دکتر محمد دوستی زاده نشریه علمی-تخصصی دستاوردهای نوین در برق،کامپیوتر و فناوری 2 3 2022 09 16 Comparison of UKF and EKF Kalman filter performance in satellite مقایسه عملکرد فیلتر کالمن UKF و EKF در مداریابی ماهواره 81 92 10.22051/jera.2021.31891.2698 FA محمد دانشجوی کارشناسی ارشد، گروه الکترونیک، دانشکده برق، جنگ الکترونیک و سایبری، دانشگاه جامع امام حسین(ع) مرتضی استادیار، گروه الکترونیک، دانشکده برق، جنگ الکترونیک و سایبری، دانشگاه جامع امام حسین(ع) 2022 07 10 One of the most important issues in the space field of countries is the tracking of low earth orbit (LEO) satellites with high accuracy. Due to the fact that conventional filters are not able to track systems with nonlinear dynamics and their tracking is associated with many errors, the use of nonlinear filters is recommended. To solve nonlinear and noisy filtering problems, the Kalman filter algorithm is one of the most suitable methods. This filter is based on the principle of linearization of measurements and model development using Taylor series expansion. The Kalman filter can change the state variables of the system in non-linear stochastic systems where there is disturbance in the process and noise in sensor measurements. Estimate the optimal form. In this article, the satellite motion equations are applied separately to the developed nonlinear filters (EKF) and the sampler Kalman filter (UKF), and finally, by examining the performance of these two filters, it is observed that the sampler Kalman filter performs better compared to the Kalman filter. has developed The satellite studied in this article is NOAA19 meteorological satellite یکی از مهم ترین مسائل حوزه فضایی کشورها، ردیابی ماهواره های مدار پایین زمین(LEO) با دقت بالا می باشد. باتوجه به اینکه فیلترهای مرسوم قادر به رهگیری سیستم ها با دینامیک غیرخطی نیستند و ردیابی آن ها باخطای فراوانی همراه است، استفاده از فیلترهای غیرخطی توصیه میگردد. برای حل مسائل فیلترینگ غیرخطی و دارای نویز، الگوریتم فیلتر کالمن از مناسب ترین روش ها می باشد. این فیلتر براساس اصل خطی سازی اندازه گیری ها و توسعه مدل با استفاده ازبسط سری تیلور بنا نهاده شده است .فیلتر کالمن می تواند در سامانه های تصادفی غیرخطی که اغتشاش در فرایند و نویز در اندازه گیری های حسگرها موجود است، متغیرهای حالت سامانه را به صورتی بهینه برآورد کند. در این مقاله معادلات حرکت ماهواره به صورت جداگانه به فیلترهای غیرخطی توسعه یافته (EKF) و فیلتر کالمن نمونه بردار(UKF) اعمال می شود که در نهایت با بررسی عملکرد این دو فیلتر مشاهده میگردد که فیلتر کالمن نمونه بردار عملکرد بهتری در مقایسه با فیلترکالمن توسعه یافته دارد. ماهواره مورد مطالعه در این مقاله، ماهواره هواشناسی NOAA19 می باشد. /downloadfilepdf/627906