벡터를 예측하였다. 시뮬레이션을 통해 EKF, UKF, 포화 기반의 적응형 칼만 필터보다 GMM-EKF의 성능이 더 나은 것을 확인하였다. 따라서, GMM-EKF는 추력기를 사용하는 위성 임무에서 자세 결정을 위해 더 나은 접근법이 될 수 있다.